Hvordan forklarlig kunstig intelligens kan drive væksten i industri 4.0

Den allerførste industrielle revolution startede historisk med introduktionen af ​​damp- og vanddrevet teknologi. Vi er kommet langt siden da, med den nuværende fjerde industrielle revolution, eller Industry 4.0, der fokuserer på at udnytte ny teknologi til at øge industriel effektivitet.

Nogle af disse teknologier inkluderer tingenes internet (IoT), cloud computing, cyberfysiske systemer og kunstig intelligens (AI). AI er nøgledriveren i Industry 4.0, der automatiserer intelligente maskiner til selv at overvåge, fortolke, diagnosticere og analysere helt af sig selv. AI-metoder, såsom maskinlæring (ML), deep learning (DL), naturlig sprogbehandling (NLP) og computervision (CV), hjælper industrien med at forudsige deres vedligeholdelsesbehov og skære ned på nedetiden.

Men for at sikre en jævn, stabil implementering og integration af AI-baserede systemer, skal handlingerne og resultaterne af disse systemer gøres forståelige eller med andre ord "forklarlige" for eksperter. I denne henseende fokuserer forklarlig AI (XAI) på at udvikle algoritmer, der producerer menneskeligt forståelige resultater lavet af AI-baserede systemer. XAI-implementering er således nyttig i Industry 4.0.

For nylig undersøgte en gruppe forskere, herunder adjunkt Gwanggil Jeon fra Incheon National University, Sydkorea, eksisterende AI- og XAI-teknologier og deres applikationer i Industry 4.0. Deres anmeldelse blev offentliggjort i IEEE Transactions on Industrial Informatics .

"Selvom AI-teknologier som DL kan løse mange sociale problemer på grund af deres fremragende ydeevne og opløsning, er det svært at forklare, hvordan og hvorfor man opnår så god ydeevne. Derfor er der behov for at udvikle XAI, så DL ligesom den nuværende sort boks, kan modelleres mere effektivt. Det bliver også nemmere at lave ansøgninger," sagde prof. Jeon og forklarede sin motivation bag undersøgelsen.

XAI-baserede metoder klassificeres efter specifikke AI-opgaver, såsom funktionsforklaringer, beslutningstagning eller visualisering af modellen. Forfatterne bemærker, at kombinationen af ​​banebrydende AI og XAI-baserede metoder med Industry 4.0-teknologier resulterer i forskellige succesrige, nøjagtige og højkvalitetsapplikationer. En sådan applikation er en XAI-model lavet ved hjælp af visualisering og ML, som forklarer en kundes beslutning om at købe eller ikke købe skadesforsikring. Ved hjælp af XAI kan mennesker genkende, forstå, fortolke og kommunikere, hvordan en AI-model drager konklusioner og griber til handling.

Der er klart mange bemærkelsesværdige fordele ved at bruge AI i Industry 4.0; den har dog også mange forhindringer. Mest betydningsfuldt er den strømkrævende karakter af AI-baserede systemer, det eksponentielt stigende krav til et stort antal kerner og GPU'er, samt behovet for finjustering og hyperparameteroptimering. Kernen i dette er data indsamlet og genereret fra millioner af kilder, enheder og brugere, og derved introducerer bias, der påvirker AI-ydeevne. Dette kan styres ved hjælp af XAI-metoder for at forklare den introducerede bias.

"AI er den vigtigste komponent i industriel transformation, der sætter smarte maskiner i stand til at udføre opgaver autonomt, mens XAI udvikler et sæt mekanismer, der kan producere menneskeligt forståelige forklaringer," slutter prof. Jeon. + Udforsk yderligere

AI-forskere forbedrer metoden til at fjerne kønsbias i maskiner, der er bygget til at forstå og reagere på tekst- eller stemmedata