De Nieuwe en Oude Wereld van Productie: AI, Ontwerp en Innovatie

Mijn oorspronkelijke bedoeling voor deze kolom was om een frase te bespreken die recent veel buzz krijgt: kunstmatige intelligentie (AI). Op welke maat ook, het belangstelling in AI groeit exponentieel, zowel in het aantal artikelen die je over het onderwerp kunt lezen als, volgens Google Trends, het aantal zoekopdrachten naar die artikelen.

Er zijn andere vormen van AI, zoals ontwerp- en vormoptimalisatie, generatief ontwerp, en voorspellende analyse - om er maar een paar prominente te noemen - en men zou de indruk kunnen krijgen dat intelligente werknemers zich bedreigd zouden moeten voelen. Sommige experts zeggen dat intelligentie van de artificiële soort ons allemaal zou kunnen vervangen.

Ik denk niet dat dat zal gebeuren. Ik denk wel dat het ons enorm zal helpen, ons versterkend in plaats van vervangend.

Om te begrijpen waarom, bedenk dat wat mensen AI noemen, gewoon wiskunde is. Jep, je hoorde goed, het zijn gewoon cijfers en getallen gecombineerd met een paar ontzettend complexe functies en berekeningen. Ik heb wat ervaring in dit gebied. Ik dook eerder in mijn carrière in dit gebied, door een simpel neuraal netwerk te programmeren, een van de basisprincipes achter veel vormen van AI die vandaag de dag breder acceptatie vinden. Ik deed dit om beter te begrijpen hoe AI in beeldanalyse te gebruiken, en ik kwam tot een paar realisaties.

De eerste was dat de vorm van AI die enorme hoeveelheden data gebruikt om 'menselijke' actie te repliceren, gewoon een vorm is van statistische modellering en regressieanalyse - althans een ontzettend extreme vorm. Data, heel veel, is nodig om het algoritme te trainen. Hetzelfde geldt, met andere wiskunde, voor optimalisatie of generatief ontwerp. AI is gewoon zeer complexe wiskunde verpakt in een gemakkelijker te gebruiken vorm.

Een andere realisatie was hoe lang we moesten wachten om een OK antwoord te krijgen 20 jaar geleden. Dit staat in stark contrast met de gemak waarmee veel moeilijkere problemen vandaag de dag worden opgelost dankzij krachtige computing. Goedkope, alomtegenwoordige sensoren leveren enorme datasets. Je hoeft de AI-functies niet zelf te programmeren, zoals ik deed. Je kunt modellen kopen of huren, zoals 'diepe neurale netwerken'. IBM's Watson en de MathWorks Neural Network Toolbox zijn slechts twee voorbeelden. Je levert de data en krijgt je eigen, unieke AI-oplossing. Vandaag de dag maakt AI robots op de werkvloer veelzijdiger en helpt ingenieurs bij het ontwerpen van onderdelen door optimalisatie.

Maar wiskunde, sensoren en data blijven allemaal tools die gevormd worden door de wensen van ingenieurs en werknemers. Ze kunnen individuele taken beter uitvoeren dan mensen, maar welke taken uit te voeren en waarom, blijft altijd in het domein van mensen. Kunstmatige intelligentie is leeg van doel. Dat zal altijd onze taak zijn.

Niet Altijd het Juiste Gereedschap

Ten slotte, ingewikkelde wiskunde zoals AI in zijn verschillende vormen is niet altijd het juiste gereedschap. Hier komen we bij het 'oude' deel van deze kolomtitel. Dit viel me op toen ik een artikel voor deze maand ME onderzocht over optische comparators, een meettechnologie wortels die dateren uit de jaren '20. Hoewel de meeste modellen vandaag bijgewerkt zijn met rudimentaire digitale elektronica, blijft het basisidee hetzelfde - vergroot een schaduw van een onderdeel op een groot scherm en laat een mens een meting doen. Je vindt deze machines overal in de productie, met variërende graden van digitale verbetering van het basisidee, tot en met machine vision. Een van mijn bronnen vertelde me dat zijn bedrijf onlangs een 50-jaar oud model heeft gereviseerd.

Het is deze co-existentie van futuristische technologie zoals AI met het bewezen en betrouwbare wat de lopende realiteit is van productie en engineering. Misschien is een deel van dit simpele terughoudendheid van ingenieurs om nieuwe technologie volledig te omarmen. Zoals dezelfde bron me vertelde, moet hij soms benadrukken dat nieuwere technologieën, zelfs in optische comparators, beschikbaar zijn. Toch zullen technologieën als optische comparators, micrometers en schuifmatten en de mensen die ze gebruiken, waarschijnlijk niet volledig vervangen worden door iets fancies.