Несмотря на все обещания цифровой трансформации и роль искусственного интеллекта в управлении фабриками будущего, его внедрение в большей части производственного сектора все еще находится на относительно ранней стадии. Об авторе Тед Пламмер, старший менеджер по продукции и постоянный эксперт по искусственному интеллекту в компании Markforged, занимающейся промышленной 3D-печатью. Причин этому несколько, в том числе отсутствие понимания того, что на самом деле представляет собой ИИ и какие изменения он принесет. Отделение фактов от (научной) фантастики может оказаться непростой задачей. Путаница, связанная с неопределенностью, порождает безумные идеи и ложные идеи, которые приводят к риску в целях безопасности, свободе трудоустройства, свободе контроля и тому, что технология может и не может быть сделана.
Миф 1: ИИ — конечная цель
Существует ошибочное представление о том, что ИИ сам по себе является преимуществом: у меня было бесчисленное количество разговоров с клиентами, которые неправильно понимали, что ИИ — это механизм, а не преимущество. Я слышал фразу «Я подожду, пока он «сделает ИИ»» больше раз, чем могу сосчитать. Реальность такова, что преимущество искусственного интеллекта заключается не в самом процессе, а, как и в любом типе анализа данных, ценность искусственного интеллекта заключается в его способности быстрее решать проблемы, ускоряя производство. ИИ — это «как», а не «почему». Вторая часть уравнения ИИ — это федеративное обучение. Смартфоны Apple или Android используют технологию федеративного обучения, чтобы совершенствоваться с каждым набранным текстовым сообщением в зависимости от того, как отдельные и групповые пользователи взаимодействуют со своими клавиатурами. Аналогичным образом, наша сеть, состоящая из более чем 10,000 3 надежно подключенных XNUMXD-принтеров, применяет эту технологию искусственного интеллекта, чтобы позволить каждой машине «становиться умнее» с каждым отпечатком, сохраняя при этом самые высокие стандарты конфиденциальности, целостности и конфиденциальности данных клиентов. Анализируя данные «парка» принтеров, ИИ может обнаруживать исправления или корректировки, вносимые на регулярной основе, например, когда углы проекции или шаблоны заливки не совсем правильные. Эти возможности улучшения затем могут быть возвращены в систему, улучшая коллективную производительность принтеров без вмешательства человека.
Миф 2: ИИ небезопасен и основан на закрытых данных
Существует заблуждение, что, поскольку ИИ управляется данными, он заставляет тех, кто его использует, делиться своей интеллектуальной собственностью (ИС) ради получения прибыли. Это не вариант. Когда дело доходит до искусственного интеллекта в 3D-печати, IP-адрес клиента и данные детали остаются разделенными в безопасных границах. Не эта закрытая информация управляет описанным выше федеративным обучением, а анонимные метаданные. Это информация, которая по существу собирается в «набор» данных, которые позволяют машинам учиться и совершенствоваться. Воссоздать ни один из исходных IP-адресов из коллективных данных невозможно. Однако, как и в случае с любой технологией, основанной на данных, безопасность всегда имеет первостепенное значение, когда речь идет об использовании ИИ. Крайне важно гарантировать, что вы используете безопасную платформу с целостностью и конфиденциальностью данных клиентов, а сертификация ISO 27001 — отличный способ продемонстрировать, что вы вложили средства в управление рисками.
Миф 3: ИИ постоянно развивается, что делает его результаты непредсказуемыми и неадекватными для повторяемости.
Для жестко регулируемых отраслей, таких как аэрокосмическая промышленность, повторяемость имеет первостепенное значение. Например, при создании деталей для самолетов 10.000-тысячная печатная деталь должна быть точно такой же, как и первая. По этой причине регулируемые отрасли часто избегают искусственного интеллекта и, в частности, федеративного обучения. Считается, что преимущества прогрессивного обучения и совершенствования противоречат строгим и критическим требованиям безопасности на протяжении всей жизни. Однако такие отрасли, как аэрокосмическая промышленность, где требуется повторяемость, по-прежнему могут извлечь выгоду из технологий на основе искусственного интеллекта. Его можно использовать для итераций проектирования, например, для доработки и совершенствования деталей самолетов на ранних стадиях разработки. Как только команда будет удовлетворена конфигурацией помещения, систему можно «заблокировать», чтобы гарантировать отсутствие дальнейших изменений или обновление данных автопарка. На этом этапе технологию можно использовать в качестве инструмента проверки, чтобы убедиться в отсутствии обходных операций в процессе печати и в том, что каждая деталь точно такая же, как предыдущая. В долгосрочной перспективе та же технология может обеспечить еще большую повторяемость за счет обнаружения и компенсации изменений в поведении системы, таких как недостаток смазки или износ машины.
Миф 4: ИИ заменит людей и лишит нас рабочих мест
Этот миф до сих пор широко распространен в мире научной фантастики. Я говорю: пусть машина возьмет на себя управление, когда дело касается машинных проблем! Очень немногие операторы, инженеры или промышленные дизайнеры стали бы жаловаться, если бы машины могли «самовосстанавливаться», освобождая их от рутинных задач по устранению неполадок и позволяя им выполнять свои повседневные задачи. Вместо того, чтобы делать нас ленивыми или ненужными, использование искусственного интеллекта и машинного обучения помогает стимулировать инновации и более разумные методы работы. В производстве или проектировании продукции вместо того, чтобы сосредотачиваться на более ориентированных на процесс вопросах «что» и «как», инженеры могут задавать вопросы «почему» и «что, если» и исследовать последствия различных сценариев, когда речь идет о повышении эффективности. или создание новых продуктов, что в конечном итоге приводит к расширению возможностей для бизнеса.
Миф 5: Стоимость ИИ сдерживает его внедрение
Когда я говорю с клиентами о наших машинах с искусственным интеллектом, я слышу два распространенных ответа: (1) «Я не могу поверить, насколько это доступно!» Или (2) «Это стоит слишком дорого!» Как и в случае с любой развивающейся технологией, есть те, кто видит ценность, которую она может принести, и те, кто считает ее дорогой роскошью. Мы начинаем видеть этот сдвиг по мере того, как ИИ выходит за рамки начальной фазы внедрения. Те, кто выступает за решения на основе искусственного интеллекта в заводских цехах, сосредотачивают внимание на ценности, которую они могут принести, по сути, позволяя машинам решать проблемы, связанные с машинами, освобождая инженерам и операторам возможность вкладывать свои усилия в инновации, продукты и другие усилия, связанные с людьми. . Важно помнить, что многие из этих мифов существуют потому, что не все ИИ созданы равными. Чтобы быть эффективным инструментом, ИИ требует доступа к большим объемам данных; Машины не могут «обучаться» без постоянного потока надежных данных. Прежде чем инвестировать в какую-либо технологию на основе искусственного интеллекта, убедитесь, что у нее есть надежный источник данных, который можно масштабировать вместе с машинами, на которых он работает.