Echtes Nachdenken über künstliche Intelligenz

Mein Instinkt sagt mir, dass wir beim Einsatz künstlicher Intelligenz (KI) in der Fertigung ein Gefühl der Dringlichkeit brauchen.

Die Dringlichkeit wird davon bestimmt, wie schnell sich die Technologie heute entwickeln kann und wie schnell ein unerwarteter Durchbruch dominieren kann. KI wird bei der Gesichtserkennung, der Umwandlung von Sprache in geschriebenes Wort und beim Gewinnen von Schachpartien verwendet. Sicherlich muss es eine Horde potenzieller Anwendungen in der Fertigung geben.

Während ich zuvor geschrieben habe, dass ich denke, dass die Realität der „Intelligenz“ der KI komplexe Mathematik ist, bekam ich eine erleuchtetere Vision, als ich diese Ansicht einem echten Experten vorstellte. Seiner Meinung nach müssen wir KI breiter denken. „Es ist fair zu sagen, dass es Mathematik ist, aber es ist leicht, sich zu sehr auf die Mathematik zu konzentrieren, weil es wirklich mehr um die Daten geht“, erklärte Oliver Christy, Gründer von Foxy Machine, einem KI-Beratungs- und Strategieunternehmen mit Sitz in New York City. „Mit KI können wir mithilfe von Daten in jeder Situation neue Fragen stellen.“

Aber selbst sich auf Daten und Mathematik zu beschränken, ist, nun ja, einschränkend. Eine dritte Überlegung muss das Geschäftsproblem sein – was ist die Situation, die Sie in Betracht ziehen, und welche Tools stehen zur Verfügung, so Christy. „Sie müssen jedes Problem aus allen drei Ansätzen betrachten“, erklärte er. „Mathematik, Daten und das Problem selbst. Diese ganzheitliche Sichtweise [kann] Ihnen eine robuste Lösung bieten.“

Er glaubt auch, dass die Fertigung für KI-Anwendungen reif ist. „Einige der einfachsten Probleme für KI sind die Lösung von Sicherheits- und Herstellungsrisiken“, sagte er. „Wir haben jetzt KI-Systeme, die in großem Umfang verstehen können, welche Risiken bestehen könnten und wie die Sicherheit verbessert werden kann.“ Der Einsatz von Bilderkennungstechniken in der Qualitätskontrolle ist ein weiterer einfacher Gewinn. Eine Anwendung, an der Christy arbeitete, trainierte kürzlich ein KI-System, um die Qualität von Stahl nach der Wärmebehandlung zu erkennen und Proben zu kennzeichnen, die besorgniserregend sein könnten. Anschließend wurden die Proben von einem Menschen genauer untersucht.

Er betonte einen wichtigen Punkt, wie KI am besten eingesetzt werden könnte – den Qualitätskontrollmitarbeiter zu erweitern, anstatt ihn zu ersetzen. Mithilfe digitaler Bilder kann ein KI-System viel mehr Proben betrachten und kennzeichnen als ein Mensch ohne Ermüdung. Aber im Fall der Stahlqualität konnte es nicht den letzten menschlichen Schliff bieten, der erforderlich war, um sicherzustellen, dass es gut war oder nicht. Er berichtete, dass ein ähnliches System zur Erkennung von Hautkrebs besser abschnitt als ein ausgebildeter Onkologe, aber das KI-System in Kombination mit dem Onkologen sogar noch besser abschnitt als beides allein. „Genau der gleiche Ansatz sollte in der Fertigung verwendet werden, wo Maschinensysteme und Menschen Hand in Hand arbeiten könnten“, sagte er.

Wendepunkt in der Rechenleistung

Zurück zu meinem Gefühl der Dringlichkeit. Ein Großteil der heutigen KI-Technologie ist nicht neu. Das Konzept, Computer dazu zu verwenden, menschliche Fähigkeiten nachzuahmen, anstatt nur Rechenmaschinen zu sein, existiert schon so lange wie Computer selbst. Aber ein Wendepunkt bei Rechenleistung und Daten macht es dringend relevant. „Als ich vor 20 Jahren anfing, beschränkten die Kosten für Rechenleistung und Daten [mögliche] Anwendungen“, sagte Christy. „Jetzt haben wir riesige Mengen gemischter Daten und sehr billige Datenverarbeitung. Ich habe Zugang zu Millionen-Dollar-Computern, direkten Zugang zu Technologien wie Watson von IBM, die fast nichts kosten.“ Fügen Sie dazu Open-Source-KI-Software wie TensorFlow von Google hinzu, die effektiv kostenlos verwendet werden kann, und wir haben einen „perfekten Sturm aller Komponenten, die zum Erstellen und Verwenden von KI erforderlich sind“, sagte Christy.

Er glaubt, dass KI leicht zum nächsten Wettbewerbsvorteil werden kann. Es kann jedoch entmutigend sein. Sein Rat? Fangen Sie klein an. Bauen Sie ein kleines Team auf, sammeln Sie Daten rund um ein Pilotgeschäftsproblem und erfahren Sie, wie die besten Ansätze ein Fertigungsproblem lösen können. „Aber fangen Sie heute an“, sagte er.