Pemikiran Nyata Tentang Kecerdasan Buatan
Naluri saya memberi tahu saya bahwa kita membutuhkan rasa urgensi seputar penggunaan kecerdasan buatan (AI) di bidang manufaktur.
Urgensi didorong oleh seberapa cepat teknologi dapat bergerak saat ini, dan bagaimana terobosan tak terduga dapat dengan cepat mendominasi. AI digunakan dalam pengenalan wajah, mengubah ucapan menjadi kata-kata tertulis, dan dalam memenangkan pertandingan catur. Tentunya, harus ada segudang aplikasi potensial di bidang manufaktur.
Sementara saya telah menulis sebelumnya bahwa saya pikir realitas "kecerdasan" AI adalah matematika yang kompleks, saya mendapat visi yang lebih tercerahkan ketika saya mengajukan pandangan itu kepada seorang ahli sejati. Menurutnya, kita harus memikirkan AI secara lebih luas. “Adalah adil untuk mengatakan itu adalah matematika, tetapi mudah untuk terlalu terpaku pada matematika karena ini lebih tentang data,” jelas Oliver Christy, pendiri Foxy Machine, sebuah perusahaan konsultan dan strategi AI yang berbasis di New Kota York. “AI memungkinkan kami mengajukan pertanyaan baru menggunakan data dalam situasi apa pun.”
Tetapi bahkan membatasi diri pada data dan matematika, yah, membatasi. Pertimbangan ketiga haruslah masalah bisnis—situasi apa yang Anda pertimbangkan dan alat apa yang tersedia, menurut Christy. “Anda perlu melihat setiap masalah yang diberikan dari ketiga pendekatan tersebut,” jelasnya. “Matematika, data, dan soal itu sendiri. Sudut pandang holistik itu [dapat] memberi Anda solusi yang kuat.”
Dia juga berpikir manufaktur sudah matang untuk aplikasi AI. “Beberapa masalah termudah untuk AI adalah dalam memecahkan risiko keselamatan dan manufaktur,” katanya. “Kami memiliki sistem AI sekarang yang dapat memahami dalam skala besar risiko apa yang mungkin ada dan bagaimana meningkatkan keselamatan.” Menggunakan teknik pengenalan gambar dalam kontrol kualitas adalah kemenangan mudah lainnya. Salah satu aplikasi yang dikerjakan Christy baru-baru ini melatih sistem AI untuk mengenali kualitas baja setelah perlakuan panas, menandai sampel yang mungkin menjadi perhatian. Sampel kemudian diperiksa lebih detail oleh manusia.
Dia menekankan poin penting tentang bagaimana AI dapat digunakan dengan sebaik-baiknya—menambah alih-alih mengganti pekerja kontrol kualitas. Dengan menggunakan gambar digital, sistem AI dapat melihat dan menandai lebih banyak sampel daripada yang dapat dilakukan manusia tanpa kelelahan. Tetapi dalam kasus kualitas baja, itu tidak dapat memberikan sentuhan akhir manusia yang diperlukan untuk memastikan itu bagus atau tidak. Dia mengaitkan bagaimana sistem serupa yang digunakan untuk menemukan kanker kulit berkinerja lebih baik daripada ahli onkologi terlatih, tetapi sistem AI yang dikombinasikan dengan ahli onkologi berkinerja lebih baik daripada sendiri. “Pendekatan yang sama persis harus digunakan dalam manufaktur, di mana sistem mesin dan manusia dapat bekerja bersama-sama,” katanya.
Titik Belok dalam Daya Komputasi
Kembali ke rasa urgensi saya. Sebagian besar teknologi AI saat ini bukanlah hal baru. Konsep menggunakan komputer untuk meniru kemampuan manusia bukan hanya sebagai mesin hitung telah ada selama komputer itu sendiri. Tetapi titik belok dalam daya komputasi dan data membuatnya sangat relevan. “Ketika saya memulai 20 tahun yang lalu, biaya daya komputasi dan data membatasi aplikasi,” kata Christy. “Sekarang kami memiliki sejumlah besar data campuran dan komputasi yang sangat murah. Saya memiliki akses ke komputer jutaan dolar, akses langsung ke teknologi seperti IBM Watson yang hampir tidak memerlukan biaya apa pun.” Untuk ini, tambahkan software AI open source seperti Google TensorFlow yang secara efektif gratis untuk digunakan, dan kami memiliki “badai sempurna dari semua komponen yang diperlukan untuk membuat dan menggunakan AI”, kata Christy.
Ia percaya bahwa AI dapat dengan mudah menjadi keunggulan kompetitif berikutnya. Namun, itu bisa menakutkan. Sarannya? Mulai dari yang kecil. Bangun tim kecil, mulailah mengumpulkan data seputar masalah bisnis percontohan, dan pelajari bagaimana pendekatan terbaik dapat memecahkan masalah manufaktur. “Tapi mulai hari ini,” katanya.
