Jak AI i uczenie maszynowe będą wykorzystywane w 2021?

Z roku na rok technologie przemysłu 4.0 stają się coraz bardziej powszechne. Wynika to przede wszystkim z tego, że algorytmy sztucznej inteligencji (AI) i uczenia maszynowego (ML) są znacznie dokładniejsze niż jeszcze kilka lat temu i wszechstronne. Już dzisiaj tego typu rozwiązania zasilają wiele maszyn i urządzeń, eliminując często całkowicie potrzebę ludzkiej pracy. Jako że rok 2021 niedawno się zaczął, jest to dobry moment, żeby zastanowić się, jak AI i ML pomagają w pracy i jak będą pomagać w niedalekiej przyszłości.

Wybraliśmy sześć trendów, a właściwie zastosowań sztucznej inteligencji, o których warto wspomnieć w kontekście rozwoju tej technologii. Skupiliśmy się na zastosowaniach, z których skorzystają firmy produkcyjne, jednak omawiane rozwiązania są na tyle uniwersalne, że sprawdzą się również w przedsiębiorstwach o innym profilu działalności. Przejdźmy do konkretów:

Hiperautomatyzacja (ang. hyper-automation)

To pierwszy trend, o którym warto wspomnieć. W grudniu 2019 roku na blogu doradczej firmy Gartner pojawił się wpis, który omawiał to zagadnienie. Eksperci Gartner uznali hiperautomatyzację za jeden ze strategicznych trendów w technologii w 2020 roku. Czym różni się hiperautomatyzacja od dobrze nam automatyzacji? Oddajmy głos Gartnerowi[1]:

Hiperautomatyzacja pozwala na zastosowanie zaawansowanych technologii, w tym sztucznej inteligencji i uczenia maszynowego, do coraz dalej posuniętej automatyzacji procesów i wspomagania pracy ludzi. Hiperautomatyzacja obejmuje szereg narzędzi, które można zautomatyzować, ale odnosi się również do większej złożoności procesu.

Innymi słowy, hiperautomatyzacja zakłada, że większość procesów w firmach można (a wręcz należy) zautomatyzować. Ten trend nie bez powodu wylądował na pierwszym miejscu w naszym zestawieniu. Pandemia COVID-19 znacząco zmieniła sposób pracy w wielu firmach i instytucjach. Z panującym na świecie reżimem sanitarnym i zwiększoną popularnością pracy zdalnej, automatyzacja jest dokładnie tym, czego potrzebują współczesne przedsiębiorstwa produkcyjne.

Dzięki wsparciu sztucznej inteligencji i uczenia maszynowego już wkrótce będziemy obserwować automatyzację coraz bardziej złożonych i wymagających procesów. Na przykład niedługo możliwe będzie w pełni automatyczne przetwarzanie dokumentacji, sterowanie ruchem lotniczym, czy pracą autonomicznych robotów (RPA). Tak naprawdę, hiperautomatyzacja stanowi kamień milowy, który już niedługo pozwoli ograniczyć liczbę pracowników w fabrykach i innych przedsiębiorstwach produkcyjnych do niezbędnego minimum.

Inżynieria AI (ang. AI Engineering)

To kolejny trend, na który zwróciła uwagę firma Gartner. Inżynieria AI to nowatorskie rozwiązanie, które ma pomóc uporać się z palącym problemem dotyczącym prawie połowy projektów AI. Okazuje się bowiem, że zaledwie 53% wszystkich projektów bazujących na sztucznej inteligencji wychodzi poza etap prototypowania i przechodzi do fazy produkcji lub wdrożenia[2]. Oznacza to, że wiele, często obiecujących, projektów AI po prostu ląduje w koszu.

Inżynieria AI ma za zadanie zminimalizować odsetek odrzuconych projektów AI. To podejście skupia się na kluczowych aspektach zarządzania i cyklu życia tych projektów. Dzięki wykorzystaniu uczenia maszynowego (ML), już niedługo inteligentne rozwiązania będą lepiej zaprojektowane i bardziej skuteczne. Będą też lepiej odpowiadać na rzeczywiste potrzeby i problemy świata industry 4.0, przede wszystkim związane z tworzeniem rozwiązań odpowiadających na zmieniające się potrzeby użytkowników, na przykład związane z nowoczesną medycyną (tworzenie nowych leków i szczepionek, wsparcie lekarzy w pracy), czy edukacją (ocenianie prac, mierzenie postępów uczniów). Można się spodziewać, że dzięki AI Engineering już niedługo zobaczymy znacznie więcej udanych wdrożeń różnych technologii opartych na sztucznej inteligencji.

Smart manufacturing

Zostajemy w temacie produkcji. Smart manufacturing to nowe podejście do produkcji i przemysłu, opierające się na różnego rodzaju technologiach industry 4.0, przede wszystkim ML i IoT (o tym za chwilę). Dzięki wsparciu inteligentnych rozwiązań, firmy przemysłowe będą miały znacznie lepszy wgląd w stan maszyn i postęp prac produkcyjnych. Pozwoli to na skuteczniejsze przewidywanie zakłóceń w łańcuchu dostaw lub zapobieganie nieplanowanym przestojom.

A dzięki IoT, cyfrowym bliźniakom i wszechobecnym sensorom, znacznie zmniejszony (lub całkowicie wyeliminowany) zostanie problem wad produkcyjnych, konieczności wycofywania całych partii produktów z rynku i wielu innych kosztownych wpadek. Produkowane produkty będą lepiej zaprojektowane i wolne od wad, a to wszystko dzięki rozwiązaniom industry 4.0.

Coraz popularniejsze jest też wykorzystanie w produkcji technologii wytwarzania addytywnego, czyli po prostu druku 3D. Już teraz drukarki 3D są na tyle zaawansowane, że są w stanie tworzyć komponenty do urządzeń, całe urządzenia, części zamienne, a nawet całe budynki. Smart manufacturing będzie czerpać pełnymi garściami z technologii addytywnej.

No-code AI

Sztuczna inteligencja bez konieczności kodowania? Wydaje się to mało prawdopodobne, prawda? A jednak możemy się spodziewać, że prędzej czy później, rozwiązania bazujące na sztucznej inteligencji i uczeniu maszynowym staną się tak szeroko dostępne, że zaawansowana wiedza programistyczna nie będzie potrzebna do korzystania z nich.

Podobną drogę swego czasu przeszły choćby strony internetowe. Na początku, bez znajomości kodu HTML stworzenie witryny było praktycznie niemożliwe. Dzisiaj na rynku jest mnóstwo tzw. builderów, czyli rozwiązań, które pozwalają budować strony niczym zamki z klocków LEGO. Działają na zasadzie drag and drop (przeciągnij i upuść), czyli podobnie jak programy do tworzenia prezentacji.

Już niedługo możemy się spodziewać, że na popularności zyskają platformy i rozwiązania AutoML 2.0[3], które nie będą wymagały tak rozwiniętej wiedzy z zakresu programowania czy data science.

Obecnie przykładami rozwiązań wykorzystujących AI/ML bez konieczności znajomości kodowania są na przykład:

  • MonkeyLearn.com: platforma do analizy tekstu, która umożliwia firmom automatyczną analizę danych za pomocą uczenia maszynowego.
  • Levity.ai: ten start-up pomaga automatyzować proste czynności w firmie, np. analizowanie i kategoryzowanie dokumentów
  • Lobe.ai: to bardzo proste narzędzie przeznaczone do tworzenia modeli uczenia maszynowego z wykorzystaniem widzenia komputerowego.

Internet rzeczy (ang. IoT – Internet of Things)

Pod koniec 2019 roku było 620 publicznie znanych platform IoT, czyli ponad dwa razy więcej niż w 2015 roku.[4]

Internet rzeczy to jedna z najszybciej rozwijających się technologii industry 4.0. Jej dynamiczny rozwój wynika przede wszystkim z mnogości możliwych zastosowań. Z internetu rzeczy korzystają przedsiębiorstwa:

  • Produkcyjne i przemysłowe
  • Handlowe
  • Transportowe i logistyczne
  • Zarządzające flotami i wiele innych

IoT to jeden z obszarów, który często wykorzystuje algorytmy ML do usprawnienia pracy. Można nawet pokusić się o stwierdzenie, że to uczenie maszynowe pozwala na dalszy rozwój IoT. W końcu sama technologia jest oparta na dwóch kluczowych filarach:

  1. Nadajniki i sensory
  2. Oprogramowanie zarządzające nimi

I to ten drugi filar coraz częściej wykorzystuje algorytmy ML, które czynią całość bardziej użyteczną i bezpieczną. Możemy się spodziewać, że liczba platform IoT na świecie będzie rosnąć w jeszcze szybszym tempie niż dotychczas.

Uczenie wzmocnione (and. RL – Reinforcement Learning)

RL to bardziej zaawansowana odmiana uczenia maszynowego. Jest ona wykorzystywana w najbardziej wymagających przypadkach, gdy nie ma dostępu do danych historycznych i uczenie musi się odbywać niejako w czasie rzeczywistym. Tutaj dwa zdania wyjaśnienia: tradycyjnie rozumiane uczenie maszynowe odbywa się w oparciu o nauczenie algorytmu, w jaki sposób ma pracować. Taki „trening” jest realizowany na bazie istniejących już danych. Algorytmy RL nie potrzebują takiego wcześniejszego przygotowania, ponieważ uczą się w trakcie trwania procesu. Jest to możliwe dzięki wzmocnieniu tradycyjnego modelu ML poprzez inną technologię – deep learning (uczenie głębokie), ale to już temat na inny artykuł.

Algorytmy uczenia wzmocnionego już dzisiaj są wykorzystywane w najbardziej złożonych zadaniach, takich jak:

  • Zarządzanie pracą chatbotów i voicebotów
  • Robotyka (przede wszystkim zarządzanie ruchem robotów)
  • Automatyzacja w przemyśle i produkcji
  • Sterowanie ruchem lotniczym

Rozszerzona rzeczywistość (ang. AR – Augmented Reality)

Na sam koniec zostawiliśmy obszar, który, przynajmniej obecnie, znajduje zastosowanie głównie w handlu. Rozszerzona rzeczywistość to rozwiązanie pozwalające zaprezentować jak dany przedmiot będzie wyglądać w określonym kontekście.

Dla przykładu IKEA posiada własną aplikację AR PLACE, która wykorzystuje tę technologię:

Z pomocą AR, użytkownik może łatwo zobaczyć, jak dany przedmiot będzie wyglądać w jego salonie, czy sypialni. Podobne rozwiązania pomagają ocenić, czy dany produkt będzie pasować do Twojego biurka, samochodu, garażu, czy kuchni. Aplikacje AR coraz częściej wspierane są przy pomocy uczenia maszynowego, dzięki czemu lepiej odpowiadają na potrzeby klientów (np. poprzez rekomendacje produktowe dopasowane do danego tła).

Omówione przez nas technologie pokazują, jak dużo się dzieje w przemyśle 4.0. Ponieważ te technologie się dynamicznie rozwijają, a firmy na całym świecie inwestują setki milionów dolarów w ich dalsze ulepszanie, możemy być pewni, że kolejne miesiące i lata przyniosą fascynujące rozwiązania, które sprawią, że produkcja (i praca w ogóle) będzie jeszcze szybsza, dokładniejsza, oszczędniejsza.

Jeśli chciałbyś się dowiedzieć, jak możesz już dzisiaj skorzystać z omówionych tutaj rozwiązań – napisz do nas! DIH4.ai to idealne miejsce dla polskich przedsiębiorstw, które potrzebują kompleksowego wsparcia we wdrożeniu technologii industry 4.0. Już dzisiaj dowiedz się, jak możemy Ci pomóc.

[1] https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2020/[2] https://www.gartner.com/en/newsroom/press-releases/2020-10-19-gartner-identifies-the-top-strategic-technology-trends-for-2021[3] https://www.forbes.com/sites/cognitiveworld/2020/04/07/automl-20-is-the-data-scientist-obsolete/?sh=3ebb037953c9[4] https://www.statista.com/statistics/1101483/global-number-iot-platform/