Umetna inteligenca - svet, ki presega našo domišljijo

Kje se tradicionalni IT sistemi in najsodobnejša AI razlikujejo?

Običajni sistemi IT temeljijo na pravilih in ustrezajo statičnim sporočilom. Z drugimi besedami, definiramo funkcije in odločitvena drevesa, ki jih stroji nato izvajajo. Vendar današnja podjetja želijo več. Potrebujejo zelo prilagodljivo in prilagojeno IT podporo za različne vrste naročil in strukture, prejete iz več prodajnih kanalov. Na primer, sistemi morajo hkrati podpirati dostavo v fizične trgovine in izpolnitev e-trgovine. Prvi korak je uvedba algoritmov, ki optimizirajo izpolnitev. SSI SCHAEFER jih je uvedel za naročnika Desigual, kar nam omogoča nenehno prilagajanje in izboljšanje procesov upravljanja naročil ter izboljšanje stroškovne učinkovitosti komisioniranja. Čeprav način, kako je trenutno modelirana logika v sistemih IT, omejuje, kaj lahko trenutno storimo.

V podjetju SSI SCHAEFER naša inovativna kultura skrbi, da razmišljamo naprej, umetna inteligenca pa je naše naslednje veliko poslanstvo. Želimo ustvariti intralogistične procese, ki se lahko prilagajajo spreminjajočim se potrebam strank – avtonomno in dinamično. Želimo sisteme IT, ki so "odprti" in sposobni prepoznati in analizirati vzorce; na primer pri odrejanju vedenja, v situacijah, ko ljudje z našo osredotočenostjo na vzročne povezave ne morejo procesirati. Ta sprememba paradigme nam bo omogočila načrtovanje procesov, ki so bolj agilni in bolj občutljivi na razmere. To nam bo omogočilo, da na primer predvidimo naročila strank, preden so ta naročila oddana, ter izvedemo komisioniranje in začnemo pošiljanje v zgodnejši fazi. Želimo izkoristiti znanje strank, ki je v naših podatkih.

Kaj je umetna inteligenca? Kaj je inteligenca? Kdaj sistem postane AI?

Umetna inteligenca je poskus, da bi računalniškim sistemom do neke mere omogočili, da razmišljajo sami. Vendar pa se niti strokovnjaki ne morejo zares strinjati glede natančne definicije inteligence. En primer so nevronske mreže. To je IT model kognitivnih struktur z namenom približevanja na splošno neznane funkcionalne korelacije med vhodnimi podatki in rezultati. Ti sistemi analizirajo možne povezave in podatke, ki so jim na voljo, uporabljajo na način, ki ga ljudje s predsodki in predsodki ne morejo. Ali, povedano drugače, ljudje razmišljajo v smislu specifičnih problemov. Stroji iščejo povezave in nam dajejo odgovore na vprašanja, ki si jih morda sploh nikoli nismo zastavili.

Kakšna bo prihodnost?

Sistemi AI, ki so bili usposobljeni za izvajanje ustreznih intralogističnih nalog, lahko pomagajo človeškim delavcem v skladiščih. Sistemi AI bodo dajali priporočila in izboljšali učinkovitost procesov z uporabo pametnih napovedi. Predpisano vzdrževanje bo na primer omogočilo zgodnjo napoved preostale življenjske dobe danega stroja. Morebitne okvare bomo vnaprej diagnosticirali in izvajali preventivno vzdrževanje s podporo proaktivnih intralogističnih procesov. Z drugimi besedami, to bo zmanjšalo čas izpada stroja. Predpisano vzdrževanje združuje inteligenco strojne in programske opreme.

Izraz AI ni nič novega, vendar postaja vse bolj aktualen. Zakaj je ta tema vse pogostejša v pogovoru?

V devetdesetih letih prejšnjega stoletja preprosto nismo imeli količine podatkov ali procesorske moči za sofisticirane procese strojnega učenja, ki so jih zahtevali naši imperativi. Današnja strojna oprema in visoko zmogljivi čipi to omogočajo. Tehnologija velikih podatkov nas postavlja v udoben položaj, da lahko sisteme oskrbujemo z umetnim znanjem in omogočamo nenehno učenje. Globoko učenje, tj. vrsta strojnega učenja, ki temelji na hierarhičnih nevronskih mrežah, je zdaj dokazano in izvedljivo. Navsezadnje imamo bolj prilagodljive, izboljšane sposobnosti. Lahko presežemo teorijo in uporabimo te tehnologije pri vsakodnevnem delu. Stvari se nenehno razvijajo in izboljšujejo, kar močno širi naše možnosti AI.

Kakšen vpliv ima to na intralogistične rešitve SSI SCHAEFER? Kakšno vlogo igra AI v vaši ekipi?

Pri SSI SCHAEFER IT Solutions smo videli, kako se razvijajo naše veščine IT in programske opreme, da bi odprli nove priložnosti AI. SSI SCHAEFER bo kmalu lahko uvedel sisteme AI v projektih strank – vsaj kar se nanaša na zgodovinske podatke. V prihodnosti bo to pripeljalo do tega, da bomo delali manj programskega dela in se bolj osredotočali na sisteme usposabljanja, s ciljem večje uspešnosti projekta. Hkrati pa moramo ohraniti nadzor nad sistemom. Kako daleč gremo? Potrebovali bomo nadomestne strategije, ki nam omogočajo, da se odzovemo na nepredvidene spremembe na strani strank. To je edini način, da kupčevo skladišče vedno deluje. Navsezadnje želimo uvesti rešitev, kjer je edina omejitev sama fizična intralogistična oprema.

Fleksibilnost je osrednja značilnost programske podpore, ki omogoča večjo odzivnost na potrebe strank. Vendar pa je za doseganje uspešnega projekta umetne inteligence ključnega pomena komunikacija med znanostjo o podatkih, strokovnjaki za simulacijo in ljudmi, ki so dejansko odgovorni za izvedbo. Razumevanje resnične situacije strank je najpomembnejše, saj SSI SCHAEFER skače naprej.