常见问题解答：人工智能/机器学习技术
人工智能 (AI) 和机器学习 (ML) 分别代表什么？它们有何区别？
AI 指人工智能 (Artificial Intelligence)，ML 代表机器学习 (Machine Learning)。人工智能是指计算机模拟人类思维和执行任务的能力，而机器学习是人工智能的一个子领域。机器学习通过算法从数据中学习，发现规律并将这些认知应用于决策过程。这两项技术对实现半导体制造自动化都至关重要。
人工智能与机器学习技术在半导体行业中有哪些应用？
半导体制造商采用人工智能和机器学习技术，通过基于先进智能算法的下一代解决方案，应对产品质量、生产效率和供应链管理等方面的挑战。
半导体制造中的自动化如何实现？
半导体行业通过自动化制造将多个工厂系统（如批次追踪、工艺流程、排程及物料分发系统）集成在一起，提升数据与通信的准确性和质量。
半导体制造自动化的优势有哪些？
自动化制造解决方案能够提升生产效率与产品质量，同时降低整体成本。其实现方式包括：促进单一工厂或跨工厂之间的协同作业，提供精确的设备状态洞察以优化设备管理，以及利用实时数据管理排程方案。
制造仿真软件如何应用于半导体制造？
制造仿真软件能在工艺变更投入实际生产环境前，预测其对制造流程的影响。这有助于在实施前识别潜在问题并予以解决，同时协助制造商找到最优的解决方案。
制造仿真软件如何在缺乏历史数据时发挥作用？
仿真软件能够构建场景模型并生成用于人工智能训练的合成数据。基于丰富数据集训练的模型可开发出更强大、更稳健的算法。通过对历史数据中罕见边缘案例或其他多样化场景进行评估，可增强模型的泛化能力，从而整体提高预测准确性。
制造仿真软件能否支持半导体制造中的人工智能实施？
可以，仿真技术能够克服半导体制造中实施人工智能时面临的数据收集挑战。仿真可以让模型在丰富的多年数据集上进行训练，从而提升预测的准确性。在非生产的仿真环境中，计划人员能够测试和验证变更（例如更新延迟批次预测所需的派工和排程参数），进而实现运营效率提升。仿真技术还能通过评估机器学习模型与现有派工规则或排程模型的差异，发现关键绩效指标 (KPI) 的改进空间，这为比较这些差异提供了强有力的机会。