Пилотные проекты часто работают идеально, но в реальной работе системы искусственного интеллекта терпят неудачу. Почему переход к практике так часто терпит неудачу.
Предстоящая Ганноверская выставка покажет, как искусственный интеллект (ИИ) может улучшить промышленное производство.
Подробности читайте после рекламы
«Сейчас настало время действовать и последовательно инвестировать в новые технологии. Те, кто сегодня смело инвестирует в искусственный интеллект, автоматизацию и цифровые системы, создадут основу для скачков в эффективности, устойчивости и устойчивой конкурентоспособности».
Йохен Кеклер, генеральный директор Deutsche Messe
Большая часть выставочных залов посвящена теме «Автоматизация и цифровизация» под девизом «Think Tech Forward».
Системы планирования ресурсов предприятия (ERP) широко распространены в промышленности. ERP содержит модули производства, продаж, логистики и бухгалтерского учета, которые связаны через общую базу данных. Сегодня ERP-системы с поддержкой искусственного интеллекта должны обучаться на основе источников входных данных.
Это предназначено для сокращения времени, необходимого для ввода данных, и вероятности возникновения ошибок в данных. На основе исторических данных составляются прогнозы объемов производства. ИИ также может работать с данными ERP для улучшения обслуживания клиентов. ИИ может анализировать исторические данные, чтобы предложить более эффективный поток процессов.
Агенты искусственного интеллекта становятся все более важными, и автоматизация процессов должна выйти на новый уровень. «Эти интеллектуальные агенты предназначены для решения отраслевых задач, поддержки принятия решений и координации сложных операций — от закупок до производства и финансовой обработки», — объясняет Infor, ведущий поставщик облачного бизнес-программного обеспечения для производства и торговли.
Подробности читайте после рекламы
«Агент по контролю качества» обнаруживает отклонения в качестве на ранней стадии и предлагает корректирующие меры до того, как ошибки приведут к остановке производства.
Тестовая эксплуатация не является практической эксплуатацией
Инновации искусственного интеллекта чрезвычайно интересны для инвесторов. Этот венчурный капитал рискован, но прибыльен. Большинство инвестиций терпят неудачу, но некоторые достигают доходности выше среднего.
Вопреки образу инновационной творческой силы начинающих компаний, «компании, которые в первую очередь привлекательны для венчурного капитала, — это те, которые уже используют проверенные технологии. Разработка новых технологий — процесс длительный, дорогостоящий и неопределенный», — объясняет Франциска Коойман, которая исследует экономику стартапов в Берлинском техническом университете:
«На этом фоне также можно лучше понять распространение стартапов в области программного обеспечения, которые постоянно охватывают новые области, но чья технологическая база уже давно зарекомендовала себя».
Инвестиции в цифровые стартапы в первую очередь осуществляются «поскольку их легко масштабировать, то есть их можно расширять и, следовательно, быстро увеличивать в цене». Инвесторы в первую очередь хотят, чтобы они быстро росли.
«Это может привести к тому, что компании будут вкладывать много денег в маркетинг, чтобы увеличить показатели использования в краткосрочной перспективе, вместо того, чтобы развивать бизнес стабильно и долгосрочно».
Франциска Койман
Критическим голосам часто приходится нелегко.
«Агенты искусственного интеллекта — это обещание года. Они должны автоматизировать процессы, принимать решения, организовывать целые рабочие процессы», — говорит Джамин Махмуд-Вибе, основатель и управляющий директор IJONIS:
«В пилотном проекте с 500 запросами все проходит гладко: точность 95 процентов, время ответа две секунды.
Джамин Махмуд-Вибе
Проблема в повседневной работе: на пилотном этапе используются тщательно отобранные тестовые данные; в более позднем производственном процессе во время реализации возникают крайние случаи, которые вряд ли можно спланировать или предсказать. «Компании часто – в том числе из соображений экономии – практически не проводят никакой оценки, чтобы иметь возможность измерить разницу между демонстрационной и производственной производительностью», – говорит Махмуд-Вибе.
Исследователи предупреждают: ИИ часто становится «БЕЗУМНЫМ»
Исследователи из знаменитого Стэнфордского университета обнаружили болезнь ИИ: она возникает, когда ИИ все больше учится на контенте, который он генерирует сам. Генеративные модели ИИ генерируют изображения, текст и другие типы данных — эти данные также можно использовать в качестве обучающих данных для ИИ. Простое решение, вызывающее проблемы: MAD.
Термин «модельное расстройство аутофагии» (MAD) используется как аналогия коровьего бешенства для описания явления, при котором генеративные модели теряют качество. Особенно, если в каждом поколении добавляется недостаточно реальных новых данных. В исследовании это называется «полностью синтетической петлей».
В исследовании рекомендуется разработать методы обнаружения и фильтрации синтетических данных для обеспечения качества будущих моделей. Бесконтрольное использование синтетических данных при разработке ИИ может представлять серьезную угрозу качеству и разнообразию генеративных моделей.
