Uzņēmums General Electric veido AI darbaspēku

Pārejot uz augsto tehnoloģiju biznesu, 125 gadus vecais uzņēmums, kas mūsu 50 gudrāko uzņēmumu sarakstā ir 40. vietā, visā savā darbībā, sākot ar zinātniekiem, izmanto mākslīgo intelektu. Autors

• Elizabete Voika arhīva lapa

2017. gada 27. jūnijs

Leonards Greko

Kad Džeisons Nikolss 2011. gadā pievienojās GE Global Research, drīz pēc tam, kad bija pabeidzis pēcdoktorantūras darbu organiskās ķīmijas universitātē Kalifornijas universitātē Bērklijā, viņš paredzēja ilgu karjeru ķīmiskajā pētniecībā. Taču pēc četriem gadiem, kad tika radīti materiāli un sistēmas rūpniecisko notekūdeņu attīrīšanai, Nikolss pārcēlās uz uzņēmuma mašīnmācības laboratoriju. Šogad viņš sāka strādāt ar paplašināto realitāti. Daļēji ķīmiķis, daļēji datu zinātnieks Nikolss tagad ir tieši tāds hibrīddarbinieks, kuram ir izšķiroša nozīme uzņēmuma nākotnei, kas strādā, lai savās iekārtās un rūpnieciskajos procesos ieviestu mākslīgo intelektu.

Pirms piecpadsmit gadiem GE mašīnu operatori un tehniķi uzraudzīja tās lidmašīnu dzinējus, lokomotīves un gāzes turbīnas, klausoties to šķindoņos un dūkoņos un pārbaudot mērierīces. Mūsdienās uzņēmums izmanto AI, lai veiktu līdzvērtīgu darbību, pat iepriekš paredzot kļūmes (skatiet sadaļu “50 gudrākie uzņēmumi 2017. gadā.”). Izmantojot šo tehnoloģiju, GE cer līdz 2020. gadam kļūt par vienu no pasaulē labākajiem programmatūras nodrošinātājiem, un šis uzdevums tika pastiprināts 2011. gadā ar 1 miljardu dolāru vērtu iniciatīvu vākt un analizēt sensoru datus no mašīnām. Viedāku modeļu izveide, izmantojot AI, ir nākamais solis uzņēmuma stratēģijā — tas, cerams, dos tam priekšrocības salīdzinājumā ar tādiem ilggadējiem konkurentiem kā Siemens un programmatūras gigantiem, piemēram, IBM, kas tagad izvēršas rūpnieciskajā analīzē.

Šis stāsts bija daļa no mūsu 2017. gada jūlija numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Protams, mākslīgā intelekta integrēšana 1892. gadā dibinātā organizācijā ir grūts uzdevums. Tas sākas ar uzņēmuma tehnisko prātu apmācību, kas nodarbina 300 000 cilvēku visos tā uzņēmumos visā pasaulē. GE Global Research, kurā strādā Džeisons Nikolss, izveido tiešsaistes programmas, kas māca mašīnmācību un simpozijus, kuros zinātnieki var izpētīt jaunas lomas. Līdz šim gandrīz 400 darbinieku no visa uzņēmuma ir pabeiguši GE datu analīzes sertifikācijas programmu, un aptuveni 50 zinātnieki ir pārcēlušies uz tādiem digitālās analītikas darbiem, kādus ir uzņēmies Nikols.

Duālās karjeras

Daudzi no šiem diviem zinātniekiem palīdz izveidot GE iekārtu mākoņdatošanas programmatūras modeļus, kurus var izmantot, lai ietaupītu naudu un uzlabotu savu klientu drošību. GE veido šos digitālos dvīņus, izmantojot informāciju, ko tas apkopo no mašīnām esošajiem sensoriem, ko papildina ar fizikas modeļiem, AI, datu analīzi un zinātnieku un inženieru zināšanām. Lai gan digitālie dvīņi galvenokārt ir programmatūras koda rindas, sarežģītākās versijas izskatās kā 3-D datorizēti dizaina rasējumi, kas pilni ar interaktīvām diagrammām, diagrammām un datu punktiem. Tie ļauj GE izsekot savu lidmašīnu dzinēju, lokomotīvju, gāzes turbīnu un vēja turbīnu nolietojumam, izmantojot sensoru datus, nevis pieņēmumus vai aprēķinus, tādējādi atvieglojot prognozēšanu, kad tiem būs nepieciešama apkope. Piemēram, gaisa kuģa dzinējam, kas lido virs ASV, GE datora serverī Kalifornijā varētu būt digitāls dvīnis, kas palīdzētu noteikt labāko tā daļu apkopes grafiku.

Papildus mašīnas dzīves ilguma prognozēšanai virtuālie modeļi ļauj GE optimizēt savu produktu darbību. GE saka, ka digitālie dvīņi palielina vēja parku saražotās elektroenerģijas daudzumu pat par 20 procentiem un samazina ikgadējo degvielas patēriņu un oglekļa emisijas vienai no tās lokomotīvēm par attiecīgi 32 000 galonu un 174 000 tonnu gadā. Klientiem ir piegādāti vairāk nekā 700 000 modeļu, un līdz šī gada beigām šis skaits varētu pārsniegt vienu miljonu.

Tehnoloģija ir atkarīga no mākslīgā intelekta, lai pastāvīgi atjauninātu sevi. Turklāt, ja dati ir bojāti vai trūkst, uzņēmums aizpilda nepilnības, izmantojot mašīnmācību — AI veidu, kas ļauj datoriem mācīties bez tiešas programmēšanas, saka Kolins Pariss, GE Global Research programmatūras izpētes viceprezidents. Parris saka, ka GE savieno datorredzi ar dziļo mācīšanos, mākslīgā intelekta veidu, kas ir īpaši prasmīgs modeļu atpazīšanā, un pastiprinošu mācīšanos, kas ir vēl viens nesens AI sasniegums, kas ļauj mašīnām optimizēt darbības, lai kameras varētu atrast sīkas plaisas uz metāla turbīnu lāpstiņām pat tad, kad tās ir netīri un putekļaini.

Paņemiet mazo robotu, kas ir nedaudz lielāks par Matchbox automašīnu, ko izmanto, lai pārbaudītu darba dzinējus. Izmantojot datorredzi un dažādas mākslīgā intelekta metodes, robots var meklēt plaisas lidmašīnu dzinējos, braucot virs lēni kustīgas ventilatora lāpstiņas.

Līdzīgu tehnoloģiju var piestiprināt bezpilota lidaparātam, lai konstatētu koroziju uz 200 pēdu augstajiem uzliesmojuma skursteņiem, kas sadedzina lieko gāzi, kas izplūst naftas un gāzes ieguves vietās.

GE zinātnieki gadu desmitiem ir pētījuši un pielāgojuši mainīgās tehnoloģijas. Šajā 1968. gada 18. aprīļa fotoattēlā GE sistēmu inženieris izmanto studentu atbildes sistēmas teleksa saiti Sirakūzu universitātē. Dators analizēja skolēnu atbildes uz jautājumiem ar atbilžu variantiem un nodeva tās skolotājam.

1969. gada 20. martā GE pētnieki pētīja gāzu plūsmu, kas ir neredzama to dabiskajā stāvoklī, izveidojot simulācijas ierīcē, ko sauc par darba ūdens līmeni, kur straumes tika novērotas, izmantojot krāsvielas.

Nav iedoma

Lai izstrādātu un strādātu ar šīm sistēmām, GE pētniekiem ir jāsaprot gan mašīnu fizika, gan AI algoritmi.

Šī ir vieta, kur molekulārais biologs sēdēs ar mašīnmācības ekspertu vai vadības teorijas cilvēks kopā ar kādu, kas zina par materiālu zinātni, saka Marks Grabs, GE Global Research tehnoloģiju direktors analītikas jomā. Šāda veida sadarbība ir ļoti spēcīga, taču nav nekā spēcīgāka par tās pašas informācijas turēšanu tajās pašās smadzenēs; tas ir vienkārši īpaši efektīvi.

Padomāsim par Meta Nīlsena smadzenēm, kurš pievienojās GE Global Research 1998. gadā pēc doktora grāda iegūšanas fizikā. Nīlsens izstrādāja fotoniku un strādāja pie elektrisko transportlīdzekļu programmatūras, pirms 2015. gadā pilnībā pārgāja uz uzņēmuma digitālo pusi. Šobrīd viņš vada digitālo dvīņu izstrādātāju komandu un palīdz veidot uz fiziku balstītus modeļus, kurus var apvienot ar mašīnmācīšanās algoritmiem.

GE izmanto mākslīgo intelektu, lai ražotnē Belfortā, Francijā, izveidotu nepārtraukti atjauninātus savu iekārtu, piemēram, šīs gāzes turbīnas 9HA, digitālos attēlus.

Reaktīvo dzinēju digitālās kopijas palīdz GE aviācijas klientiem ietaupīt naudu, precīzi paredzot, kad viņiem būs nepieciešama apkope. Šeit GE dzinējs atrodas kapitālremontā Riodežaneiro, Brazīlijā.

Sahika Genc, ​​vēl viens duālais zinātnieks, pirms pārejas uz GE mašīnmācības laboratoriju 2014. gadā izstrādāja sistēmas ICU trauksmes signāliem. Gencs tagad ir mašīnmācības zinātnieks, kurš izmanto padziļinātu mācīšanos un pastiprināšanas mācīšanos, lai padarītu GE enerģijas pārvaldības sistēmas efektīvākas. Viens no viņas nesenajiem projektiem izmantoja mašīnmācības un siltuma pārneses teoriju, lai noteiktu, kā ēkas enerģija tiek izkliedēta un uzglabāta. Prognozes palīdzēs GE klientiem samazināt enerģijas patēriņu.

Šie hibrīdpētnieki varētu būt GE labākais risinājums, lai saglabātu savu nozīmi vēl vienu gadsimtu, jo uzņēmums meklē izaugsmes iespējas tādās konkurētspējīgās un nobriedušās nozarēs kā turbīnas, reaktīvie dzinēji un lokomotīves.

Pariss, programmatūras izpētes vadītājs, atzīst, ka daži no GE 2000 pētniekiem joprojām uzskata dažus jaunās pieejas aspektus par pārejošu iedomu.

Taču zinātnieki, kuri neizdara lēcienu, var atpalikt. Janvārī uzņēmums atlaida pētniekus jomās, kas tika uzskatītas par perifērām GE digitālās rūpniecības stratēģijai. Tas ir pēc 100 jaunu pētniecības darba vietu izveides saistībā ar AI un robotiku 2016. gadā.

paslēpties