چین پیشتاز کشورهای آسیایی در هوش مصنوعی است

با توجه به اینکه هوش مصنوعی و اینترنت صنعتی اشیاء(IIoT) از جمله فناریهای نوین صنایع است که می تواند علاوه بر کاهش هزینه به بهبود کارایی و عملکرد صنایع هم کمک کند اما با این وجود در راستای تسهیل سازی این روند دولتها هم باید با تامین بودجه و حمایت از استارت آپ ها و مراکز دانشگاهی در این حوزه این مسیر را برای استفاده هرچه بیشتر از این فناوری هموار سازند.

به گزارش اقتصاددان به نقل از بازار ،  در همین راستا گفتگویی با دکتر گوپیچند کاتراگادا، مدیر ارشد فناوری و رئیس نوآوری شرکت برادران تاتا انجام داده که در ادامه این گفتگو آمده است. گفتنی است وی همچنین به عنوان فناور، رهبر اجرایی، سرمایه گذار، مشاور و نویسنده هم فعالیت دارد.

در ابتدا بفرمایید هوش مصنوعی چه تاثیری بر کارایی صنایع دارد؟
هوش مصنوعی (AI) همراه با اینترنت صنعتی اشیاء (IIoT) از طریق بهبود در بازده، کارایی و هزینه‌ها، ارزش را به ارمغان می‌آورد که می توان به موارد زیر و به تفکیک اشاره کرد:

بهبود عملکرد کارخانه ۲ درصد ؛ ۲۵ درصد بهبود بهره وری انرژی فرآیند؛ ۱۰ درصد صرفه جویی در هزینه های عملیاتی و نگهداری.

 عوامل مهم در عملکرد بهتر هوش مصنوعی و اینترنت صنعتی اشیاء چیست؟
جمع‌آوری داده‌ها در کارخانه و تجزیه و تحلیل داده‌ها در فضای ابری به خودی خود قدرت اینترنت صنعتی اشیاء IIoT را نشان نمی‌دهد. درحالی که ورود محاسبات لبه(Edge computing )، یک استراتژی Edge AI IIoT را قادر می‌سازد که حلقه ارزش را همراه با حسگرهای پیشرفته، هوش مصنوعی و ۵G را تکمیل ‌کند. داده‌های جمع‌آوری‌شده توسط حسگرها با کنترل حلقه بسته از طریق استنباط و نتیجه گیری هوش مصنوعی پیشرفته درست در لبه، IIoT را قادر می‌سازد تا به بهترین نحو عمل کند.

دولت ها برای تسهیل استفاده از هوش صنعتی چه اقداماتی باید انجام دهند؟
با حفظ حریم خصوصی و داده های اختصاصی، بازارهای داده باز را بر اساس تحقیقات با بودجه عمومی تسهیل کنند. تامین بودجه برای استارتاپ ها و ارتقای مراکز دانشگاهی در هوش مصنوعی بر اساس الزامات دولتی به همراه حقوق تجاری برای استفاده از دیگر موارد است.

چالش های استفاده از هوش مصنوعی برای سازمان ها چه مواردی است؟
صنایع به طور معمول دارای تیم‌های فناوری عملیات (OT) در کارخانه یا فروشگاه، تیم‌های فناوری اطلاعات (IT) مستقر در دفتر مرکزی شرکت، و تیم‌های علوم داده شرکتی (DS) با ساختار گزارش‌دهی مستقل هستند.

درحالی که این تیم ها انگیزه ای برای همکاری برای موفقیت طولانی مدت ندارند. صرف نظر از صنعت، کارخانه ها کوتاه مدت بر تولید متمرکز هستند، بخش های فناوری اطلاعات در حال بهینه سازی هزینه ها هستند و تیم های علم داده تخصص حوزه را ندارند.

در یک راه‌اندازی معمولی IIoT، تیم‌های فناوری عملیات بیانیه‌های چالشی را ارائه می‌کنند، تیم‌های فناوری اطلاعات سرورهای ابری را برای داده‌های بزرگ فراهم می‌کنند، و تیم‌های علم داده داده‌ها را در حالت آفلاین کرانچ (خرد کردن داده ها به مراحل اولیه کلیدی مورد نیاز برای آماده سازی حجم زیادی از داده های خام برای تجزیه و تحلیل اشاره دارد) می‌کنند.

با این حال، در عمل، موانع سازمانی به IIoT اجازه نمی دهد تا به آن شکل که باید عمل کند. نتایج آفلاین از تیم های علم داده به ندرت توسط کارخانه اجرا می شود. با اینکه تیم های فناوری اطلاعات با تهیه گزارش برای مرکز اصلی رضایت دارد.

اما مرکز تعجب می کند که چرا پیاده سازی IIoT نتایجی را به همراه ندارد. از این رو به ندرت یک رویکرد راه حل یکپارچه برای طراحی مجدد کارخانه برای عملکرد بهتر و بهره وری با استفاده از فناوری جدید وجود دارد.

آیا آماری از استفاده از هوش مصنوعی در صنایع کشورهای پیشرو در زمینه هوش مصنوعی در آسیا دارید؟
بر اساس داده های چند سال گذشته ثبت اختراع، چین پیشتاز کشورهای آسیایی در استقرار هوش مصنوعی در سراسر صنایع است. طبق گزارش سازمان جهانی مالکیت فکری WIPO، چین در دهه گذشته ۳۸۹ هزار و ۵۷۱ پتنت در زمینه هوش مصنوعی ثبت کرده است که ۷۴.۷ درصد از کل جهان را به خود اختصاص داده و رتبه اول را در جهان دارد.