Bi zaupali algoritmu?

Bi zaupali algoritmu?

Longitude Research in Siemens v raziskavi ugotavljata, da več kot polovica gospodarstvenikov pričakuje, do bo v naslednjih petih letih industrijske obrate, stroje in kritično infrastrukturo upravljala umetna inteligenca. Odgovori več kot 500 oseb na visokih vodstvenih položajih ponujajo edinstven vpogled v prihodnost umetne inteligence v industrijskih podjetjih.

Iz revije Hi!tech 1/21, junij 2021

Predstavljajte si, da bi del vsakodnevnih operativnih odločitev v vašem podjetju lahko avtomatizirali, vaši sodelavci pa bi se posledično lahko bolj osredotočili na strateške projekte, na primer na razvoj nove proizvodne linije ali na širjenje poslovanja. Kako dobro bi moralo biti to orodje umetne inteligence, da bi mu bili pripravljeni predati nadzor nad odločitvami? Bi moralo biti enako zmogljivo kot človeški inženirji? Ali še zmogljivejše? Kaj če bi prišlo do napake, ki bi imela za posledico velike finančne izgube ali celo telesne poškodbe? Bi bil vaš odgovor v takem primeru drugačen? 

 

Take in podobne scenarije je vseboval vprašalnik, ki sta ga družbi poslali 515 osebam na visokih vodstvenih položajih v gospodarstvu, med drugim iz energetskega sektorja, predelovalne industrije, težke industrije, infrastrukture in transporta. Njihovi odgovori, dognanja in vprašanja ponujajo edinstven vpogled v prihodnost umetne inteligence v industrijskih podjetjih. 

 

V omenjenih sektorjih bi umetna inteligenca na številne načine lahko pripomogla k preprečevanju nesreč in vzpostavitvi bolj varnih delovnih mest. Pri tem so metode umetne inteligence za vse sektorje enake, ne pa tudi posledice napake. V številnih industrijskih podjetjih lahko napačne odločitve privedejo do tega, da na tisoče ljudi ne pride v službo, pri pregretih strojih lahko pride do izgub v milijonskih zneskih, manjše spremembe pritiska pa lahko povzročijo okoljsko katastrofo ali celo človeške žrtve.

 

Pomenljivo je, da 44 % vprašanih meni, da bodo v naslednjih petih letih moduli umetne inteligence upravljali stroje, pri katerih obstaja možnost poškodb ali celo smrtnih nesreč. Še večji del vprašanih (54 %) pa pričakuje, da bo v istem časovnem obdobju umetna inteligenca avtonomno upravljala del visokokakovostnih proizvodnih sredstev njihovega podjetja.

Novi podatkovni sklop

Če naj bi sistemi umetne inteligence naredili tako odločen korak naprej v smislu lastne odgovornosti, potem morajo narediti tudi korak naprej v smislu lastnega razvoja. Pogosto je to v obliki razvoja novih konceptov na področju generiranja, upravljanja, prikazovanja in deljenja podatkov.

 

  • Kontekstualni podatki in simulacije: Umetna inteligenca se danes že uporablja pri sklopih podatkov, ki so ustvarjeni in organizirani na nov način. Primer so grafi znanja, ki zajemajo povezave med podatki, ki so skriti v različni podatkovnih sklopih, in njihov pomen ter te podatke postavijo v kontekst. Drug tak primer so digitalni dvojčki, ki omogočajo podrobno digitalno predstavitev ali simulacijo realnega izdelka, sistema ali procesa.
  • Integrirana umetna inteligenca in vpogled v širši okvir: Zaradi interneta stvari (IoT) in tehnologij računalništva na robu nastajajo raznoliki sklopi podatkov, ki jih ustvarijo stroji in ki odpirajo nove možnosti za ocenjevanje situacij in vpogled v dogajanje v realnem času, bodisi v oblaku ali neposredno na lokaciji preko tako imenovanih inteligentnih naprav na robu.
  • Podatki drugih: Izboljšani protokoli in tehnologije za izmenjavo podatkov med podjetji bi lahko pripomogli k razvoju modelov umetne inteligence, ki bi temeljili na podatkih dobaviteljev, partnerjev, regulatornih organov, kupcev in mogoče celo konkurentov hkrati.

Pa si bližje poglejmo enega od navedenih primerov. Uporaba grafov znanja v industriji ima ogromen potencial, saj omogočajo kombiniranje različnih sklopov podatkov. "Grafi znanja podatke, ki jih analizirajo, postavijo v kontekst", pojasni vodja Siemensovega glavnega oddelka za raziskave in razvoj pri poslovnem področju Digitalizacija in avtomatizacija Norbert Gaus. "Podatke, pridobljene iz nekega stroja, bi na primer lahko analizirali v kontekstu konstrukcijskih podatkov tega stroja, vključno z nalogami, za katere je bil konstruiran, predvidenimi obratovalnimi temperaturami, pomembnimi mejnimi vrednostmi za dele in še marsičim drugim. Temu bi lahko dodali tudi servisno zgodovino podobnih strojev, na primer napake, odpoklice ter pričakovane rezultate testov skozi celotno dobo obratovanja stroja. Grafi znanja precej olajšajo obogatitev podatkov stroja, ki se uporabljajo za učenje modelov umetne inteligence, ter dodajanje dragocenih kontekstualnih podatkov."

 

V okviru raziskave so strokovnjaki tudi preverjali, kateri so tisti kontekstualni podatki, ki bi po mnenju vodstvenih kadrov danes prinesli največjo dodano vrednost. Na prvem mestu so bili podatki prodajalcev opreme, saj je kar 71 % vprašanih te podatke ocenilo kot bolj ali manj veliko prednost. Tem so sledili interni podatki iz drugih divizij, regij ali oddelkov (70 %), podatki dobaviteljev (70 %) ter podatki o zmogljivosti prodanih izdelkov, ki so v uporabi pri kupcih (68 %).

 

Podjetje, ki grafe znanja uporablja za združevanje različnih vrst podatkov, na primer podatkov o zgodovini izdelkov, poslovni uspešnosti ali o okoljskih razmerah, bi lahko izdelalo lasten model umetne inteligence, ki bi omogočal boljše napovedovanje, izboljšal izkoristek naprav ter na ta način povečal učinkovitost avtomatiziranih sistemov in procesov.

54% vprašanih pričakuje, da bo v naslednjih petih letih umetna inteligenca avtonomno upravljala del visokokakovostnih proizvodnih sredstev njihovega podjetja.

Zaupanje in odgovornost

Z naraščanjem zmogljivosti aplikacij pa bodo nastajali tudi vedno novi izzivi. Tako bo na primer umetna inteligenca morala prevzeti odgovornost na tistih področjih, ki so bila doslej namenjena ljudem. V teh primerih si bodo morale na umetni inteligenci temelječe aplikacije pridobiti zaupanje nosilcev odločanja. Nenazadnje pa se bodo morala tudi celotna podjetja naučiti, kako živeti z umetno inteligenco ter s tem povezanimi prednostmi in tveganji.

 

Sodelujoči v raziskavi so tudi dobili nalogo, da se miselno prestavijo v konkretno formulirane scenarije ter se odločijo, komu bi bolj zaupali: modelu umetne inteligence ali nasprotnemu mnenju izkušenega sodelavca. Vsi scenariji so bili oblikovani tako, da bi odločitev imela občutne finančne posledice. Rezultat? Šestinpetdeset odstotkov vprašanih je dalo prednost modelu umetne inteligence.

 

Je teh 56 % veliko ali malo? Strokovnjaki so sodelujočim predhodno sporočili, da je model umetne inteligence v okviru enoletnega pilotnega projekta praviloma sprejel boljše odločitve kot najbolj izkušeni zaposleni v podjetju. S tega zornega kota 56 % ni veliko in pomeni, da bi preostalih 44 % raje zaupalo človeku, tudi če dejstva govorijo v prid umetne inteligence.

 

Vprašanja, ki se zastavljajo v povezavi z uporabo novih generacij industrijskih umetnih inteligenc, so vznemirljiva. In ta uporaba s sabo prinaša številne izzive. Raziskava je pokazala, da so nosilci odločanja na splošno optimistični glede prihodnosti umetne inteligence v industriji. Ko bo umetna inteligenca dosegla pričakovano stopnjo zrelosti, si vodstveni kadri obetajo manj škodljivih kibernetskih napadov, enostavnejše obvladovanje tveganj, več inovacij, višje profitne marže in bolj varna delovna mesta. V luči tako širokega in pomembnega spektra možnih pozitivnih učinkov je to močan razlog, da premagamo vse izzive na poti k industrijski umetni inteligenci naslednje generacije.

Umetna inteligenca bi lahko na več načinov prispevala k preprečevanju nezgod ter oblikovanju varnejših delovnih mest.