Huis Vooruit denken Machine learning en het industriële internet

Machine learning en het industriële internet

Video: Max Halford: Online Machine Learning with Creme | PyData Amsterdam 2019 (November 2024)

Video: Max Halford: Online Machine Learning with Creme | PyData Amsterdam 2019 (November 2024)
Anonim

Op de recente DLD-conferentie gingen enkele van de meest interessante sessies over kunstmatige intelligentie, of over het "industriële internet". Veteranen van Amazon en Watson spraken over hoe AI en machine learning in de toekomst meerdere industrieën zullen veranderen, en de hoofden van enkele van de grootste productiebedrijven bespraken hoe big data, sensoren en maatwerk de manier zullen veranderen waarop producten worden vervaardigd.

Machine learning en de impact ervan op andere industrieën

Praten over kunstmatige intelligentie en machine learning waren Werner Vogels, CTO van Amazon.com; Manoj Saxena, voorzitter van Cognitive Scale en voormalig algemeen directeur van de IBM Watson-groep; en Chris Boos, CEO van Arago, een Duits bedrijf dat zich richt op het gebruik van AI voor automatisering. Gemodereerd door Matthew Egol, een partner in het Strategie & consulting team van PWC, sprak het panel over hoe data en machine learning verschillende industrieën veranderen.

De meeste panelleden waren het erover eens dat gezondheidszorg het volgende belangrijke gebied is dat echt wordt beïnvloed door de groeiende intelligentie van machines. Boos zei dat de gegevens bestaan, net als voldoende kunstmatige intelligentie om diagnostiek te doen, maar wat ontbreekt is een gevoel van hoe we het probleem oplossen. Hij merkte op dat in de gespecialiseerde geneeskunde van vandaag er een expert op elk deel van je lichaam kan zijn, maar dat in theorie een machine informatie uit meerdere specialiteiten kwam combineren.

Saxena vertelde bijvoorbeeld hoe in een groot openbaar ziekenhuis in Dallas 70 mensen nu met 70 mensen kunnen omgaan met astma. Door gegevens over waar patiënten wonen te combineren met omgevingsgegevens van diensten zoals weather.com en pollen.com, kan een cognitief systeem verbanden detecteren tussen de ambrosiaconcentratie in de lucht en astma en vervolgens informatie of inhalers rechtstreeks naar kinderen sturen in gebieden waar er is waarschijnlijk een toename in astma-aanvallen.

Vogels sprak over andere voorbeelden in de gezondheidszorg en zei dat het belangrijk was om ziekten te kunnen voorkomen in plaats van erop te reageren; en Saxena was het ermee eens dat er teveel nadruk was op technologie, maar niet genoeg in resultaten.

Boos sprak over hoe technologie ook kan worden gebruikt voor toepassingen zoals het automatiseren van IT-operaties. Een ding dat hij zei was belangrijk om te onthouden is dat "machine learning niets anders is dan experimenteren" en dat we nog steeds leraren nodig hebben voor de machines.

Andere toepassingen waar Vogels het over had, zijn videoanalyses om klanten door de gangpaden te volgen om het ontwerp van de winkel te verbeteren, en het gebruik van sensoren op industriële apparatuur zoals gasturbines, auto's voor preventief onderhoud en in ziekenhuizen om de wachttijd te verkorten voor liften.

Vogels merkte op dat de grootste, meest ontwrichtende bedrijven allemaal op gegevens zijn gebouwd, terwijl Saxena zei dat het probleem niet alleen is dat het volume van de gegevens toeneemt, maar nog belangrijker, het type gegevens verandert ook, met tweets en andere ongestructureerde gegevens steeds belangrijker worden. Maar hij zei dat computers ongestructureerde gegevens niet goed begrijpen.

Vogels zei dat in het algemeen "we met gegevens achteruit hebben gekeken", met de nadruk op rapportage, maar wat nu belangrijk is, zijn voorspellende, toekomstgerichte systemen. Hij prees de machine learning-service van Amazon als een technologie waarmee iedereen een voorspellende motor kon bouwen.

Saxena ging akkoord en zei dat rapportage er over 10 jaar heel anders zal uitzien. Hij vergeleek de huidige rapportagesystemen met Amerikaans voetbal, waarin teams tussen de wedstrijden stoppen en vervolgens beslissen wat ze gaan doen, en zei dat rapportage in de toekomst meer op de non-stopactie in de Formule 1-races zal lijken. Hij zei dat we van systemen van registratie naar systemen van betrokkenheid naar systemen van inzicht gaan. Maar hij zei dat we AI niet moeten beschouwen als 'kunstmatige intelligentie', maar eerder als 'vergrote intelligentie'.

"Denk aan Jarvis, niet aan HAL, " zei hij.

Het industriële internet en hoe het de productie verandert

Een andere sectie bracht enkele grote productiebedrijven binnen en ging vooral over het "industriële internet" en hoe het dingen zal veranderen.

Horst Kayser, chief strategy officer voor industriële gigant Siemens, vertelde hoe "digitalisering" de aanpak van het bedrijf op veel gebieden veranderde, waaronder de overstap van al het interne onderzoek en ontwikkeling naar meer open innovatie. Hij besprak de uitdagingen van het intelligent beheren van delen van een divers energiesysteem, zoals bewaking en onderhoud op afstand op een systeem van 7.000 windturbines, dat nu ook het gebruik van zelflerende algoritmen omvat om de bladen in de optimale positie te brengen, wat volgens hem zou kunnen resulteren in een paar procentpunten extra efficiëntie (dat klinkt niet als veel, maar kan echt oplopen). Andere toepassingen die hij besprak, varieerden van virtuele prototyping tot een volledig geautomatiseerde fabriek.

Richard Ploss, CEO van Infineon, beschreef een toekomst waarin robots met mensen samenwerkten en zei dat we robots nodig hebben die niet gevaarlijk zijn, maar wel een verband zullen leggen tussen het industriële internet en het leven. Als voorbeeld liet hij een video zien van 'bionische mieren' die samen werkten om objecten te verplaatsen.

Infineon had als doel de productiviteit van massaproductie te combineren met de individualiteit van productie op maat. Ploss zei dat het industriële internet maatwerk naar een hoger niveau zal tillen, waardoor het gemakkelijk wordt om je eigen schoen te ontwerpen die wordt vervaardigd op basis van individuele verzoeken en binnen 24 uur wordt geleverd. In een dergelijk systeem zou de klant daadwerkelijk het definitieve ontwerp doen, maar het systeem zou de gegevens hebben om dit te laten werken.

Michael Mendenhall, chief marketing officer bij Flextronics, die maatwerk produceert voor verschillende bedrijven, zei dat de nieuwe trend is om te denken aan "product als een platform" - dus in plaats van alleen hardware te bouwen, wil je iets waarmee je applicaties en services kunt bouwen in de omgeving van. Als onderdeel hiervan is hij een voorstander van "open innovatie" met mensen die in aangrenzende industrieën werken om dingen voor elkaar te krijgen.

Een van de interessante producten die hij besprak, was een 'tatoeage' die biometrische gegevens kan meten en die in een veiligheidsgordel zou kunnen worden geïntegreerd om u te waarschuwen als u in slaap viel en een kleine band die de bloedglucose kon meten, waarvan hij zei dat hij denkt dat deze de kosten van chronische gezondheidszorg voor diabetes en andere ziekten met 20 procent.

Machine learning en het industriële internet