一、总体情况

生产保持高位稳定增长。1－8月，规模以上电子信息制造业增加值同比增长          在2018年及其以后，深层神经网络和机器学习在更大的人工智能（AI）领域会如何发展？我们如何能开发出越来越复杂的机器以在日常生活中帮助人类？这些都是普渡大学机器学习硬件教授尤金尼奥·库鲁尔塞罗(EugenioCulurciello)关注的问题。请注意，本文的重点并非有关AI的预测，而是对该领域发展轨迹、趋势以及技术需求的详细分析，以帮助创造更有用的AI。当然，并非所有的机器学习都是针对AI的，还有些其他容易实现的目标，下面我们就仔细审视下。
　　
　　目标
　　
　　AI领域的目标是通过机器上实现人类和超人的能力，以便让它们在日常生活中帮助我们。自动驾驶车辆、智能家居、智能助理以及安全摄像头将是植入AI技术的首批目标，家庭烹饪和清洁机器人、无人侦察机和机器人则是第二批目标。其他目标还有移动设备上的助理，全职陪伴助理（可以听到和看到我们的生活经历）。而AI领域的终极目标是打造完全自主的合成实体，它可以在日常工作中以相当于人类或超越人类的水平行事。
　　
　　软件
　　
　　在这里，软件被定义为通过优化算法训练的神经网络构架以解决特定的任务。今天，神经网络是用来学习解决问题的实际工具，其中涉及通过大数据集进行分类学习。但这并不是全部AI，它要求在现实世界中，在没有监督的情况下学习，也要吸取以前从未见过的经验，常常需要把以前学到的知识结合起来以解决当前的挑战。
　　
　　如何让目前的神经网络演变成AI？
　　
　　神经网络架构：几年前，当神经网络架构发展起来的时候，我们经常认为从数据中自动学习算法的参数拥有巨大优势，而且这比手工编写的算法功能更强大。但我们忘了提到一个小细节，那就是作为“训练解决特定任务基础”的神经网络架构并未从数据中学习。事实上，它仍然是开发人员手工设计的。有鉴于此，目前它成为AI领域的主要限制之一。
　　
　　然而，神经网络架构是学习算法的基本核心。即使我们的学习算法能够掌握新的技能，如果神经网络不正确，它们也无法得出正确结果。从数据中学习的神经网络架构存在的问题是，目前在一个大数据集上进行多架构实验花费的时间太长。我们必须尝试从头开始训练多个架构，并看看哪一个最有效。这就是我们今天使用的、非常耗时的试错过程!我们应该克服这一限制，并在这个非常重要的问题上多加思考。
　　
　　无监督学习：我们不能总是干预神经网络，引导它们的每一次体验。我们不能在每个实例中都纠正它们，并提供它们的性能反馈。我们的生活也要持续下去!但这正是我们今天利用受监督神经网络所做的：我们为每个实例提供帮助，使它们能够正确执行。相反，人类只需从少数几个例子中学习，并且能够以连续的方式自我校正和学习更复杂的数据。
　　
　　预测神经网络：目前神经网络的一个主要局限是它们没有人类大脑最重要的特征之一，即预测能力。关于人脑如何工作的一个主要理论是它能不断地预测，即拥有预测代码。如果你仔细想想，就会发现我们每天都在使用它。你提起一个自认为很轻的物体，但结果它却很重。这会让你感到惊讶，因为当你接近它的时候，你已经预测它将如何影响你和你的身体，或者你的整体环境。
　　
　　预测不仅能让我们了解世界，还能知道我们什么时候不了解它，什么时候该学习。事实上，我们保存那些我们不知道并让我们感到吃惊的事情的信息，以便下次不会再犯同样的错误！认知能力绝对与我们大脑中的注意力机制有明显的联系：我们天生就有能力放弃99.9%的感官输入，只专注于对我们生存至关重要的数据，包括哪里存在威胁，哪里是我们逃避它的地方。或者，在现代世界里，当我们匆忙出门时，我的手机落在哪里。?构建预测神经网络是我们与现实世界互动的核心，并能在复杂的环境中发挥作用。因此，这是任何强化学习的核心网络。
　　
　　当前神经网络的局限性：无法预测，无法解释理由，以及暂时的不稳定性，因此我们需要一种新的神经网络。神经网络胶囊（NeuralNetworkCapsules）就是解决当前神经网络局限性的一种方法，但我们认为它必须有些额外的特点：
　　
　　1）视频帧操作：这很简单，因为我们需要做的就是让胶囊路由查看最近时间的多个数据点。这相当于在最近的重要数据点上建立起关联内存。请注意，这些不是最近帧的最新表达，而是它们最新的不同表达。可以通过仅保存与预定义值不同的表达来获得不同内容的不同表达。这个重要的细节只允许保存最近历史上的相关信息，而不是一系列无用的相关数据点。
　　
　　2）预测神经网络能力：这已经是动态路由的一部分，它迫使各层预测下一层表达。这是一种非常强大的自我学习技巧，在我们看来，它胜过了我们在社区中发展的所有其他非监督表现学习。胶囊现在需要能够预测长期的时空关系，但目前还没有实现。
　　
　　持续学习：这是很重要的，因为神经网络需要不断地学习新的数据点来维持生存。目前的神经网络不能学习新的数据，而每次都需要从头开始重新训练。神经网络需要能够自我评估接受重新训练的必要性，以及它们确实知道某些事情的事实。这也需要在现实生活和强化学习任务中表现出来，我们想让机器在不忘记旧任务的情况下完成新任务。
　　
　　转移学习：或者称我们如何让这些算法通过观看视频自学，就像我们学习如何烹饪新的东西一样。这是一种能力，需要我们上面列出的所有因素，而且对于加强学习也很重要。现在你可以通过举例子的方式来训练你的机器去做你想让它做的事情，就像我们人类一样。
　　
　　强化学习：这是深神经网络研究的“圣杯”，即教机器如何在真实的世界环境中学习！这需要自学、持续学习、预测能力，还有很多我们不知道的东西。在强化学习领域有很多东西需要了解，但对作者们来说，这只触及到问题的表面。
　　
　　强化学习通常被称为“蛋糕上的樱桃”，意思是它只是塑料合成大脑上微不足道的训练。但是，我们如何才能得到一个“通用”大脑轻松地解决所有的问题呢？这是个“先有鸡还是先有蛋”的问题！今天，要想一个个地解决强化学习的问题，我们需要使用标准神经网络：一个深度的神经网络，它接收大量的数据输入，如视频或音频，并将其压缩成表示；一个序列学习神经网络，如RNN，以便了解任务。
　　
　　这两个部分都是问题的明显解决方案，目前显然是错误的，但这是每个人都在使用的，因为它们是当前可用的构建块。这样的结果并不令人印象深刻：我们可以从头开始学习玩视频游戏，并且掌握像国际象棋和围棋这样完全可观察的游戏，但无需多言，与在复杂的世界中解决问题相比，这些都是微不足道的。想象下，AI可以比人类更好地玩转《HorizonZeroDawn》，对此我拭目以待！
　　
　　但这恰是我们想要看到的，即能像我们人类这样运作的机器。我们对强化学习的建议是，使用可以连续操作的预测神经网络和联想存储器来存储最近的经验。
　　
　　不要更多的递归神经网络(RNN)：因为它们在并行化方面表现特别糟糕，甚至在特殊的定制机器上也很慢，因为它们的内存带宽使用率很高，内存带宽存在限制。基于注意力的神经网络更高效，可更快速地进行训练和部署，并且在训练和部署方面的可伸缩性更少。在神经网络中，注意力有可能使许多架构发生真正的改变，但它并没有得到应有的认可。联想记忆和注意力的结合是下一波神经网络发展的核心。我们认识到，基于注意力的神经网络将逐渐取代基于RNN的语音识别，并在强化学习构架和通用人工智能中找到它们的方法。
　　
　　分类神经网络中信息的定位：实际上这是一个已经解决的问题，将被嵌入到未来的神经网络架构中。
　　
　　硬件
　　
电子元器件在使用过程中，常常会出现失效和故障，从而影响设备的正常工作。文本分析了常见元器件的失效原因和常见故障。

电子设备中绝大部分故障最终都是由于电子元器件故障引起的。如果熟悉了元器件的故障类型，有时通过直觉就可迅速的找出故障元件，有时只要通过简单的电阻、电压测量即可找出故障。

电阻器类

电阻器类元件包括电阻元件和可变电阻元件，固定电阻通常称为电阻，可变电阻通常称为电位器。电阻器类元件在电子设备中使用的数量很大，并且是一种消耗功率的元件，由电阻器失效导致电子设备故障的比率比较高，据统计约占15%。电阻器的失效模式和原因与产品的结构、工艺特点、使用条件等有密切关系。电阻器失效可分为两大类，即致命失效和参数漂移失效。现场使用统计表明，电阻器失效的85%~90%属于致命失效，如断路、机械损伤、接触损坏、短路、绝缘、击穿等，只有1 0%左右的是由阻值漂移导致失效。

电阻器电位器失效机理视类型不同而不同。非线形电阻器和电位器主要失效模式为开路、阻值漂移、引线机械损伤和接触损坏；线绕电阻器和电位器主要失效模式为开路、引线机械损伤和接触损坏。主要有以下四类：

（1）碳膜电阻器。引线断裂、基体缺陷、膜层均匀性差、膜层刻槽缺陷、膜材料与引线端接触不良、膜与基体污染等。

（2）金属膜电阻器。电阻膜不均匀、电阻膜破裂、引线不牢、电阻膜分解、银迁移、电阻膜氧化物还原、静电荷作用、引线断裂、电晕放电等。

（3）线绕电阻器。接触不良、电流腐蚀、引线不牢、线材绝缘不好、焊点熔解等。

（4）可变电阻器。接触不良、焊接不良、接触簧片破裂或引线脱落、杂质污染、环氧胶不好、轴倾斜等。

电阻容易产生变质和开路故障。电阻变质后往往是阻值变大的漂移。电阻一般不进行修理，而直接更换新电阻。线绕电阻当电阻丝烧断时，某些情况下可将烧断处理重新焊接后使用。

电阻变质多是由于散热不良，过分潮湿或制造时产生缺陷等原因造成的，而烧坏则是因电路不正常，如短路、过载等原因所引起。电阻烧坏常见有两种现象，一种是电流过大使电阻发热引起电阻烧坏，此时电阻表面可见焦糊状，很易发现。另一种情况是由于瞬间高压加到电阻上引起电阻开路或阻值变大，这种情况，电阻表面一般没有明显改变，在高压电路经常可发现这种故障现象的电阻。

可变电阻器或电位器主要有线绕和非线绕两种。它们共同的失效模式有：参数漂移、开路、短路、接触不良、动噪声大，机械损伤等。但是实际数据表明：实验室试验与现场使用之间主要的失效模式差异较大，实验室故障以参数漂移居多，而现场以接触不良、开路居多。

电位器接触不良的故障，在现场使用中普遍存在。如在电信设备中达9 0%，在电视机中约占8 7%，故接触不良对电位器是致命的薄弱环节。造成接触不良的主要原因如下：

（1）接触压力太小、簧片应力松弛、滑动接点偏离轨道或导电层、机械装配不当，又或很大的机械负荷（如碰撞、跌落等）导致接触簧片变形等。

（2）导电层或接触轨道因氧化、污染，而在接触处形成各种不导电的膜层。

（3）导电层或电阻合金线磨损或烧毁，致使滑动点接触不良。

电位器开路失效主要是由局部过热或机械损伤造成的。例如，电位器的导电层或电阻合金线氧化、腐蚀、污染或者由于工艺不当（如绕线不均匀，导电膜层厚薄不均匀等）所引起的过负荷，产生局部过热，使电位器烧坏而开路；滑动触点表面不光滑，接触压力又过大，将使绕线严重磨损而断开，导致开路；电位器选择与使用不当，或电子设备的故障危及电位器，使其处于过负荷或在较大的负荷下工作。这些都将加速电位器的损伤。

电容器类

电容器常见的故障现象主要有击穿、开路、电参数退化、电解液泄漏及机械损坏等。导致这些故障的主要原因如下：

（1）击穿。介质中存在疵点、缺陷、杂质或导电离子；介质材料的老化；电介质的电化学击穿；在高湿度或低气压环境下极间边缘飞弧；在机械应力作用下电介质瞬时短路；金属离子迁移形成导电沟道或边缘飞弧放电；介质材料内部气隙击穿造成介质电击穿；介质在制造过程中机械损伤；介质材料分子结构的改变以及外加电压高于额定值等。

（2）开路。击穿引起电极和引线绝缘；电解电容器阳极引出箔被腐蚀断（或机械折断）；引出线与电极接触点氧化层而造成低电平开路；引出线与电极接触不良或绝缘；电解电容器阳极引出金属箔因腐蚀而导致开路；工作电解质的干涸或冻结；在机械应力作用下电解质和电介质之间的瞬时开路等。

（3）电参数退化。潮湿与电介质老化与热分解；电极材料的金属离子迁移；残余应力存在和变化；表面污染；材料的金属化电极的自愈效应；工作电解质的挥发和变稠；电极的电解腐蚀或化学腐蚀；引线和电极接触电阻增加；杂质和有害离子的影响。

由于实际电容器是在工作应力和环境应力的综合作用下工作的，因而会产生一种或几种失效模式和失效机理，还会有一种失效模式导致另外失效模式或失效机理的发生。例如，温度应力既可以促使表面氧化、加快老化的影响程度、加速电参数退化，又会促使电场强度下降，加速介质击穿的早日到来，而且这些应力的影响程度还是时间的函数。因此，电容器的失效机理与产品的类型、材料的种类、结构的差异、制造工艺及环境条件、工作应力等诸因素等有密切关系。

电容器出现击穿故障非常容易发现，但对于有多个元件并联的情况，要确定具体的故障元件却较为困难。电容器开路故障的确定可通过将相同型号和容量的电容与被检测电容并联，观察电路功能是否恢复来实现。电容电参数变化的检查较为麻烦，一般可按照下面方法进行。

首先应将电容器的其中一条引线从电路板上烫下来，以避免周围元件的影响。其次根据电容器的不同情况用不同的方法进行检查。

（1）电解电容器的检查。将万用表置于电阻挡，量程视被测电解电容的容量及耐压大小而定。测量容量小、耐压高的电解电容，量程应位于R×10kW挡；测量容量大、耐压低的电解电容，量程应位于R×1 k W挡。观察充电电流的大小、放电时间长短（表针退回的速度）及表针最后指示的阻值。

电解电容器质量好坏的鉴别方法如下：

①充电电流大，表针上升速度快，放电时间长，表针的退回速度慢，说明容量足。

②充电电流小，表针上升速度慢，放电时间短，表针的退回速度快，说明容量小、质量差。

③充电电流为零，表针不动，说明电解电容器已经失效。

④放电到最后，表针退回到终了时指示的阻值大，说明绝缘性能好，漏电小。

⑤放电到最后，表针退回到终了时指示的阻值小，说明绝缘性能差，漏电严重。

（2）容量为1 mF以上的一般电容器检查。可用万用表电阻挡（R×1 0 k W）同极性多次测量法来检查漏电程度及是否击穿。将万用表的两根表笔与被测电容的两根引线碰一下，观察表针是否有轻微的摆动。对容量大的电容，表针摆动明显；对容量小的电容，表针摆动不明显。紧接着用表笔再次、三次、四次碰电容器的引线（表笔不对调），每碰一次都要观察针是否有轻微的摆动。如从第二次起每碰一次表针都摆动一下，则说明此电容器有漏电。如接连几次碰时表针均不动，则说明电容器是好的。如果第一次相碰时表针就摆到终点，则说明电容器已经被击穿。另外，对于容量为1mF~20mF的电容器，有的数字万用表可以测量。

（3）容量为1 mF以下的电容器检查。可以使用数字万用表的电容测量挡较为准确地测得电容器的实际数值。若没有带电容测量功能的数字万用表，只能用欧姆挡检查它是否击穿短路。用好的相同容量的电容器与被怀疑的电容器并联，检查它是否开路。

（4）电容器参数的精确测量。单个电容器容量的精确测量可使用LCR电桥，耐压值的测量可采用晶体管特性测试仪。

电感和变压器类

此类元件包括电感、变压器、振荡线圈、滤波线圈等。其故障多由于外界原因所引起的，例如，当负载短路时，由于流过线圈的电流超过额定值，变压器温度升高，造成线圈短路、断路或绝缘击穿。当通风不良、温度过高或受潮时，亦会产生漏电或绝缘击穿的现象。

对于变压器的故障现象及原因，常见的有以下几种：当变压器接通电源后，若铁心发出嗡嗡的响声，则故障原因可能是铁心未夹紧或变压器负载过重；发热高、冒烟、有焦味或保险丝烧断，则可能是线圈短路或负载过重。

电感和变压器类元件的故障检查一般采用如下方法：

（1）直流电阻测量法。用万用表的电阻挡测电感类的元件的好坏。测天线线圈、振荡线圈时，量程应置于最小电阻挡（如R×1 W挡）；测中周及输出输入变压器时，量程应放在低阻挡（R×10W或R×1 0 0 W挡），测得的阻值与维修资料或日常积累的经验数据相对照，如果很接近则表示被测元件是正常的；如果阻值比经验数据小许多，表明线圈有局部短路；如果表针指示值为零，则说明线圈短路。应该注意的是，振荡线圈、天线线圈及中周的次级电阻很小，只有零点几欧姆，读数时尤其要仔细，不要误判断为短路。用高阻挡（R×10kW）测量初级线圈与次级线圈之间的电阻时，应该是无穷大。如果初级、次级之间有一定的电阻值，则表示初级、次级之间有漏电。

（2）通电检查法。对电源变压器可以通过通电检查，看次级电压是否下降，如果次级电压则怀疑次级（或初级）有局部短路。当通电后出现变压器迅速发烫或有烧焦味、冒烟等现象，则可判断变压器肯定有局部短路。

（3）仪器检查法。可以使用高频率Q表来测量电感量及其Q值，也可以用电感短路仪来判断低频率线圈的局部短路现象。用兆欧表则可以测量电源变压器初、次级之间的绝缘电阻。若发现变压器有漏电现象则可能是绝缘不良或受潮所引起的，此时可将变压器拆下来去潮烘干。另外，调压变压器的各种碳刷或铜刷，在维护和所用不当的情况下极容易磨损，其碎片和积炭往往因短路部分的线圈烧毁而烧毁变压器，因此平时要注意维护。

集成块类

电极开路或时通时断主要原因是电极间金属迁移、电蚀和工艺问题。电极短路主要原因是电极间金属电扩散、金属化工艺缺陷或外来异物等。引线折断主要原因有线径不均，引线强度不够，热点应力和机械应力过大和电蚀等。电参数漂移主要原因是原材料缺陷、可移动离子引起的反应等。机械磨损和封装裂缝主要由封装工艺缺陷和环境应力过大等造成。可焊接性差主要由引线材料缺陷、引线金属镀层不良、引线表面污染、腐蚀和氧化造成。无法工作一般是工作环境因素造成的。

综上所述，我们可以知道，为了保证设备或系统能可靠地工作，对于电子元器件的可靠性要求就非常高。可靠性指标已经成为元器件的重要质量指标之一。了解了元器件的失效模式和失效机理，对于诊断设备故障，保持设备的可靠性是十分重要的

技术资料出处:捷配电子市场网