Le véritable impact de l'intelligence artificielle dans la fabrication

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

L'urgence est motivée par la vitesse à laquelle la technologie peut bouger aujourd'hui, et comment une percée inattendue peut rapidement dominer. L'IA est utilisée dans la reconnaissance faciale, la conversion parole-texte, et pour gagner des matchs d'échecs. Sûrement, il doit y avoir une horde d'applications potentielles dans la fabrication.

Alors que j'ai écrit auparavant que je pense que la réalité de l'« intelligence » de l'IA est des mathématiques complexes, j'ai eu une vision plus éclairée quand j'ai soumis ce point de vue à un vrai expert. Selon lui, nous devons penser à l'IA en termes plus larges. « Il est juste de dire que c'est des mathématiques, mais il est facile de trop s'accrocher aux maths car c'est vraiment plus à propos des données », explique Oliver Christy, fondateur de Foxy Machine, une firme de conseil et stratégie IA basée à New York. « L'IA nous permet de poser de nouvelles questions en utilisant des données en toute situation. »

Mais même se limiter aux données et mathématiques est, eh bien, limitant. Une troisième considération doit être le problème métier — quelle est la situation que vous considérez et quels outils sont disponibles, selon Christy. « Vous devez regarder tout problème donné sous les trois angles », explique-t-il. « Mathématiques, données, et le problème lui-même. Ce point de vue holistique [peut] vous donner une solution robuste. »

Il pense aussi que la fabrication est mûre pour les applications IA. « Certains des problèmes les plus faciles pour l'IA sont dans la résolution de la sécurité et des risques de fabrication », dit-il. « Nous avons maintenant des systèmes 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'image dans le contrôle qualité est un autre gain facile. Une application sur laquelle Christy a travaillé récemment a entraîné un système IA à reconnaître la qualité de l'acier après traitement thermique, signalant les échantillons qui pourraient être préoccupants. Les échantillons étaient ensuite examinés en détail par un humain.

Il a souligné un point clé sur la façon dont l'IA pourrait être le mieux utilisée — augmentant plutôt que remplaçant l'ouvrier de contrôle qualité. En utilisant des images numériques, un système IA peut examiner et signaler beaucoup plus d'échantillons qu'un humain sans fatigue. Mais dans le cas de la qualité de l'acier, il ne pouvait pas fournir cette touche humaine finale nécessaire pour s'assurer que c'était bon ou pas. Il a relaté comment un système similaire utilisé pour trouver des cancers de la peau a performé mieux qu'un oncologue entraîné, mais le système IA combiné avec l'oncologue a performé encore mieux que l'un ou l'autre seul. « Exactement la même approche devrait être utilisée dans la fabrication, où les systèmes machines et humains pourraient travailler main dans la main », dit-il.

Point d'inflexion dans la puissance de calcul

Revenons à mon sens d'urgence. Une grande partie de la technologie IA d'aujourd'hui n'est pas nouvelle. Le concept d'utiliser des 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 le rend urgemment pertinent. « Quand j'ai commencé il y a 20 ans, le coût de la puissance de calcul et des données limitait [les] applications possibles », dit Christy. « Maintenant nous avons d'énormes quantités de données mixtes et du calcul très bon marché. J'ai accès à des ordinateurs à un million de dollars, accès direct à une technologie comme Watson d'IBM qui coûte presque rien. » À cela s'ajoute le logiciel IA open source comme TensorFlow de Google qui est effectivement gratuit à utiliser, et nous avons une « tempête parfaite de tous les composants nécessaires pour construire et utiliser l'IA », dit Christy.

Il croit que l'IA peut facilement devenir le prochain avantage concurrentiel. Cependant, cela peut être intimidant. Son conseil ? Commencez petit. Construisez une petite équipe, commencez à collecter des données autour d'un problème métier pilote, et apprenez comment les meilleures approches peuvent résoudre un problème de fabrication. « Mais commencez aujourd'hui », dit-il.