TCS trasforma i test software automobilistici con l’AI generativa NVIDIA | Chatgpt gratis android | Large language models | Large language models examples | Turtles AI

 Tata Consultancy Services (TCS) ha adottato l’AI generativa di NVIDIA per migliorare il processo di sviluppo e test del software automobilistico. Utilizzando modelli avanzati e tecniche di ottimizzazione, TCS ha accelerato la generazione di casi di test, riducendo significativamente i tempi e i costi. 

Punti chiave:

•  L’AI generativa sta trasformando il settore automobilistico, soprattutto nello sviluppo software e nei test.
•  TCS ha sviluppato una suite basata su AI per ottimizzare la creazione di casi di test da requisiti non strutturati.
•  I modelli di linguaggio avanzati (LLM) ottimizzati da NVIDIA riducono i tempi di elaborazione e migliorano la copertura dei test.
•  L’approccio basato su NVIDIA NeMo e NIM ha aumentato la velocità e l’efficienza nella generazione automatica di test per software automobilistici.

Nel contesto dell’evoluzione tecnologica che sta attraversando il settore automobilistico, l’AI generativa rappresenta una delle innovazioni più significative. Con l’aumento della complessità dei veicoli software-defined, che richiedono un numero sempre maggiore di righe di codice per supportare nuove funzionalità, le aziende devono trovare soluzioni per gestire e accelerare lo sviluppo del software in modo efficiente. Tata Consultancy Services (TCS) ha colto questa opportunità per sfruttare le potenzialità dell’AI generativa, collaborando con NVIDIA per ottimizzare i processi di test e sviluppo del software automobilistico. In particolare, TCS ha focalizzato i suoi sforzi su due aree principali: migliorare l’esperienza del cliente attraverso veicoli sempre più personalizzati e avanzati, e accelerare il ciclo di vita dell’ingegneria del software per soddisfare la crescente domanda di innovazione nel settore.

Uno degli aspetti più critici nel ciclo di sviluppo del software per l’automotive è la creazione di casi di test, soprattutto quando si tratta di requisiti non strutturati. Tradizionalmente, questo processo richiedeva un intervento manuale intenso e molto tempo, rendendo difficile rispettare le scadenze sempre più strette imposte dalle innovazioni rapide del settore. Con l’introduzione dell’AI generativa, TCS è riuscita a ridurre drasticamente i tempi necessari per generare i casi di test. Utilizzando modelli di linguaggio avanzati (LLM) come quelli ottimizzati tramite il framework NVIDIA NeMo, TCS ha sviluppato un sistema in grado di creare automaticamente casi di test da requisiti basati su testo non strutturato. Questo processo, che prima richiedeva settimane, ora può essere completato in un tempo significativamente ridotto, con un intervento manuale minimo durante la convalida.

Il sistema sviluppato da TCS si basa sull’uso di microservizi NVIDIA NIM, che sono progettati per ottimizzare le prestazioni sui sistemi NVIDIA DGX H100. Il flusso di lavoro prevede la pre-elaborazione dei requisiti, seguita da un’accurata selezione dei dati per affinare i modelli. I modelli pre-addestrati vengono poi ottimizzati utilizzando tecniche come la Low-Rank Adaptation (LoRA), che migliora l’accuratezza e la copertura dei test. Un aspetto fondamentale di questa ottimizzazione è la capacità di ridurre la latenza e migliorare il throughput, aspetti fondamentali per un’implementazione efficace in ambienti di produzione. Con l’utilizzo di sistemi avanzati come questi, TCS è in grado di generare casi di test su misura per specifici requisiti automobilistici, migliorando l’efficienza dei team di ingegneria e accelerando il ciclo di vita del software.

Oltre all’accelerazione del processo di generazione dei test, TCS ha anche condotto un’analisi approfondita delle prestazioni dei vari modelli LLM per selezionare quello più adatto a ciascun caso d’uso. I risultati di questa comparazione hanno rivelato che l’uso del modello Llama 3 8B Instruct ottimizzato con NVIDIA NIM ha offerto prestazioni superiori rispetto ad altri modelli, soprattutto in termini di accuratezza, copertura delle decisioni, e MCDC (Modified Condition Decision Coverage). In particolare, l’approccio ha permesso di ottenere una copertura completa dei test, riducendo al minimo i casi errati o duplicati. 

Inoltre, grazie all’ottimizzazione con NVIDIA NIM, TCS è riuscita a ridurre la latenza, con prestazioni di inferenza che sono risultate circa 2,5-3 volte più rapide rispetto ad altri sistemi basati su software open source. Questo ha consentito di ottenere un notevole miglioramento nella velocità complessiva della pipeline di generazione dei casi di test, con un’accelerazione che ha raggiunto circa il doppio della velocità rispetto ai metodi tradizionali.

Questi sviluppi rappresentano una svolta fondamentale per il settore automobilistico, in quanto l’AI generativa non solo rende più efficienti i processi di sviluppo del software, ma contribuisce anche a migliorare l’esperienza del cliente, personalizzando le funzionalità dei veicoli e garantendo una maggiore sicurezza e affidabilità. TCS, con il supporto di NVIDIA, sta guidando questo cambiamento, utilizzando tecnologie avanzate per rispondere alle sfide sempre più complesse del settore automobilistico. L’adozione di modelli di AI per l’automotive è destinata a diventare un pilastro fondamentale della nuova era della mobilità. 

 TCS sta dimostrando come l’adozione di soluzioni avanzate di AI possa trasformare i processi di sviluppo e testing nel settore automobilistico, contribuendo a un futuro più veloce, sicuro e innovativo per l’automobile.