چرا هوش مصنوعی فیزیکی به امنیت در هر لایه نیاز دارد؟

هوش مصنوعی فیزیکی انتقال از تحقیق به کاربرد در مقیاس بزرگ به سرعت در حال انجام است. تا سال 2035، تحقیق ABI یک پایگاه نصب شده از 49 میلیون وسیله نقلیه خودران سطح 3-5 (AVs) را پروژه می کند.، در حالی که امدیا تخمین زده می شود که حدود 60 میلیون ربات صنعتی بین سال های 2026 تا 2035 مستقر خواهند شد.. همانطور که این ماشین ها وارد جاده ها، کارخانه ها، انبارها و سایر محیط های مشترک با مردم می شوند، ایمنی باید با آنها تکامل یابد.

ایمنی فیزیکی هوش مصنوعی به معنای اثبات این است که ماشین‌های مجهز به هوش مصنوعی – AVs، ربات های انسان نماربات‌های صنعتی و موارد دیگر – زمانی که تصمیم‌هایشان به عمل فیزیکی تبدیل می‌شود، ایمن رفتار کنند. این امر مستلزم امنیت در سراسر سخت افزار، نرم افزار، هوش مصنوعی، محیط عملیاتی و چرخه عمر استقرار است – نه یک بررسی یکباره قبل از استقرار.

چرا کلید امنیتی برای مقیاس‌بندی هوش مصنوعی فیزیکی است؟

پس از سالها آزمایش و ارزیابی، AVs به گسترش تجاری خود ادامه دهد. این پیشرفت به توسعه دهندگان نیاز داشت تا نشان دهند که چگونه سیستم های خودکار خطاهای احتمالی سخت افزاری و نرم افزاری، محدودیت در عملکرد مورد نظر و خطرات خاص هوش مصنوعی را برطرف می کنند.

رباتیک به نقطه عطف مشابهی نزدیک می شود زیرا ماشین های خودمختار به کارخانه ها، انبارها و سایر محیط های مشترک با انسان ها حرکت می کنند.

در حوزه هوش مصنوعی فیزیکی، تولیدکنندگان، تنظیم‌کننده‌ها، بیمه‌گران و تیم‌های ایمنی محیط کار به شواهدی نیاز دارند که نشان دهد سخت‌افزار، نرم‌افزار، رفتار هوش مصنوعی و محیط‌های عملیاتی می‌توانند بدون دخالت انسان با هم به صورت ایمن کار کنند.

چرا هوش مصنوعی فیزیکی به یک مدل امنیتی جدید نیاز دارد؟

چهار شیفت استانداردهای ایمنی جدید را تعریف می کند:

• محیط های پویا نیاز به امنیت زمینه ای دارند. جاده ها، کارخانه ها و انبارها را نمی توان به طور کامل از طریق مناطق ساکن یا موانع فیزیکی کنترل کرد. سیستم‌های خودمختار باید شرایط در حال تغییر را احساس کنند، رفتار خود را تطبیق دهند و زمانی که اتفاق غیرمنتظره‌ای رخ می‌دهد به حالت امن برسند.
• رفتار هوش مصنوعی به اطمینان خاص خود نیاز دارد. آزمایش باید نرم‌افزار هوش مصنوعی را علاوه بر ایمنی عملکردی سنتی، با استفاده از نرده‌های حفاظ زمان طراحی، زمان اجرا و اعتبارسنجی ارزیابی کند. استانداردهای نوظهور مانند ISO/IEC TS 22440 شروع به رسیدگی به این خطرات خاص هوش مصنوعی کرده اند.
• اجرا در حال انجام است. AV و روبات ها از طریق به روز رسانی نرم افزار و مدل، وظایف جدید و تغییر شرایط عملیاتی تکامل می یابند. تغییرات مواد ممکن است به آزمایش ایمنی اضافی نیاز داشته باشد.
• اعتبارسنجی در مقیاس نیاز به شبیه سازی و داده های مصنوعی دارد. تعداد و پیچیدگی سناریوهای بالقوه نیاز به ترکیب آزمایش دنیای واقعی با شبیه‌سازی، تولید داده‌های مصنوعی و بازسازی سناریو دارد.

با هم، این تغییرات نیازمند امنیت است که در طول طراحی، پیاده‌سازی و اعتبارسنجی، از سخت‌افزار اصلی گرفته تا رفتار هوش مصنوعی و محیط عملیاتی، عملیاتی شود.

NVIDIA چه پایه امنیتی برای هوش مصنوعی فیزیکی ایجاد کرده است؟

ایمنی فیزیکی هوش مصنوعی به مهندسی، داده ها، فرآیندها و اعتبار سنجی تخصصی نیاز دارد که تعداد کمی از شرکت ها می توانند به تنهایی آن را تولید کنند. پایه ایمنی NVIDIA بر اساس بیش از یک دهه توسعه در ایمنی AV، تخصص ساختمان در ایمنی عملکردی، ترکیب حسگرها، تضمین رفتار هوش مصنوعی، هوش مصنوعی بینایی، شبیه‌سازی و اعتبارسنجی در دنیای واقعی ساخته شده است.

هاله های NVIDIA اولین و تنها سیستم ایمنی تمام پشته برای هوش مصنوعی فیزیکی است که به توسعه دهندگان کمک می کند تا ایمنی را در هر لایه طراحی، اعتبار سنجی و پیاده سازی ایجاد کنند. اصول بین AV و روباتیک مشترک است، در حالی که پلتفرم‌ها، استانداردها و شواهد برای هر دامنه خاص باقی می‌مانند.

برای توسعه AV، Halos شامل موارد زیر است:

• سخت افزار: NVIDIA DRIVE AGX Thor قدرت محاسباتی تسریع شده مبتنی بر امنیت را فراهم می کند، در حالی که NVIDIA Hyperion پلت فرم خودروی تمام پشته و معماری مرجع را برای AV های سطح 4 فراهم می کند.
• سیستم عامل و میان افزار: سیستم عامل Halo یک پایه نرم افزاری یکپارچه را ارائه می دهد که بر روی DriveOS دارای گواهینامه ASIL-D ساخته شده است. Halos Core و Halos Middleware از جداسازی، نظارت و ارتباطات قطعی سیستم پشتیبانی می کنند.
• مدل انتها به انتها: NVIDIA Alpamayo مدل‌های استدلال-دید-زبان-عمل باز را ارائه می‌کند که قابلیت توضیح را برای سناریوهای دم بلند فراهم می‌کند.
• شبیه سازی و اعتبار سنجی: را چارچوب ارزیابی امنیت NVIDIA Halos ابزار و راهنمایی برای تولید شواهد برای پشتیبانی از موارد ایمنی AV در سطوح مختلف اتوماسیون فراهم می کند.

این عناصر با هم، توسعه و شبیه‌سازی هوش مصنوعی مبتنی بر ابر را به استقرار درون خودرو متصل می‌کنند تا شواهد ایمنی در طول چرخه عمر خودرو قابل ردیابی باقی بماند.

برای روباتیک، Halos شامل موارد زیر است:

• سخت افزار: NVIDIA IGX Thor یک ماژول درجه صنعتی است که محاسبات تسریع شده و ایمنی عملکردی را در یک پلت فرم با جزیره ایمنی عملکردی اختصاصی ترکیب می کند. این برای پشتیبانی از سیستم های توسعه یافته برای استانداردهایی مانند IEC 61508 و ISO 13849 طراحی شده است.
• نرم افزار: Halos Core برای IGX پایه نرم افزاری را برای عملکردهای کنترل مرتبط با ایمنی، از جمله تشخیص خطا، نظارت و گزارش، همراه با قابلیت های ارتباطی و پردازشی که حسگرها، محرک ها و سایر اجزای ایمنی را به هم متصل می کند، فراهم می کند.
• تشخیص بلادرنگ: پل سنسور هولوسکن انویدیا داده‌های حسگر را با هوش مصنوعی و پردازش‌های مرتبط با ایمنی متصل می‌کند و به سیستم‌ها اجازه می‌دهد اطلاعات نامعتبر را شناسایی کرده و پاسخ‌های ایمنی تعریف شده را انجام دهند.
• شبیه سازی و اعتبار سنجی: آزمایشگاه آیزاک انویدیا و کتابخانه های Omniverse NVIDIA به توسعه دهندگان این امکان را می دهد تا رفتار ربات را تحت شرایط مربوطه و موارد لبه آزمایش کنند و اعتبار سنجی دنیای واقعی را تکمیل کنند.

• ایمنی بیرون به داخل: منبع باز طرح امنیتی NVIDIA Halos Outside-In از دوربین های راه دور و عوامل هوش مصنوعی بینایی برای گسترش آگاهی فراتر از حسگرهای داخل هواپیما و پشتیبانی از نظارت در سطح تسهیلات و موارد استفاده ایمنی عملکردی استفاده می کند.

The.com هم در زمینه AV و هم در زمینه رباتیک ارائه می دهد آزمایشگاه بازرسی سیستم هوش مصنوعی NVIDIA Halos امنیت، امنیت سایبری و الزامات ایمنی هوش مصنوعی را به بازرسی های تکرارپذیر تبدیل می کند و به آماده سازی ادغام های Halos برای صدور گواهینامه نهایی در سطح سیستم توسط آژانس های شخص ثالث کمک می کند.

چه کسی اکوسیستم امنیتی NVIDIA Halos را می سازد؟

NVIDIA Halos شرکت‌هایی را که راه‌حل‌های هوش مصنوعی فیزیکی را می‌سازند، ادغام می‌کنند، ارزیابی می‌کنند و به کار می‌برند، از جمله توسعه‌دهندگان محصول، ارائه‌دهندگان نرم‌افزار و سیستم‌های تعبیه‌شده، شرکت‌های حسگر و سیلیکون، توسعه‌دهندگان راه‌حل‌های امنیتی و مقامات صدور گواهی را به هم متصل می‌کند.

با خودروهای خودران جیلی، ایسوزو، نیسان (با نرم افزار Wayve) و Einride در حال ساخت وسایل نقلیه آماده سطح 4 بر روی NVIDIA Hyperion هستند که توسط سیستم عامل Halos OS پشتیبانی می شود.

Uber، Grab، Lyft و سایر ارائه دهندگان تحرک نیز از Hyperion برای توسعه و استقرار robotaxis استفاده می کنند. اعضای آزمایشگاه بازرسی سیستم هوش مصنوعی NVIDIA Halos شامل AUMOVIO، بوش، گاتیک، هسای، لوسید، MIRA، onsemi، PlusAI، Sony، Valeo و Wayve که شامل توسعه رانندگی خودکار، ADAS، حسگرها، سیلیکون، یکپارچه‌سازی سیستم، اعتبارسنجی و تضمین ایمنی است.

در رباتیک، acontis و QNX نرم افزار داخلی مورد نیاز برای انجام عملکردهای ایمنی به طور قابل پیش بینی را فراهم کنید Advantech و NexCOBOT ساخت سیستم های مهندسی ایمنی NVIDIA IGX. Infineon، NXP، STMicroelectronics و سازهای تگزاس کمک به حسگرها، میکروکنترلرهای ایمنی و سایر فناوری های نیمه هادی. گروه KION عوامل ایمنی عملکردی را برای لیفتراک های خودمختار توسعه می دهد. چابکy NVIDIA IGX Thor و Halos Core را در سیستم امنیتی خود ادغام می کند انسان نما رقم 5.

NVIDIA Halo به طور مستقل چگونه رتبه بندی می شود؟

برای AV ها، TÜV SÜD گواهی فرآیند نرم افزار چرخه عمر محصولات خودرویی NVIDIA و DriveOS 6.0 تا ISO 26262 ASIL D و همچنین فرآیندهای مهندسی خودرو NVIDIA مطابق با ISO/SAE 21434. TÜV راینلند همچنین یک ارزیابی ایمنی مستقل UNECE از NVIDIA DRIVE AV انجام داد.

برای رباتیک، TÜV راینلند NVIDIA IGX Thor، Halos OS، و Holoscan Sensor Bridge را برای آمادگی گواهینامه ایمنی عملکردی، بر اساس TÜV SÜD بازرسی Thor SoC و Halos Core برای ISO 26262.

از طریق هوش مصنوعی فیزیکی، ANAB آزمایشگاه بازرسی سیستم های هوش مصنوعی NVIDIA Halos را به عنوان یک سازمان بازرسی ISO/IEC 17020 تایید کرده است. این آزمایشگاه ادغام های Halos را بررسی می کند و به شرکت ها کمک می کند تا برای صدور گواهینامه نهایی توسط نهادهای شخص ثالث مستقل آماده شوند.

شرکت‌هایی که هوش مصنوعی فیزیکی را مقیاس‌بندی می‌کنند، به سادگی توانمندترین سیستم‌ها را نمی‌سازند. آنها سیستم هایی خواهند ساخت که می توانند در دنیای واقعی ارزیابی، گواهی، مستقر و قابل اعتماد باشند. طراحی ایمنی عملکردی از پایه چیزی است که یک نمونه اولیه را از یک راه حل مقیاس پذیر جدا می کند.

درباره NVIDIA Halos for بیشتر بیاموزید AVs و رباتیکو معماری امنیتی تمام پشته برای هوش مصنوعی فیزیکی را بررسی کنید.