211service.com
General Electric buduje siłę roboczą AI
W ramach swojej zmiany w kierunku firm high-tech, 125-letnia firma, numer 40 na naszej liście 50 najmądrzejszych firm, wykorzystuje sztuczną inteligencję w swoich działaniach, zaczynając od naukowców. 27 czerwca 2017 r.
Leonard Greco
Kiedy Jason Nichols dołączył do GE Global Research w 2011 roku, wkrótce po ukończeniu pracy podoktoranckiej z chemii organicznej na Uniwersytecie Kalifornijskim w Berkeley, przewidywał długą karierę w badaniach chemicznych. Jednak po czterech latach tworzenia materiałów i systemów do oczyszczania ścieków przemysłowych Nichols przeniósł się do firmowego laboratorium uczenia maszynowego. W tym roku rozpoczął pracę z rozszerzoną rzeczywistością. Po części chemik, po części naukowiec zajmujący się danymi, Nichols jest teraz dokładnie takim typem hybrydowego pracownika, który ma kluczowe znaczenie dla przyszłości firmy pracującej nad wprowadzeniem sztucznej inteligencji do swoich maszyn i procesów przemysłowych.
Piętnaście lat temu operatorzy i technicy maszyn GE monitorowali silniki lotnicze, lokomotywy i turbiny gazowe, słuchając ich szczęków i warkotów oraz sprawdzając wskaźniki. Dziś firma wykorzystuje sztuczną inteligencję, aby robić to samo, nawet przewidując z wyprzedzeniem awarie (patrz „50 Smartest Companies 2017”). Wprowadzając tę technologię, GE ma nadzieję, że do 2020 r. stanie się jednym z czołowych dostawców oprogramowania na świecie, co w 2011 r. nasiliło inicjatywę gromadzenia i analizowania danych z czujników z maszyn o wartości 1 miliarda dolarów. Tworzenie inteligentniejszych modeli za pomocą sztucznej inteligencji to kolejny krok w strategii firmy — taki, który, jak ma nadzieję, zapewni jej przewagę nad długoletnimi rywalami, takimi jak Siemens i gigantami oprogramowania, takimi jak IBM, którzy obecnie rozszerzają swoją działalność na analitykę przemysłową.
Ta historia była częścią naszego wydania z lipca 2017 r.
- Zobacz resztę numeru
- Subskrybuj
Oczywiście zintegrowanie sztucznej inteligencji z organizacją założoną w 1892 roku to trudne zadanie. Rozpoczyna się od szkolenia umysłów technicznych stojących za firmą, która zatrudnia 300 000 osób we wszystkich swoich firmach na całym świecie. Firma GE Global Research, w której pracuje Jason Nichols, tworzy programy online, które uczą uczenia maszynowego i sympozja, na których naukowcy mogą odkrywać nowe role. Jak dotąd prawie 400 pracowników z całej firmy ukończyło program certyfikacji GE w zakresie analityki danych, a około 50 naukowców przeszło na stanowiska związane z analityką cyfrową, takie, jakie podjął Nichols.
Podwójne kariery
Wielu z tych dwóch naukowców pomaga w tworzeniu modeli oprogramowania maszyn GE hostowanych w chmurze, które mogą być wykorzystywane do oszczędzania pieniędzy i poprawy bezpieczeństwa klientów. GE buduje te cyfrowe bliźniaki, korzystając z informacji gromadzonych z czujników na maszynach, uzupełnionych o modele oparte na fizyce, sztuczną inteligencję, analizę danych oraz wiedzę od swoich naukowców i inżynierów. Chociaż cyfrowe bliźniaki to przede wszystkim linie kodu oprogramowania, najbardziej rozbudowane wersje wyglądają jak trójwymiarowe rysunki projektowe wspomagane komputerowo, pełne interaktywnych wykresów, diagramów i punktów danych. Umożliwiają one GE śledzenie zużycia silników lotniczych, lokomotyw, turbin gazowych i turbin wiatrowych przy użyciu danych z czujników zamiast założeń lub szacunków, co ułatwia przewidywanie, kiedy będą wymagały konserwacji. Silnik lotniczy lecący nad USA mógłby na przykład mieć cyfrowego bliźniaka na serwerze komputerowym GE w Kalifornii, który pomagałby określić najlepszy harmonogram serwisowania jego części.
Oprócz prognozowania oczekiwanej długości życia maszyny, wirtualne modele pozwalają GE na optymalizację działania swoich produktów. GE twierdzi, że cyfrowe bliźniaki zwiększają ilość energii elektrycznej wytwarzanej przez farmy wiatrowe nawet o 20 procent i zmniejszają roczne zużycie paliwa i emisję dwutlenku węgla przez jedną ze swoich lokomotyw o odpowiednio 32 000 galonów i 174 000 ton rocznie. Do klientów dostarczono ponad 700 000 modeli, a do końca tego roku liczba ta może przekroczyć milion.
Technologia polega na sztucznej inteligencji, aby stale się aktualizować. Co więcej, jeśli dane są uszkodzone lub ich brakuje, firma uzupełnia luki za pomocą uczenia maszynowego, rodzaju sztucznej inteligencji, która pozwala komputerom uczyć się bez wyraźnego programowania, mówi Colin Parris, wiceprezes GE Global Research ds. badań oprogramowania. Parris mówi, że GE łączy widzenie komputerowe z głębokim uczeniem, rodzajem sztucznej inteligencji szczególnie sprawnym w rozpoznawaniu wzorców, oraz uczeniem się ze wzmocnieniem, kolejnym niedawnym postępem w sztucznej inteligencji, który umożliwia maszynom optymalizację operacji, aby umożliwić kamerom wykrywanie drobnych pęknięć na metalowych łopatkach turbiny, nawet jeśli są brudne i zakurzone.
Weźmy na przykład maleńkiego robota, trochę większego niż samochód Matchbox, używanego do sprawdzania pracujących silników. Korzystając z wizji komputerowej i różnych technik sztucznej inteligencji, bot może szukać pęknięć w silnikach samolotu, jadąc na wolno poruszającej się łopatce wentylatora.
Podobną technologię można podłączyć do drona, aby wykryć korozję na 200-metrowych stosach pochodni, które spalają nadmiar gazu uwalnianego w miejscach produkcji ropy i gazu.
Naukowcy z firmy GE od dziesięcioleci badają i dostosowują zmieniającą się technologię. Na tym zdjęciu z 18 kwietnia 1968 inżynier systemów GE obsługuje łącze teleksowe Student Response System na Syracuse University. Komputer przeanalizował odpowiedzi udzielone przez uczniów na pytania wielokrotnego wyboru i przekazał je nauczycielowi.
20 marca 1969 roku naukowcy z GE zbadali przepływ gazów, niewidocznych w ich naturalnym stanie, tworząc symulacje na urządzeniu zwanym roboczym stołem wodnym, w którym za pomocą barwników obserwowano prądy.
Bez mody
Aby opracować i pracować z tymi systemami, naukowcy z GE muszą zrozumieć zarówno fizykę maszyn, jak i algorytmy sztucznej inteligencji.
To miejsce, w którym biolog molekularny siedzi z ekspertem od uczenia maszynowego lub osobą zajmującą się teorią sterowania z kimś, kto zna się na materiałoznawstwie, mówi Mark Grabb, dyrektor ds. technologii ds. analityki w GE Global Research. Ten rodzaj współpracy jest bardzo potężny, ale nie ma nic potężniejszego niż posiadanie tych samych informacji w tym samym mózgu; jest po prostu bardzo wydajny.
Weźmy pod uwagę mózg Matta Nielsena, który dołączył do GE Global Research w 1998 po zdobyciu doktoratu z fizyki. Nielsen opracował fotonikę i pracował nad oprogramowaniem dla pojazdów elektrycznych, zanim w 2015 roku przeszedł w pełni na stronę cyfrową firmy. Obecnie kieruje zespołem programistów cyfrowych bliźniaków i pomaga budować modele oparte na fizyce, które można łączyć z algorytmami uczenia maszynowego.
GE wykorzystuje sztuczną inteligencję do tworzenia stale aktualizowanych cyfrowych reprezentacji swoich maszyn, takich jak turbina gazowa 9HA, w zakładzie w Belfort we Francji.
Cyfrowe repliki silników odrzutowych pomagają klientom lotniczym GE zaoszczędzić pieniądze, przewidując dokładnie, kiedy będą potrzebować konserwacji. Tutaj silnik GE znajduje się w zakładzie remontowym w Rio de Janeiro w Brazylii.
Sahika Genc, inny naukowiec dualny, opracował systemy alarmów na OIOM przed przejściem do laboratorium GE zajmującego się uczeniem maszynowym w 2014 roku. Genc jest teraz naukowcem zajmującym się uczeniem maszynowym, który wykorzystuje uczenie głębokie i uczenie ze wzmacnianiem, aby systemy zarządzania energią GE były bardziej wydajne. W jednym z jej ostatnich projektów zastosowano uczenie maszynowe i teorię wymiany ciepła, aby określić, w jaki sposób energia budynku jest rozpraszana i magazynowana. Prognozy pomogą klientom GE zmniejszyć zużycie energii.
Ci naukowcy zajmujący się hybrydami mogą być najlepszą szansą dla GE na utrzymanie się na rynku przez kolejne stulecie, ponieważ firma szuka możliwości rozwoju w tak konkurencyjnych i dojrzałych branżach, jak turbiny, silniki odrzutowe i lokomotywy.
Parris, lider badań nad oprogramowaniem, przyznaje, że niektórzy z 2000 badaczy GE nadal uważają niektóre aspekty nowego podejścia za przemijającą modę.
Ale naukowcy, którzy nie zrobią tego skoku, mogą zostać w tyle. W styczniu firma zwolniła badaczy w obszarach uznanych za peryferyjne dla cyfrowej strategii przemysłowej GE. To po utworzeniu 100 nowych miejsc pracy związanych z AI i robotyką w 2016 roku.