第一次发文请见谅
最近看一些新闻 提到机器人或AI
也看到类神经网络似乎可以从杂乱无章或复杂的data 分析和学习
很类似半导体制程工程师的工作
想请问各位百万
制程工程师 或设备和整合工程师
在未来会有被AI 取代的一天吗

你看哪篇新闻？我帮你解读看看

会 转行

大哉问

认真回你 DM team 的最容易被这领域入侵而且是ing 我建议DM的人快点准备第二专长

工厂端迟早被RD建出来的工具取代工厂端就是dummy阿..自动化比较贵 请人比较便宜

弱弱的问一下DM是什么的缩写？

data mining??

台积去年底才挖了一个KLA的SEM影像专家主管来组team...

所以未来YE的工作会有可能被取代更快吗？

简单来说如果TE消变机器人制造课长满有可能被AI取代的。所有的派工决策都交给电脑学习分析决策

我论文做这个。只要愿意应用，机器学习真的对于数据化的分类用处很多

但是机器学习都是伴随大量的资料才能做决策 资料哪来?还是要有系统做大量轮入 系统建置与维护都是成本花大钱做系统只为了让机器学习与决策 不如找人来决策可见机器学习应是在既有系统之下的附加产品

机器的存在只是让人快速做判断！

回归自动化E化的点，重复的事情、有范围的、有迹可循的。

别看αgo 屌打人类 换个游戏的话又需要人来调整程式

先等水电师傅被取代在紧张

而且说data mining team会被取代?他们也可以学AI啊data mining的AI谁要开发?不可能给AI开发AI啊结果还是data mining team继续用新的知识做原来的工作总不可能有人发明更好用的扳手 修车工就失业吧

可是工程师比较便宜只要便宜就很难被取代

有难度喔 RD 换个东西 训练好的model就重新练了以台湾的薪资 把钱多聘几个RD还划得来

有可能 以后比对机台 提升良率就交给电脑AI甚至调device电性参数 AI搞不好比工程师强人脑只要负责设计突破创新的实验规划就好至于喂机器的数据库根本不用担心 每天那么多货data还怕没资料训练AI吗?input就是各站点机台与参数 output WAT电性 良率..不过比较要担心的是PIE/PE EE倒是不用担心被取代因为电脑AI总不会有手修机台 还是得靠设备弟兄XDD

deep 还没几年，瓶颈还没出来，到了瓶颈会不会走不下去？NN 可以处理的是有维度的问题，制程设备不熟，NN可不可以处理是个问号？

最后应该还是老板看那个总成本便宜，就用哪个

类神经网络这个词一直出现