การเรียนรู้ของเครื่องและอินเทอร์เน็ตอุตสาหกรรม

ในการประชุม DLD เมื่อเร็ว ๆ นี้บางช่วงที่น่าสนใจที่สุดเกี่ยวข้องกับปัญญาประดิษฐ์หรือกับ "อินเทอร์เน็ตอุตสาหกรรม" ทหารผ่านศึกของ Amazon และ Watson ได้พูดคุยเกี่ยวกับวิธีการที่ AI และการเรียนรู้ของเครื่องจักรจะเปลี่ยนแปลงไปในหลายอุตสาหกรรมในอนาคตและหัวหน้าของ บริษัท ผู้ผลิตรายใหญ่ที่สุดบางรายได้หารือว่าข้อมูลขนาดใหญ่เซ็นเซอร์และการปรับแต่งจะเปลี่ยนวิธีการผลิตผลิตภัณฑ์อย่างไร

การเรียนรู้ของเครื่องและผลกระทบต่ออุตสาหกรรมอื่น ๆ

การพูดคุยเกี่ยวกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่องคือ Werner Vogels, CTO ของ Amazon.com; มาโนจแซ็กเซน่าประธานระดับความรู้ความเข้าใจและอดีตผู้จัดการทั่วไปของกลุ่ม IBM Watson และ Chris Boos ซีอีโอของ Arago บริษัท เยอรมันที่เน้นการใช้ AI สำหรับระบบอัตโนมัติ ดำเนินการโดย Matthew Egol ซึ่งเป็นหุ้นส่วนในทีมกลยุทธ์และที่ปรึกษาของ PWC ผู้อภิปรายกล่าวถึงการที่ข้อมูลและการเรียนรู้ของเครื่องจักรเปลี่ยนไปในหลายอุตสาหกรรม

ผู้ร่วมอภิปรายส่วนใหญ่เห็นพ้องกันว่าการดูแลสุขภาพเป็นพื้นที่สำคัญต่อไปที่จะได้รับผลกระทบจากความฉลาดของเครื่องจักร Boos กล่าวว่าข้อมูลมีอยู่เช่นเดียวกับปัญญาประดิษฐ์เพียงพอที่จะทำการวินิจฉัย แต่สิ่งที่ขาดหายไปคือความรู้สึกว่าเราแก้ปัญหาได้อย่างไร เขาตั้งข้อสังเกตว่าในยาเฉพาะทางในปัจจุบันอาจมีผู้เชี่ยวชาญเพียงคนเดียวในแต่ละส่วนของร่างกายของคุณ แต่ในทางทฤษฎีแล้วเครื่องได้รวมข้อมูลจากความเชี่ยวชาญพิเศษหลายอย่างเข้าด้วยกัน

ตัวอย่างเช่น Saxena พูดคุยเกี่ยวกับวิธีการที่โรงพยาบาลสาธารณะขนาดใหญ่ในดัลลัสตอนนี้เทคนิคใหม่อนุญาตให้ 70 คนจัดการกับเด็ก 70, 000 กับโรคหอบหืด โดยการรวมข้อมูลเกี่ยวกับสถานที่ที่ผู้ป่วยอาศัยอยู่กับข้อมูลด้านสิ่งแวดล้อมจากบริการต่าง ๆ เช่น weather.com และ pollen.com ระบบความรู้ความเข้าใจสามารถสังเกตความสัมพันธ์ระหว่างความเข้มข้นของ ragweed ในอากาศและโรคหอบหืดจากนั้นส่งข้อมูลหรือการหายใจเข้าสู่เด็กโดยตรงในพื้นที่ มีแนวโน้มที่จะ uptick ในการโจมตีโรคหอบหืด

Vogels พูดคุยเกี่ยวกับตัวอย่างการดูแลสุขภาพอื่น ๆ บอกว่ามันเป็นสิ่งสำคัญที่จะสามารถป้องกันได้มากกว่าการตอบสนองต่อโรค และ Saxena เห็นด้วยว่ามีการเน้นเทคโนโลยีมากเกินไป แต่ก็ไม่เพียงพอในผลลัพธ์

Boos พูดคุยเกี่ยวกับวิธีการใช้เทคโนโลยีสำหรับแอพพลิเคชั่นเช่นการทำงานอัตโนมัติ สิ่งหนึ่งที่เขาบอกว่าสำคัญคือต้องจำไว้ว่า "การเรียนรู้ด้วยเครื่องคืออะไรนอกจากการทดลอง" และเรายังคงต้องการครูสำหรับเครื่อง

แอปพลิเคชันอื่น ๆ ที่ Vogels พูดถึงรวมถึงการวิเคราะห์วิดีโอเพื่อติดตามผู้ซื้อที่เดินผ่านทางเดินเพื่อปรับปรุงการออกแบบของร้านค้าและการใช้เซ็นเซอร์ในอุปกรณ์อุตสาหกรรมเช่นกังหันก๊าซรถยนต์เพื่อการบำรุงรักษาเชิงป้องกันและในโรงพยาบาลเพื่อลดเวลาที่ผู้คนรอ สำหรับลิฟท์

Vogels ตั้งข้อสังเกตว่า บริษัท ที่ใหญ่ที่สุดและก่อกวนส่วนใหญ่ล้วนสร้างขึ้นจากข้อมูลในขณะที่ Saxena กล่าวว่าปัญหาไม่เพียง แต่ปริมาณข้อมูลจะเพิ่มขึ้น แต่ที่สำคัญกว่าประเภทของข้อมูลก็เปลี่ยนไปเช่นกันด้วยทวีตและข้อมูลที่ไม่มีโครงสร้างอื่น ๆ กลายเป็นสิ่งสำคัญมากขึ้น แต่เขาบอกว่าคอมพิวเตอร์ไม่เข้าใจข้อมูลที่ไม่มีโครงสร้างอย่างดี

Vogels กล่าวว่าโดยทั่วไป "เราได้มองย้อนกลับไปที่ข้อมูล" โดยมุ่งเน้นที่การรายงาน แต่สิ่งที่สำคัญตอนนี้คือระบบการคาดการณ์ล่วงหน้าและการคาดการณ์ล่วงหน้า เขาโน้มน้าวบริการการเรียนรู้ของเครื่องของ Amazon เป็นเทคโนโลยีที่สามารถให้ทุกคนสร้างกลไกการทำนาย

Saxena เห็นด้วยว่าการรายงานจะดูแตกต่างอย่างมากใน 10 ปี เขาเปรียบระบบการรายงานปัจจุบันให้กับอเมริกันฟุตบอลซึ่งทีมหยุดระหว่างการเล่นแล้วตัดสินใจว่าจะทำอย่างไรและกล่าวว่าในการรายงานในอนาคตจะเป็นเหมือนการกระทำที่ไม่หยุดยั้งในการแข่งรถฟอร์มูล่าวัน เขากล่าวว่าเรากำลังย้ายจากระบบบันทึกไปยังระบบการมีส่วนร่วมกับระบบของข้อมูลเชิงลึก แต่เขาบอกว่าเราไม่ควรคิด AI ว่าเป็น "ปัญญาประดิษฐ์" แต่เป็นหนึ่งใน "ปัญญาที่เพิ่มขึ้น"

"คิดว่าจาร์วิสไม่ใช่ HAL" เขาพูด

อินเทอร์เน็ตอุตสาหกรรมและการเปลี่ยนแปลงการผลิต

อีกส่วนหนึ่งได้นำ บริษัท ผลิตขนาดใหญ่และส่วนใหญ่จัดการกับ "อุตสาหกรรมอินเทอร์เน็ต" และจะเปลี่ยนแปลงสิ่งต่าง ๆ อย่างไร

Horst Kayser ประธานเจ้าหน้าที่ฝ่ายกลยุทธ์สำหรับซีเมนส์ยักษ์ใหญ่ในอุตสาหกรรมได้พูดคุยเกี่ยวกับวิธี "การทำให้เป็นดิจิทัล" ได้เปลี่ยนวิธีการของ บริษัท ในหลาย ๆ ด้านรวมถึงการย้ายจากการวิจัยและพัฒนาภายในทั้งหมดไปสู่นวัตกรรมที่เปิดกว้างมากขึ้น เขากล่าวถึงความท้าทายในการจัดการชิ้นส่วนอย่างชาญฉลาดของระบบพลังงานที่หลากหลายเช่นการตรวจสอบระยะไกลและการบำรุงรักษาในระบบกังหันลม 7, 000 แห่งซึ่งตอนนี้ได้รวมการใช้อัลกอริทึมการเรียนรู้ด้วยตนเองเพื่อย้ายใบพัดไปยังตำแหน่งที่เหมาะสม ในสองสามเปอร์เซ็นต์ของประสิทธิภาพที่เพิ่มขึ้น (ซึ่งฟังดูไม่มากนัก แต่สามารถเพิ่มขึ้นได้จริงๆ) แอปพลิเคชันอื่น ๆ ที่เขาพูดถึงอยู่ในช่วงตั้งแต่การสร้างต้นแบบเสมือนไปยังโรงงานที่เป็นแบบอัตโนมัติทั้งหมด

Richard Ploss ซีอีโอของ Infineon อธิบายถึงอนาคตที่เห็นหุ่นยนต์ร่วมมือกับมนุษย์บอกว่าเราต้องการหุ่นยนต์ที่ไม่เป็นอันตราย แต่จะให้การเชื่อมต่อระหว่างอินเทอร์เน็ตอุตสาหกรรมและชีวิต ยกตัวอย่างเช่นเขาแสดงวิดีโอของ "ไบโอนิคมด" ที่ทำงานร่วมกันเพื่อเคลื่อนย้ายวัตถุ

Infineon มีเป้าหมายในการรวมผลผลิตของการผลิตจำนวนมากเข้ากับความแตกต่างของการผลิตแบบกำหนดเอง Ploss กล่าวว่า Industrial Internet จะปรับแต่งไปสู่ระดับถัดไปทำให้การออกแบบรองเท้าของคุณง่ายขึ้นซึ่งจะผลิตตามคำขอส่วนบุคคลและส่งมอบภายใน 24 ชั่วโมง ในระบบดังกล่าวลูกค้าจะทำการออกแบบขั้นสุดท้ายจริง ๆ แต่ระบบจะมีข้อมูลที่จะทำให้งานนี้

Michael Mendenhall หัวหน้าเจ้าหน้าที่การตลาดของ Flextronics ซึ่งเป็นผู้ผลิตแบบกำหนดเองสำหรับ บริษัท ที่หลากหลายกล่าวว่าเทรนด์ใหม่คือการคิดว่า "ผลิตภัณฑ์เป็นแพลตฟอร์ม" - ดังนั้นแทนที่จะสร้างเพียงฮาร์ดแวร์คุณต้องการสิ่งที่คุณสามารถสร้างแอปพลิเคชันและบริการ รอบ เป็นส่วนหนึ่งของสิ่งนี้เขาเชื่อใน "นวัตกรรมแบบเปิด" กับคนที่ทำงานในอุตสาหกรรมใกล้เคียงเพื่อทำสิ่งต่างๆให้เสร็จ

หนึ่งในผลิตภัณฑ์ที่น่าสนใจที่เขาพูดถึงคือ "รอยสัก" ที่สามารถวัดค่าทางชีวภาพและสามารถรวมเข้ากับเข็มขัดนิรภัยเพื่อเตือนคุณว่าคุณกำลังหลับและวงดนตรีเล็ก ๆ ที่สามารถวัดระดับน้ำตาลในเลือดได้ด้วยซึ่งเขาบอกว่าเขาคิดว่า ค่าใช้จ่ายของการดูแลสุขภาพเรื้อรังสำหรับโรคเบาหวานและโรคอื่น ๆ ร้อยละ 20