Cách AI và máy học thay đổi mọi thứ
Dữ liệu, thông tin, trí tuệ
Người ta nói trong nhiều năm rằng ngành sản xuất, cùng với toàn thế giới, chứa đầy dữ liệu. Mọi người đều có dữ liệu lớn, nhưng có một bước tiến lớn từ việc có dữ liệu sang có thông tin, đó là dữ liệu được sắp xếp và lập sơ đồ cho nhu cầu sử dụng của con người để ai đó có thể đưa ra quyết định. Sau đó, nó thậm chí còn là một bước nhảy vọt lớn hơn từ thông tin sang trí thông minh, đó là thông tin đã được tính toán theo một cách nào đó để con người thực sự có thể hành động trên đó.
Bước đầu tiên là kết nối cái gọi là “hồ dữ liệu” từ hệ thống thông tin, máy móc và những nơi khác, thêm rằng trong nhiều trường hợp, công nghệ có sẵn để thực hiện việc này một cách tự động.
Sau khi dữ liệu được tạo sẵn và được kết nối, bước tiếp theo là AI sẽ triển khai phương pháp khoa học “mới”. “Điều này cho phép hệ thống xử lý một vấn đề và sau đó xem xét mọi thứ và đưa ra giả thuyết của riêng nó về giải pháp, về những thứ có thể được cải thiện dựa trên các mô hình hoạt động mà nó đã thấy.”
Thế giới sản xuất có dữ liệu và AI phát triển mạnh khi dữ liệu đó được chia sẻ. Trên thực tế, một số ý tưởng đằng sau AI tương tự như nguyên tắc của các nhà phát triển sơ khai của Internet đồ họa. “Giấc mơ của Internet là nếu mọi thứ đều minh bạch để điều tra, bạn thực sự sẽ mở ra rất nhiều cơ hội cho phép mọi người làm việc hiệu quả hơn. Nếu mọi người giấu mọi thứ và dựng lên những bức tường, nó sẽ khiến mọi thứ trở nên khó khăn hơn”.
Theo nghĩa này, AI mở ra một loạt các câu hỏi liên quan đến chiến lược kinh doanh. Doanh nghiệp nên giữ bí mật gì để có lợi thế cạnh tranh, và điều gì nên chia sẻ? Rất nhiều công ty đang nghiêng về việc chia sẻ – hãy nghĩ đến việc Uber công khai một số dữ liệu lái xe tự hành của mình. Các công ty đang làm điều này một phần vì họ đang tìm hiểu xem AI đang hoạt động tốt như thế nào. Bằng cách giữ bí mật mọi thứ, các công ty có thể mất nhiều hơn những gì họ thu được, đặc biệt là khi AI tiếp tục phát triển.
Thông tin thời đại
Trong nhiều kỷ luật, các nhà chế tạo và các nhà sản xuất khác tuân theo câu ngạn ngữ thuộc tính: Nếu nó đơn giản và lặp đi lặp lại, thì nó sẽ dễ dàng tự động hóa. Quá phức tạp và ít lặp đi lặp lại thì tự động hóa càng trở nên khó khăn hơn.
Vào thời điểm giới trẻ ngày nay nghỉ hưu, hoặc có thể sớm hơn, họ có thể thấy trí tuệ nhân tạo và máy học thay đổi về mọi thứ trong nhà máy
AI tẩy xóa luận văn này. Nó giúp tự động hóa những thứ như nhận thức bằng hình ảnh dễ dàng đối với người nhìn, khó khăn đối với thứ gì đó suy nghĩ bằng một số và không. Boyd đã mô tả công việc của mình với Microsoft và dạy hệ thống chơi điện tử Kết nối cách “nhận biết” phòng khách. Điều này được thực hiện bằng cách cung cấp cho hệ thống một số lượng lớn các ví dụ, điều này đã kết thúc hoạt động của máy học.
Một tương tự kịch bản có thể được tưởng tượng cho các thị giác hệ thống, có thể là trên robot hàn hoặc nhìn vào một tổ hợp các bộ phận được cắt bằng tia laser. Cung cấp rất nhiều ví dụ cho AI và tự động trở nên tốt hơn theo thời gian.
Cuối cùng, AI có thể tự động hóa những thứ mà trước đây thậm chí không thể tưởng tượng được đối với tự động hóa. Hãy nghĩ về một nhà hợp đồng chế tạo hoặc cửa sổ làm việc lớn với hàng loạt đơn đặt hàng công việc, nhu cầu thay đổi cao và thay đổi liên tục lịch. Bây giờ hãy tưởng tượng một AI hệ thống có thể hấp thụ tất cả sự phức tạp đó và cho phép nhân viên và người quản lý thực hiện tốt nhất.
Nhờ những tiến bộ đạt được trong AI, các nhiệm vụ của kỳ tạp chí đã chín muồi cho một số loại tự động hóa. Vấn đề càng phức tạp thì lợi ích càng lớn.