Echt denken over kunstmatige intelligentie

Mijn instinct zegt me dat we een gevoel van urgentie nodig hebben rond het gebruik van kunstmatige intelligentie (AI) in productie.

De urgentie wordt gedreven door hoe snel technologie tegenwoordig kan gaan en hoe een onverwachte doorbraak snel kan domineren. AI wordt gebruikt bij gezichtsherkenning, het omzetten van spraak in geschreven woord en bij het winnen van schaakwedstrijden. Er moet zeker een horde potentiële toepassingen zijn in de productie.

Hoewel ik eerder heb geschreven dat ik denk dat de realiteit van AI's "intelligentie" complexe wiskunde is, kreeg ik een meer verlichte visie toen ik die mening voorlegde aan een echte expert. Volgens hem moeten we AI breder zien. "Het is eerlijk om te zeggen dat het wiskunde is, maar het is gemakkelijk om teveel bezig te zijn met wiskunde omdat het eigenlijk meer om de gegevens gaat", legt Oliver Christy uit, oprichter van Foxy Machine, een AI-advies- en strategiebedrijf gevestigd in New York. York City. "AI stelt ons in staat om in elke situatie nieuwe vragen te stellen met behulp van gegevens."

Maar zelfs jezelf beperken tot data en wiskunde is, nou ja, beperkend. Een derde overweging moet het zakelijke probleem zijn:wat is de situatie die u overweegt en welke hulpmiddelen zijn er volgens Christy. "Je moet elk probleem vanuit alle drie de benaderingen bekijken", legde hij uit. “Wiskunde, data en het probleem zelf. Dat holistische gezichtspunt [kan] je een robuuste oplossing bieden.”

Hij denkt ook dat de productie rijp is voor AI-toepassingen. "Een van de gemakkelijkste problemen voor AI is het oplossen van veiligheids- en productierisico's", zei hij. "We hebben nu AI-systemen die op grote schaal kunnen begrijpen welke risico's er zijn en hoe de veiligheid kan worden verbeterd." Het gebruik van beeldherkenningstechnieken bij kwaliteitscontrole is een andere gemakkelijke overwinning. Eén applicatie waaraan Christy heeft gewerkt, heeft onlangs een AI-systeem getraind om de kwaliteit van staal te herkennen na warmtebehandeling, waarbij monsters worden gemarkeerd die mogelijk zorgwekkend zijn. De monsters werden vervolgens nader onderzocht door een mens.

Hij benadrukte een belangrijk punt over hoe AI het beste kan worden gebruikt:de kwaliteitscontrolemedewerker verbeteren in plaats van vervangen. Met behulp van digitale afbeeldingen kan een AI-systeem veel meer monsters bekijken en markeren dan een mens zonder vermoeidheid. Maar in het geval van staalkwaliteit kon het niet die laatste menselijke aanraking bieden die nodig was om ervoor te zorgen dat het goed was of niet. Hij vertelde hoe een soortgelijk systeem dat werd gebruikt om huidkanker te vinden, beter presteerde dan een getrainde oncoloog, maar het AI-systeem in combinatie met de oncoloog presteerde zelfs beter dan elk afzonderlijk. "Precies dezelfde benadering moet worden gebruikt in de productie, waar machinesystemen en mensen hand in hand kunnen werken", zei hij.

Buigpunt in rekenkracht

Terug naar mijn gevoel van urgentie. Veel van de huidige AI-technologie is niet nieuw. Het concept om computers te gebruiken om menselijke vermogens na te bootsen in plaats van alleen rekenmachines, bestaat al zo lang als computers zelf. Maar een buigpunt in rekenkracht en data maakt het dringend relevant. "Toen ik 20 jaar geleden begon, beperkten de kosten van rekenkracht en data [mogelijke] toepassingen", zegt Christy. “Nu hebben we enorme hoeveelheden gemengde data en zeer goedkope computers. Ik heb toegang tot computers van miljoenen dollars, directe toegang tot technologie zoals IBM's Watson die bijna niets kost." Voeg hieraan open source AI-software toe, zoals Google's TensorFlow, die in feite gratis te gebruiken is, en we hebben een "perfecte storm van alle componenten die nodig zijn om AI te bouwen en te gebruiken", zei Christy.

Hij gelooft dat AI gemakkelijk het volgende concurrentievoordeel kan worden. Het kan echter ontmoedigend zijn. Zijn advies? Begin klein. Stel een klein team samen, begin met het verzamelen van gegevens rond een pilot-bedrijfsprobleem en leer hoe de beste benaderingen een productieprobleem kunnen oplossen. "Maar begin vandaag," zei hij.