IA se déplaçant lentement vers l'usine

SAN JOSE, Californie — Des réseaux de neurones profonds rampent vers l'usine.

Pour plusieurs des premiers utilisateurs, les réseaux neuronaux sont la nouvelle intelligence intégrée derrière les yeux des caméras de vision par ordinateur. En fin de compte, les réseaux se frayent un chemin dans les bras robotiques, les passerelles de capteurs et les contrôleurs, transformant l'automatisation industrielle. Mais le changement arrive lentement.

"Nous en sommes encore aux premières phases de ce qui sera probablement une ère de plusieurs décennies d'avancées et d'algorithmes d'apprentissage automatique de nouvelle génération, mais je pense que nous verrons d'énormes progrès au cours des prochaines années", a déclaré Rob High, chef responsable de la technologie pour IBM Watson.

Les réseaux de neurones s'imbriqueront dans un nombre croissant de passerelles et de contrôleurs x86 multicœurs compatibles Linux apparaissant sur et autour de l'usine. Les réseaux cellulaires 5G émergents donneront un jour aux réseaux de neurones un accès facile aux centres de données distants, a déclaré High.

Les constructeurs automobiles et aéronautiques et les prestataires de soins de santé font partie de ceux qui prennent les premières mesures, principalement avec des caméras intelligentes. Canon intègre des cartes Nvidia Jetson dans ses caméras industrielles pour activer l'apprentissage en profondeur. Le fournisseur de caméras industrielles Cognex Corp. intensifie ses propres offres. Et la startup chinoise Horizon Robotics fournit déjà des caméras de surveillance qui intègrent ses accélérateurs d'inférence d'apprentissage en profondeur.

"Tous les premiers utilisateurs ont déployé l'apprentissage en profondeur pour la perception visuelle, et d'autres commencent à les remarquer", a déclaré Deepu Talla, directeur général des machines autonomes chez Nvidia. « La perception est relativement facile à faire et les chercheurs la considèrent comme un problème résolu.

« Maintenant, les gros problèmes résident dans l’utilisation de l’IA pour l’interaction avec les humains et un actionnement plus détaillé – ce sont des problèmes de recherche sur 10 ans. Dans des domaines tels que la navigation par drones et robots, nous sommes plutôt au stade de prototypes. »

Talla appelle la robotique « l'intersection des ordinateurs et de l'IA », mais de nombreuses utilisations industrielles de l'apprentissage en profondeur seront moins glamour et arriveront plus tôt.

Les robots d'usine n'utilisent pas encore l'IA, a déclaré Doug Olsen, directeur général d'Harmonic Drive LLC, l'un des principaux fournisseurs de composants robotiques. À court terme, ne cherchez pas tant les bras robotiques intelligents que les « machines intégrées dans l'usine qui peuvent prédire les pannes, rassemblant des données sur l'utilisation quotidienne pour déterminer quand les systèmes ont besoin d'une maintenance préventive », a déclaré Olsen. « C'est là que l'IA peut s'implanter en premier. »

Certains grands fabricants de puces sont d'accord. Renesas a commencé à expérimenter il y a trois ans, en plaçant des microcontrôleurs prenant en charge l'IA aux nœuds d'extrémité pour détecter les défauts et prévoir les besoins de maintenance des systèmes de production dans l'une de ses usines de semi-conducteurs.

En octobre, le géant japonais des puces a déployé ses premiers MCU avec des blocs processeurs reconfigurables dynamiquement pour le traitement d'images en temps réel. Il vise à assurer le suivi avec des contrôleurs capables de prendre en charge la cognition en temps réel en 2020 et l'apprentissage incrémentiel en 2022.

Le rival STMicroelectronics adopte une approche similaire avec ses puces STM32. En février, il a annoncé un système sur puce d'apprentissage en profondeur et un accélérateur en cours de développement, visant en partie à détecter les défauts dans l'usine.

Les robots intelligents finiront par arriver. Startup covariant.ai, pour sa part, travaille pour leur permettre un apprentissage par renforcement. "Équiper les robots pour voir et agir sur ce qu'ils voient sera l'une des plus grandes différences que l'apprentissage en profondeur fera au cours des prochaines années", a déclaré Pieter Abbeel, un chercheur en IA qui a fondé covariant et dirige un laboratoire de robotique à l'Université de Californie. à Berkeley.

Abbeel montre des simulations à couper le souffle de robots apprenant à fonctionner à l'aide de techniques de réseau neuronal, mais ce n'est encore qu'un début. "En fait, nous avons commencé à covarier en partie parce que l'espace de l'IA industrielle n'est pas encore surpeuplé", a-t-il déclaré.