"Słaba" sztuczna inteligencja rośnie w siłę
proaAlpha PolskaCo już dziś potrafią algorytmy i w jaki sposób wytyczają właściwą drogę w labiryncie opcji? Prawie każdego dnia pojawiają się publikacje o nowych obszarach zastosowania sztucznej inteligencji. Jednak im więcej rozwiązań jest oferowanych na rynku, tym trudniej je analizować i wybierać spośród nich te najbardziej obiecujące. Dlatego opracowaliśmy proste metody pozwalające na zachowanie orientacji.

 
 REKLAMA 
 Wdrażasz KSeF w firmie 
 
Możliwość szerokiego zastosowania sztucznej inteligencji już od zawsze szła w parze z różnorodnymi wyobrażeniami na temat jej roli w naszym świecie. Różne są oceny aktualnych osiągnięć sztucznej inteligencji. Podczas gdy dla wielu naukowców krokiem milowym jest właściwa interpretacja ręcznie zapisanych notatek, inni całkowicie bagatelizują takie umiejętności w porównaniu z intelektualnymi możliwościami człowieka, nieosiągalnymi dla żadnej maszyny. Kto ma rację?

Obie strony. Faktem jest, że systemy posiadające tzw. silną sztuczną inteligencję jeszcze nie istnieją. Wszystkie znane dziś zastosowania sztucznej inteligencji można scharakteryzować jako "słabe". Oznacza to, że zostały skonstruowane do wykonania określonego zadania i zoptymalizowane zgodnie ze zdefiniowanym scenariuszem. Tego rodzaju rozwiązań nie sposób dziś zliczyć, tym bardziej, że ich liczba stale rośnie.

Przedsiębiorstwa zainteresowane wprowadzeniem inteligentnych rozwiązań stoją przed trudnym zadaniem, aby znaleźć to właściwe, które przyniesie im najwięcej korzyści. Orientację może ułatwić zbiór pożądanych umiejętności podzielonych na kategorie. Kompetencje sztucznej inteligencji w odniesieniu do potrzeb przedsiębiorstw można bowiem podzielić na trzy kategorie: ocena, wyciąganie wniosków, działanie.

Ocena: opis aktualnego stanu

Algorytmy potrafią doskonale rozpoznawać i przedstawiać stan faktyczny na podstawie danych. Typowym przykładem może być interpretacja rachunków wejściowych do dalszego opracowania. Również wychwytywanie anomalii w obrębie danych masowych z produkcji nie stanowi żadnego problemu. Dodatkowo sztuczna inteligencja poddawana regularnym treningom pozwala na coraz szybszą ocenę, czy np. stan maszyny zbliża się do wartości krytycznej i podjęcie odpowiednich kroków zapobiegawczych.

Częścią treningu jest także nauka rozpoznawania obrazów. Jeżeli komputer jest w stanie przejąć kontrolę wzrokową linii produkcyjnej, oznacza to odciążenie pracowników i ogólną poprawę jakości. Dzięki temu komponenty zawierające usterki nie zostaną zamontowane, a źle wykonane artykuły nie trafią do sprzedaży.

Wyciąganie wniosków: określanie przyszłego zapotrzebowania

Szczegółowa analiza danych coraz częściej jest przeprowadzana przez algorytmy. Ich zastosowanie w modelach przygotowujących prognozy i zalecenia znacznie wykracza poza klasyczną konserwację predykcyjną. Za pomocą sztucznej inteligencji możliwe jest prognozowanie zbytu i sterowanie zaopatrzeniem w artykuły długoterminowe i materiały o dużej wartości, co stanowi niemałą zaletę wobec sytuacji, w jakiej znajdują się łańcuchy logistyczne na całym świecie. Również jakość w zakresie produkcji cechuje się dużym potencjałem do zastosowania sztucznej inteligencji. Dzięki niej dane sensoryczne mogą być na bieżąco analizowane i porównywane z wynikami kontroli jakości. Pozwala to na szybsze rozpoznanie błędów i ograniczenie liczby wadliwych produktów, a w efekcie umożliwia dokładniejsze skonfigurowanie parametrów maszyn i urządzeń produkcyjnych.

W zakresie zarządzania magazynami i organizacji serwisu dla klientów istnieją już liczne aplikacje sterowane sztuczną inteligencją. Dzięki nim pracownicy mogą w szybki i łatwy sposób uzyskać informacje potrzebne do przeprowadzenia akcji serwisowych. Technicy mają stały dostęp do bazy danych serwisu i wykorzystując istotne dane, mogą szybciej wykonywać naprawy i konserwacje.

Działanie: przeprowadzanie koniecznych prac

Na trzecim poziomie inteligentne systemy współdziałają z otoczeniem, uczą się na podstawie przeprowadzonych akcji i wyciągają wnioski na przyszłość, aby osiągnąć ustalony cel. Do tej kategorii zaliczyć można słynny przypadek AlphaGo. Ten samouczący się program w 2016 roku wywołał sensację jako pierwsza maszyna, która pokonała mistrza chińskiej gry planszowej Go. Dziś samouczące się roboty znajdują zastosowanie w wielu obszarach, również w przedsiębiorstwach produkcyjnych. Przykładem mogą być ramiona robotów, które są w stanie chwytać dotąd nieznane przedmioty i przy tym ich nie uszkadzać, ani nie upuszczać. Innym przypadkiem zastosowania tego rodzaju są pojazdy autonomiczne, czy też nielubiane wśród wielu użytkowników chatboty.

Również systemy ERP coraz chętniej sięgają po tego typu rozwiązania, np. sterowanie głosowe, czy inteligentny asystent. To jednak dopiero początek, a w nadchodzących latach możemy spodziewać się ofensywy technologicznej, ponieważ systemy ERP z pewnością będą bezpośrednio lub pośrednio, poprzez platformy zewnętrzne, czerpać z osiągnięć sztucznej inteligencji. Stanie się ona integralną częścią kluczowych procesów, aż do ich całkowitej automatyzacji. Eksperci z organizacji międzybranżowej Bitkom są przekonani, że sztuczna inteligencja jest przełomową technologią dla wszystkich gałęzi przemysłu. Dlatego przedsiębiorstwa nie powinny zwlekać i już dziś zdobywać własne doświadczenia.

Źródło: www.proalpha.com/pl

PRZECZYTAJ RÓWNIEŻ:


Back to top