Sztuczna inteligencja – świat wykraczający poza naszą wyobraźnię
Czym różnią się tradycyjne systemy informatyczne i nowoczesna AI?
Konwencjonalne systemy informatyczne są oparte na regułach i porozumiewają się poprzez statyczne komunikaty. Innymi słowy, definiujemy funkcje i drzewa decyzyjne, które maszyny następnie realizują. Jednakże współczesne przedsiębiorstwa chcą czegoś więcej. Potrzebują niezwykle elastycznego i dopasowanego wsparcia IT dla różnorodnych rodzajów zamówień i struktur otrzymywanych z wielu kanałów sprzedaży. Na przykład systemy muszą jednocześnie obsługiwać dostawy do sklepów tradycyjnych i realizację zamówień w ramach e-commerce. Pierwszy krok do wdrożenia algorytmów, które optymalizują fulfillment. Firma SSI SCHAEFER wdrożyła je dla klienta Desigual, co pozwala nam nieustannie dopasowywać i ulepszać procesy zarządzania zamówieniami, a także poprawiać opłacalność kompletacji. Chociaż sposób, w jaki logika jest obecnie modelowana w systemach informatycznych ogranicza to, co możemy obecnie zrobić.
W SSI SCHAEFER nasza kultura innowacyjności sprawia, że myślimy przyszłościowo, a AI jest naszą kolejną wielką misją. Chcemy stworzyć procesy intralogistyczne, które są w stanie adaptować się do zmieniających się potrzeb klientów – autonomicznie i dynamicznie. Chcemy systemów informatycznych, które mają „otwarte umysły” i są w stanie identyfikować i analizować prawidłowości; na przykład w zachowaniach podczas składania zamówienia, w sytuacjach, w których ludzie, z naciskiem na związki przyczynowe, nie są w stanie tego przetworzyć. Taka zmiana paradygmatu pozwoli nam projektować procesy, które są zwinniejsze i bardziej adekwatne do sytuacji. To umożliwi nam na przykład przewidywanie zamówień klientów, zanim takie zamówienia zostaną złożone, a także realizowanie kompletacji i rozpoczęcie wysyłki na wcześniejszym etapie. Chcemy wykorzystać wiedzę o klientach, która jest ukryta w naszych danych.
Czym jest sztuczna inteligencja? Czym jest inteligencja? Kiedy system staje się AI?
AI jest próbą nadania systemom komputerowym zdolności do myślenia za siebie do pewnego stopnia. Jednakże nawet eksperci nie mogą zgodzić się co do dokładnej definicji inteligencji. Jednym z przykładów są sieci neuronowe. Jest to informatyczny model struktur kognitywnych, którego celem jest przybliżenie powszechnie nieznanej korelacji funkcjonalnej pomiędzy danymi wejściowymi a wynikami. Takie systemy analizują ewentualne powiązania i wykorzystują dostępne im dane w sposób, w który ludzie nie mogą tego zrobić z powodu z góry wyrobionych opinii i uprzedzeń. Albo, mówiąc inaczej, ludzie myślą w kategoriach konkretnych problemów. Maszyny szukają powiązań i dają nam odpowiedzi na pytania, których my w ogóle pewnie byśmy nie zadali.
Jak będzie wyglądać przyszłość?
Systemy AI, które zostały wyszkolone do wykonywania odpowiednich zadań intralogistycznych, mogą pomóc ludzkim pracownikom w magazynach. Systemy AI będą udzielać zaleceń i zwiększać wydajność procesów, wykorzystując inteligentne prognozy. Na przykład konserwacja preskryptywna umożliwi wczesne prognozowanie pozostałego okresu żywotności danej maszyny. Potencjalne usterki będą diagnozowane z góry, a konserwacja prewencyjna będzie przeprowadzana przy wsparciu proaktywnych procesów intralogistycznych. Innymi słowy, zminimalizuje to przestoje maszyny. Konserwacja preskryptywna łączy w sobie inteligencję sprzętu i oprogramowania.
Pojęcie AI nie jest niczym nowym, ale zyskuje na znaczeniu. Dlaczego ten temat coraz częściej pojawia się w rozmowach?
W latach 90-tych XX wieku po prostu nie mieliśmy wystarczającej ilości danych ani mocy obliczeniowej do wyrafinowanych procesów uczenia maszynowego, których wymagały nasze imperatywy. Dzisiejszy sprzęt i niezwykle wydajne chipy to umożliwiają. Technologia big data zapewnia nam komfortową pozycję, w której jesteśmy w stanie wyposażać systemy w sztuczną inteligencję i umożliwiać nieustanne nauczanie. Uczenie głębokie, tj. rodzaj uczenia maszynowego oparty na hierarchicznych sieciach neuronowych, zostało już sprawdzone i jest realne. Na koniec mamy elastyczniejsze i lepsze umiejętności. Możemy wyjść poza teorię i wdrażać te technologie w naszej codziennej pracy. Rzeczy nieustannie się zmieniają i stają się coraz lepsze, co ogromnie poszerza nasze możliwości w zakresie AI.
Jaki wpływ ma to na rozwiązania intralogistyczne od SSI SCHAEFER? Jaką rolę AI odgrywa w Twoim zespole?
Widzimy, jak nasze umiejętności informatyczne i w zakresie oprogramowania rozwijają się w SSI SCHAEFER, otwierając nowe możliwości w zakresie AI. SSI SCHAEFER niedługo będzie w stanie wdrażać systemy AI w ramach projektów klientów – przynajmniej jeśli chodzi o dane historyczne. W przyszłości doprowadzi to do zmniejszenia nakładu wykonywanej pracy programistycznej, a także skoncentrowania się na trenowaniu systemów, którego celem jest zapewnienie większego sukcesu projektów. Jednocześnie musimy zachować kontrolę nad systemem. Jak daleko możemy się posunąć? Będziemy potrzebowali strategii odwrotu, które pozwolą nam reagować na nieprzewidziane zmiany po stronie klienta. To jedyny sposób na zapewnienie, że magazyn klienta zawsze zachowa zdolność działania. Na koniec chcemy wdrożyć rozwiązanie, w którym jedynym ograniczeniem jest samo fizyczne wyposażenie intralogistyczne.
Elastyczność to główna cecha charakterystyczna wsparcia oprogramowania, umożliwiająca większą responsywność na potrzeby klienta. Jednakże do pomyślnej realizacji projektu AI kluczowa jest komunikacja pomiędzy specjalistami od danych i symulacji a ludźmi, którzy tak naprawdę są odpowiedzialni za wdrożenie. Zrozumienie sytuacji klienta w realnym świecie ma nadrzędne znaczenie w rozwoju SSI SCHAEFER.