製造業の新しい (そして古い) 世界

このコラムの当初の意図は、最近話題になっている人工知能 (AI) という言葉について説明することでした。いずれにせよ、AI への関心は指数関数的に拡大しており、このテーマについて読むことができる記事の数と、Google トレンドによると、それらの記事の検索数の両方において増加しています。

AI には他にも、デザインや形状の最適化、ジェネレーティブ デザイン、予測分析など、いくつかの著名な例があり、知的な労働者は脅威を感じているという印象を受けるかもしれません。一部の専門家は、人工知能が私たち全員に取って代わるかもしれないと言っています.

私はそうは思わない。私たちを置き換えるのではなく、強化することで、私たちを大いに助けてくれると思います.

その理由を理解するには、人々が AI と呼んでいるものは単なる数学であると考えてください。ええ、おわかりのとおり、数字と数字に驚くほど複雑な関数と計算を組み合わせたものです。私はこれについていくつかの経験があります。私はキャリアの早い段階でこの分野に手を出し、単純なニューラル ネットワークをプログラミングしました。これは、今日広く受け入れられている多くの形式の AI の背後にある基本の 1 つです。画像分析で AI を使用する方法をよりよく理解するためにこれを行ったところ、いくつかのことに気づきました。

1 つ目は、大量のデータを使用して「人間」の行動を再現する AI の形態は、信じられないほど極端な形態ではあるものの、統計モデリングと回帰分析の形態に過ぎないということです。アルゴリズムをトレーニングするには、大量のデータが必要です。最適化やジェネレーティブ デザインに異なる数学を使用しても、同じことが言えます。 AI は、使いやすい形でパッケージ化された非常に複雑な数学です。

もう 1 つの認識は、20 年前に OK の回答を得るまでにどれだけ待たなければならなかったかということです。これは、強力なコンピューティングのおかげで、今日でははるかに困難な問題が容易に解決されていることとはまったく対照的です。安価でどこにでもあるセンサーは、膨大なデータ セットを提供します。私のように AI 機能をプログラムする必要もありません。 「ディープ ニューラル ネットワーク」などのモデルを購入またはレンタルできます。 IBM の Watson と MathWorks Neural Network Toolbox は、ほんの 2 つの例です。データを提供して、独自の独自の AI ソリューションを手に入れましょう。今日、AI は製造現場のロボットをより用途の広いものにし、最適化を通じてエンジニアが部品を設計するのを支援しています。

しかし、数学、センサー、データはすべて、エンジニアや労働者の欲求によって形成されるツールのままです。彼らは個々のタスクを人間よりもうまく実行するかもしれませんが、実行するタスクとその理由は常に人間の領域にとどまります.人工知能には目的がありません。それは常に私たちの仕事です。

常に適切なツールとは限らない

最後に、さまざまな形の AI などの高度な数学が常に適切なツールであるとは限りません。これが、このコラムのタイトルの「古い」部分に到達する場所です。これは、1920 年代にルーツがさかのぼる計測技術である光コンパレータに関する今月の ME の記事を調べていたときに心に突き刺さりました。今日のほとんどのモデルは初歩的なデジタル エレクトロニクスで更新されていますが、基本的な考え方は同じままです。大画面で部品の影を拡大し、人間に測定してもらいます。これらのマシンは、マシン ビジョンに至るまで、基本的なアイデアに対してさまざまな程度のデジタル改良が加えられた製造業のあらゆる場所に見られます。私の情報源の 1 人は、彼の会社のサービスが最近 50 年前のモデルを改装したと教えてくれました。

AI のような未来の技術と、製造とエンジニアリングの継続的な現実である実証済みの技術との共存です。おそらく、これのいくつかは、エンジニアが新しいテクノロジーを完全に受け入れることをためらうという単純な理由によるものです。同じ情報源が私に語ったように、彼は時々、光コンパレータでさえ、より新しい技術が利用可能であることを強調する必要があります.それでも、光学コンパレーター、マイクロメーター、キャリパーなどのテクノロジーと、それらを使用する人間が、より洗練されたものに完全に置き換わる可能性は低いです。