Nobel Jüri Ödülü ve Endüstri 4.0 Godfather Wolfgang, Yapay Zeka Araştırmalarının Büyük Eğilimini Yorumladı
Wolfgang Wallstel, Alman Yapay Zeka Araştırma Merkezi CEO'su, Nobel Ödülü Jüri üyesi
Konuşma: Wolfgang Wallstel
Xin Zhiyuan Rehberi Almanya endüstriyel bir güç olarak tanınır. Xinzhiyuan AI Teknoloji Zirvesi'nde, Alman Yapay Zeka Araştırma Merkezi CEO'su ve Nobel Ödülü Jüri üyesi Wolfgang Walster, "Alman Yapay Zeka Araştırmalarında Mega Trendler: Takım Robotları, Uzun Vadeli Otomatik Kontrol ve "Büyük Ölçekli Çok Modalite" nin açılış konuşması Almanya'nın "Endüstri 4.0" deneyimini, robotik endüstriyel uygulamaları ve insan-makine işbirliğini ve diğer son teknoloji araştırma konularını paylaştı.
Wolfgang Valster: Herkese merhaba! Bu çok önemli konferansa hoş geldiniz Bugün size ağırlıklı olarak deneyimlerimden, Almanya'daki deneyimlerimin bir kısmından ve Almanya'daki yapay zeka araştırmalarından bahsedeceğim. Bahsettiğim konu şu anda çok sıcak bir alan olan takım robotları, uzun vadeli özerklik ve geniş ölçekli, çok modalite.
İlk olarak, Almanya'da her zaman yapay zekanın bilgi teknolojisinin sınır alanı olduğunu söylüyoruz. Yapay zekanın bir yandan bilgisayarların bir alt disiplini olduğunu herkes bilir, diğer yandan da bir mühendislik alt disiplini. Sadece bu değil, aynı zamanda bilişte de çok önemli unsurlara sahiptir.Bu üçü biyoloji, dilbilim, makine öğrenimi, psikoloji vb. İle birleştirilir ve hatta bazen felsefe bile dahil edilecektir. Dolayısıyla bu çok alanlı bir konudur.
Yapay zeka artık önemli bir araştırma alanıdır. 30 yıldır DFKI'de araştırma yapıyoruz. Amacımız, akıllı kontrol gerçekleştirmek ve bilgisayar sistemlerinde zeka sağlamaktır. Yapay zeka ve teknolojiyi birleştirdiğimizde ne olacak? Yani ürünlerimiz daha akıllı hale gelecek, birçok görevi uzaktan kumanda olmadan da yerine getirebilecek. Kendi yollarını ve eylemlerini planlayabilirler ve kaynakları kendileri yönetebilirler. Otonomdurlar ve onlara talimat vermenize gerek yoktur. Her şey olmadan önce tepki verebilirler, çok uyumludurlar ve yeni ortama adapte olabilirler.
Kendini açıklayıcıdırlar, bu da AI sisteminin kendi karar verme süreçlerini açıklayabileceği anlamına gelir. Onlara sorduğunuzda, kendi kendini optimize ediyorlar, kendi kendine öğreniyorlar ve hatta bazen kendi kendini iyileştiriyorlar. Hedefimiz budur. Tüm bu özellikler elbette tüm sistemlerde mevcut değildir ve bazen sadece bazı özellikler vardır.
Endüstri 4.0: Dördüncü Sanayi Devrimi
Almanya'da büyük bir trend var dediğimiz Endüstri 4.0, dördüncü sanayi devrimi . Aynı şekilde birçok yapay zeka teknolojisini de uygulayacaktır. Bu konsept, 2010 yılında üç profesör tarafından ortaya atıldı. Bir yazılım şirketi 2011'de ilk makalemizi yayınladı. Bugün, dünya çapında Endüstri 4.0'ın ilerlemesini anlatan 80.000'den fazla makale var ve Akıllı fabrikalar gibi uygulamalar dahil olmak üzere Avrupa'daki toplam yatırım her yıl 140 milyar Euro'ya ulaşıyor.
Alman Yapay Zeka Araştırma Merkezi Araştırma merkezinin CEO'su olarak birçok marka ile çalışıyoruz ve bu şirketlerin Pekin'de de ofisleri var. (Yukarıda) Bunlar ortaklarımız ve bazen ortaklıklar oluşturuyoruz, bunların yarısı endüstriyel fonlar ve yarısı özel sektör fonları.
Bugün konumuz Uzun vadeli özerklik. Mevcut AI yalnızca kısa vadeli özerkliktir. Ulaşmak istediğimiz bir sonraki adım nedir? Böyle bir sisteme bir ay, altı ay veya iki ila üç yıl gibi ancak daha uzun bir sürede ulaşılabilecek bazı hedefler verebiliriz. Örneğin, bir fabrikaya daha az kaynak kullanırken kaliteyi sağlamak istediğimi söyleyebilirsiniz. Böyle bir hedef bir günde başarılamaz, bu nedenle bu sistemin üretim sürecini ayarlamak için uzun vadeli bir hedefe ihtiyacı var ve böyle bir hedefe ulaşmak için sonuçta kaynakları korumaktır.
Almanya'da stratejimiz beş alana temel araştırma yapmaktır. Şimdi yeni nesil bir makine öğrenimi sistemi geliştiriyoruz: EMAL , Düşük kaliteli verilerden öğrenebilir ve ardından seviyenizi kademeli olarak geliştirebilirsiniz. Basit yöntemler kullanın ve sonunda öğrenme sürecini iyileştirin. İkincisi, biz aradık YAPACAĞIM , Hiper bağlantıya dayalı sürükleyici yardım, Örneğin, bazı küçük kameralar vb. Mekanda süper bağlantı adı verilen bazı benzer teknolojileri görebiliyoruz. Üçüncüsü, uzun vadeli bağımsız tasarım için tasarlanan otomatik kontrol sistemine SELA denir. Dördüncüsü İnsan ve makine zekası ekip çalışması (TAMI), bu takıma yapay zekayı katmak istiyoruz. En sonunda Giyilebilir yapay zeka sistemi .
Almanya neden Endüstri 4.0'ı önerdi? İmalat Alman ekonomisinin hala çok önemli bir yönü olduğu için, Almanya'da iki işten biri imalat sanayine bağlıdır.İmalat sanayinin yıllık ihracat değeri 158 milyar avroyu bulmaktadır, özellikle bazı endüstriyel makineler vb. Bu bizim için çok önemli bir sektör, bu da fabrika zekasını gerçekleştirmek için imalat endüstrisinde, IP fabrikalarında ve MES sistemlerinde bir paradigma değişikliğine ulaşmamız gerektiği anlamına geliyor. Daha sonra üretim sürecini anlayabilen birçok dijital teknoloji vardır, böylece her makine ve her ürün birbirine bağlanabilir.
Sadece bilgisayarlar ve cep telefonları için değil, aynı zamanda çok önemli bir nokta, aynı zamanda imalat endüstrisi için de birçok yazılım sağlamak için çeşitli alanlarda çok çalıştık.Bu yazılımlar aynı zamanda özellikle imalat endüstrisi için de uygundur. AI'da dört aşama görüldü ve bu dört aşamanın yukarı doğru spirallendiğini görebilirsiniz.
Yapay zekanın yeni başladığı ilk aşama çok basitti. O zamanlar insanlar soruna evrensel bir çözüm bulabileceğimize inanıyorlardı. Tek veri yapısı Sorunu çözmek. Elbette başarısız oldu, ancak çok basit bazı sorunları çözebiliriz.
Sonra insanlar daha fazla bilgiye ihtiyaç duyduklarını düşünürler. Bilgi güçtür. Bilgiyi makinelere aktarırız. Bu İkinci aşama, bilgiye dayalı sistem , Etkisi fena değil, birçok başarı öyküsü var, ancak aynı zamanda büyük sınırlamalar da var, özellikle resmi bilgiyi girmek zordur. Bu nedenle algoritmanın uygulanması zordur.
Üçüncü aşama, öğrenme sistemidir.
Dördüncü aşama bilişsel sistemdir. Süreçte, bilişsel problemleri yalnızca makine öğrenimi ile çözmenin imkansız olduğunu gördük. Çünkü bazı fiziksel yasaları değiştiremezsek, bu fiziksel yasalar yüzlerce yıl önce keşfedilmiş olabilir. Bu nedenle, birçok yönden sınırlıyız.
Makine öğrenimini uygulamak için neden sembolik bilgiyi ve diğer yeni teknolojileri kullanmıyoruz? Artık bilgi ve makine öğrenimini birleştirebilen en son sisteme sahibiz. Bu, gelecekte bizim için bir yol. Biz buna ikinci dijitalleşme dalgası diyoruz. Sayısallaştırma çok basit olduğu için herkes yapabilir ve ayrıca birçok aracımız var, sadece veri aktarmamız ve veri depolamamız gerekiyor. Ama şimdi soru şu oluyor, bu sayılarla ne yapıyoruz, onları nasıl analiz ediyoruz, semantik analiz yaparsak bu verileri nasıl kullanıyoruz.
Bunlara diyoruz Makine tarafından okunabilen veriler (Makine tarafından okunabilen Veriler). Kendi kendine öğrenme sistemi, az önce söylediğim gibi, bazı büyük sorunları çözebilir. İlk olarak en büyük sorun programlama programcı Problemi çözmek için programın JAVA gibi iyi tasarlanmış olması gerekir. İkincisi, arıyoruz Bilgi işleme Gerçekler, kurallar, modeller vb. Vardır. Bu model iyidir çünkü kendi mantığını açıklayabilir, ancak sorun şu ki, yeterli bilgiyi elde etmek zordur. üçüncü, Bu bilgiyi edinmek için makine öğrenimini kullanın . dördüncü, Derin öğrenme Kaynak verileri, deneysel verileri vb. Kullanırız, verileri programlama olmadan eğitmek için kullanırız Bu bir sorundur.Bu sistemlerin genellikle kendi akıl yürütme süreçlerini ve davranışlarını açıklamanın hiçbir yolu yoktur. Verilmesi gereken önemli kararlar varsa, böyle bir sisteme çok güveniyorsanız hukuki sorunlar yaşanabilir çünkü bazı sorumluluk sorunları yaşanacaktır. Eğer bir avukatsanız veya başka bir meslekseniz, derin öğrenme ağlarına inanıyorsanız, başınız belaya girebilir.
Şimdi ne yapıyoruz? Sembol seviyesinde AI ile alt sembol seviyesinde AI ve derin öğrenmeyi birleştiriyoruz. Size çok gerçekçi bir örnek vereyim, ehliyet alırsanız, nasıl sürdüğünüzü gözlemlemiyorsunuz, ancak öğretmen size arabanın nasıl sürülmesi gerektiğini söylüyor, çok basit olabilir ama uygulamada sorunlar olabilir. Bazı yol koşulları çok karmaşıktır, bu kadar karmaşık yollarda kurallar nasıl bulunur? Bir kavşakta ilk kimin geleceği gibi kimin geleceğine bağlıdır, bu yüzden bu bir sembol sistemidir. İyi bir sürücü olmak için, sadece öğretmenin kurallarını dinlemekle kalmamalı ve sadece pratik yaparak öğrenmelisiniz. Alt sembol seviyesi . Sadece bu da değil, hala birçok sorunumuz var ve hala birçok şirketle sorunları çözüyoruz.
Derin öğrenme için açık sorular
Klasik bir soruna denir Aşırı uyum gösterme Bir sistemde onlara çok fazla egzersiz verisi verirseniz, tıpkı spor gibi, aşırı eğitilebilirler, bu da bazı anormal durumların ortaya çıkacağı anlamına gelir. Örneğin, sürücüsüz arabalarda denedik ve gittikçe daha fazla veri konuldu ve onlara eğitim için daha fazla sürüş videosu verildi ve sonuç olarak araba kaza yaptı. Sorun şu ki bu sistemde kaosa yol açan çok fazla veri var.
İkincisi, veri kaybı . Bu çok ciddi bir problem çünkü bazı durumlarda eğitim verisi bulunamıyor. Örneğin, büyük bir ayı arabanıza atlarsa ve bunun gibi bazı anormal durumlar varsa, aslında bu tür örnekleri ve eğitim verilerini bulamayız. Youtube'da bir çok video izledik.Eğer araç kamerası arabaya atlayan bir ayı kaydederse, insanlar onu siler ve internete yüklemezlerdi. Bu nedenle, ayı arabaya atlarsa, onları eğitecek verimiz yok, buna veri kaybı denir.
Sisteme biraz verirseniz Kirlenmiş veriler , Onlar da öğrenecekler ama bazı tuhaf davranışlar olacak, bu tür anormal davranışları silmek çok zor. Google ile işbirliği yapıyoruz, geçmişte makine öğrenimi ağında elde edilen yanlış davranışlar nasıl silinir, ya bazı verilerin kirlenmiş olduğunu fark ederseniz? İnsanlar çok güçlüdür, bazı yanlış bilgileri silebiliriz, ancak makine öğreniminde bazı yanlış kontamine verileri silmek daha zordur. Temizlemesi ve ayırt etmesi zor birçok farklı veri öğesi vardır.
Dördüncü olarak, çok zayıf yorumlama yeteneği. Sistemin yorumlama yeteneği bazen çok zayıf, şimdi size takım içerisinde robotları nasıl kullandığımızı göstereceğim.
Endüstri 4.0: Makineler ve insanlar birlikte çalışıyor
4.0 çağında, robotlar artık kafeslerde kilitli değil, insanlarla işbirliği yapıyor. Bu tamamen yeni bir konsept.
Burada çok sayıda robot görüyorsunuz, biri ünlü marka ABB, çift B sistemi ve Kuka adlı Kuka robotu. Bu robot çok pahalı, muhtemelen 10.000 Euro'dan fazla, bu kadar karışık bir ekibe sahip olabiliriz, Bayan "Ağır nesneleri kaldırmama kim yardım edecek." Sağdaki dişi insansı robot ve soldaki Kuka robotu. İnsanların bazı görevleri tamamlamasına yardımcı olabilir.
Burada bir işbirliği örneğimiz var.BMW otomobil üretiminde işçiler ve robotların çok fazla tasarruf sağlayacak damgalama yapmak için işbirliği yaptığını görebilirsiniz.Robotlar bunu tek başlarına yaparsa çok daha zor olacak ve bunu tek başına yapmak sıkıcı olacaktır. Son olarak, çözümümüz insanların ve robotların birlikte çalışmasına izin veriyor.
Ekonomik açıdan bakıldığında, Endüstri 4.0 çağına geri döndükten sonra, Avrupa ve Japonya'daki birçok şirket, işlerini Tayland, Malezya, Vietnam ve diğerleri gibi bazı düşük maliyetli ülkelere yaptırmaya karar verdi. Ancak şimdi Endüstri 4.0'ın gelişmesiyle birlikte insanlar ürünlerini çok erken görmeyi umuyorlar veya aynı gün veya ertesi gün teslim edilebilirler, çünkü şu anda yaptıkları imalat endüstrisini müşterinin yerine taşımak ve kendi ülkelerine geri dönmek. , Bu çok önemli bir kavram. Çin için de çok önemli, çünkü Çin Almanya'dan çok daha büyük ... Aslında Çin'in birçok farklı vilayeti var ve birçok vilayetin farklı fabrikaları var, bazıları daha küçük ve daha yeni ... Böyle bir geri dönüşümüz var. eğilimi.
İnsan ve robotlardan oluşan karma takımda yumuşak robotlar ortaya çıkıyor. Üretim sürecinde, insanlara bazı bilgiler ve öneriler sağlayan başka süreçler de vardır.Uzun vadeli otomasyonda, kendi kendini izleme, öz düzenleme ve öz farkındalık tam olarak aynı değildir, ancak bu, makinelerin yapabileceği anlamına gelir. Size sunulan kaynakları kendiniz kullanın. Örneğin, belirli bir zamanda belirli bir yere varmasını istersek, yolda şiddetli rüzgar veya şiddetli yağmur gibi kötü hava olabileceğini bilir, o zaman ayrılmadan önce ne zaman bekleyebileceğimi bilir. Bu, makinenin elde edebileceği hava durumu bilgilerini akıllıca kullanabileceği anlamına gelir. İzlemede önemli unsurlardan bazıları olan duyusal yorumlama, biliş, öğrenme akıl yürütme, planlama ve planlama bilişi de vardır.
Artık Endüstri 4.0'ın üzerinde yeni ülkelerde geleceğe yönelik projelerimiz var.Otomatik sistem projeleri için yaşlılara yardım etmek için robotları kullanabiliriz.Ayrıca afetler gibi daha tehlikeli inşaat projelerinde kullanılabilecek robotlar da var. Daha sonra, felaketlerden sonra kurtarmaya yardımcı olmak için robotlar kullanılabilir. Tüm bu sistemlerin iletişimi vardır, karşılaştıkları sorunlar ve karşılaşılan sorunlar belirsizdir, şu anda robotlara ihtiyaç vardır.
Başka bir soru, belirsiz. Örneğin yolda yürürken bazı özel talimatları olan bir sokak tabelası görürüz. Sokak tabelasını yorumladığımızda sokak tabelasının ne anlama geldiğini bilmediğimiz bir durumla karşılaşabiliriz. Bu tür bir belirsizlik de bizim. Karşılaşılan sorunlar. Eksiklik de var, kaynaklarımız sonsuz ama makinelerin bu sonsuz bilgiyi akıllıca yorumlayabilmesi gerekiyor.
Az önce de bahsettiğim gibi, bugün karşı karşıya olduğumuz AI çağında bizi heyecanlandıran şeylerden biri şu anda klavye ve farelere ihtiyaç duyulan alanlardır.Gelecekte artık klavye ve farelere ihtiyacımız yok. Artık biz insanlar burada durduğumuza göre, bir ifade veya eylem bilgi verebildiği sürece, insanların birbirleriyle iletişim kurmasına yardımcı olabilir ve hatta insanların gelecekte makinelerle iletişim kurmasına izin verebilir. Örneğin el hareketleri ve yüz ifadeleri gibi makineler hareketlerimizi anlayabilir ve hatta biyolojik istatistikler bu alanda kullanılabilir.Birçok küçük fabrikada çalışan işçiler de en son teknolojiye ihtiyaç duyar.
Bu, bunu kullandığımız anlamına gelir Çok modlu asistan En ilginç noktalardan biri de fiziksel asistan olarak Dış İskeletleri (dış iskelet) kullanmamızdır Dış iskeletler, kollarımızın daha fazla güç gerektiren işleri yapmasını sağlamak için elimize taktığımız robotik kollardır.Biz onlara fiziksel asistan diyoruz. Örneğin Çin'de böyle bir işlem yapmamız gerekiyor Bu robotu bu eylemi gerçekleştirmek için kullandığımızda, uygulayıcısının arkasındaki operatör muhtemelen Avrupa'da bulunuyor ve uzaktan çalıştırılabiliyor.
Sonunda karşılaştırmama izin ver İnsan zekası ve şimdi en iyi yapay zeka . Bunu içinde görebiliriz Sensomotorik (duyu ve hareket) zeka Bu alanda insan zekasının daha iyi olacağını görebiliyoruz, bu alanda insan performansına bakmayı tercih ediyoruz; Bilişsel zeka Yukarıda yapay zekanın bazı durumlarda insan zekasından daha iyi olduğunu söyleyebiliriz; EQ Makine çok zayıf, insan o kadar iyi; Sosyal beceriler Makine daha yeni başladı ve insanlar çok daha iyi olacak. Yapacak çok işimiz var. Burada, makinelerin insanların yerini alması amaçlanmadığını vurgulamak istiyorum. İnsanların bilişsel eksikliklerini telafi etmek ve insanların daha iyi işler yapmasına yardımcı olmak istiyoruz.
Topluluğa katıl
Xinzhiyuan AI teknolojisi + endüstri topluluğu işe alımı, AI teknolojisi + endüstri inişiyle ilgilenen öğrencilere hoş geldiniz, gruba katılmak için küçük bir asistan WeChat hesabı ekleyin: aiera2015_1; incelemeyi geçtikten sonra, topluluğa katıldıktan sonra gruba katılmaya davet edeceğiz, grubu değiştirdiğinizden emin olun Açıklamalar (isim-şirket-pozisyon; profesyonel grup incelemesi katıdır, lütfen anlayın).
