Jenis AI yang berbeda saat ini sedang dikembangkan, yang disebut "AI yang diwujudkan." Ini mengacu pada agen yang memiliki tubuh dan mendukung interaksi fisik, seperti robot layanan cerdas, mobil self-driving, dll.
Robot AI yang diwujudkan dapat berinteraksi dengan lingkungan, merencanakan, membuat keputusan, bertindak dan melakukan tugas -tugas seperti manusia. Misalnya, unit robot ditugaskan untuk mengampelas permukaan atas bagian yang ditempatkan di unit untuk mencapai finish permukaan yang diinginkan. AI yang diwujudkan dapat menggunakan sensor untuk memantau keadaan unit dan menghasilkan instruksi untuk robot untuk melakukan tugas.
AI digital dan AI yang diwujudkan memiliki beberapa kesamaan dan memanfaatkan banyak teknologi yang mendasarinya. Namun, memahami perbedaan antara kedua jenis AI ini sangat penting untuk berhasil menerapkan metode AI digital untuk aplikasi AI tertentu.
Profil risiko aplikasi AI yang diwujudkan sering pada dasarnya berbeda dari aplikasi AI digital. Jika alat AI digital 99 persen akurat, itu dapat secara dramatis meningkatkan produktivitas manusia dalam banyak aplikasi.
Sebaliknya, karena risiko aplikasi industri, persyaratan akurasi untuk sistem AI spesifik sering sangat bervariasi.
Risiko utama berasal dari dua aspek: probabilitas kesalahan dan konsekuensi dari kesalahan. Ketika konsekuensi dari membuat kesalahan tidak serius, probabilitas kesalahan yang lebih tinggi dapat ditoleransi. Inilah sebabnya mengapa probabilitas kesalahan 1% dapat diterima di banyak aplikasi AI digital.
Sebaliknya, banyak aplikasi AI yang diwujudkan membutuhkan probabilitas kesalahan lebih baik daripada satu dari sejuta. Menggunakan pendekatan murni data yang digerakkan untuk mengurangi probabilitas kesalahan membutuhkan banyak data. Dalam kebanyakan kasus, permintaan data tumbuh secara eksponensial. Sayangnya, biaya mendapatkan data dari sistem fisik tinggi. Oleh karena itu, pendekatan yang berbeda perlu diikuti ketika berhadapan dengan aplikasi AI yang diwujudkan.
Untuk memenuhi persyaratan di atas, AI yang diwujudkan untuk aplikasi manufaktur harus memiliki karakteristik berikut:
Pelatihan dengan data terbatas: AI yang diwujudkan dapat dilatih dengan data terbatas yang dihasilkan dari eksperimen fisika terlebih dahulu.
Dapat dirakit dari komponen modular pra-terlatih: Sistem fisik dapat memiliki beberapa konfigurasi untuk mendukung kebutuhan yang dimaksudkan. Misalnya, tergantung pada proses yang dilakukan (seperti pengamplasan atau sandblasting), unit robot manufaktur dapat dalam banyak konfigurasi yang berbeda. Unit yang berbeda dapat mencakup robot dengan fungsi yang berbeda (seperti robot pemasangan platform seluler atau robot pemasangan gantry), tipe sensor (seperti kamera kedalaman atau pencitraan termal), dan alat (seperti orbital sanders atau nozel sandblasting).
Akibatnya, mengembangkan AI yang diwujudkan universal yang bekerja di luar kotak untuk semua aplikasi manufaktur mungkin tidak berkinerja baik. AI sistem perlu disintesis dengan cepat dari komponen modular agar sesuai dengan kemampuan penginderaan dan mengemudi dari sistem dan lingkungan kerja tertentu.
Dapat disesuaikan dengan data atau konteks baru: Ketika data baru tersedia selama penyebaran sistem, harus dimungkinkan untuk menggunakan data ini untuk meningkatkan kinerja AI. AI harus dapat beradaptasi secara mandiri dengan lingkungan atau tugas baru dengan pengawasan manusia minimal.
Mudah ditingkatkan: Seiring waktu, kinerja sistem fisik dapat berubah karena keausan atau pembaruan ke komponen fisik. Ini mungkin memerlukan perbaikan pada AI untuk memastikannya dapat mengimbangi evolusi sistem. Oleh karena itu, sistem AI yang diwujudkan perlu dirancang untuk memastikan bahwa itu dapat ditingkatkan dengan gangguan minimal pada operasi sistem.
Rekomendasi berbasis risiko untuk tindakan: Sistem harus dapat memperkirakan kepercayaannya pada tindakan yang diusulkan. Ketika kepercayaan rendah, sistem harus melakukan analisis risiko dan menganalisis konsekuensi kegagalan. Jika risikonya terlalu tinggi, sistem harus mencari bantuan dari para ahli manusia.
Penafsiran: Jika sistem menyarankan tindakan yang tidak memenuhi harapan pengguna, sistem harus dapat menjelaskan alasan yang digunakan untuk memilih tindakan.
Arsitektur Terdistribusi yang mendukung partisi komputasi antara Edge dan Cloud: Dalam skenario aplikasi AI yang diwujudkan, tidak mungkin untuk melakukan semua komputasi AI di cloud. Desain sistem harus memastikan bahwa perhitungan latensi-sensitif jaringan dapat dilakukan di tepi.
Di bidang AI digital, kami melihat kesuksesan besar dengan model pembelajaran ujung ke ujung yang besar seperti LLM. Model -model ini berkembang dengan sejumlah besar data. Namun, mereka tidak memiliki banyak karakteristik AI yang diwujudkan yang disebutkan di atas.
AI yang diwujudkan harus dilihat sebagai sistem kompleks yang melibatkan interaksi antara beberapa komponen AI. Memiliki arsitektur sistem yang tepat di AI yang diwujudkan adalah salah satu kunci untuk aplikasi manufaktur yang sukses. Ini memungkinkan Anda untuk memanfaatkan kemajuan terbaru dalam AI dan memenuhi persyaratan aplikasi manufaktur yang menuntut. Oleh karena itu, metode rekayasa sistem modern diperlukan untuk merancang AI yang diwujudkan untuk aplikasi pembuatan.