圍繞人工智能和就業(yè)的爭論由來已久。人工智能會奪走我們的工作,讓我們失業(yè)嗎?雖然有些工作確實會改變或消失——就像它們一直在做的那樣,而且還將繼續(xù)做下去——但人工智能也可能成為商業(yè)應(yīng)用中的人力倍增因素,因為我們?nèi)祟愒谶@些應(yīng)用中仍未發(fā)揮出應(yīng)有的作用。
最近被列入瀕危列表的一系列工作,包括收集、儲存和分析TB級的無人機數(shù)據(jù),這些數(shù)據(jù)的來源包括通訊塔、管道、太陽能電池板、橋梁和其他建筑物,收集這些數(shù)據(jù)對人類來說可能是非常危險的。
操控無人駕駛飛機的重復(fù)性操作,分析它收集的大量數(shù)據(jù)——是一項容易讓人疲勞和出錯的工作。除飛行員外,負責在當天第25次無人機任務(wù)中檢查的第351絕緣體上發(fā)現(xiàn)裂紋的分析人士可能也會感到疲勞。如果絕緣體上的裂縫不是他們生活的激情所在,那么他們就很可能會犯一個致命的或?qū)е戮薮髶p失的錯誤。
這就是人工智能夠發(fā)揮作用的地方——通過對人類神經(jīng)系統(tǒng)的軟件模擬,它可以被訓練來部分抵消人類分析員必須日復(fù)一日地在巨大數(shù)據(jù)集上無情地執(zhí)行的枯燥和重復(fù)的任務(wù)。實際上,無人機“借用”了人類的大腦,為企業(yè)提供其最終價值。
邊緣AI與定向分析
想想人類是如何檢查一個結(jié)構(gòu)的:他們從粗略的觀察到對關(guān)鍵區(qū)域更深思熟慮和更長時間的分析,他們通過經(jīng)驗或視覺檢查認識到這些關(guān)鍵區(qū)域。從某種意義上說,人類是有偏向的。但這些偏向,可以幫助人們快速決定如何使用寶貴的計算周期。
另一方面,想想無人機是如何收集數(shù)據(jù)的:它們在一個結(jié)構(gòu)上飛行的方式幾乎總是獨立于實際收集的數(shù)據(jù)。無人機可能總是會花同樣的三秒鐘從一個正常區(qū)域的結(jié)構(gòu)中收集數(shù)據(jù)。除非操作人員對無人機“感知”的內(nèi)容有即時的視覺反饋,否則無人機將以不帶偏見的方式收集數(shù)據(jù)。結(jié)果可能是需要在飛行后收集更多的數(shù)據(jù)。
位于計算邊緣的人工智能(理想情況下是無人機本身)可以將無人機定向到相關(guān)結(jié)構(gòu),然后是結(jié)構(gòu)中的子區(qū)域,然后是特定的、可能的異常數(shù)據(jù)存在的區(qū)域,從而對數(shù)據(jù)收集產(chǎn)生偏見。這可能會增加從感興趣區(qū)域收集數(shù)據(jù)的時間,從而引起對其他傳感器的注意,并提醒操作人員進行其他操作。
如今的無人機擁有足夠的計算能力來容納邊緣智能:無論是使用強大的Snapdragon處理器還是用更強大的Nvidia GPU。這些處理器都可以作為實時操作人工智能的基底,為這一重要的關(guān)鍵能力提供動力。
使用基于云的人工智能和數(shù)據(jù)分析來獲得洞察力
一旦數(shù)據(jù)被收集和部署,復(fù)雜的分析任務(wù)就可以開始了。分析任務(wù)在結(jié)構(gòu)清單和將對象的視覺外觀映射到更詳細的信息(例如模型和生產(chǎn)年份)或發(fā)現(xiàn)該對象的缺陷(包括腐蝕和損壞)之間變化。
每個任務(wù)收集了數(shù)以千計的靜止圖像或高清視頻。當使用人來分析一個個幀時,它不僅需要經(jīng)濟成本,而且有一定的出錯概率。
考慮到大量的幀和多層信息的情況下,分析人員丟失關(guān)鍵幀的可能性會大大增加,而在關(guān)鍵幀中出現(xiàn)特定的項目,或者缺陷是最明顯的。
使用人工智能進行機械檢查的領(lǐng)導者之一是著名的深度學習軟件公司Neurala。類似的服務(wù)包括Intel的Insights和通用電氣的Avitas。 Neurala聯(lián)合創(chuàng)始人兼首席執(zhí)行官Max Versace解釋說,“與人類不同,人工智能不會感到疲勞。”人工智能系統(tǒng)可以被訓練來執(zhí)行多種任務(wù),從清點庫存到對3D圖像進行分類和發(fā)現(xiàn)其中的微小缺陷。“當然,能否成功地完成這些任務(wù)取決于是否有良好的人工智能,以及良好的訓練數(shù)據(jù)。
使用預(yù)測型人工智能來知道何時行動
檢查結(jié)構(gòu)的原因之一是為了維護。能夠檢測到的裂紋或腐蝕將告訴分析師,在未來6至12個月內(nèi),該部件可能會出現(xiàn)故障,應(yīng)計劃進行維護以避免停機。
這需要額外的、目標驅(qū)動的人工智能,它能夠考慮歷史數(shù)據(jù),并將這些數(shù)據(jù)與具體結(jié)果相關(guān)聯(lián)。類似于一位醫(yī)生,他說:“如果你繼續(xù)吃薯條,就可以知道你可能會增重幾磅。”預(yù)測人工智能可以根據(jù)當前和過去的數(shù)據(jù)診斷出未來的系統(tǒng)狀態(tài)。人工智能在時間預(yù)測中的應(yīng)用非常廣泛,從醫(yī)療數(shù)據(jù)到金融時間序列和網(wǎng)絡(luò)攻擊。
人工智能也將在這個部門找到一份穩(wěn)定的工作。
對人工智能在安全檢查中的期望
我們都希望人工智能明天就能在無人機和云上使用,但更現(xiàn)實的觀察一下檢查生態(tài)系統(tǒng)就會發(fā)現(xiàn),一些應(yīng)用領(lǐng)域可能比其他領(lǐng)域來得更早。
雖然邊緣AI在原理上很有吸引力,但是AI的第一個應(yīng)用領(lǐng)域是后期處理,因為這種AI不需要無人機上有特定的硬件。它將是在企業(yè)軟件基礎(chǔ)架構(gòu)上運行的“人工智能插件”。
邊緣AI將在1:使用后期處理AI與處理最初攝取的數(shù)據(jù)結(jié)果一樣好時,以及2:為無人機等邊緣設(shè)備開發(fā)了更強大、更輕量級的處理器之后實現(xiàn)。
一旦上述兩個人工智能應(yīng)用程序投入使用,預(yù)測性人工智能將發(fā)揮作用,為企業(yè)提供一個由人工智能驅(qū)動的完整軟件管道,最大限度地為企業(yè)提供數(shù)據(jù)收集、洞察力和可操作的智能。
無人機檢查的時代終將到來,尤其是在人工智能的驅(qū)動下,它將大有所為。