Un cadre discute de l'impact de l'IA sur les travailleurs

L'industrie et la fabrication se tournent de plus en plus vers l'intelligence artificielle (IA) pour augmenter la productivité et la qualité. Cependant, un cadre affirme que l'IA doit être déployée avec précaution.

Dominic Gallello est PDG d'Industrial Internet of Things et de la société d'intelligence artificielle d'entreprise Symphony AzimaAI. Il a dirigé trois sociétés de logiciels publiques et privées au cours des 16 dernières années. Sa carrière de cadre a également été un passage chez Autodesk.

Gallello a été interviewé par e-mail.

QUESTION :L'intelligence artificielle (IA) peut-elle épuiser les travailleurs ? Je pensais que c'était censé faciliter les choses. Que s'est-il passé ?

GALLON :S'il est correctement implémenté, non, il n'épuise pas les travailleurs. Mais si vous voulez épuiser un opérateur de salle de contrôle, fournissez-lui une litanie d'alarmes et de recommandations décousues et ne résumez pas les problèmes qui se produisent en recommandations significatives.

C'est là que l'IA devrait intervenir et être d'une aide précieuse. L'ordinateur peut traiter et corréler une énorme quantité d'informations pour en déduire des informations dont l'esprit humain n'est pas capable.

Mais si mal mis en œuvre, oui. Nous avons vu à maintes reprises que lorsqu'elle est mal implémentée, l'IA déclenche de fausses alarmes. L'ordinateur dit qu'il y a un problème alors qu'il n'y en a pas. Cela conduit à des chasses aux oies sauvages. Passer votre journée à éliminer les faux positifs est un exercice abrutissant pour la plupart.

QUESTION :Vous avez signalé l'anecdote d'une entreprise de services de gaz ayant de nombreux faux positifs. Pouvez-vous nous expliquer un peu le contexte et décrire ce qui s'est passé ?

GALLON :Ils utilisaient un système basé sur l'IA de deuxième génération, la soi-disant reconnaissance de formes, connue pour générer jusqu'à 60 % de faux positifs. Devoir les parcourir et découvrir qu'il n'y a vraiment pas de problème prend du temps, coûte cher et est également très inquiétant pour déterminer ce qui est réel et ce qui ne l'est pas.

L'IA est nécessaire mais insuffisante. Les anciens systèmes d'IA de deuxième génération forment le modèle sur les défauts connus de la machine et si le même défaut se produit, le système le détectera. Mais que se passe-t-il lorsque vous n'avez aucun historique de panne et qu'elle se produit ensuite ? Le modèle ne l'attrapera pas.

L'IA de troisième génération bouleverse le paradigme. Nous entraînons le modèle d'IA sur ce qui est un comportement de fonctionnement "normal", puis nous détectons tout comportement anormal par rapport à la normale à l'aide d'un apprentissage non supervisé de troisième génération. Maintenant, nous ne faisons que commencer.

Une étape critique consiste à connecter l'IA à une bibliothèque d'analyse des effets du mode de défaillance qui identifie avec précision les composants de la machine qui sont les mauvais acteurs et fournit des recommandations aux ingénieurs de maintenance sur les mesures à prendre.

QUESTION :Les entreprises ont-elles commencé à considérer l'IA comme une panacée ?

GALLON :Personne ne le fait longtemps. En termes de théorie du gouffre, nous dépassons les visionnaires et les adopteurs précoces. La première majorité souhaite que cela fonctionne, résolve des problèmes spécifiques et produise des résultats financiers. C'est une foule difficile, "prouvez-le-moi".

QUESTION :Y a-t-il des conséquences inattendues avec l'IA ? Si oui, quels sont-ils ?

GALLON :L'IA est comme n'importe quel autre changement technologique. Je compare cela au passage à la programmation orientée objet. Il y a eu une grande ruée vers cela, il y a eu de nombreuses implémentations médiocres mais finalement c'est devenu la norme. L'IA traverse le même parcours.

QUESTION :Quels ajustements les entreprises doivent-elles apporter à la manière dont elles déploient l'IA ?

GALLON :Mieux vaut que les ingénieurs apprennent l'IA que d'avoir une division entre les ingénieurs experts du domaine et les purs data scientists. Lorsque les experts en la matière peuvent comprendre et exploiter la puissance de l'IA, cela conduira à des implémentations beaucoup plus rapides et plus réussies.