製造業の新旧世界：AI、設計、イノベーション

このコラムの本来の意図は、最近大きな話題になっている「人工知能（AI）」というフレーズについて議論することでした。あらゆる指標で、AIへの関心は記事の数と、Google Trendsによるとそれらの記事への検索数の両面で、指数関数的に拡大しています。

設計と形状最適化、生成設計、予測分析など、他の形のAIもあり、著名なものをいくつか挙げただけでも、知的労働者は脅威を感じるかもしれません。一部の専門家は、人工的な知能が私たち全員を置き換える可能性があると言います。

私はそうは思いません。AIは私たちを大いに助け、置き換えるのではなく拡張すると信じています。

なぜそう考えるか理解するために、人々がAIと呼んでいるものは単なる数学であることを考えてみてください。そう、聞き間違いではありません。信じられないほど複雑な関数と計算と組み合わせられた数字と数値に過ぎません。私にはこの分野での経験があります。キャリアの早い段階で、シンプルなニューラルネットをプログラミングし、今日より広く受け入れられている多くの形のAIの基礎の一つに触れました。これは画像解析でのAI活用をよりよく理解するためでしたが、いくつかのことに気づきました。

第一の気づきは、膨大なデータを用いて「人間のような」行動を複製する形のAIは、極めて極端な形ではあるものの、統計モデリングと回帰分析の一形態に過ぎないということです。アルゴリズムを訓練するには、大量のデータが必要です。異なる数学を用いるものの、最適化や生成設計でも同じことが言えます。AIは、より使いやすい形にパッケージされた非常に複雑な数学に過ぎません。

もう一つの気づきは、20年前にはまともな答えを得るのにどれほど長い待ち時間が必要だったかです。これは、強力なコンピューティングのおかげで、今日ではるかに難しい問題が容易に解決されていることと鮮明に対照的です。安価で至る所にあるセンサーが膨大なデータセットを提供します。私のようにAI機能をプログラミングする必要もありません。「ディープニューラルネット」のような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はその二例に過ぎません。データを提供すれば、独自のユニークなAIソリューションが得られます。今日、AIは工場のロボットをより多用途にし、エンジニアが最適化を通じて部品設計を支援しています。

しかし、数学、センサー、データはすべて、エンジニアと作業者の意欲によって形作られる道具であり続けます。個々のタスクでは人間より優れているかもしれませんが、どのタスクを実行し、なぜ実行するかは常に人間の領域にあります。人工知能には目的がありません。それが常に私たちの仕事なのです。

常に適切なツールとは限らない

最後に、AIのさまざまな形のような派手な数学が、常に適切なツールとは限りません。ここでこのコラムのタイトルの「旧」の部分に行き着きます。これは、1920年代にさかのぼる計測技術である光学コンパレーターについて、今月のMEの記事を調査していたときに実感しました。今日ではほとんどのモデルが初歩的なデジタルエレクトロニクスでアップデートされていますが、基本的な考え方は変わりません。部品の影を大きなスクリーンに拡大投影し、人間が測定を行います。これらの機械は、基本的なアイデアへのデジタル改良の度合いが様々で、マシンビジョンに至るまで、製造現場の至る所にあります。私の情報源の一人は、同社のサービスが最近50年前のモデルを修復したと話してくれました。

AIのような未来的な技術と、試されて真実である技術が共存しているのが、製造とエンジニアリングの継続的な現実です。おそらく、エンジニアが新技術を完全に受け入れることを単純に躊躇している部分もあるでしょう。同じ情報源が話してくれたように、光学コンパレーターでも新しい技術が利用可能であることを時々強調する必要があるそうです。それでも、光学コンパレーター、マイクロメーター、ノギス、そしてそれらを使用する人間が、もっと派手なものによって完全に置き換わることはないでしょう。