DfAI: недостающая часть разработки искусственного интеллекта

Учитывая, как быстро инженерное проектирование и производство развиваются вместе с вычислительными разработками, вас может удивить тот факт, что очень немногие инженеры имеют подготовку в области проектирования инженерных систем и искусственного интеллекта. Существуют бесчисленные возможности для прорывных улучшений в разработке новых технологий с использованием искусственного интеллекта в инженерном проектировании, но чтобы преуспеть в этих сложных областях, инженеры должны освоить новую специальность — проектирование для искусственного интеллекта.

Крис МакКомб, доцент кафедры машиностроения в Карнеги-Меллон, и его студент Глен Уильямс, ныне главный научный сотрудник компании Re:Build Manufacturing, в сотрудничестве с исследователями из Университета штата Пенсильвания разработали концепцию проектирования для искусственного интеллекта (DfAI) с целью просвещения и поощрения академического и промышленного инженерного сообщества к внедрению искусственного интеллекта в инженерное проектирование.

«В большинстве случаев мы рассматриваем ИИ как инструмент для добавления к существующей системе, но для разработки более совершенных систем нам необходимо с самого начала интегрировать ИИ в процесс инженерного проектирования», — объясняет МакКомб.

Основная проблема заключается в том, чтобы мотивировать учреждения инвестировать в долгосрочный потенциал технологий ИИ. Поскольку инженерное дело ориентировано на продукт, а стимулы в проектировании и производстве ставят во главу угла краткосрочное превосходство, выделение средств на долгосрочные исследования и разработки является сложной, но стоящей задачей.

Чтобы проиллюстрировать важность этого, Уильямс описал две гипотетические компании, серийно производящие  самолеты. Компания А выбрала для начальных разработок ручной способ производства, чтобы быстро выйти на рынок и достичь прибыльности. С другой стороны, компания Б создает процесс, богатый данными, который собирает информацию на протяжении всего жизненного цикла конструкции. В течение следующих десяти лет компания Б сможет резко снизить свои операционные расходы, используя проектирование на основе данных, которое позволяет оптимизировать производство самолетов и создавать более качественные продукты. Компания А больше не может идти в ногу со временем.

Поскольку проектирование и производство не происходят изолированно друг от друга, DfAI применяется к более широким аспектам процесса инженерного проектирования. Уильямс считает, что в основе развития DfAI лежат: 1) повышение грамотности в области ИИ в промышленности; 2) перепроектирование инженерных систем для лучшей интеграции с ИИ; и 3) совершенствование процесса разработки инженерного ИИ.

«Инженерные данные сложны и не всегда доступны широкому сообществу», — объясняет МакКомб одну из причин, по которой другие области могут быстрее внедрять технологии ИИ. «Число экспертов, способных интерпретировать эти данные, невелико, поэтому для DfAI потребуются люди, обладающие специальными знаниями. Академические и промышленные круги должны работать вместе, чтобы поддержать долгосрочные инновации в этой области».

Команда выделяет три персоны, необходимые для DfAI: инженерные дизайнеры, кураторы хранилищ дизайна и разработчики ИИ. Инженерный дизайнер может быть человеком или командой, ответственной за разработку спецификаций нового проекта. Они решают проблемы, понимая как инженерные ограничения, так и алгоритмы ИИ. Кураторы хранилищ данных должны выполнять роль хранителя базы данных, обладая знаниями в области инженерного проектирования и производства, чтобы предоставить инженерам-конструкторам инструменты управления данными, отвечающие требованиям рабочего процесса и расширяемые с учетом будущих требований. Наконец, разработчики ИИ должны уметь придумывать, разрабатывать, выводить на рынок и постоянно совершенствовать программные продукты ИИ, чтобы помочь инженерам-конструкторам.

«Мы не можем думать о разработке ИИ как о чем-то второстепенном в нашей основной деятельности», — резюмирует МакКомб. «Если мы не дополним инженеров-конструкторов программным обеспечением следующего поколения для проектирования и производства, основанным на глубоко интегрированном ИИ, наша способность разрабатывать новые и полезные технологии не будет соответствовать потенциалу этих новых производственных технологий».

По мнению Уильямса, нескольким отраслям промышленности, возможно, будет легче принять принципы DfAI. Приложения компьютерных наук, такие как продукты, производимые с помощью цифровых технологий, например, аддитивное производство, естественно, имеют сложный кибер-физический путь и содержат персонал, который будет хорошо подходить для принятия и внедрения принципов DfAI. Регулируемые отрасли, такие как аэрокосмическая и интернет вещей (IoT), а также разработчики интеллектуальных устройств, возможно, раньше, чем позже, примут принципы DfAI. Эти разработчики могут извлечь выгоду не только из данных в процессе проектирования, но и из огромного количества данных, собранных с устройств в процессе тестирования или на практике. Использование этих ценных данных о продукции, полученных на местах, может принести огромную пользу инструментам ИИ, которые помогут повысить качество, производительность, устойчивость и прибыльность будущих продуктов.

«Поскольку существует огромное разнообразие инженерных приложений, отраслей, технологий и масштабов деятельности, создание общих рамок, общей терминологии и письменных принципов жизненно важно для формирования взаимосвязанного сообщества инженеров по ИИ, которые смогут сотрудничать друг с другом», — говорит Уильямс. «Наша концепция DfAI обеспечивает высокоуровневую отправную точку для этих важных обсуждений».

Коллектив сайта

(1 оценок, среднее: 5,00 из 5)

Загрузка...