Новият индустриален интелект

Мащабно проучване на Siemens и Longitude Research хвърля светлина върху бъдещето и ролята на системите с изкуствен интелект в индустриите

Представете си, че можете да автоматизирате някои всекидневни оперативни процеси във вашата организация, така че служителите да могат да се съсредоточат върху стратегически проекти. Колко добър трябва да бъде един модел с изкуствен интелект, за да му предоставите такова ниво на контрол? Би ли трябвало например да се изравни с производителността на специалист – човек, или дори да демонстрира по-добри резултати? Какво ще стане, ако евентуална грешка може да причини значителни финансови загуби или дори наранявания на хора и как това би променило вашия отговор?

Ново мащабно проучване на Siemens и Longitude Research хвърля светлина върху бъдещето на изкуствения интелект в индустриалните предприятия. В проучването участват 515 висши мениджъри от сфери като енергетиката, производството, тежката промишленост, инфраструктурата и транспорта, които споделят своите виждания, отношения, очаквания и притеснения.

Индустриалният AI трябва да стане по-усъвършенстван

В рамките на пет години повече от половината индустриални лидери очакват изкуственият интелект да контролира активи с висока стойност като промишлени инсталации, оборудване и машини – това е една от тенденциите, които проучването на Longitude Research и Siemens разкрива.

В тези индустрии очакванията са по-масовото използване на ИИ да помогне за избягване на инцидентите и да направи работните места по-безопасни. Това е важно, тъй като, докато методите на прилагане на ИИ са сходни в различните отрасли, последиците от неуспеха не са. В много индустриални компании лошите решения могат да оставят хиляди хора без работа; милиони долари могат да бъдат загубени, ако оборудването прегрее; леки промени в налягането могат да доведат до екологична катастрофа, а безброй сценарии могат да причинят смърт.

Голяма част от анкетираните (44%) вярват, че през следващите 5 години системи с изкуствен интелект ще управляват автономно машини, които потенциално могат да причинят нараняване или смърт. Още по-голям брой (54%) са на мнение, че в рамките на същия период AI ще контролира автономно някои от ценните активи на тяхната организация.

За да се предостави на индустриалния изкуствен интелект такава отговорност, той ще трябва да стане по-усъвършенстван и често това ще бъде обусловено от нови подходи към начина на управление, генериране, представяне и споделяне на данни. Например:

Контекстуални данни и симулации:

►Дори и днес AI се прилага към набори от данни, създадени и организирани по нови начини за подобряване на задълбочения анализ и разбирането. Примерите включват т.нар. графики на знанието, които улавят значението и връзките между елементите в различни набори от данни, както и дигиталните близнаци, които предоставят подробни цифрови изображения и симулации на реални системи, активи или процеси.

►Вградени AI и insights за голямата картина: Технологии като Интернет на нещата (IoT) и Edge създават различни машинно генерирани набори от данни, които могат да поддържат нови нива на осъзнаване на ситуацията и задълбочени прозрения (insights) в реално време в облака или директно на място.

►Данни отвъд стените: Подобрените протоколи и технологии за споделяне на данни между организациите биха могли да подпомогнат разработването на AI модели, които едновременно черпят от данните на доставчици, партньори, регулатори, клиенти и може би дори конкуренти.

Графики на знанието

Има огромен потенциал за използване на индустриални графики на знанието за подобряване на AI моделите чрез комбиниране на различни набори от данни. „Графиките на знанието добавят контекст към данните, които анализирате“, обяснява Норберт Гаус, ръководител на научноизследователската и развойната дейност в областта на цифровизацията и автоматизацията в Siemens. „Например машинните данни могат да бъдат анализирани в контекста на проектните данни, включително задачите, за които е създадена машината, температурите, при които трябва да работи, ключовите прагове на нейните елементи и т.н. Към това бихме могли да добавим историята на обслужване на подобни машини, включително неизправности, сервизни дейности по време на работа и очаквани резултати от проверките през целия експлоатационен живот на машината. Графиките на знанието подпомагат много по-лесното прилагане на машинните данни, които използваме, за обучение на AI модели, добавяйки ценна контекстуална информация.“

Проучването изследва видовете контекстуални данни, които бизнес лидерите смятат, че биха били най-полезни днес. Данните от производителите на оборудване са на първо място, като 71% оценяват това като голяма или по-малка полза.

На следващо място се нареждат вътрешните данни от други подразделения, региони или отдели (70%), данни от доставчици (70%) и данни за ефективността на продадените продукти, използвани от клиенти (68%).

Компания, която ползва графики на знанието, за да обедини различни видове данни – като например продуктова история, експлоатационни характеристики, условия на околната среда, – ще може да създаде единен AI модел, който дава възможност за по-добри прогнози, полезни идеи, по-висока ефективност и по-добра автоматизация.

Вяра в алгоритмите

Все по-мощните приложения без съмнение ще поставят и нови предизвикателства. Ще е необходимо да се доверите на изкуствения интелект за отговорности, които някога са били възлагани на хората. В тези случаи приложенията с AI ще трябва да спечелят доверието на онези, които вземат решения, докато организациите ще трябва да разработят нови рамки за управление и контрол на риска.

За да изследва тези проблеми, проучването предлага на участниците да реагират на няколко сценария като описаните в началото. Резултатите: 56% са готови да приемат решението на усъвършенстван модел с изкуствен интелект пред това на опитен служител (44%), когато то ще има големи финансови последици.

Дали 56% е висок или нисък показател? На някого може и да му изглежда нисък, като се има предвид, че на участниците е било казано, че AI моделът се е справил по-добре от най-опитните служители на организацията в рамките на едногодишен пилотен проект. Това предполага, че останалите 44% биха могли да проявят пристрастие към човешките решения дори когато доказателствата благоприятстват AI.

Наред с предизвикателствата изследването предлага оптимистична перспектива за индустриалния изкуствен интелект. Тъй като AI става все по-сложен, ръководителите очакват по-малко злонамерени кибератаки, по-лесно управление на риска, повече иновации, по-високи маржове и по-безопасни работни места.

Автор: Алек Вучков. Текстът е от бр. 02 на сп. "Мениджър"