Dampak Nyata Kecerdasan Buatan dalam Manufaktur
Insting saya mengatakan kita perlu rasa urgensi seputar penggunaan kecerdasan buatan (AI) dalam manufaktur.
Urgensi didorong oleh seberapa cepat teknologi dapat bergerak saat ini, dan bagaimana terobaan yang tidak terdugaan dapat dengan cepat mendominasi. AI digunakan dalam pengenalan wajah, mengonversi ucapan menjadi tulisan, dan dalam memenangi pertandingan catur. Tentu harus ada ribuan aplikasi potensial dalam manufaktur.
Sementara saya telah menulis sebelumnya bahwa saya pikir realitas "kecerdasan" AI adalah matematika kompleks, saya mendapatkan visi yang lebih terbuka saat saya mengajukan pandangan itu kepada seorang ahli sejati. Menurut pendapatnya, kita harus memikirkan AI dalam istilah yang lebih luas. "Syaratnya untuk mengatakan itu adalah matematika, tetapi mudah terlalu memikirkan matematika karena sebenarnya lebih tentang data," menjelaskan Oliver Christy, pendiri Foxy Machine, sebuah perusahaan konsultan dan strategi AI yang berbasis di New York City. "AI memungkinkan kita untuk bertanya baru menggunakan data dalam setiap situasi."
Tetapi bahkan membatasi diri pada data dan matematika adalah, ya, pembatasan. Pertimbangan ketiga harus menjadi masalah bisnis—apa situasi yang Anda pertimbangkan dan alat apa yang tersedia, menurut Christy. "Anda perlu melihat setiap masalah dari ketiga pendekatan ini," jelasnya. "Matematika, data, dan masalah itu sendiri. Pandangan holistik [dapat] memberikan Anda solusi yang kuat."
Ia juga berpikir manufaktur matang untuk aplikasi AI. "Beberapa masalah terbaik untuk AI adalah dalam menyelesaikan risiko keselamatan dan manufaktur," katanya. "Kami sekarang memiliki sistem AI yang dapat memahami dalam skala besar risiko apa yang mungkin ada dan bagaimana meningkatkan keselamatan." Menggunakan teknik pengenalan citra dalam kontrol kualitas adalah kemenangan mudah lainnya. Satu aplikasi yang baru-baru ini Christy kerjakan melatih sistem AI untuk mengenali kualitas baja setelah perlakuan panas, menandai sampel yang mungkin menjadi perhatian. Sampel kemudian diperiksa lebih detail oleh manusia.
Ia menekankan poin kunci tentang bagaimana AI paling baik digunakan—memperkaya bukan menggantikan pekerja kontrol kualitas. Menggunakan citra digital, sistem AI dapat melihat dan menandai lebih banyak sampel daripada yang dapat dilakukan manusia tanpa kelelahan. Namun dalam kasus kualitas baja, ia tidak dapat memberikan sentuhan manusia akhir yang diperlukan untuk memastikan apakah itu baik atau tidak. Ia menceritakan bagaimana sistem serupa yang digunakan untuk menemukan kanker kulit berkinerja lebih baik dari onkolog yang terlatih, tetapi sistem AI digabungkan dengan onkolog berkinerja lebih baik dari keduanya sendirian. "Pendekatan yang sama persis harus digunakan dalam manufaktur, di mana sistem mesin dan manusia dapat bekerja sama," katanya.
Titik Infleksi Daya Komputasi
Kembali pada rasa urgensi saya. Sebagian besar teknologi AI saat ini tidak baru. Konsep menggunakan komputer untuk meniru kemampuan manusia bukan hanya sebagai mesin hitung ada selang waktu sejak komputer itu sendiri. Namun titik infleksi dalam daya komputasi dan data membuatnya sangat relevan secara mendesak. "Saat saya memulai 20 tahun yang lalu, biaya daya komputasi dan data membatasi [aplikasi yang mungkin]," kata Christy. "Sekarang kita memiliki sejumlah besar data campuran dan daya komputasi yang sangat murah. Saya memiliki akses ke komputer bernilai jutaan dolar, akses langsung ke teknologi seperti Watson IBM yang hampir tidak berbiaya." Ditambahkan perangkat lunak AI open source seperti TensorFlow Google yang secara efektif gratis digunakan, dan kita memiliki "storm sempurna dari semua komponen yang dibutuhkan untuk membangun dan menggunakan AI," kata Christy.
Ia yakin bahwa AI dapat dengan mudah menjadi keunggulan kompetitif berikutnya. Namun, itu dapat menakutkan. Nasihatnya? Mulai kecil. Bangun tim kecil, mulai mengumpulkan data sekitar masalah bisnis pilot, dan pelajari bagaimana pendekatan terbaik dapat menyelesaikan masalah manufaktur. "Tetapi mulai hari ini," katanya.
