Réflexion réelle sur l'intelligence artificielle

Mon instinct me dit que nous avons besoin d'un sentiment d'urgence autour de l'utilisation de l'intelligence artificielle (IA) dans la fabrication.

L'urgence est motivée par la rapidité avec laquelle la technologie peut évoluer aujourd'hui et par la rapidité avec laquelle une percée inattendue peut dominer. L'IA est utilisée dans la reconnaissance faciale, la conversion de la parole en mot écrit et pour gagner des matchs d'échecs. Il doit sûrement y avoir une horde d'applications potentielles dans le domaine de la fabrication.

Bien que j'aie déjà écrit que je pense que la réalité de "l'intelligence" de l'IA est des mathématiques complexes, j'ai eu une vision plus éclairée lorsque j'ai posé cette vision à un véritable expert. Selon lui, il faut penser l'IA en termes plus larges. "Il est juste de dire que ce sont des mathématiques, mais il est facile de trop s'accrocher aux mathématiques car il s'agit vraiment plus de données", a expliqué Oliver Christy, fondateur de Foxy Machine, une société de conseil et de stratégie en intelligence artificielle basée à New York. York. "L'IA nous permet de poser de nouvelles questions en utilisant des données dans n'importe quelle situation."

Mais même se limiter aux données et aux mathématiques est, eh bien, limitatif. Une troisième considération doit être le problème commercial - quelle est la situation que vous envisagez et quels outils sont disponibles, selon Christy. "Vous devez examiner un problème donné à partir des trois approches", a-t-il expliqué. « Les mathématiques, les données et le problème lui-même. Ce point de vue holistique [peut] vous apporter une solution robuste. »

Il pense également que la fabrication est mûre pour les applications d'IA. "Certains des problèmes les plus simples pour l'IA sont la résolution des risques de sécurité et de fabrication", a-t-il déclaré. "Nous avons maintenant des systèmes d'IA qui peuvent comprendre à grande échelle quels risques il pourrait y avoir et comment améliorer la sécurité." L'utilisation de techniques de reconnaissance d'images dans le contrôle de la qualité est une autre victoire facile. Une application sur laquelle Christy a travaillé a récemment formé un système d'IA pour reconnaître la qualité de l'acier après traitement thermique, en signalant les échantillons qui pourraient être préoccupants. Les échantillons ont ensuite été examinés plus en détail par un humain.

Il a souligné un point clé sur la meilleure façon d'utiliser l'IA - augmenter plutôt que remplacer l'agent de contrôle de la qualité. À l'aide d'images numériques, un système d'IA peut examiner et signaler sans fatigue beaucoup plus d'échantillons qu'un humain. Mais dans le cas de la qualité de l'acier, il ne pouvait pas fournir la touche humaine finale nécessaire pour s'assurer qu'il était bon ou non. Il a raconté comment un système similaire utilisé pour détecter les cancers de la peau fonctionnait mieux qu'un oncologue qualifié, mais le système d'IA combiné à l'oncologue fonctionnait encore mieux que l'un ou l'autre seul. "Exactement la même approche devrait être utilisée dans la fabrication, où les systèmes de machines et les humains pourraient travailler main dans la main", a-t-il déclaré.

Point d'inflexion de la puissance de calcul

Retour à mon sentiment d'urgence. Une grande partie de la technologie d'IA d'aujourd'hui n'est pas nouvelle. Le concept d'utilisation d'ordinateurs pour imiter les capacités humaines au lieu de simples machines à calculer existe depuis aussi longtemps que les ordinateurs eux-mêmes. Mais un point d'inflexion dans la puissance de calcul et les données la rend urgente et pertinente. "Quand j'ai commencé il y a 20 ans, le coût de la puissance de calcul et des données limitait les applications [possibles]", a déclaré Christy. «Nous avons maintenant d'énormes quantités de données mixtes et une informatique très bon marché. J'ai accès à des ordinateurs d'un million de dollars, un accès direct à une technologie comme Watson d'IBM qui ne coûte presque rien. Ajoutez à cela un logiciel d'IA open source comme TensorFlow de Google qui est effectivement gratuit, et nous avons une "tempête parfaite de tous les composants nécessaires pour créer et utiliser l'IA", a déclaré Christy.

Il pense que l'IA peut facilement devenir le prochain avantage concurrentiel. Cependant, cela peut être intimidant. Son conseil? Commencer petit. Constituez une petite équipe, commencez à collecter des données autour d'un problème commercial pilote et découvrez comment les meilleures approches peuvent résoudre un problème de fabrication. "Mais commencez dès aujourd'hui", a-t-il dit.