Искусственный интеллект сталкивается с промышленностью: разрыв, угрожающий заводам
Попытка внедрения систем искусственного интеллекта в промышленность сталкивается с серьезными препятствиями в виде пыли, влажности и шума, а председатель компании «Клиль» предупреждает о последствиях неточности на производственных линиях.
В последние годы искусственный интеллект (ИИ) стал одной из центральных областей для технологических компаний и стартапов, однако переход из лабораторий разработки на производственные площадки ставит перед компаниями серьезные вызовы. По словам Цури Дабуша, председателя компании «Клиль», разрыв между миром хайтека и промышленной реальностью может замедлить внедрение технологий на заводах.
Дабуш, который знаком с обоими мирами, описывает значительный разрыв между средой разработки и условиями, в которых решения на базе ИИ должны работать на практике.
«Я ношу две шляпы: шляпу хайтека и шляпу промышленника, и их соединение полно вызовов», — говорит он.
По его словам, одна из центральных проблем — это разрыв между технологическими демонстрациями и реальностью на производственной линии. «Кто-то показывает демо-версию, где все работает и выглядит эффектно, но когда решение попадает на производственную линию, ты обнаруживаешь другой мир». Заводы сталкиваются с шумом, пылью, влажностью, меняющимися температурами и постоянным движением рабочих, погрузчиков и кранов.
Еще одна проблема — отсутствие знакомства с профессиональным языком и регуляциями, принятыми в промышленности. Дабуш считает, что предприниматели должны заранее изучить стандарты и термины, принятые в каждой отрасли, и даже могут использовать инструменты ИИ для их освоения.
Однако самый значительный разрыв находится на уровне требуемой точности. В то время как в мире хайтека иногда можно запустить продукт в бета-версии и улучшить его позже, на производственной площадке ошибки могут иметь серьезные последствия.
«Уровень точности 80% недостаточно для промышленности», — говорит Дабуш, подчеркивая, что промышленное решение должно достигать показателей, приближающихся к 100%.
Ошибка в системе может привести к бракованной продукции, остановке производственных линий, повреждению оборудования и значительным расходам. Наряду с этим существует вопрос стоимости использования моделей ИИ, включая затраты на обработку и токены, а также необходимость заранее урегулировать вопрос владения данными, вводимыми в системы.
Дабуш предлагает предпринимателям сосредоточиться на конкретной проблеме, а не обещать решение всех задач, заранее определить четкие показатели успеха, начать с ограниченного пилотного проекта, который не ставит под угрозу основную деятельность, и рассмотреть модели партнерства, снижающие первоначальный риск для завода.
Наряду с трудностями, Дабуш подчеркивает, что потенциал ИИ в промышленности значителен, и рынок продолжает инвестировать в проекты в этой области. Ответственность не заканчивается на успехе отдельного проекта.
«Каждый провал системы ИИ на производственной площадке подрывает доверие промышленников и затрудняет путь тем, кто идет следом», — заключает он.
