Rumah Berpikir ke depan Pembelajaran mesin dan internet industri

Pembelajaran mesin dan internet industri

Video: Mengenal Revolusi Industri Dari 1.0 Sampai 4.0‼️ (Desember 2024)

Video: Mengenal Revolusi Industri Dari 1.0 Sampai 4.0‼️ (Desember 2024)
Anonim

Pada konferensi DLD baru-baru ini, beberapa sesi yang paling menarik berkaitan dengan kecerdasan buatan, atau dengan "Internet Industri." Veteran Amazon dan Watson berbicara tentang bagaimana AI dan pembelajaran mesin akan mengubah banyak industri ke depan, dan kepala beberapa perusahaan manufaktur terbesar membahas bagaimana data besar, sensor, dan kustomisasi akan mengubah cara produk diproduksi.

Pembelajaran Mesin dan Dampaknya pada Industri Lainnya

Berbicara tentang kecerdasan buatan dan pembelajaran mesin adalah Werner Vogels, CTO dari Amazon.com; Manoj Saxena, Ketua Skala Kognitif dan mantan manajer umum kelompok IBM Watson; dan Chris Boos, CEO Arago, sebuah perusahaan Jerman yang fokus menggunakan AI untuk otomatisasi. Dimoderatori oleh Matthew Egol, mitra dalam Strategi & tim konsultasi PWC, panel berbicara tentang bagaimana data dan pembelajaran mesin mengubah berbagai industri.

Sebagian besar panelis sepakat bahwa perawatan kesehatan adalah bidang utama berikutnya yang benar-benar dipengaruhi oleh meningkatnya kecerdasan mesin. Boos mengatakan data itu ada, seperti halnya kecerdasan buatan yang cukup untuk melakukan diagnosa, tetapi yang hilang adalah perasaan bagaimana kita memecahkan masalah. Dia mencatat bahwa dalam pengobatan khusus hari ini, mungkin ada satu ahli di setiap bagian tubuh Anda, tetapi secara teori mesin datang menggabungkan informasi dari berbagai spesialisasi.

Misalnya, Saxena berbicara tentang bagaimana di sebuah rumah sakit umum besar di Dallas, teknik baru sekarang memungkinkan 70 orang untuk menangani hingga 70.000 anak-anak dengan asma. Dengan menggabungkan data tentang di mana pasien tinggal dengan data lingkungan dari layanan seperti weather.com dan pollen.com, sistem kognitif dapat melihat korelasi antara konsentrasi ragweed di udara dan asma, dan kemudian mengirim informasi atau inhaler langsung ke anak-anak di daerah di mana kemungkinan ada peningkatan dalam serangan asma.

Vogels berbicara tentang contoh layanan kesehatan lainnya, mengatakan penting untuk dapat mencegah daripada bereaksi terhadap penyakit; dan Saxena setuju bahwa ada terlalu banyak penekanan pada teknologi, tetapi hasilnya tidak cukup.

Boos berbicara tentang bagaimana teknologi juga dapat digunakan untuk aplikasi seperti mengotomatisasi operasi TI. Satu hal yang menurutnya penting untuk diingat adalah bahwa "pembelajaran mesin tidak lain adalah eksperimen" dan bahwa kita masih membutuhkan guru untuk mesin itu.

Aplikasi lain yang dibicarakan Vogels termasuk analitik video untuk melacak pembeli yang berjalan melalui lorong-lorong untuk meningkatkan desain toko, dan penggunaan sensor pada peralatan industri seperti turbin gas, pada mobil untuk pemeliharaan preventif dan di rumah sakit untuk mengurangi waktu yang dihabiskan orang menunggu untuk lift.

Vogels mencatat bahwa perusahaan terbesar, yang paling mengganggu semuanya dibangun berdasarkan data, sementara Saxena mengatakan bahwa masalahnya bukan hanya bahwa volume data meningkat, tetapi yang lebih penting tipe data juga berubah, dengan tweet dan data tidak terstruktur lainnya. menjadi semakin penting. Namun dia mengatakan komputer tidak memahami data tidak terstruktur dengan baik.

Vogels mengatakan bahwa secara umum, "kami telah melihat ke belakang dengan data, " berfokus pada pelaporan, tetapi yang penting sekarang adalah sistem prediksi dan berwawasan ke depan. Dia menggembar-gemborkan layanan pembelajaran mesin Amazon sebagai teknologi yang dapat membuat siapa pun membangun mesin prediksi.

Saxena setuju, mengatakan pelaporan akan terlihat sangat berbeda dalam 10 tahun. Dia menyamakan sistem pelaporan saat ini dengan sepak bola Amerika, di mana tim berhenti di antara permainan dan kemudian memutuskan apa yang harus dilakukan, dan mengatakan bahwa di masa depan pelaporan akan lebih seperti aksi tanpa henti dalam balap Formula Satu. Dia mengatakan kita sedang bergerak dari sistem catatan ke sistem keterlibatan ke sistem wawasan. Namun dia mengatakan kita tidak seharusnya menganggap AI sebagai "kecerdasan buatan" tetapi lebih sebagai "kecerdasan tambahan".

"Pikirkan Jarvis, bukan HAL, " katanya.

Internet Industri dan Bagaimana Perubahannya Pabrikan

Bagian lain membawa beberapa perusahaan manufaktur besar dan sebagian besar berurusan dengan "Internet Industri" dan bagaimana hal itu akan mengubah banyak hal.

Horst Kayser, kepala strategi untuk raksasa industri Siemens, berbicara tentang bagaimana "digitalisasi" mengubah pendekatan perusahaan di banyak bidang, termasuk bergerak dari semua penelitian dan pengembangan internal ke inovasi yang lebih terbuka. Dia membahas tantangan mengelola bagian sistem energi yang beragam secara cerdas, seperti pemantauan jarak jauh dan pemeliharaan pada sistem 7.000 turbin angin, yang sekarang termasuk menggunakan algoritma belajar mandiri untuk menggerakkan bilah ke posisi optimal, yang menurutnya dapat menghasilkan dalam beberapa poin persentase efisiensi ekstra (yang kedengarannya tidak banyak, tetapi benar-benar dapat bertambah). Aplikasi lain yang dia diskusikan berkisar dari prototyping virtual ke pabrik yang sepenuhnya otomatis.

Richard Ploss, CEO Infineon, menggambarkan masa depan yang melihat robot berkolaborasi dengan manusia, mengatakan kita membutuhkan robot yang tidak berbahaya, tetapi akan menyediakan koneksi antara Industrial Internet dan kehidupan. Sebagai contoh, ia menunjukkan video "semut bionik" yang bekerja secara kolaboratif untuk memindahkan objek.

Infineon memiliki tujuan menggabungkan produktivitas manufaktur massal dengan individualitas produksi yang disesuaikan. Ploss mengatakan Industrial Internet akan membawa penyesuaian ke tingkat berikutnya, membuatnya mudah untuk merancang sepatu Anda sendiri yang akan diproduksi berdasarkan permintaan individu dan dikirim dalam waktu 24 jam. Dalam sistem seperti itu, pelanggan sebenarnya akan melakukan desain akhir, tetapi sistem akan memiliki data untuk membuat ini berfungsi.

Michael Mendenhall, chief marketing officer di Flextronics, yang melakukan pembuatan kustom untuk berbagai perusahaan, mengatakan tren baru adalah memikirkan "produk sebagai platform" - jadi alih-alih hanya membangun perangkat keras, Anda menginginkan sesuatu yang dapat Anda bangun aplikasi dan layanan sekitar. Sebagai bagian dari ini, dia percaya pada "inovasi terbuka" dengan orang-orang yang bekerja di industri yang berdekatan untuk menyelesaikan sesuatu.

Di antara produk menarik yang dia diskusikan adalah "tato" yang dapat mengukur biometrik dan dapat diintegrasikan ke dalam sabuk pengaman untuk memperingatkan Anda jika Anda tertidur dan sebuah pita kecil yang dapat mengukur glukosa darah, yang menurutnya menurutnya dapat mengurangi biaya perawatan kesehatan kronis untuk diabetes dan penyakit lain sebesar 20 persen.

Pembelajaran mesin dan internet industri