Mesterséges intelligencia bérelhető

© Fraunhofer IPA, Kép: Rainer Bez

© Fraunhofer-Gesellschaft

Az intelligens mesterséges intelligencia használatához egy vállalkozásnak nem feltétlenül kell kijelölt szakértő. Egy Fraunhofer- tanulmány megmutatja, hogyan léphetnek helyette a kis- és középvállalkozások.

A mesterséges intelligencia (MI) segít optimalizálni a gyártási folyamatokat és ezáltal pénzt megtakarítani. Azonban a kis- és középvállalkozások gyakran hiányolják a szakértelmet, hogy kihasználják ezt a jövőtechnológiát. Bár összegyűjthetik a szükséges adatokat, az elemzésükben akadályokba ütköznek. Itt segítenek a nagy felhőszolgáltatók. Egyszerű digitális eszközöket kínálnak, amelyek képesek nagy adathalmazokat feldolgozni és MI-megoldásokat szállítani. A szakértők „Machine-Learning-as-a-Service-platformoknak” nevezik ezeket. Így minden vállalkozás belevághat a mesterséges intelligencia használatába, és olyan modelleket fejleszthet ki, amelyek például automatikusan felismerik a hibás alkatrészeket.

Leggyakoribb alkalmazási esetek négy platformon összehasonlítva

De melyik platform melyik feladatra alkalmas? A stuttgarti Fraunhofer Intézetek a Gyártástechnológia és Automatizálás IPA, valamint a Munkaügyi és Szervezési Intézet IAO összehasonlították a négy legnagyobb szolgáltató – AWS, Google, IBM és Microsoft – megközelítéseit. Négy gyakran előforduló gyakorlati alkalmazási esetet valósítottak meg, amelyek négy adatkategóriát ölelnek fel: táblázatos adatok, szöveg-, kép- és idősor adatok:

- Ügyfélelhagyás: A szállodák számára előnyös, ha időben tudják, mely vendégeknél fenyeget a lemondás. Talán már a foglalási adatok között is található erre utaló jel. MI képes felismerni ezt, és ennek megfelelő algoritmust fejleszteni.
- Szövegkategorizálás: A szövegeket különböző kategóriákhoz lehet rendelni, például kultúra, sport és politika. Így például egy sajtóügynökség automatikusan kezelheti az archívumát.
- Képfelismerés: A gyártásban fontos szerepe van a képelemzésnek. Kamerarendszerekkel például hibákat lehet észlelni a terméken. MI segít az ellenőrzés automatizálásában. Egy sok metaadatot tartalmazó, ún. annotált képekből tanulva az MI felismeri a hibákat.
- Szerszámhasználat: Egy fúrófej időben történő cseréje pénzt takarít meg. Ha túl korán cseréljük, anyagot pazarolunk, ha túl későn, hosszú gyártási leállás lehet a következménye. MI megtanulja értelmezni a rezgés- és áramfogyasztási idősorokat, hogy pontosan felmérje a fúrófej állapotát.

Általában az MI-megoldások esetében érvényes: Minél több adat áll rendelkezésre, és minél jobb az adatok minősége, annál megbízhatóbban működik a kifejlesztett modell. A platformok összehasonlításakor a Fraunhofer-tudósok mindig a legelérhetőbb megoldási utat választották. Gyakran csak annyi volt a feladat, hogy feltöltötték az adathalmazokat, és megjelölték azokat: például a képfeldolgozásnál minden képet „helyes” vagy „hibás” megjegyzéssel láttak el. Ezután a platform a kívánt modellt és annak előrejelzési pontosságát szállította.

Eredmények

A Fraunhofer- tanulmány megállapította, hogy minden szolgáltató megoldásai erősségeket mutatnak, és nem igényelnek mély szakmai tudást. Természetesen vannak különbségek. Egyes platformok intuitívabban kezelhetők, mint mások. Emellett egyes MI-modellek csak a szolgáltató felhőjén futnak, míg másokat exportálni lehet, és vállalati szervereken is telepíthetők.

Arról, hogy melyik platform melyik alkalmazási esethez ajánlott, a „Felhőalapú MI-platformok – A Machine Learning as a Service szolgáltatások lehetőségei és korlátai” című tanulmányban olvashatnak. A tanulmány a következő linken tölthető le: https://www.ki-fortschrittszentrum.de/de/studien/cloudbasierte-ki-plattformen.html