人工智能快速、高效地完成
  PLC 代碼生成等任務

  通過 TwinCAT Chat，可在 TwinCAT XAE 開發(fā)環(huán)境中方便地使用以 OpenAI 開發(fā)的 ChatGPT 為代表的大型語言模型（LLM）進行項目開發(fā)，在此次訪談中，TwinCAT 產(chǎn)品經(jīng)理 Fabian Bause 博士和 Jannis Doppmeier 介紹了從控制編程到企業(yè)管理等各個方面最重要的應用考慮以及潛在的效率提升。
  自 ChatGPT 推出以來，每個人都在談論大型語言模型（LLM）。通過 TwinCAT Chat，倍福成為在 2023 年漢諾威工業(yè)博覽會上展示大語言模型在自動化領(lǐng)域應用的首批供應商之一�？蛻粼谡箷�上以及展會后的反饋如何？
  Jannis Doppmeier：客戶的反饋始終都是積極正面的。管理層和直接用戶都表現(xiàn)出了濃厚的興趣。大部分客戶都看到了這項技術(shù)在自動化領(lǐng)域的巨大應用潛力。有些客戶甚至表示有興趣在將來測試版推出后立即試用。這表明該領(lǐng)域?qū)ο冗M解決方案的需求正不斷增長。隨著 TwinCAT Chat 的推出，倍福為將 LLM 集成到工業(yè)應用中做出了重要貢獻。
  大型語言模型能為自動化工程師和企業(yè)管理層帶來哪些根本優(yōu)勢？
  Jannis Doppmeier：大型語言模型可為自動化工程師以及企業(yè)管理層帶來許多好處。對于自動化工程師來說，通過 LLM 的自動生成和補全代碼功能有可能徹底改變開發(fā)流程。這將加快整個流程。您甚至可以讓 LLM 創(chuàng)建個人專題，針對遇到的問題給出具體的解決方案，加快解決問題的過程。另一個優(yōu)勢是能夠始終如一地執(zhí)行和遵守自動化領(lǐng)域的規(guī)范和最佳實踐。從企業(yè)管理的角度來看，LLM 可以推動企業(yè)內(nèi)部的知識傳遞。它們可以作為一個中央知識庫，存儲有價值的信息，并在需要時提供。此外，LLM 還可以作為客戶咨詢時的第一接觸點，減輕技術(shù)支持團隊的工作壓力。

  倍福 TwinCAT 產(chǎn)品經(jīng)理 Jannis Doppmeier

  這不僅能縮短響應時間，還能提升客戶滿意度�？傊�，LLM 為應對現(xiàn)代商業(yè)領(lǐng)域的眾多挑戰(zhàn)提供了高效、創(chuàng)新的解決方案。

—— Jannis Doppmeier

  LLM 在使用方面是否仍存在技術(shù)上的不確定性？
  Fabian Bause 博士：答案顯然是肯定的。技術(shù)上確實存在很多不確定性，但考慮到目前的發(fā)展速度，這也不足為奇。目前，自動化行業(yè)面臨的一個主要挑戰(zhàn)是 LLM 的“幻覺”，即 LLM 會反復生成用戶不一定能識別出的“編造”的答案。

 
  倍福 TwinCAT 產(chǎn)品經(jīng)理 Fabian Bause 博士

  例如，在早期開發(fā)階段，我們發(fā)現(xiàn) TwinCAT Chat 生成的 PLC 代碼中的一些運動函數(shù)根本不存在，至少在 TwinCAT 中不存在。但這些問題都是可以解決的，并且會隨著時間的推移得到顯著改善。

—— Fabian Bause 博士

  從法律的角度來看，是否也存在不確定性？
  Fabian Bause 博士：確實如此！歐盟的《人工智能法案》目前仍存在不確定性。該法案尚未獲得最終通過，僅這一點就給行業(yè)帶來了極大的不確定性。政策制定者在監(jiān)管人工智能應用方面面臨的一個主要挑戰(zhàn)是，政策的推進過程比通用人工智能領(lǐng)域的快速發(fā)展速度要慢得多。通用的法律法規(guī)將如何適用于很多尚不可知的人工智能發(fā)展，我們拭目以待。但毫無疑問，必須完善監(jiān)管措施。
  像 TwinCAT Chat 這樣的 AI 應用程序?qū)�來是否能夠完全取代控制編程人員以及他們的創(chuàng)造力嗎？
  Fabian Bause 博士：當然不會。我們的目標并不是要完全取代程序員，目前的技術(shù)發(fā)展也并不意味著會出現(xiàn)這種情況。相反，我們的目標是為程序員提供更好用的工具，幫助他們提高工作效率，這一切都是為了提高程序員的生產(chǎn)力 — 不僅僅是作為解決技能短缺的關(guān)鍵方法之一。如果因為找不到合格的專業(yè)人員而無法填補崗位空缺，就必須使用 AI 保持競爭力。
  TwinCAT Chat 有哪些技術(shù)特點？
  Jannis Doppmeier：倍福開發(fā) TwinCAT Chat 的主要目的是為用戶提供比在網(wǎng)絡瀏覽器中使用 ChatGPT 等傳統(tǒng)方式優(yōu)勢更明顯的軟件工具。主要附加值在于其深度集成，尤其是針對自動化行業(yè)的專業(yè)化需求。其核心功能包括將聊天功能直接集成到開發(fā)環(huán)境（IDE）中。由于它將通信和代碼交互無縫集成在一起，因此能夠大大簡化開發(fā)過程。我們的模型的基本初始化已專門針對 TwinCAT 的要求進行了定制。因此，您可以直接提出具體問題，不必告訴模型您首先使用的是 TwinCAT，也不必告訴模型您希望以結(jié)構(gòu)化文本形式提供代碼示例。另一個亮點是能夠輕松地使用生成的代碼，這不僅能夠節(jié)省開發(fā)人員的時間，還能避免手動傳輸代碼時出現(xiàn)的錯誤。與 TwinCAT Chat 交互設(shè)計極大地減少了命令輸入需求。
  相反，用戶只需點擊鼠標，即可使用專門為改善用戶工作流程而設(shè)計的、經(jīng)過預先測試的請求。這些請求包括以下操作：
  代碼優(yōu)化：系統(tǒng)可以提出建議，以提高代碼的性能或效率。
  代碼文檔化：TwinCAT Chat 可幫助創(chuàng)建注釋和文檔，可以幫助團隊其他成員更容易地理解代碼。
  代碼補全：如果代碼片段缺失或不完整，我們的系統(tǒng)可以生成代碼補全建議，以確保功能性。
  代碼重構(gòu)：TwinCAT Chat 可根據(jù)特定規(guī)范和策略重構(gòu)代碼，使其更加符合公司的規(guī)范。
  Jannis Doppmeier：總之，該系統(tǒng)提供了一個高效、直觀的用戶界面，極大地方便了開發(fā)過程。
  除了目前重點關(guān)注的支持 PLC 代碼生成之外，未來還有哪些領(lǐng)域?qū)⒆兊酶�加重要�?
  Fabian Bause 博士：LLM 的玄妙之處在于，只需要一點兒想象力，就能普遍使用。除了 PLC 代碼生成工具之外，我們還在開發(fā)一款可以自動創(chuàng)建 TwinCAT HMI 項目的聊天機器人。目標是用戶只需告訴聊天機器人他們想要的 HMI 結(jié)構(gòu)，TwinCAT 就會在后臺生成整個 HMI 項目。因此，客戶可以立即收到可視化 HMI 的反饋。只需向 LLM 說明 HMI 編程接口即可實現(xiàn)，因為事實上，這也只是另一種 LLM 可以輕松掌握的“語言”。另一個項目涉及到我們文件編制系統(tǒng)的聊天機器人界面，該系統(tǒng)以文檔的形式包含了數(shù)千兆字節(jié)的知識。
  這正是我們的客戶所面臨的挑戰(zhàn)：我們以文本形式提供大量知識。為什么呢？因為這是讓數(shù)百人能夠同時獲得信息的唯一方式，換句話說，書面文本只是一種工具。

—— Fabian Bause 博士

  Fabian Bause 博士：語言是人類最重要的信息傳遞手段。一個人提出問題，另一個人理解或者解釋問題，并根據(jù)自己的經(jīng)驗得出答案。這就是我們可以使用 LLM 完成的事，即我們提出一個問題，LLM 就能解釋這個問題。無需使用特定的關(guān)鍵詞，因為系統(tǒng)可以處理措辭可能不夠準確的問題。如果現(xiàn)在允許 LLM 訪問倍福龐大的軟件庫，模型就能生成有針對性的答案。今后，我們將不再需要使用關(guān)鍵字來搜索答案，而是可以提出具體的問題。
  TwinCAT Chat 還可幫助用戶開啟新的工作模式。這究竟意味著什么？在實際應用中有什么優(yōu)勢？
  Jannis Doppmeier：我們的工具是一種創(chuàng)新的解決方案，通過充當數(shù)字化助手顯著提高開發(fā)人員的工作效率。代碼不再需要逐行手動輸入。這個助手會接管耗時且重復的常規(guī)任務。這樣，開發(fā)人員就有更多的時間和能力專注于他們的核心任務，即軟件的實際設(shè)計和構(gòu)思。在這個需要抓住每一個優(yōu)勢的市場中，我們的工具讓企業(yè)能夠在人員短缺的情況下依然保持競爭優(yōu)勢，并滿足客戶日益增長的需求。
  所使用的語言模型有何重要性？
  Fabian Bause 博士：目前，多家知名 IT 巨頭的語言模型正在激烈競爭，如 openAI 的 ChatGPT、谷歌的 PaLM 和 Bard，以及百度的 ERNIE。這些主流模型的共同點是，它們都以 API 云服務的形式提供。除了技術(shù)上的差異，還有區(qū)域性挑戰(zhàn)。例如，在中國無法訪問 ChatGPT 和谷歌的 LLM。這對倍福來說是一個挑戰(zhàn)，因為中國市場對我們非常重要。此外，將第三方云服務集成到我們的產(chǎn)品中意味著我們在很大程度上依賴于該供應商。該服務在技術(shù)上將如何發(fā)展？其穩(wěn)定性和向后兼容性如何？使用成本如何？以及該服務的隱私策略將如何變化？
  考慮到這些不確定性，我們正在努力訓練我們自己的模型，當然不是從零開始，而是基于用于商業(yè)用途的開放式 LLM。這樣，我們就不需要與 ChatGPT 等通用模型競爭，而是專注于一個明確定義、范圍小得多的應用領(lǐng)域。

—— Fabian Bause 博士