Sztuczna inteligencja. Szanse i zagrożenia w świecie techniki i dozoru technicznego                      

Popularyzacja sztucznej inteligencji, czyli czego dokładnie?

30 listopada 2022 roku to data, od której zaczyna się prawdziwy boom w skali globalnej na sztuczną inteligencję.

Co to oznacza? Czy tego dnia wynaleziono SI?

Otóż nie. Pojęcie to po raz pierwszy pojawia się już w 1956 roku. W latach 60. XX wieku ruszają prace nad algorytmami uczenia maszynowego, które są również i dziś wykorzystywane w systemach sztucznej inteligencji. Przez kolejne dziesięciolecia naukowcy pracują nad różnego rodzaju algorytmami i systemami. Tworzone są kolejne rozwiązania, jak np. sztuczne sieci neuronowe. Wszystkie takie pojęcia, systemy czy algorytmy są zaliczane do dziedziny informatyki jaką jest sztuczna inteligencja. Pojęcie to przez lata trafiało również do świadomości społeczeństwa poprzez książki oraz filmy, w których mogliśmy obserwować wyobrażenie twórców o tym, czym jest sztuczna inteligencja. Powstawały takie twory jak pomocny i uczynny JARVIS – asystent Tony’ego Starka w filmach „Iron Man” oraz kontrolujący, dążący do unicestwienia ludzkości Skynet z serii filmów „Terminator”. Wiemy więc, że określenie „sztuczna inteligencja” to bardzo szerokie pojęcie, pod które wpisywane są przeróżne systemy i algorytmy oraz które okraszone jest mitami i błędnymi wyobrażeniami popkulturowymi.

W takim razie co wydarzyło się 30 listopada 2022 roku?

Jest to data premiery usługi chatbota o nazwie ChatGPT, udostępnionej za darmo przez firmę OpenAI. Jego błyskawiczna popularyzacja sprawiła, że w ciągu 5 dni osiągnął 1 milion użytkowników, a w ciągu 2 miesięcy – 100 milionów aktywnych użytkowników miesięcznie, co czyni go najszybciej rosnącą aplikacją w historii [1].

W kolejnych latach wraz z wprowadzaniem nowszych, bardziej zaawansowanych wersji czatu, jego popularność osiąga w lutym 2025 roku 400 milionów aktywnych użytkowników tygodniowo. Jest to technologiczna ekspansja na niespotykaną skalę. Publikacja ChatGPT oraz podobnych usług innych firm sprawiła, że ta mistyczna technologia trafiła z laboratoriów i filmów sci-fi wprost pod strzechy naszych domów. Nagle każdy miał w kieszeni dostęp do najnowocześniejszych algorytmów generujących na żądanie teksty, obrazy, animacje, muzykę a nawet hiperrealistyczne wideo. Ograniczeniem stała się jedynie wyobraźnia twórców.

Warto byłoby jeszcze zadać pytanie: co sprawiło, że sztuczna inteligencja tak szybko zdobyła popularność i zyskała globalny rozgłos?

Odpowiedź jest bardzo prosta. Ponieważ jest darmowa, a cała interakcja odbywa się dzięki rozwojowi LLM*.

*LLM to skrót od wyrażenia „large language model”, czyli duży model językowy. Jest on fundamentem nowoczesnej sztucznej inteligencji językowej. Dzięki niemu możliwa jest naturalna, płynna i intuicyjna komunikacja z SI, bez potrzeby znajomości technicznych komend czy specjalistycznego języka.

SI w przemyśle i dozorze technicznym – szansa czy ryzyko?

Zastosowania SI w przemyśle

Systemy wykorzystujące sztuczną inteligencję coraz szerzej znajdują zastosowanie również w przemyśle, przekształcając sposób w jaki firmy produkują, zarządzają oraz dostarczają swoje produkty. Firmy mają przed sobą cały wachlarz systemów z SI, który może im pomóc na każdym etapie prowadzenia biznesu. Dostępne są systemy analityczne, optymalizacyjne, predykcyjne, autonomiczne, rekomendacyjne, detekcji anomalii i bezpieczeństwa oraz wiele innych. Poniżej szerzej opisane zostały możliwości wykorzystania systemów opartych o SI, w których działaniu istotne jest zapewnienie bezpieczeństwa w przemyśle z perspektywy dozoru technicznego.

Jednym z kluczowych zastosowań algorytmów sztucznej inteligencji w przemyśle jest utrzymanie predykcyjne (ang. predictive maintenance). To metoda utrzymania ruchu, która polega na przewidywaniu awarii maszyn zanim do nich dojdzie, na podstawie danych zbieranych z czujników. Algorytmy analizują dane takie jak temperatura, wibracje, ciśnienie, wilgotność, poziom hałasu czy zużycie energii i próbują przewidzieć awarie lub odstępstwa od normy. Dzięki temu można:

• uniknąć nieplanowanych przestojów,
• zoptymalizować harmonogramy konserwacji,
• wydłużyć żywotność urządzeń,
• obniżyć koszty napraw.

Systemy realizujące utrzymanie predykcyjne są projektowane indywidualnie dla każdego klienta, uwzględniając uwarunkowania lokalne związane konkretnym procesem lub urządzeniem. Na dużym poziomie ogólności wskazać można kilka rodzajów algorytmów wchodzących w skład systemów utrzymania predykcyjnego.

Mogą zainteresować Cię również

Analityka danych ważniejsza dla firm z branży produkcyjnej niż sztuczna inteligencja

AI w przemyśle – jak sztuczna inteligencja może wspierać linie montażowe?

Bezpłatny raport „Najbardziej zyskowne technologie. Trendy w rozwiązaniach B2B”

zobacz więcej