Kenaikan Bertahap AI di Lantai Pabrik
SAN JOSE, Calif. — Jaringan saraf dalam (deep neural networks) secara bertahap melingkari lingkungan industri, siap mengubah otomatisasi pabrik.
Adopter awal telah menyematkan jaringan saraf sebagai kecerdasan di balik kamera visi komputer. Seiring waktu, jaringan-jaringan ini akan meresap ke lengan robotik, gateway sensor, dan pengontrol, mengubah proses manufaktur. Transisi, namun, berlangsung dengan langkah yang terukur.
“Kami masih di fase awal dari apa yang kemungkinan akan menjadi era kemajuan selama beberapa dekade dan algoritma machine learning generasi berikutnya, namun saya kira kita akan melihat kemajuan besar dalam beberapa tahun ke depan,” kata Rob High, chief technology officer untuk IBM Watson.
Jaringan saraf mulai mempopulasi gateway dan pengontrol x86 multi-core yang mampu Linux yang semakin banyak di sekitar lantai pabrik. Jaringan seluler 5G yang muncul akhirnya akan memberikan akses mulus ke pusat data jarak jauh untuk sistem ini, tambah High.
Sektor otomotif, penerbangan luar angkasa, dan perawatan kesehatan sudah mengambil langkah awal, terutama dengan kamera pintar. Canon menyematkan papan Nvidia Jetson di kamera industri mereka untuk mengaktifkan deep learning. Cognex Corp., vendor kamera industri terkemuka, memperluas penawaran deep learning sendiri. Startup Tiongkok Horizon Robotics mengirimkan kamera pengawasan yang menggabungkan akselerator inferensi deep learning miliknya.
“Semua adopter awal telah menerapkan deep learning untuk persepsi visual, dan yang lain mulai memperhatikannya,” kata Deepu Talla, general manager mesin otonom di Nvidia. “Persepsi cukup mudah dilakukan, dan para peneliti melihatnya sebagai masalah yang sudah terselesaikan. Sekarang masalah besar adalah menggunakan AI untuk interaksi dengan manusia dan actuasi yang lebih rinci—ini adalah masalah penelitian selama 10 tahun. Di bidang seperti navigasi drone dan robot, kita masih di tahap prototipe.”
Talla menyebut robotika sebagai “persimpangan komputer dan AI,” namun banyak penggunaan industri deep learning akan lebih sedikit glamoris—dan akan tiba lebih cepat.
Robot pabrik belum menggunakan AI, kata Doug Olsen, chief executive Harmonic Drive LLC, pemimpin suplai komponen robotika. Dalam jangka pendek, fokus akan beralih dari lengan robot pintar ke sistem terpadu yang memprediksi kegagalan dan mengumpulkan data penggunaan untuk menjadwalkan pemeliharaan pencegahan. “Itulah tempat AI bisa mulai berlaku,” jelas Olsen.
Pabrikan chip besar sedang menyelaraskan diri dengan tren ini. Renesas mulai bereksperimen tiga tahun yang lalu, menerapkan mikrokonter yang dilengkapi AI di node akhir untuk mendeteksi kesalahan dan memprediksi kebutuhan pemeliharaan di lini produksi di salah satu pabrik semikonduktor mereka. Pada Oktober, Renesas meluncurkan MCU pertamanya yang memiliki blok prosesor yang dapat dikonfigurasi ulang secara dinamis untuk pemrosesan citra real-time, dengan rencana untuk merilis pengontrol yang mendukung kognisi real-time pada 2020 dan pembelajaran meningkat pada 2022.
STMicroelectronics mengambil pendekatan serupa dengan garis STM32 miliknya. Pada Februari, mereka mengumumkan sistem-on-chip deep learning dan akselerator yang sedang dikembangkan, yang bertujuan sebagian untuk deteksi kesalahan di lantai pabrik.
Robot pintar akhirnya akan tiba. Startup covariant.ai sedang bekerja untuk mengaktifkannya dengan pembelajaran penguatan. “Memperkaya robot untuk melihat dan bertindak berdasarkan apa yang dilihat akan menjadi salah satu perbedaan terbesar yang akan dibuat deep learning dalam beberapa tahun ke depan,” kata Pieter Abbeel, peneliti AI, pendiri covariant, dan direktur laboratorium robotika di UC Berkeley.
Abbeel menunjukkan simulasi mengesankan dari robot yang belajar berlari menggunakan teknik jaringan saraf, namun dia memperingatkan bahwa bidang ini masih pada tahap awal. “Faktanya, kami memulai covariant sebagian karena ruang AI industri belum terlalu ramai,” katanya.
