إذا طُلب منك إدخال الذكاء الاصطناعي للتصنيع والصناعة ، فمن المرجح أن تفكر في الروبوتات أولاً. قامت العديد من الشركات المبتكرة ، مثل
Rethink Robotics ، بتطوير روبوتات صديقة المظهر للمصانع التي
تعمل جنبًا إلى جنب مع الزملاء من البشر. تم تطوير الروبوتات الصناعية تاريخياً لأداء مهام محددة ، ولكن يمكن تدريب الروبوتات الحديثة على الحيل الجديدة ، وهي قادرة على اتخاذ القرارات في الوقت الحقيقي.
وعلى الرغم من أن الروبوتات تبدو مثيرة ورائعة - ولكن بالنسبة للجزء الأكبر ، يُقدر الذكاء الاصطناعي في الإنتاج للقدرة على أخذ البيانات من أجهزة الاستشعار واستخدام المعدات التقليدية لتحويلها إلى تنبؤات ذكية تهدف إلى تحسين وتسريع عملية صنع القرار. واليوم ، يتم توصيل حوالي 15 مليار سيارة بالإنترنت. بحلول عام 2020 ،
تتوقع شركة Cisco زيادة هذا المبلغ إلى 50 مليارًا ، ويعتبر دمج هذه الأجهزة في أنظمة السحابة التلقائية الذكية الخطوة المهمة التالية في تطور الإنتاج والصناعة.
في عام 2015 ، أطلقت جنرال إلكتريك برنامج GE Digital لتقديم ابتكارات البرمجيات في جميع الأقسام. أخبرنا Harel Kodesh ، المدير الفني للبرنامج ، عن الصعوبات الفريدة في تطبيق الذكاء الاصطناعي على الصناعة التي تميز هذه المنطقة عن المستهلك.
1. البيانات الصناعية غالبا ما تكون غير دقيقة
"لكي يعمل تعلُم الآلة بشكل صحيح ، يلزم قدر كبير من البيانات. من الصعب إساءة فهم بيانات المستهلك - إذا قمت ، على سبيل المثال ، بشراء بيتزا أو النقر فوق إعلان ، كما يقول Kodesh. "ولكن على الإنترنت الصناعي ، 40٪ من البيانات خاطئة وغير مجدية".
لنفترض أنك تحتاج إلى حساب عمق الحفر ، وأنك تضع جهاز استشعار الرطوبة في الأرض لإجراء قياسات مهمة. يمكن أن تكون مشوهة بسبب درجات الحرارة الشديدة ، أو تصرفات العمال اللامبالية ، أو أعطال المعدات ، أو حتى دودة مثبتة عن طريق الخطأ على الجهاز. يقول Kodesh: "لا تأتي بياناتنا من جهاز كمبيوتر مريح وآمن يقع في غرفة الاسترخاء الخاصة بك".
2. منظمة العفو الدولية لا تعمل في السحابة ، ولكن على الحدود
تتم معالجة بيانات المستخدم في السحب على مجموعات الحوسبة ذات السعة اللانهائية على ما يبدو. يمكن لـ Amazon مراجعة بهدوء تاريخ التصفح والتسوق وتقديم توصيات جديدة. "في توقعات المستخدم ، تكون تكلفة التوصيات الإيجابية الكاذبة والسلبية الخاطئة منخفضة. ستنسى بسرعة أن أمازون أوصتك بكتاب سيئ ، ”يلاحظ كوديش.
وعلى الرصيف في المياه العميقة ، ينقل الناهض النفط من الآبار الموجودة في قاع البحر إلى السطح. في حالة حدوث مشكلة ، يجب أن تعمل العديد من المشابك التي تحجب الصمام على الفور. يقوم البرنامج المعقد الذي يخدم مشغلات هذه المشابك بتتبع الحد الأدنى من التغييرات في درجة الحرارة والضغط.
يمكن أن يكون أي خطأ
كارثة .
إن مخاطر النظام واستجابته عظيمة في التطبيقات الصناعية ، عندما تكون ملايين الدولارات والحياة البشرية في خطر. في هذه الحالات ، لا يمكنك الوثوق بعمل الذكاء الاصطناعي في السحب ، يجب تنفيذه محليًا - أحيانًا يطلق عليه "على الحدود".
تم بناء الذكاء الاصطناعي الصناعي كنظام شامل ؛ يصفها كوديش بأنها "تذكرة ذهاب وعودة". تظهر البيانات على أجهزة الاستشعار الموجودة على "الحدود" ، وتقوم الخوارزميات بمعالجتها ، ثم يتم تصميم المهمة في السحابة ، ثم يتم نقلها مرة أخرى إلى الحدود لتنفيذها. بين الحدود والسحابة هناك عقد تحكم والعديد من عقد التخزين ، حيث يجب أن يكون النظام قادرًا على العمل تحت الحمل الصحيح في الأماكن المناسبة.
في مصنع يعالج الخام إلى سبائك البلاتين ، تحتاج إلى مراقبة مظهر سبائك الكثافة الخاطئة على الفور من أجل ضبط الضغط في بداية السلسلة. أي تأخير يعني فقدان المواد. بالطريقة نفسها ، تعالج الطاحونة البيانات باستمرار للتحكم في العمل. يعطي Kodesh مثالاً على واحدة من المشاكل المحتملة العديدة: "قد يحتوي المليون بايت على معلومات حول اللحظة الالتوائية للشفرة ، ولكن إذا كانت كبيرة جدًا ، فإن الشفرة سوف تنكسر. "يجب معالجة هذه المعلومات الهامة أولاً ، حتى إذا كانت موجودة في المركز المليون في قائمة الانتظار."
إن تقديم بيانات دقيقة وفي الوقت الحقيقي أمر معقد للغاية لدرجة أنه يتعين على GE الاعتماد على حلول مخصصة تم تطويرها داخليًا. يعترف كوديش قائلاً: "إن Spark سريع ، ولكن عندما تحتاج إلى اتخاذ قرارات في غضون 10 مللي ثانية ، فأنت بحاجة إلى أنظمة أخرى."
3. يمكن أن يكلفك توقع واحد 1000 دولار
على الرغم من الحصة الكبيرة من البيانات الخاطئة وقوة الحوسبة المحدودة على الحدود ، إلا أن الذكاء الاصطناعي الصناعي يحتاج إلى الدقة العالية. إذا حدد النظام التحليلي للطائرة حدوث مشكلة في المحرك ، فمن الضروري استدعاء الفنيين والمهندسين لإزالة الجزء المعيب وإصلاحه. تحتاج شركات الطيران إلى توفير بديل مؤقت حتى تتمكن من الاستمرار في الطيران. وكل هذا المشروع يمكن أن يكلف بسهولة 200،000 دولار.
يقول كوديش: "لن نعلمك بوجود مشكلة إذا لم تكن موجودة ، وبالتأكيد لن نبلغك بوجود مشكلة إذا كانت هناك مشكلة". "نريد أن نتأكد من أن النظام لديه دقة عالية."
وفقًا لـ Kodesh ، فإن الطريقة الوحيدة للتحقق من دقة وسرعة النظام العالية هي تشغيل الآلاف من الخوارزميات في وقت واحد. يمكن لشركة استهلاكية مثل Amazon أن تكسب في أي مكان من دولار واحد إلى 9 دولارات على كتاب ، لذلك قد تكون على استعداد لإنفاق 0.001 دولارًا على التنبؤ. وعندما تكون آلاف الدولارات على المحك ، ينفق عمالقة الصناعة والصناعة من 40 إلى 1000 دولار على التنبؤ.
يقول Kodesh: "مقابل 1000 دولار ، يمكنني تشغيل الكثير من الخوارزميات بالتوازي ، وجمع النتائج وتشغيل الخوارزمية الجينية لإجراء توقعات". "هذا سيخلق تأثير البقاء للأصلح عندما يتم استخدام التوقعات الأكثر ملاءمة ويتم تجاهل الأقل ملاءمة."
4. يجب أن تكون النماذج المعقدة قابلة للتفسير.
نادرًا ما يفكر المستخدمون في سبب قيام Amazon بتقديم توصية محددة. عندما تكون المخاطر كبيرة ، يبدأ الناس بطرح الأسئلة. لن يثق الفنيون العاملون في هذا المجال لمدة 45 عامًا بالآلات التي لا يمكنها تفسير توقعاتهم.
لتحقيق مستوى عالٍ من قابلية التفسير ، تحتاج GE إلى اختراع تقنيات جديدة تمامًا. للأسف ، المواهب المطلوبة قليلة للغاية. يشكو كوديش قائلاً: "أنا معجب بالمؤسسات التعليمية التي تحاول تلبية متطلبات السوق مع متخصصي معالجة البيانات الجدد ، لكن حساباتهم ليست عميقة بما فيه الكفاية".
"يحتاج المحترفون الحقيقيون إلى التعمق. إنهم بحاجة إلى امتلاك مهارات تحليلية رائعة ومعرفة كيفية تصفية وتطبيع ملايين نقاط القياس في الوقت الفعلي. "