Цифровые системы становятся все более интеллектуальными, и человеческий персонал в будущем будет выполнять только функции надзора. Джозеф Кенни, вице-президент по глобальной трансформации клиентов компании ServiceMax, обсуждает на портале Information Age роль, которую интеллектуальные машины могут сыграть в цифровой эволюции в будущем.
Независимо от того, идет ли речь об аппаратном и программном обеспечении, периферийных устройствах или исследованиях и разработках по усовершенствованию продукции, все чаще машины проектируют сами себя — и пройдет совсем немного времени, прежде чем они будут сами себя чинить. Стремительное развитие цифровой трансформации меняет подход к работе производителей, разработчиков и дизайнеров.
Google уже использует машинное обучение для разработки следующего поколения чипов машинного обучения. По словам инженеров компании, дизайн алгоритма «сравним или превосходит» дизайн, созданный человеком, но может быть создан намного, намного быстрее. По словам технологического гиганта, работа, на которую у человека уходят месяцы, может быть выполнена ИИ менее чем за шесть часов. Интересно, что для достижения этой цели Google использовала метод геймификации — по сути, поставив перед своим ПО задачу найти конфигурацию чипа, которая дает наиболее продуктивный результат.
Что касается ПО, то Ланкастерский университет в Великобритании отмечает следующее: «Исследователи разрабатывают компьютерные ИИ-системы, которые могут проектировать и собирать себя для работы лучше, чем лучшие системы, созданные человеком. Перевернув традиционный процесс разработки ПО, недавно запущенный исследовательский проект выведет компьютеры на ведущую роль, позволив им автономно самостоятельно собирать свои алгоритмы для выполнения задач наиболее эффективным способом — экономя текущие расходы и потребление энергии». Опять же, получив параметры, основанные на концепции геймификации, программы будут проходить через бесчисленные циклы настройки, чтобы увидеть, какой из них обеспечивает наиболее желаемые результаты.
Такой уровень повышения производительности придаст рынку динамику, которую невозможно игнорировать. Конкуренты либо будут перенимать опыт, либо потеряют актуальность. Использование преимуществ итеративных возможностей машинного обучения изменит игру для каждого производителя оборудования, обеспечивая более быструю, гораздо менее затратную и гораздо более точную разработку оборудования и ПО в будущем. Но где в этом случае остается человеческий фактор в проектировании, разработке и обслуживании?
Люди, скорее всего, перейдут от производства к надзору и будут играть роль дирижера оркестра. Что касается обслуживания, то технический персонал будущего, скорее всего, будет взаимодействовать с активами, полагаясь на данные о них (которые в настоящее время недостаточно используются и не приносят прибыли) и результаты работы ИИ-программ, — для устранения неполадок и определения наиболее эффективных действий по ремонту оборудования гораздо быстрее и эффективнее, чем раньше. Программы ИИ, взаимодействуя через IoT-устройства, будут информировать сервисных специалистов о состоянии актива в полевых условиях, о том, какое техническое обслуживание необходимо выполнить и когда, и каково ожидаемое время до отказа, что позволит более точно планировать предиктивное ТО. Это даст возможность не только увеличить время безотказной работы, но и направить технических специалистов с нужным набором навыков на конкретные работы.
Как бы вы к этому ни относились, будущее проектирования, производства и обслуживания оборудования будет сильно отличаться от сегодняшнего. Благодаря машинному обучению интеллектуальные машины уже делают следующее:
- проектируют оборудование гораздо более эффективно, чем это могут сделать люди;
- создают оборудование с помощью 3D-печати;
- разрабатывают лучшее ПО быстрее, чем это могут сделать люди;
- анализируют неисправности и рекомендуют ремонт/запчасти без вмешательства человека;
- планируют наиболее эффективные маршруты для ремонтников.
