제조업의 멋진 신(및 구) 세계

이 칼럼의 원래 의도는 최근 화제가 되고 있는 문구인 인공지능(AI)에 대해 논의하는 것이었습니다. 어떤 방식으로든 AI에 대한 관심은 해당 주제에 대해 읽을 수 있는 기사 수와 Google 트렌드에 따르면 해당 기사에 대한 검색 수 모두에서 기하급수적으로 확대되고 있습니다.

디자인 및 형상 최적화, 생성적 디자인, 예측 분석과 같은 다른 형태의 AI가 있으며 지능적인 작업자가 위협을 느껴야 한다는 인상을 받을 수 있습니다. 일부 전문가들은 인공 지능이 우리 모두를 대체할 수 있다고 말합니다.

나는 그럴 것이라고 생각하지 않는다. 나는 그것이 우리를 대체하기보다는 향상시켜 우리에게 큰 도움이 될 것이라고 생각합니다.

그 이유를 이해하려면 사람들이 AI라고 부르는 것이 수학일 뿐이라고 생각하십시오. 네, 맞습니다. 놀랍도록 복잡한 기능 및 계산과 결합된 숫자와 숫자일 뿐입니다. 나는 이것에 약간의 경험이 있습니다. 저는 경력 초기에 이 분야에 손을 댔습니다. 간단한 신경망 프로그래밍은 오늘날 폭넓게 수용되고 있는 여러 형태의 AI 이면에 있는 기본 중 하나입니다. 이미지 분석에서 AI를 사용하는 방법을 더 잘 이해하기 위해 이 작업을 수행했고 몇 가지를 깨닫게 되었습니다.

첫 번째는 방대한 양의 데이터를 사용하여 "인간" 행동을 복제하는 AI의 형태가 믿을 수 없을 정도로 극단적인 형태이기는 하지만 통계적 모델링 및 회귀 분석의 한 형태에 불과하다는 것입니다. 많은 데이터가 알고리즘을 훈련하는 데 필요합니다. 최적화 또는 생성 설계를 위해 다른 수학을 사용하는 경우에도 마찬가지입니다. AI는 사용하기 쉬운 형태로 포장된 매우 복잡한 수학일 뿐입니다.

또 다른 깨달음은 우리가 20년 전에 OK 응답을 받기까지 얼마나 기다려야 했는지였습니다. 이것은 오늘날 강력한 컴퓨팅 덕분에 훨씬 더 어려운 문제가 쉽게 해결되고 있는 것과는 극명한 대조를 이룹니다. 저렴한 유비쿼터스 센서는 방대한 데이터 세트를 제공합니다. 저처럼 AI 기능을 프로그래밍할 필요도 없습니다. "심층 신경망"과 같은 모델을 구매하거나 대여할 수 있습니다. IBM의 Watson과 MathWorks Neural Network Toolbox는 두 가지 예일 뿐입니다. 데이터를 제공하고 고유한 AI 솔루션을 얻습니다. 오늘날 AI는 작업 현장의 로봇을 더욱 다재다능하게 만들고 엔지니어가 최적화를 통해 부품을 설계하도록 돕고 있습니다.

그러나 수학, 센서 및 데이터는 모두 엔지니어와 작업자의 욕구에 따라 형성되는 도구로 남아 있습니다. 그들은 인간보다 개별 작업을 더 잘 수행할 수 있지만 수행해야 하는 작업과 이유는 항상 인간의 영역에 남아 있습니다. 인공 지능은 목적이 없습니다. 그것이 항상 우리의 일이 될 것입니다.

항상 올바른 도구는 아님

마지막으로 다양한 형태의 AI와 같은 멋진 수학이 항상 올바른 도구는 아닙니다. 여기에서 이 칼럼 제목의 "이전" 부분에 도달합니다. 이것은 내가 1920년대로 거슬러 올라가는 계측 기술인 광학 비교기에 대한 이번 달 ME의 기사를 조사하고 있을 때였습니다. 오늘날 대부분의 모델은 기본적인 디지털 전자 장치로 업데이트되지만 기본 아이디어는 동일하게 유지됩니다. 즉, 큰 화면에서 부품의 그림자를 확대하고 사람이 측정하게 하는 것입니다. 머신 비전을 포함하여 기본 아이디어에 대한 다양한 수준의 디지털 개선을 통해 제조의 모든 곳에서 이러한 기계를 찾을 수 있습니다. 제 소식통 중 한 사람은 자기 회사의 서비스가 최근 50년 된 모델을 리퍼브했다고 말했습니다.

AI와 같은 미래 기술과 검증된 기술의 공존은 제조 및 엔지니어링의 지속적인 현실입니다. 아마도 이것 중 일부는 엔지니어가 새로운 기술을 완전히 수용하기를 꺼리는 것일 수 있습니다. 같은 소식통이 나에게 말했듯이 그는 때때로 광학 비교기에서도 새로운 기술을 사용할 수 있음을 강조해야 합니다. 그러나 광학 비교기, 마이크로미터, 캘리퍼스와 같은 기술과 이를 사용하는 인간은 더 멋진 것으로 완전히 대체될 가능성이 없습니다.