Umelá inteligencia sa považuje za jednu z kľúčových technológií nevyhnutných na udržanie ekonomickej sily. Okrem sféry procesov v Priemysle 4.0 vykazuje UI aj veľký potenciál vo výrobnom priemysle a v službách. Hoci inteligenciu ako takú je ťažké definovať, všeobecne sa dohodlo, že niečo nemožno považovať za inteligentné, ak to nemá schopnosť učiť sa a schopnosť samostatne riešiť problémy.

Umelá inteligencia nie je strojové učenie

Umelá inteligencia (angl. Artificial Intelligence, UI) sa zaoberá metódami a technológiami, ktoré umožňujú počítaču vykonávať tie úlohy, ktoré by si vyžadovali inteligenciu, ak by ich vykonávali ľudia. Činnosti ako učenie, uvažovanie, rozhodovanie, vnímanie, kreativita, ktoré sa kedysi považovali za jedinečné pre ľudí, sa teraz replikujú pomocou technológie a používajú sa v každom priemysle. Cieľom používania UI je zvýšiť efektívnosť a účinnosť priemyselných procesov. Relevantné sú faktory ako náklady, rýchlosť, presnosť alebo riešenie problémov nad rámec toho, čo sú ľudské bytosti schopné. Chatboty, inteligentné autá, zariadenia internetu vecí, zdravotníctvo, bankovníctvo a logistika používajú umelú inteligenciu. Jedným z príkladov UI je hlasový asistent, napríklad Apple Siri, Amazon Alexa, Asistent Google a Microsoft Cortana. Ďalším príkladom UI je inteligentný humanoidný robot Sophia, ktorý dokáže komunikovať s človekom, rozmýšľať a rozhodovať.

Umelá inteligencia a strojové učenie sú dnes veľmi populárne a tiež ľahko zameniteľné pojmy. Strojové učenie (angl. Machine learning) je podoblasť umelej inteligencie zaoberajúca sa metódami a algoritmami, ktoré umožňujú programu učiť sa a následne adekvátne reagovať na rôzne vstupné hodnoty bez toho, aby bol s ohľadom na ne explicitne naprogramovaný. Táto metóda poskytuje systému schopnosť automaticky sa učiť a zlepšovať sa na základe existujúcich príkladov z minulosti alebo z vlastných skúseností. Proces učenia sa začína pozorovaním alebo skúmaním dát, prípadne získavaním skúseností. V nich následne program nájde vzory a na ich základe zlepší v budúcnosti svoje rozhodnutia. Strojové učenie sa bežne používa na riešenie zložitých problémov, ako je napr. zisťovanie podvodov s kreditnými kartami, vytváranie lekárskych diagnóz či rozpoznávanie tváre. Algoritmy vyhľadávania Google, ale aj označovanie priateľov na Facebooku patria k službám využívajúcim strojové učenie.

UI z pohľadu Priemyslu 4.0

Z priemyselného hľadiska sa technológie UI musia chápať ako metódy a postupy, ktoré umožňujú systémom vnímať svoje prostredie, spracúvať to, čo vnímajú, samostatne riešiť problémy, nachádzať nové druhy riešení, robiť rozhodnutia a najmä učiť sa zo skúseností s cieľom lepšie riešiť budúce úlohy.

Systémy UI sa požívajú na zvýšenie efektívnosti a účinnosti priemyselných procesov. Hlavným cieľom umelej inteligencie je znižovať náklady, šetriť čas, zlepšovať kvalitu a zvyšovať odolnosť priemyselných procesov. Umelá inteligencia zároveň umožňuje aj prepracovanie výrobných a súvisiacich procesov od základov, čo vedie k obohateniu produktov alebo služieb.

Napriek očakávaniam je však skutočná intenzita využívania UI v priemyselných podnikoch stále pomerne nízka. Dôvodom sú obrovské zmeny a výdavky potrebné na integráciu aplikácií UI do podnikových štruktúr. UI sa vo veľkých podnikoch zvyčajne vyskytuje v oblasti robotiky alebo riadenia zásob. V malých a stredných podnikoch sa nachádza v oblasti riadenia kvality alebo optimalizácie dodávateľských reťazcov. Tieto aplikácie sú založené na počítačovom videní, spracovaní prirodzeného jazyka, plánovaní a optimalizácii.

Prečo je UI zaujímavá?

Laická verejnosť považuje umelú inteligenciu často za temnú alebo dokonca mystickú, a to najmä z toho dôvodu, že sa jej pripisujú atribúty, ktoré konkurujú ľudským schopnostiam. Vo všeobecnosti funguje spôsobmi, ktoré nám nie sú jasné a ich porovnanie s ľudskou inteligenciou v nás vyvoláva zmätok.

Výhodou UI je schopnosť spracovať obrovské množstvo údajov neuveriteľnou rýchlosťou. Vysoká rýchlosť, akou dnešné systémy UI dokážu spracúvať údaje a prichádzať s riešeniami, ďaleko presahuje to, čoho sú schopní ľudia. Hoci sú ľudia všeobecne inteligentnejší ako stroje, sú obmedzení časom, ktorý im zaberá spracovanie týchto údajov, a možnosťami, ktoré majú na vnímanie údajov prostredníctvom svojich zmyslových orgánov. Ľudské bytosti nemajú problém rozpoznávať vzory alebo chyby, ale pokiaľ ide o veľké množstvo rýchlo sa meniacich signálov procesu, ktoré má ľudský mozog spracovať, tak to nedokážu tak rýchlo ako UI. To isté platí pre nepretržité, zväčša monotónne úlohy, ako je napr. kontrola vonkajšieho obalu (či nie je poškodený), keď sa ľudský organizmus rýchlo unaví.

Automatizácia je jadrom UI, pomáha pri šetrení vzácnych ľudských hodín, aby roboty mohli robiť bežné úlohy a ľudia sa mohli zameriavať najmä na obchodné činnosti. UI by preto nemala nahrádzať ľudí, ale pomáhať im pri riešení rôznych úloh v priemysle. Takýmto spôsobom sa môže využiť potenciál a kvalifikovanosť ľudskej bytosti na dôležitejšie pozície a UI môže pomáhať pri automatizovaných a monotónnych úlohách v priemyselných procesoch.

Využitie UI v priemysle

Automatizácia, robotika, senzory sú len časť rozvíjajúceho sa Priemyslu 4.0. Skutočným mozgom tejto priemyselnej revolúcie je umelá inteligencia, ktorá dokáže zlepšiť priebeh procesov vedených spoluprácou medzi človekom a strojom. UI je nástroj a jeho užitočnosť závisí od kontextu, v ktorom sa uplatňuje, rovnako ako každý iný nástroj. Príklady najčastejšieho využívania UI sú:

  • Prediktívna analýza – základnou myšlienkou je využitie údajov získaných pred výrobným procesom, počas neho a po ňom, aby sa získal prehľad o kvalite produktu alebo predpoveď o budúcich zlyhaniach. Úlohou UI je analyzovať dáta, pretože samotný objem generovaných výrobných údajov znemožňuje ľudom pochopiť všetky vzťahy medzi signálmi. V automobilovom priemysle sa prediktívna analýza používa napr. na identifikáciu chybných prevodoviek, na predpovedanie porúch prevodovky a na zistenie anomálií pri vynechávaní motora. Všetky tieto prípady zahŕňajú modely založené na strojovom učení, ktoré mali k dispozícii minimum údajov.
  • Prediktívna údržba – predpokladom prediktívnej údržby je použitie údajov z výrobnej linky na predvídanie pravdepodobnosti zlyhania výrobného zariadenia a následný zásah, čiže na opravu alebo výmenu zariadenia skôr, ako k tomu dôjde. Dá sa predpokladať, že vzťah medzi prediktívnou údržbou a prediktívnou analýzou je podobný vzťahu medzi zabezpečením kvality a kontrolou kvality: prvý sa zameriava na proces, druhý na produkt. Prediktívna údržba závisí od schopnosti spájať poznatky z rozsiahlych údajov, často s minimálnymi tréningovými údajmi, resp. s minimálnou znalosťou strojového učenia. General Motors používa prediktívnu údržbu pomocou UI, a to klasifikáciou obrazu na identifikáciu porúch robotických ramien.
  • Priemyselná robotika – pridanie umelej inteligencie do robotov umožňuje ich rýchlejšie nasadenie, sledovanie pracovných priestorov kvôli meniacim sa podmienkam a prispôsobenie sa im. Pokiaľ ide o priemyselné roboty všeobecnejšie, umelá inteligencia môže zlepšiť presnosť a spoľahlivosť robota a umožní pokročilejšie formy mobility. A čo je najdôležitejšie, UI môže hrať kľúčovú úlohu pri znižovaní programovacieho a inžinierskeho úsilia potrebného na vytvorenie a implementáciu priemyselnej automatizácie. Jeden z popredných svetových výrobcov robotov implementuje technológiu AI a strojového učenia do svojich kolaboratívnych robotov. Výsledkom je robot, ktorý je schopný nielen bezpečne pracovať spolu s ľuďmi, ale môže sa ľahko preprogramovať na nové úlohy na rozdiel od tradičných priemyselných robotov, ktoré sa spoliehajú na rozsiahle programovanie každej úlohy.
  • Počítačové videnie – umelá inteligencia má oproti ľuďom dve zrejmé výhody, pokiaľ ide o vizuálnu kontrolu: rýchlosť a presnosť. Systém počítačového videnia používajúci kamery, ktoré sú citlivejšie ako ľudské oko a sú rozšírené o UI, dokáže rýchlo identifikovať mikroskopické defekty, ktoré by človek mohol prehliadnuť. Napríklad Audi používa systém AI vision na detekciu trhlín v plechu z lisovne. Toto riešenie je založené na hĺbkovom učení – podtype strojového učenia, ktoré sa často aplikuje na veľké, neštruktúrované súbory údajov, ako sú obrázky.
  • Správa zásob – ďalšou hodnotnou aplikáciou UI je spravovanie zásob. Existuje nespočetné množstvo spôsobov, ako môže UI znížiť náklady na údržbu inventára, od optimalizácie toho, čo je stále k dispozícii, až po predvídanie nedostatku skôr, ako k nemu dôjde. Amazon je pravdepodobne najväčším a najznámejším príkladom použitia UI na správu zásob. Dopyt používateľov, nevybavené objednávky dodávateľov, optimalizácia skladu, úroveň zásob sa riadia buď strojovým učením, alebo komplexnejšími systémami umelej inteligencie.

Reálne využívanie UI v priemysle

National Grid, britská spoločnosť zaoberajúca sa dodávkou elektriny a zemného plynu, využíva UI a drony na monitorovanie a pomoc pri údržbe viac ako 11 000 km káblov a stožiarov prenášajúcich elektrinu k odberateľom v celej krajine. Drony používajú palubné kamery na zachytenie snímok (vrátane infračerveného žiarenia) a videa na vyhodnotenie stavu ocele z hľadiska príznakov korózie a opotrebenia. Kontrolujú tiež káble a stožiare, či neobsahujú poruchy alebo poškodené vodiče. Len čo sa táto práca vykoná, UI analyzuje údaje, aby zistila, či treba vymeniť diely alebo vykonať akékoľvek údržbárske práce.

Výrobný závod spoločnosti Toyota vo Švédsku používa vozíky poháňané UI naplnené súčiastkami a náradím. Vozíky sa pohybujú po továrni veľmi pomaly a presne vedia, kde sa nachádzajú, čo majú naložené a ktoré pracovisko vyžaduje dodanie tovaru. Palubná umelá inteligencia im umožňuje navigovať sa po továrni a vyhnúť sa prekážkam a zrážkam.

V sektore zdravotníctva nie je nedostatok príkladov umelej inteligencie, siahajú do všetkých kútov tohto odvetvia. Za normálnych okolností trvá objavenie nových liekov tradičnými metódami mnoho rokov. Spoločnosť Johnson&Johnson našla spôsob, ako tento proces urýchliť pomocou umelej inteligencie. Pred začatím testov UI vyčlení obrovské množstvo údajov s cieľom nájsť chemické zlúčeniny, ktoré s najväčšou pravdepodobnosťou účinne liečia to-ktoré ochorenie.

Spoločnosť Shell úspešne zaviedla strojové učenie na svojich pracoviskách niekoľkými spôsobmi vrátane virtuálneho asistenta. Virtuálni asistenti pôsobia na viac ako 151 miestach a môžu hovoriť vo viacerých jazykoch vrátane čínštiny, nemčiny a ruštiny. Učia sa zo svojich skúseností so zákazníkmi a optimalizujú svoje systémy tak, aby vyhovovali budúcim klientom. Niektoré z úloh, ktoré virtuálni asistenti môžu vykonávať, zahŕňajú poskytovanie pokynov a technických návodov. Strojové učenie sa využíva aj na predpovedanie dopytu spotrebiteľov po rope či nedostatku dodávok, ale aj odporúčania na správnu zmes ropy v rafinérii.

Beckhoff ponúka riešenie strojového učenia, ktoré je integrované do softvéru TwinCAT 3. Na základe zavedených štandardov ponúka TwinCAT 3 s aplikáciou strojového učenia rovnaké výhody otvorenosti systému, aké sú známe z PC riadiacej technológie. Riešenie TwinCAT podporuje strojové učenie v reálnom čase, čo mu umožňuje súčasne zvládnuť náročné úlohy, ako je ovládanie pohybu. Tieto schopnosti poskytujú výrobcom strojov optimálny základ na zvýšenie výkonu stroja, napríklad prediktívnou údržbou, optimalizáciou procesu a autonómnou detekciou anomálií procesu.

Zdroje

[1] Artificial Intelligence and Machine Learning: Industry Insights and Applications. Infosys. [online]. Citované 10. 6. 2020. Dostupné na: https://www.infosys.com/Oracle/insights/Documents/ai-machine-learning.pdf.

[2] Wright, I.: Artificial Intelligence & Industry 4.0: 5 Manufacturing Applications for AI. Medium. [online]. Publikované 27. 8. 2019. Citované 10. 6. 2020. Dostupné na: https://medium.com/acerta/artificial-intelligence-industry-4-0-aec8282f3543.

[3] Cheung, KC.: 30 Artificial Intelligence Examples in 10 Industries. Algorithm-XLab. [online]. Publikované 27. 5. 2020. Citované 10. 6. 2020. Dostupné na: https://algorithmxlab.com/blog/30-artificial-intelligence-examples-10-industries/.