Искусственный интеллект на предприятиях
Общество Фраунгофера исследует использование ИИ — ориентируясь на область применения с целью помочь экономике.
Что искусственный интеллект может делать лучше людей? «Человеческий мозг очень хорошо распознает образцы, — говорит профессор Томас Раушенбах, директор отделения прикладной системной инженерии Института оптоэлектроники, системной инженерии и оценки изображений Общества Фраунгофера. — Вы можете без особых усилий отличить чашку кофе от стакана воды. Намного сложнее становится распознавать образцы, когда речь идет о так называемых больших данных или ‘Big Data’. Здесь искусственный интеллект превосходит человека». Общество Фраунгофера выясняет, как это может помочь промышленности. Имея в своем штате около 30 тысяч сотрудников, оно является ведущей организацией прикладных исследований не только в Германии, но и во всем мире.
Здесь вы познакомитесь с тремя проектами в области ИИ, разрабатываемыми Обществом Фраунгофера для промышленности:
REMORA — предпосылка и основа для использования ИИ
Использование искусственного интеллекта на предприятиях сопряжено со множеством проблем, например, системы и машины разного года выпуска и разных изготовителей. Часто они «говорят» на разных языках и сохраняют данные в разных форматах и базах данных. Проект REMORA (Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0) как открытая и технологически нейтральная структура призван обеспечить согласованность всех систем на предприятии и возможность межотраслевого использования ИИ.
Condition Monitoring и Predictive Maintenance — чтобы машины работали
Инструмент Condition Monitoring (мониторинг состояния) на основании малейших изменений в последовательностях данных измеряемых величин (например, звука, издаваемого машиной) распознает намечающиеся проблемы (такие как износ или неисправности) в производственных установках во время работы. Он классифицирует их и запускает соответствующие реакции. Инструмент Predictive Maintenance (профилактическое обслуживание) на основании анализа последовательностей данных прогнозирует ошибки и износ отдельных машин или целых комплексов оборудования, что позволяет тщательно планировать работы по техобслуживанию, сводя к минимуму время простоя и ускоряя поиск ошибок, а также ремонт.
Explainable AI (XAI) — как ИИ приходит к тем или иным выводам
Есть ли в использовании ИИ в промышленности недостатки? Томас Раушенбах говорит: «Большая проблема при использовании некоторых методов глубокого обучения состоит в том, что мы не можем однозначно интерпретировать результаты работы ИИ». Когда речь идет о статистическом анализе, результаты можно убедительно объяснить, чего не скажешь о более сложных и самообучающихся алгоритмах. «Многие алгоритмы ИИ похожи на черный ящик. Если результат не совпадает, то понять почему — практически невозможно», — объясняет Раушенбах. Поэтому «объяснимый ИИ» (англ. Explainable AI, XAI) является важной темой исследований в Обществе Фраунгофера. Он призван сделать прозрачнее и понятнее механизмы, с помощью которых ИИ приходит к тем или иным выводам.
Хотели бы вы регулярно получать информацию о Германии? Нажмите здесь, чтобы зарегистрироваться:
