Новият индустриален интелект
Мащабно изследване на Siemens и Longitude Research хвърля светлина върху бъдещето и ролята на системите с изкуствен интелект в промишленостите
Представете си, че можете да автоматизирате някои всекидневни оперативни процеси във вашата организация, тъй че чиновниците да могат да се съсредоточат върху стратегически планове. Колко добър би трябвало да бъде един модел с изкуствен интелект, с цел да му предоставите такова равнище на надзор? Би ли трябвало да вземем за пример да се изравни с продуктивността на експерт – човек, или даже да показва по-добри резултати? Какво ще стане, в случай че възможна неточност може да аргументи обилни финансови загуби или даже пострадвания на хора и по какъв начин това би трансформирало вашия отговор?
Ново огромно изследване на Siemens и Longitude Research хвърля светлина върху бъдещето на изкуствения разсъдък в индустриалните предприятия. В изследването вземат участие 515 висши мениджъри от сфери като енергетиката, производството, тежката индустрия, инфраструктурата и превоза, които споделят своите визии, връзки, упования и терзания.
Индустриалният AI би трябвало да стане по-усъвършенстван
В рамките на пет години повече от половината индустриални водачи чакат изкуственият разсъдък да управлява активи с висока стойност като промишлени съоръжения, съоръжение и машини – това е една от трендовете, които изследването на Longitude Research и Siemens разкрива.
В тези промишлености упованията са по-масовото потребление на ИИ да помогне за отбягване на случаите и да направи работните места по-безопасни. Това е значимо, защото, до момента в който методите на използване на ИИ са сходни в другите браншове, последствията от неуспеха не са. В доста индустриални компании неприятните решения могат да оставят хиляди хора без работа; милиони долари могат да бъдат изгубени, в случай че оборудването прегрее; леки промени в налягането могат да доведат до екологична злополука, а безчет сюжети могат да причинят гибел.
Голяма част от интервюираните (44%) имат вяра, че през идващите 5 години системи с изкуствен интелект ще ръководят самостоятелно машини, които евентуално могат да причинят пострадване или гибел. Още по-голям брой (54%) са на мнение, че в границите на същия интервал AI ще управлява самостоятелно някои от скъпите активи на тяхната организация.
За да се даде на индустриалния изкуствен интелект такава отговорност, той ще би трябвало да стане по-усъвършенстван и постоянно това ще бъде обусловено от нови подходи към метода на ръководство, генериране, показване и шерване на данни. Например:
Контекстуални данни и симулации:
►Дори и през днешния ден AI се ползва към набори от данни, основани и проведени по нови способи за възстановяване на задълбочения разбор и разбирането. Примерите включват така наречен графики на знанието, които улавят смисъла и връзките сред детайлите в разнообразни набори от данни, както и цифровите близнаци, които дават подробни цифрови изображения и симулации на действителни системи, активи или процеси.
►Вградени AI и insights за огромната картина: Технологии като Интернет на нещата (IoT) и Edge основават разнообразни машинно генерирани набори от данни, които могат да поддържат нови равнища на осъзнаване на обстановката и задълбочени прозрения (insights) в действително време в облака или непосредствено на място.
►Данни оттатък стените: Подобрените протоколи и технологии за шерване на данни сред организациите биха могли да подкрепят създаването на AI модели, които по едно и също време черпят от данните на снабдители, сътрудници, регулатори, клиенти и може би даже съперници.
Графики на знанието
Има голям капацитет за потребление на индустриални графики на знанието за възстановяване на AI моделите посредством съчетание на разнообразни набори от данни. „ Графиките на знанието прибавят подтекст към данните, които анализирате “, изяснява Норберт Гаус, началник на научноизследователската и развойната активност в региона на цифровизацията и автоматизацията в Siemens. „ Например машинните данни могат да бъдат оценени в подтекста на плановите данни, в това число дилемите, за които е основана машината, температурите, при които би трябвало да работи, основните прагове на нейните детайли и така нататък Към това бихме могли да прибавим историята на обслужване на сходни машини, в това число неизправности, сервизни действия по време на работа и предстоящи резултати от инспекциите през целия експлоатационен живот на машината. Графиките на знанието подкрепят доста по-лесното използване на машинните данни, които използваме, за образование на AI модели, добавяйки скъпа контекстуална информация. “
Проучването изследва типовете контекстуални данни, които бизнес водачите считат, че биха били най-полезни през днешния ден. Данните от производителите на съоръжение са преди всичко, като 71% правят оценка това като огромна или по-малка изгода.
На последващо място се подреждат вътрешните данни от други подразделения, райони или отдели (70%), данни от снабдители (70%) и данни за успеваемостта на продадените артикули, употребявани от клиенти (68%).
Компания, която употребява графики на знанието, с цел да сплоти разнообразни типове данни – като да вземем за пример продуктова история, експлоатационни характерности, условия на околната среда, – ще може да сътвори обединен AI модел, който дава опция за по-добри прогнози, потребни хрумвания, по-висока успеваемост и по-добра автоматизация.
Вяра в логаритмите
Все по-мощните приложения без подозрение ще слагат и нови провокации. Ще е належащо да се доверите на изкуствения разсъдък за отговорности, които в миналото са били възлагани на хората. В тези случаи приложенията с AI ще би трябвало да завоюват доверието на тези, които вземат решения, до момента в който организациите ще би трябвало да разработят нови рамки за ръководство и надзор на риска.
За да изследва тези проблеми, изследването предлага на участниците да реагират на няколко сюжета като описаните първоначално. Резултатите: 56% са подготвени да одобряват решението на модернизиран модел с изкуствен интелект пред това на умел чиновник (44%), когато то ще има огромни финансови последствия.
Дали 56% е висок или невисок индикатор? На някого може и да му наподобява невисок, като се има поради, че на участниците е било казано, че AI моделът се е справил по-добре от най-опитните чиновници на организацията в границите на едногодишен пилотен план. Това допуска, че останалите 44% биха могли да проявят користолюбие към човешките решения даже когато доказателствата благоприятстват AI.
Наред с провокациите проучването предлага оптимистична вероятност за индустриалния изкуствен интелект. Тъй като AI става все по-сложен, ръководителите чакат по-малко злонамерени хакерски атаки, по-лесно ръководство на риска, повече нововъведения, по-високи маржове и по-безопасни работни места.
Автор: Алек Вучков. Текстът е от бр. 02 на сп. " Мениджър "
Представете си, че можете да автоматизирате някои всекидневни оперативни процеси във вашата организация, тъй че чиновниците да могат да се съсредоточат върху стратегически планове. Колко добър би трябвало да бъде един модел с изкуствен интелект, с цел да му предоставите такова равнище на надзор? Би ли трябвало да вземем за пример да се изравни с продуктивността на експерт – човек, или даже да показва по-добри резултати? Какво ще стане, в случай че възможна неточност може да аргументи обилни финансови загуби или даже пострадвания на хора и по какъв начин това би трансформирало вашия отговор?
Ново огромно изследване на Siemens и Longitude Research хвърля светлина върху бъдещето на изкуствения разсъдък в индустриалните предприятия. В изследването вземат участие 515 висши мениджъри от сфери като енергетиката, производството, тежката индустрия, инфраструктурата и превоза, които споделят своите визии, връзки, упования и терзания.
Индустриалният AI би трябвало да стане по-усъвършенстван
В рамките на пет години повече от половината индустриални водачи чакат изкуственият разсъдък да управлява активи с висока стойност като промишлени съоръжения, съоръжение и машини – това е една от трендовете, които изследването на Longitude Research и Siemens разкрива.
В тези промишлености упованията са по-масовото потребление на ИИ да помогне за отбягване на случаите и да направи работните места по-безопасни. Това е значимо, защото, до момента в който методите на използване на ИИ са сходни в другите браншове, последствията от неуспеха не са. В доста индустриални компании неприятните решения могат да оставят хиляди хора без работа; милиони долари могат да бъдат изгубени, в случай че оборудването прегрее; леки промени в налягането могат да доведат до екологична злополука, а безчет сюжети могат да причинят гибел.
Голяма част от интервюираните (44%) имат вяра, че през идващите 5 години системи с изкуствен интелект ще ръководят самостоятелно машини, които евентуално могат да причинят пострадване или гибел. Още по-голям брой (54%) са на мнение, че в границите на същия интервал AI ще управлява самостоятелно някои от скъпите активи на тяхната организация.
За да се даде на индустриалния изкуствен интелект такава отговорност, той ще би трябвало да стане по-усъвършенстван и постоянно това ще бъде обусловено от нови подходи към метода на ръководство, генериране, показване и шерване на данни. Например:
Контекстуални данни и симулации:
►Дори и през днешния ден AI се ползва към набори от данни, основани и проведени по нови способи за възстановяване на задълбочения разбор и разбирането. Примерите включват така наречен графики на знанието, които улавят смисъла и връзките сред детайлите в разнообразни набори от данни, както и цифровите близнаци, които дават подробни цифрови изображения и симулации на действителни системи, активи или процеси.
►Вградени AI и insights за огромната картина: Технологии като Интернет на нещата (IoT) и Edge основават разнообразни машинно генерирани набори от данни, които могат да поддържат нови равнища на осъзнаване на обстановката и задълбочени прозрения (insights) в действително време в облака или непосредствено на място.
►Данни оттатък стените: Подобрените протоколи и технологии за шерване на данни сред организациите биха могли да подкрепят създаването на AI модели, които по едно и също време черпят от данните на снабдители, сътрудници, регулатори, клиенти и може би даже съперници.
Графики на знанието
Има голям капацитет за потребление на индустриални графики на знанието за възстановяване на AI моделите посредством съчетание на разнообразни набори от данни. „ Графиките на знанието прибавят подтекст към данните, които анализирате “, изяснява Норберт Гаус, началник на научноизследователската и развойната активност в региона на цифровизацията и автоматизацията в Siemens. „ Например машинните данни могат да бъдат оценени в подтекста на плановите данни, в това число дилемите, за които е основана машината, температурите, при които би трябвало да работи, основните прагове на нейните детайли и така нататък Към това бихме могли да прибавим историята на обслужване на сходни машини, в това число неизправности, сервизни действия по време на работа и предстоящи резултати от инспекциите през целия експлоатационен живот на машината. Графиките на знанието подкрепят доста по-лесното използване на машинните данни, които използваме, за образование на AI модели, добавяйки скъпа контекстуална информация. “
Проучването изследва типовете контекстуални данни, които бизнес водачите считат, че биха били най-полезни през днешния ден. Данните от производителите на съоръжение са преди всичко, като 71% правят оценка това като огромна или по-малка изгода.
На последващо място се подреждат вътрешните данни от други подразделения, райони или отдели (70%), данни от снабдители (70%) и данни за успеваемостта на продадените артикули, употребявани от клиенти (68%).
Компания, която употребява графики на знанието, с цел да сплоти разнообразни типове данни – като да вземем за пример продуктова история, експлоатационни характерности, условия на околната среда, – ще може да сътвори обединен AI модел, който дава опция за по-добри прогнози, потребни хрумвания, по-висока успеваемост и по-добра автоматизация.
Вяра в логаритмите
Все по-мощните приложения без подозрение ще слагат и нови провокации. Ще е належащо да се доверите на изкуствения разсъдък за отговорности, които в миналото са били възлагани на хората. В тези случаи приложенията с AI ще би трябвало да завоюват доверието на тези, които вземат решения, до момента в който организациите ще би трябвало да разработят нови рамки за ръководство и надзор на риска.
За да изследва тези проблеми, изследването предлага на участниците да реагират на няколко сюжета като описаните първоначално. Резултатите: 56% са подготвени да одобряват решението на модернизиран модел с изкуствен интелект пред това на умел чиновник (44%), когато то ще има огромни финансови последствия.
Дали 56% е висок или невисок индикатор? На някого може и да му наподобява невисок, като се има поради, че на участниците е било казано, че AI моделът се е справил по-добре от най-опитните чиновници на организацията в границите на едногодишен пилотен план. Това допуска, че останалите 44% биха могли да проявят користолюбие към човешките решения даже когато доказателствата благоприятстват AI.
Наред с провокациите проучването предлага оптимистична вероятност за индустриалния изкуствен интелект. Тъй като AI става все по-сложен, ръководителите чакат по-малко злонамерени хакерски атаки, по-лесно ръководство на риска, повече нововъведения, по-високи маржове и по-безопасни работни места.
Автор: Алек Вучков. Текстът е от бр. 02 на сп. " Мениджър "
Източник: manager.bg
КОМЕНТАРИ