AI 트렌드 스태프
Ford Motor Co.는 1 년 Argo AI에 2017 억 달러를 투자하여 자율 주행 자동차에 대한 노력을 진행하는 것부터 기계 학습 및 AI에 집중할 수있는 우수 센터 개발에 이르기까지 AI에 상당한 투자를했습니다. 그리고 회사 전체에 분산 될 수있는 방법.
예측 유지 보수를 위해 AI를 사용하는 것은 부품이 실패하기 전에 언제 고장 날지 예상하는 것으로 Ford의 제조에 생산성을 입증하고 있습니다. Jeanne Magoulick, 고급 제조 관리자, Ford Motor Co.. 그녀는 가상으로 개최 된 MIT의 최근 AI 및 Work of the Future Congress 2020에서 Shaping Technology Innovation 패널의 일원으로 연설했습니다.
Magoulick은“예측 유지 보수에 대해 매우 기쁩니다. “그것은 우리를 더 효율적으로 만들 것입니다. 기계가 통제 불능 상태이고 유지 보수가 필요한시기를 식별 할 수 있으므로 사용 가능한 다음 창에 일정을 잡을 수 있습니다. 이것은 오늘날 우리가하는 일에서 다음 단계의 예측 유지 보수입니다. "
또한 필요한 교체 부품 주문에도 도움이됩니다. "재고에 현금을 보유하는 대신 부품이 불량하다는 것을 알고 있으면 주문형으로 주문할 수 있습니다."라고 그녀는 말했습니다.
AI는 또한 비전 시스템에 적용되어 제조 과정에서 검사를 수행 할 수있는 더 강력한 기능을 제공합니다. Magoulick는 "페인트 스크래치를 포함하여 어디에서나 결함을 찾을 수 있습니다."라고 말했습니다.
또한 AI를 적용하여 자동차 제조 프로세스를 더욱 자동화하고 혁신을 적용 할 위치에 대한 연구가 진행 중입니다. "우리는주기 시간을 줄이기 위해 기계 학습을 사용하고 있습니다."라고 그녀는 말했습니다. "최근에 우리는 변속기 어셈블리의 사용 사례를 검토하여 처음으로 사이클 시간을 약간 줄였습니다."
또한 Ford는 작업 현장의 기계와 통신하기 위해 음성 명령에 자연어 사용을 실험하고 있습니다. "제조를위한 Siri입니다."라고 그녀는 말했습니다.
추가 연구 분야에는 품질 결함을 감지하기위한 오디오 연구, "AI를 사용하여 좋은 것과 나쁜 디지털 오디오 서명을 평가하는 것"이 포함됩니다. 또한 포드는 작업 현장에서 협업 로봇을 실험하고 있다고 그녀는 말했다.
도메인 전문성은 오늘날 업무를 수행하는 사람들에게서 나옵니다.
세션 중재자 David의 질문 Mindell, 미래 작업에 관한 MIT 태스크 포스 공동 의장, 분야 전문 지식이있는 MIT 항공학 교수, Julie Shah, MIT 부교수, 항공 우주학과, 그것은 주로 오늘날 일을하는 사람들에게서 나온 것이라고 말했습니다. Shah는“도메인 전문 지식은 현재 작업을 수행하는 작업 현장의 사람들과 함께합니다. 어떤 경우에는 수년간의 견습 과정을 통해 배웠습니다. "어떤 경우에는 처음 보면 쉽게 보일 수 있지만 프로그래밍하기가 어려울 수 있습니다."
그녀는 "관찰 및 시연을 통해 배울 수있는 것은 작업을 성공적으로 수행하는 데 핵심적인 요소를 확인하기 위해 작업 현장에서 작업을 수행하는 사람으로부터 직접 수행하는 것이 가장 좋습니다."라고 덧붙였습니다.
패널리스트 Daron Acemoglu, MIT 경제학 교수, 인공 지능이 더 나은 엔지니어를 만들 것인지에 대한 Mindell 박사의 질문에 대한 응답으로, 인공 지능 엔지니어는 그들이 내릴 의사 결정의 사회적 의미를 "구체적으로 이해"할 필요가 있다고 강조했습니다. 그는 또한 정부 정책의 중요성을 강조했습니다.
"정부 우선 순위는 신호입니다."라고 그는 말했습니다. “정부가 더 나은 기술을 만드는 의제를 포기한다면 연구자들도 그렇게하는 것이 당연합니다.”
그는 AI 연구원들이 기업 세계에서 자율성을 유지하고 있으며, 대기업들이 자체 AI 연구소에서 AI 연구에 많은 자금을 지원하고 있다고 우려합니다. "그들은 그들 자신의 의제를 가지고있다"고 그는 말했다. “이러한 회사가 AI 연구소를 선도하는 분위기를 조성한다면 AI 연구가 해당 회사의 우선 순위를 무시하지 않고 무엇이든 할 수있을 것으로 기대할 수 있습니다. 어려운 교훈입니다. 우리는 실제로 자율성을 확립하고 있지 않습니다. 우리는 좋은 연구를 통해 Google, Amazon 및 IBM과 더욱 통합된다는 것을 의미합니다. 자율성은이 분야에서 매우 중요합니다.”
Rus는 산업이 생산적인 것으로 "문제 중심"연구를보고
그는이 점에서 패널리스트로부터 약간의 도전을 받았습니다. Daniela Rus, MIT CSAIL 이사, MIT 전기 공학 및 컴퓨터 과학 교수, 그는 그녀가 민간 산업의 연구자들과 협력하여 좋은 경험을 가지고 있다고 말했습니다.
그녀는“문제 중심의 연구를 지원하는 상당한 자율성과 많은 프로그램이 있다고 생각합니다.”라고 말했다. “자금이 충분하지 않을 수도 있고 어떤 의미에서는 정부가 부족한 곳에서 기업들이 개입하고 있습니다.”
그녀는 과학과 AI 및 로봇 연구를 발전시키기 위해 약 XNUMX 년 전 도요타 연구소와의 협력을 언급하면서 "기업과 함께 일하는 것이 풍요롭고 힘을 실어 줄 수 있다고 생각합니다."라고 덧붙였습니다. 그녀의 생각을 요약하면서“대학과 산업 연구소가 어떻게 연결되어 있는지 생각할 때 산업 개발 연구소가 오늘의 제품에 대해 작업하고 산업 연구소가 내일의 문제에 대해 작업하는 정신 모델이 있습니다. 대학 연구의 역할은 내일 모레에 대해 생각하고 이러한 발전의 중요성을 연결하는 것입니다. 이 응용 프로그램을 통해 우리는 우리의 아이디어를 세상이 관심을 갖는 것들에 뿌리를 내릴 수 있습니다. "
Mindel은 AI가 인간의 너무 많은 기능을 차지하는 것에 대해 걱정해야하는지 물었습니다. Acemoglu 교수는“선택의 여지가 있습니다. 인간이 할 수있는 일과 기술이 할 수있는 일에 대한 엄격한 규칙은 없습니다. 둘 다 유동적입니다. 그것은 우리가 무엇을 중요하게 여기 느냐에 달려 있습니다.”
샤 교수는 이에 동의했다. "이 기계는 여전히 매우 좁게 정의 된 작업을 수행하고 있습니다."라고 그녀는 말했습니다. “딥 러닝은 대수 및 미적분과 같은 기능적 근사치입니다. 우리가 이러한 도구를 사용하여 목적을 위해 사용하는 방법과 중요한 시스템의 성공을 정의하는 방법입니다. 오늘날 인간이하고있는 일의 일부를 대체하려고 할 수도 있지만 이러한 시스템 중 어느 것도 진정으로 독립적으로 작동하지 않습니다. 따라서 이러한 기술이 더 큰 목표를 달성하도록 할 수있는 방법이 무엇인지 묻는 것이 중요한 질문입니다. "
Rus는 낙관적으로 세션을 끝냈습니다. “과학계에서 우리는 과학과 공학 또는 지능을 발전시키고 그렇게함으로써 많은 것을 성취합니다. 우리는 삶을 더 잘 처리하고 더 광범위한 기계 기능을 개발합니다. 저는 AI, 기계 학습 및 로봇 공학의 최신 발전을 사용하여 특정 작업을 더 쉽게 만들고 삶을 더 쉽게 만들게되어 기쁩니다.”라고 그녀는 말했습니다.
기술 덕분에 사람들은 대유행 기간 동안 사람들이 더 가깝게 다가 갈 수있었습니다.“세상이 대유행 중이라는 사실에도 불구하고 그녀는 말했습니다. 그리고 기술 덕분에 우리는 백신을 더 빨리 개발할 수 있었고 질병을 해결하는 데 도움이되었습니다. "
