System automatyczny w wyznaczony wcześniej sposób wykonuje szereg prostych i powtarzających się czynności. Lecz jeżeli chcemy, aby maszyny uczyły się od otaczającego je świata, analizowały pojawiające się możliwości oraz zagrożenia i na ich podstawie podejmowały decyzje i działania, niezbędne jest wdrożenie systemów autonomicznych. To właśnie one są fundamentem czwartej rewolucji przemysłowej, która już dziś zmienia realia gospodarcze i społeczne na całym świecie.

 REKLAMA 
 Wdrażasz KSeF w firmie 
 
Wyobraźmy sobie katastrofę górniczą lub trzęsienie ziemi, które uwięziło ludzi w kopalni lub metrze. Ryzyko w pierwszych minutach od zdarzenia jest na tyle duże, że ratownicy nie mogą pospieszyć z pomocą ze względu na potencjalne zagrożenie dla ich życia. Przed rozpoczęciem akcji ratunkowej, zespół musi upewnić się, że miejsce zdarzenia jest bezpieczne i stabilne. Oznacza to, że pomoc na ratunek poszkodowanym może nadejść z opóźnieniem. W takich sytuacjach swoje zastosowanie znajdują autonomiczne roboty, które dzięki sztucznej inteligencji badają i wyznaczają potencjalnie niebezpieczne podziemne obszary oraz identyfikują ocalonych i obiekty, takie jak plecaki, telefony komórkowe czy gaśnice.

Dzięki robotowi ratownicy są w stanie poruszać się o wiele szybciej podczas akcji ratunkowej przy dużo mniejszym ryzyku” – powiedział Sebastian Scherer, profesor nadzwyczajny Uniwersytetu Carnegie Mellon i współprzewodniczący zespołu Team Explorer, który w początkowej fazie konkursu organizowanego przez DARPA zajął pierwsze miejsce. Drużyna wykorzysta technologię AirSim firmy Microsoft do szkolenia swoich robotów w zakresie rozpoznawania obiektów w symulowanej kopalni.


Czym jest system autonomiczny?

Potencjał systemów autonomicznym wykracza daleko poza robotykę i autonomiczne pojazdy. Zamiast wielokrotnie wykonywać określone zadania, są one w stanie uczyć się i dynamicznie reagować na zmieniające się środowisko.

Podróż od systemów zautomatyzowanych do autonomicznych to wykorzystanie spektrum rozwiązań, takich jak sztuczna inteligencja czy uczenie maszynowe. Jednak wciąż niewiele z obserwowanych przez nas rozwiązań jest w pełni autonomicznych, niewymagających zaangażowania czynnika ludzkiego. Większość z nich to wciąż technologie wspomagające, które współpracują z ludźmi” – powiedział Mark Hammond, dyrektor generalny Microsoft Business AI.


Firmy, które wybierają Microsoft do współpracy nad autonomicznymi systemami, chcą wykorzystać je między innymi do wykonywania prac, które są zbyt niebezpieczne lub uciążliwe dla ludzi. Pomagają one podejmować mądrzejsze decyzje oraz przetwarzać większą ilość informacji.

Jak się okazuje, potrzeby firm z zakresu symulacji znacznie się różnią między sobą. Niektórzy inżynierowie wykonują równania matematyczne w celu modelowania dynamiki płynów, podczas gdy inni chcą przetestować możliwości detekcyjne dronów w modelach fotorealistycznych. Dlatego łańcuch narzędziowy systemów autonomicznych obejmuje również AirSim, technologię open source opracowaną przez Microsoft do symulacji pojazdów, samolotów bezzałogowych i innych urządzeń działających w trójwymiarowych środowiskach wirtualnych.

Odpowiednie narzędzia

Aby pomagać firmom w tworzeniu systemów autonomicznych, platforma Microsoft wykorzystuje unikalną kombinację nauczania maszynowego, uczenia przez wzmacnianie (reinforcement learning) i symulacji. Wraz z wykorzystaniem innych aplikacji przemysłowych i produkcyjnych pozwala stworzyć system, który będzie w stanie samodzielnie podejmować decyzje, aby poradzić sobie z napotkanymi problemami oraz reagować na pojawiające się zagrożenia.

Wybrane i zarządzane przez platformę Microsoft do systemów autonomicznych algorytmy głębokiego uczenia przez wzmacnianie (deep reinforcement learning) uczą się, testując serię zadań i rozpoznając, jak bardzo zbliżają się do pożądanego celu. Poprzez przeprowadzanie setek lub tysięcy symulacji jednocześnie na platformie Azure i wyciąganie wniosków z ogromnych ilości danych, algorytmy głębokiego uczenia przez wzmacnianie mogą znaleźć rozwiązanie dla rzeczywistych problemów.

Unikalne podejście Microsoft do uczenia maszynowego pozwala osobom, które nie posiadają kwalifikacji w zakresie analizy danych do bardziej intuicyjnego nauczania systemów AI. Pomogą one sztucznej inteligencji szybciej dojść do rozwiązania problemu, rozdzielając skomplikowane projekty na mniejsze zadania. Daje to lepsze zrozumienie tego, w jaki sposób podejmowane są decyzje, a także pewność, że są one racjonalne.

Większość przypadków wykorzystania systemów autonomicznych przez klientów Microsoft dotyczyło pomocy obecnym pracownikom w bardziej wydajnym, bezpiecznym lub jakościowym wykonywaniu ich zadań” – powiedział Mark Hammond.


Rozwój ekosystemu partnerów Microsoft

Microsoft wierzy, że przejście od systemów zautomatyzowanych do autonomicznych jest fundamentem czwartej rewolucji przemysłowej i będzie wymagało wspólnej pracy. Dlatego podczas konferencji Ignite, która odbyła się w listopadzie 2019 roku w Orlando, firma ogłosiła rozszerzenie wersji próbnej platformy do autonomicznych systemów, dzięki czemu programiści, inżynierowie i klienci korporacyjni będą mieli większe możliwości testowania jej komponentów.

Równocześnie ogłoszona została nowa współpraca partnerska z firmą MathWorks. Pozwoli ona tworzyć autonomiczne systemy wykorzystujące Microsoft AI i Azure z powszechnie stosowanymi narzędziami do modelowania i symulacji.

Kolejny nowy partner to Fresh Consulting, zespół konsultantów z Bellevue w Waszyngtonie, składający się z projektantów, programistów i inżynierów, którzy pomagają klientom budować nowe systemy.

Dzięki współpracy Microsoft z Fresh Consulting oraz MathWorks, klienci na całym świecie zyskują środowisko do tworzenia systemów autonomicznych napędzanych przez sztuczną inteligencję. Programiści szybciej osiągną wyznaczone cele i nauczą algorytmy pożądanych zachowań, a pracownicy zostaną odciążeni z trudnych lub niebezpiecznych czynności.

Źródło: www.microsoft.com

PRZECZYTAJ RÓWNIEŻ:


Back to top