La chaîne d'IA de bout en bout émerge : c'est comme parler au meilleur ingénieur de votre entreprise
La convergence de l'IA générative et numérique ouvre cette boîte noire autrefois obscure de l'intelligence artificielle pour une gamme de fonctions d'entreprise - avec d'immenses implications en matière de productivité et de gain de temps. Prenons l'exemple de la vinification.
L'intelligence artificielle traditionnelle qui s'est développée au cours de la dernière décennie a analysé les chiffres, recherchant des modèles et fournissant des analyses prédictives basées sur des probabilités probables. Entrez dans l’IA générative qui, parmi ses nombreuses capacités, fournit une passerelle vers les prédictions et observations numériques de l’IA, ouvrant ainsi la voie à des enquêtes verbales hautement interactives.
L'IA générative contribue à ouvrir la boîte noire, autrefois très obscure, de l'IA pour une gamme de fonctions d'entreprise, et peut même contribuer à réduire le fossé entre les technologies opérationnelles et informatiques, déclare Peter Zornio, vice-président senior et CTO d'Emerson. J'ai récemment rencontré Zornio à New York, où il a expliqué comment l'IA générative et l'IA numérique représentent les deux extrémités d'un continuum. Les deux variantes sont basées sur des modèles numériques et des modèles basés sur le langage.
La base technique des deux variantes de l’IA est la même, dit-il, mais la façon dont nous travaillons avec elles est différente. "Les modèles de production à orientation numérique sont basés sur des ensembles de données chiffrées", explique-t-il. "Les modèles linguistiques utilisent des ensembles de données basés sur des millions de documents, d'images et d'autres éléments."
Aujourd’hui, dit-il, ces deux extrémités de l’IA convergent, ouvrant de nouveaux domaines pour l’aspect traditionnel en coulisses de l’IA traditionnelle. "Nous constatons que les deux sont utilisés ensemble", explique Zornio. "Dans les environnements industriels, nous utiliserions des modèles basés sur le langage comme moyen d'interface avec les modèles numériques dont nous disposons déjà. Alors pouvez-vous imaginer un opérateur disant quelque chose comme : "Hé ordinateur, pourquoi la production sur cette unité ralentit-elle ? ? Et que puis-je faire pour l'ajuster ?'"
Cela a d’immenses implications en matière de productivité et de gain de temps, poursuit-il. "C'est une façon naturelle d'interfacer. C'est comme ça qu'on pourrait parler à un expert de l'entreprise depuis 30 ans, n'est-ce pas ? Vous pourriez demander à Fred en ingénierie : 'Que se passe-t-il ?' Ensuite, Fred allait examiner toutes les tendances de la production, et il finissait par revenir et vous dire : "Eh bien, généralement, quand cela se produit, ce qui se passe, c'est que vous avez un encrassement du catalyseur, et voici ce dont vous avez besoin." faire. Vous devrez probablement vous arrêter et faire une régénération.'"
Le talent humain est essentiel, et ce que fait Fred en ingénierie, c'est "utiliser le modèle qu'il a construit dans sa tête après avoir dirigé cet endroit pendant 30 ans", explique Zornio. L’IA générative reprend ce travail : s’interfacer avec l’IA numérique implique de parler à un ordinateur de la même manière qu’à un ingénieur expert, en recourant à la déduction scientifique. Il est également capable « d'examiner les cinq dernières années d'exploitation, en essayant de trouver un scénario dans lequel les mêmes circonstances exactes correspondraient à une sorte d'empreinte de production très similaire. Et cette empreinte dirait : « Eh bien, qu'est-ce que c'est ? est-ce que nous le faisons ? C'est ce que Fred penserait : 'La dernière fois que cela s'est produit, nous avons fait ceci.'"
Enfin, dit Zornio, l'IA "passerait en revue et trouverait tous ces différents scénarios, examinerait les réponses et vous dirait : 'Voici trois actions qui, dans le passé, ont généré les meilleurs résultats pour résoudre le problème.'"
Cette approche d'IA de bout en bout offre « un excellent moyen de créer un système de support produit, dans lequel vous prenez tous vos manuels, toutes vos interactions avec vos personnes de support, et les placez dans un système dans lequel vous pouvez ensuite poser des questions sur le produit. ", dit Zornio.
Il existe des applications dans tous les domaines de la fabrication discrète et des procédés, de la pétrochimie à la construction automobile. Pensez à l’industrie vitivinicole, qui devrait également bénéficier de l’IA de bout en bout, note Zornio. Les vignerons disposant de champs et de cuves de stockage bien détectés pourraient poser des questions telles que « pourquoi le vin de cette année était-il tellement meilleur que celui de l'année dernière ? » L'IA pourrait examiner « des indicateurs clés tels que la température, la teneur en sucre, l'acidité du raisin et la durée de la fermentation. Quel est l'état du sol ? Quel est l'état d'humidité ? Quelle est la quantité de soleil ? Quelle est la quantité de pluie ?
À bien des égards et dans de nombreux secteurs, l’IA agira comme un assistant - et « un excellent moyen d’interagir et d’interroger les modèles dont vous disposez », souligne Zornio. "Ils peuvent être davantage générés par des données - générées à partir de données numériques - mais vous pouvez également voir un nettoyage comme le journal de bord de l'opérateur. Parce que chaque fois que quelque chose se produit, les opérateurs l'écrivent. Et si vous saisissez tout cela, alors vous » pourrait demander : « Où est-ce que cela s'est produit auparavant dans les journaux de l'opérateur ? Ou « Qu'est-ce qui a été fait pour résoudre le problème ? »
Cela nécessite également une plus grande collaboration entre les deux côtés de la maison qui ont tendance à être divisés : les équipes de technologie opérationnelle et les équipes de technologie de l'information. Les données sont le point de départ de cette coopération. Les équipes IT et OT doivent rationaliser les données « de tous formats différents, provenant de différents fabricants », explique Zornio. "Historiquement, il n'y a pas beaucoup d'amour entre les deux organisations. Parce que les responsables des opérations ont leurs propres systèmes intégrés pour faire tout cela. Et ils ont des idées très différentes sur la manière de le mettre en œuvre et de l'utiliser. Certains plus éclairés ont essayé de fournir plus d'intégration, mais - à l'avenir - il va falloir une plus grande collaboration entre les deux. »
C'est pourquoi, insiste Zornio, « nous devons concevoir une architecture qui permette aux données de passer de manière plus transparente du monde OT au monde informatique et vice-versa. Surtout si nous parlons d'utiliser des systèmes d'IA qui peuvent être dans le cloud. OpenAI ou d'autres modèles d'IA basés sur le langage avec lesquels tout le monde sera interfacé.