Pomimo całej obietnicy transformacji cyfrowej i roli sztucznej inteligencji w zasilaniu fabryk przyszłości, jej przyjęcie jest wciąż stosunkowo raczkujące w większości sektora produkcyjnego. O autorze Ted Plummer, starszy kierownik produktu i rezydent ekspert ds. sztucznej inteligencji w firmie Markforged zajmującej się przemysłowym drukiem 3D. Składa się na to kilka przyczyn, w tym brak zrozumienia, czym tak naprawdę jest AI i jakie zmiany przyniesie. Oddzielenie faktów od (naukowej) fikcji może być trudne. Zamieszanie, związane z niepewnością, engenders des craintes et des idees fausses, qu'il s'agisse de risques pour la sécurité, de pertes d'emplois, de parte de contrôle et de ce que la technologie peut et ne peut pas do.
Mit 1: Sztuczna inteligencja jest celem ostatecznym
Istnieje błędne przekonanie, że sztuczna inteligencja sama w sobie jest korzyścią: odbyłem niezliczoną ilość rozmów z klientami, którzy źle zrozumieli, że sztuczna inteligencja jest mechanizmem, a nie korzyścią. Słyszałem „Poczekam, aż zrobi sztuczną inteligencję” więcej razy, niż mogę zliczyć. Rzeczywistość jest taka, że zaletą AI nie jest sam proces, ale jak każdy rodzaj analizy danych, wartość AI wynika z jej zdolności do szybszego rozwiązywania problemów, przyspieszania produkcji. Sztuczna inteligencja to jak, a nie dlaczego. Druga część równania AI to uczenie federacyjne. Smartfony Apple lub Android wykorzystują technologię federacyjnego uczenia się, aby ulepszać każdą wpisaną wiadomość tekstową w oparciu o sposób, w jaki użytkownicy indywidualni i grupowi wchodzą w interakcje z ich klawiaturami. Podobnie nasza sieć ponad 10,000 3 bezpiecznie połączonych drukarek XNUMXD stosuje tę technologię sztucznej inteligencji, aby umożliwić każdej maszynie „bycie inteligentniejszą” przy każdym wydruku, przy jednoczesnym zachowaniu najwyższych standardów prywatności, integralności i poufności danych klientów. Analizując dane z „floty” drukarek, sztuczna inteligencja może wykrywać poprawki lub korekty dokonywane na bieżąco, na przykład gdy kąty rzutu lub wzory wypełnienia nie są do końca prawidłowe. Te możliwości ulepszeń można następnie wprowadzić z powrotem do systemu, poprawiając zbiorową wydajność drukarek bez interwencji człowieka.
Mit 2: Sztuczna inteligencja jest niepewna i oparta na zastrzeżonych danych
Istnieje błędne przekonanie, że skoro sztuczna inteligencja jest oparta na danych, zmusza tych, którzy jej używają, do dzielenia się swoją własnością intelektualną (IP) dla zysku. Nie o to chodzi. Jeśli chodzi o sztuczną inteligencję w druku 3D, adres IP klienta i dane części pozostają oddzielne w bezpiecznych granicach. To nie te zastrzeżone informacje napędzają opisane powyżej federacyjne uczenie się, ale anonimowe metadane. To informacje, które są zasadniczo gromadzone w „zbiorze” danych, który pozwala maszynom uczyć się i ulepszać. Nie ma możliwości odtworzenia żadnego ze źródłowych adresów IP z danych zbiorczych. Jednak, podobnie jak w przypadku każdej technologii opartej na danych, bezpieczeństwo ma zawsze ogromne znaczenie, jeśli chodzi o korzystanie ze sztucznej inteligencji. Upewnienie się, że opierasz się na bezpiecznej platformie z integralnością i poufnością danych klientów, ma kluczowe znaczenie, a certyfikat ISO 27001 to świetny sposób na pokazanie, że zainwestowałeś w zarządzanie ryzykiem.
Mit 3: Sztuczna inteligencja stale ewoluuje, przez co jej wyniki są nieprzewidywalne i nieadekwatne do powtarzalności
W branżach podlegających ścisłym regulacjom, takich jak lotnictwo i kosmonautyka, najważniejsza jest powtarzalność. Podczas tworzenia części do samolotów, na przykład, 10.000-tysięczna wydrukowana część powinna być dokładnie taka sama jak pierwsza. Z tego powodu sztuczna inteligencja, aw szczególności federacyjne uczenie się, jest często odrzucana przez branże regulowane. Korzyści wynikające z progresywnego uczenia się i ulepszeń są uważane za sprzeczne z surowymi i krytycznymi wymaganiami dotyczącymi bezpieczeństwa przez całe życie. Jednak branże takie jak lotnictwo, gdzie wymagana jest powtarzalność, mogą nadal korzystać z technologii opartych na sztucznej inteligencji. Może być używany do iteracji projektowych, na przykład w celu dopracowania i udoskonalenia części samolotu na wczesnych etapach rozwoju. Gdy zespół jest zadowolony z konfiguracji pomieszczenia, system można „zablokować”, aby upewnić się, że nie zostaną wprowadzone żadne dalsze zmiany ani aktualizacje danych floty. W tym momencie technologia może być wykorzystana jako narzędzie do weryfikacji, aby upewnić się, że w procesie drukowania nie ma żadnych obejść i że każda część jest dokładnie taka sama jak poprzednia. W dłuższej perspektywie ta sama technologia może zapewnić jeszcze większą powtarzalność, wykrywając i kompensując zmiany w zachowaniu systemu, takie jak brak smarowania lub zużycie maszyny.
Mit 4: Sztuczna inteligencja zastąpi ludzi i zabierze nam pracę
Ten mit wciąż jest obecny w świecie science fiction. Mówię, aby maszyna przejęła kontrolę, jeśli chodzi o problemy z maszyną! Bardzo niewielu operatorów, inżynierów lub projektantów przemysłowych skarżyłoby się, gdyby maszyny mogły się „naprawiać”, uwalniając ich od przyziemnych zadań związanych z rozwiązywaniem problemów i umożliwiając im wykonywanie codziennych zadań. Zamiast czynić nas leniwymi lub zbędnymi, wykorzystanie sztucznej inteligencji i uczenia maszynowego pomaga napędzać innowacje i inteligentniejsze praktyki pracy. W produkcji lub projektowaniu produktów, zamiast koncentrować się na bardziej zorientowanych na proces pytaniach „co” i „jak”, pozwala inżynierom zadawać pytania „dlaczego” i „co jeśli” oraz badać implikacje różnych scenariuszy, jeśli chodzi o zwiększenie wydajności lub tworzenie nowych produktów, co ostatecznie prowadzi do większych możliwości biznesowych.
Mit 5: Koszt sztucznej inteligencji powstrzymuje jej przyjęcie
Kiedy rozmawiam z klientami o naszych maszynach napędzanych sztuczną inteligencją, słyszę dwie typowe odpowiedzi: (1) „Nie mogę uwierzyć, jakie to przystępne cenowo!” Lub (2) „To kosztuje za dużo!” Jak w przypadku każdej opracowywanej technologii, są tacy, którzy dostrzegają wartość, jaką może ona przynieść, i tacy, którzy postrzegają ją jako kosztowny luksus. Zaczynamy dostrzegać tę zmianę, gdy sztuczna inteligencja wychodzi poza fazę wczesnej adopcji. Ci, którzy opowiadają się za rozwiązaniami opartymi na sztucznej inteligencji w fabrykach, koncentrują się na wartości, jaką mogą zapewnić, zasadniczo umożliwiając maszynom rozwiązywanie problemów związanych z maszynami, uwalniając inżynierów i operatorów do inwestowania wysiłków w innowacje, rozwój produktów i nie tylko. przedsięwzięcia związane z ludźmi. . Należy pamiętać, że wiele z tych mitów istnieje, ponieważ nie wszystkie AI są sobie równe. Aby być skutecznym narzędziem, sztuczna inteligencja wymaga dostępu do ogromnych ilości danych; maszyny nie mogą się „uczyć” bez stałego strumienia wiarygodnych danych. Zanim zainwestujesz w jakąkolwiek technologię opartą na sztucznej inteligencji, upewnij się, że masz niezawodne źródło danych, które można skalować wraz z obsługiwanymi maszynami.