آنچه الاستیک های هوش مصنوعی این شرکت می توانند به ما بگویند


اگر خوب توجه کنیم که AI چگونه از بین می رود و افراد را با کار اضافی روبه رو می کند ، می توانیم دقیقاً آینده را ببینیم (و چگونه به آنجا برسیم).

تصور کنید از اتاق کنترل یک شرکت فلزی بازدید می کنید. شما برای بحث در مورد بهره وری دارایی و بهینه سازی فرآیند در آنجا هستید. در هنگام بازدید ، یک موش رایانه ای را می بینید که روی یک میز الاستیک پیچیده شده است.

در صفحه رایانه نزدیک ، نشانگر روی نمادی قرار می گیرد که برای تأیید هشدار فعال شده توسط یک سیستم خودکار که هزاران سنسور نصب شده در تأسیسات شرکت را ردیابی می کند ، روی آن کلیک می کنیم.

تصویر: Xuejunli – stock.adobe.com

به نظر نمی رسد هرگز برای شخصی که روی این صندلی نشسته مشکل جدی وجود دارد یا خیر. با ادامه کار تولید هشدارها به سادگی ادامه خواهند یافت. من انواع مختلفی از این ویتنام را بارها دیده ام و این اساس هوش مصنوعی و نحوه تعامل مردم با AI است.

مردی که پاک کن را روی ماوس خود قرار داد با هوشمندی با مشکل هشدار دهنده ها که دائماً گرگ گریه می کرد مقابله می کرد. به جای نگه داشتن ماوس هر چند ثانیه برای تأیید هشدارها ، آنها میله را در اطراف قرار می دهند تا با دکمه سمت چپ برای همیشه نگه دارد. این نبوغ روح و عقل انسان است. حدس می زنم که این تفکر غیرعادی بود. همچنین باعث شد من درک کنم که هوش مصنوعی و اینترنت اشیا تا چه اندازه نیاز دارند تا فرآیندهای صنعتی را بسیار کارآمدتر کنند.

در مورد اینکه هوش مصنوعی افراد را استخدام می کند صحبت و اغراق زیاد بود. با این حال ، همانطور که نوار لاستیکی نشان می دهد ، ماشین آلات راه طولانی را باید طی کنند تا بتوانند جایگزین افرادی شوند که چندین کار را در محل کار انجام می دهند ، که دارای مقداری است که به راحتی نمی توان از آن کمیت کرد. هوش مصنوعی اتوماسیون را ساده می کند ، اما هوش مصنوعی ، که از هزاران مدل و سنسور برای نظارت بر خطوط فرآیند استفاده می کند ، می تواند با داده ها غرق شود ، هشدارهایی را ایجاد می کند که مردم نادیده می گیرند.

برخوردهایی که از ربات ها می ترسند آنقدر توانایی دارند که وظیفه همه را به عهده می گیرند و به عبارت دیگر در مورد قضیه اغراق می کنند. با این حال ، هوش مصنوعی به اندازه کافی سریع در حال پیشرفت است. کار اکنون این است که کارگران اتاق کنترل در شرکت های فولادی و افراد دیگر از این مزیت استفاده کنند. چگونه هوش مصنوعی می تواند به عنوان ابزاری باشد که مردم را قادر می سازد تا در صنعت و نه فقط رسانه های اجتماعی ، بهره وری بیشتری داشته باشند؟

نسل اول

هوش مصنوعی از ویژگی های یادگیری کم عمق و ساخت دست اول نسل اول به یادگیری عمیق نسل دوم منتقل شده است که در الگوهای یادگیری مثر است. در اینجا جهان صنعتی از نظر پیش بینی وجود داشت. اگر الگو را تعریف نکنید ، ناشناخته های ناشناخته را نمی گیرید. ما اکنون وارد نسل سوم هوش مصنوعی شده ایم که با تفکر ماشینی هدایت می شود – جایی که ماشین می تواند تفسیر کند ، حتی اگر تعریف نشده باشد. آخرین هوش مصنوعی ، اگر به درستی اعمال شود ، قادر به فهم ناشناخته های ناشناخته ای است که بخشی از هر فرآیند صنعتی است.

به عنوان مثال امروز ، می توانیم از داده های فرآیند و ارتعاشات با فرکانس بالا برای ردیابی وضعیت دارایی ، نظارت بر عملیات در زمان واقعی نزدیک و توصیه تعمیر و نگهداری پیشگیرانه بر اساس پیش بینی خرابی های آینده استفاده کنیم. این ردیابی یک شیلنگ آتش نشانی از داده ها ایجاد کرده است که ما می آموزیم چگونه با ترکیب هوش مصنوعی با پیش بینی ها و نسخه های پیچیده FMEA با آنها بهتر کنار بیاییم.

من نزدیک می شوم

برای اینکه مردم از نزدیک با هوش مصنوعی کار کنند ، باید بخواهند با آن کار کنند. و برای اینکه بخواهیم با آن کار کنم ، هوش مصنوعی باید تعاملی باشد. برخلاف سیستمی که باعث بوجود آمدن ماوس کامپیوتر در یک باند الاستیک شد ، به یک رابط کاربری کاربر گرا نیاز دارد. هوش مصنوعی نیز نیاز به توضیح دارد. مردم باید بدانند و درک کنند که او چه کاری انجام می دهد. سرانجام ، باید قابل تأیید باشد. آنها باید فواید ملموس آن را ببینند. شرکت هایی که می توانند این سه شرط را رعایت کنند می توانند چرخه ای ایجاد کنند که در آن افراد به فواید هوش مصنوعی وابسته باشند ، در حالی که دستگاه با انجام هر کاری آموزش بیشتری می بیند.

همچنین این مورد است که هوش مصنوعی فقط توسط محققان داده قابل درک و استفاده نیست. مهندسان شیمی ، مکانیک و برق باید همانطور که با ماکروهای پیچیده در اسکریپت های Excel ، Autolisp ، MatLab ، Python و بسیاری از ابزارهای دیگر که باعث بهبود مهندسی شیمی و مکانیک می شوند ، هوش مصنوعی را یاد بگیرند و درک کنند. امروزه ، نسبت بین یک دانشمند داده و مهندسی که عمیقاً هوش مصنوعی را درک می کند ، به ترتیب 95٪ به 5٪ است. طی پنج تا هفت سال آینده ، این نسبت معکوس خواهد شد.

در دهه 2030 ، نسل چهارم ماشین های هوش مصنوعی ظهور می کنند که یادگیری را یاد می گیرند و به صورت پویا دانش و مهارت های جدیدی کسب می کنند. تا دهه 2040 ، هوش مصنوعی نسل پنجم شاهد ماشین های خیالی است که دیگر برای یادگیری به انسان اعتماد ندارند. ما قبلاً این موضوع را با AlphaGo Zero از DeepMind دیده ایم که AlphaGo را 100 بر صفر شکست داده است زیرا خودش آموخته و تعصب انسانی ندارد. فکر کنید که این برای کارآیی دارایی ها و گیاهان به چه معناست.

دومینیک گاللو مدیرعامل اینترنت صنعتی اشیا و یک شرکت سازنده هوش مصنوعی است. سمفونی AzimaAI. حرفه وی شامل 11 سال در Intergraph ، تجارت پیشرو شرکت در چین و ژاپن است. وی همچنین 10 سال به عنوان مدیرعامل در Autodesk ، به عنوان EVP Asia / Pacific ، بخش مکانیکی را ایجاد و مدیریت کرد و بعداً به عنوان EVP برای کلیه محصولات مرتبط با طراحی و مهندسی خدمت کرد. وی عضو کمیته مشاوره شرکت هواپیمایی و هوانوردی شرکت انستیتوی هوانوردی و فضانوردی آمریکا (AIAA) و عضو ائتلاف مدیریت صنعت خودرو (SAE) است.

انجمن هفته اطلاعات متخصصان فناوری اطلاعات و متخصصان صنعت را با مشاوره ، آموزش و نظرات فناوری اطلاعات گرد هم آورده است. ما تلاش می کنیم تا رهبران فن آوری و متخصصان موضوع را برجسته کنیم و از دانش و تجربه آنها برای کمک به مخاطبان IT خود استفاده کنیم … مشاهده بیوگرافی کامل

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsال در مورد سایت.

بینش بیشتر




منبع: tasiveh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>