ขณะนี้ AI ที่แตกต่างกันกำลังได้รับการพัฒนาที่เรียกว่า "เป็นตัวเป็นตน AI" มันหมายถึงตัวแทนที่มีร่างกายและสนับสนุนการมีปฏิสัมพันธ์ทางกายภาพเช่นหุ่นยนต์บริการอัจฉริยะรถยนต์ที่ขับเคลื่อนด้วยตนเอง ฯลฯ
หุ่นยนต์ AI ที่เป็นตัวเป็นตนสามารถโต้ตอบกับสภาพแวดล้อมวางแผนตัดสินใจดำเนินการและปฏิบัติงานเช่นมนุษย์ ตัวอย่างเช่นหน่วยหุ่นยนต์ได้รับมอบหมายให้ขัดพื้นผิวด้านบนของชิ้นส่วนที่วางไว้ในเครื่องเพื่อให้ได้ผิวที่ต้องการ AI embodied AI สามารถใช้เซ็นเซอร์เพื่อตรวจสอบสถานะของหน่วยและสร้างคำแนะนำสำหรับหุ่นยนต์ในการปฏิบัติงาน
AI ดิจิตอลและ AIM AIM AI มีความคล้ายคลึงกันบางอย่างและใช้ประโยชน์จากเทคโนโลยีพื้นฐานมากมาย อย่างไรก็ตามการทำความเข้าใจความแตกต่างระหว่าง AI ทั้งสองประเภทนี้มีความสำคัญอย่างยิ่งต่อการใช้วิธี AI ดิจิตอลกับแอปพลิเคชัน AI ที่เฉพาะเจาะจง
โปรไฟล์ความเสี่ยงของแอปพลิเคชัน AI ที่เป็นตัวเป็นตนมักจะแตกต่างจากแอปพลิเคชัน Digital AI หากเครื่องมือ AI ดิจิตอลมีความแม่นยำ 99 เปอร์เซ็นต์ก็สามารถปรับปรุงประสิทธิภาพการทำงานของมนุษย์ได้อย่างมากในหลาย ๆ แอปพลิเคชัน
ในทางตรงกันข้ามเนื่องจากความเสี่ยงของการใช้งานอุตสาหกรรมข้อกำหนดความแม่นยำสำหรับระบบ AI ที่เฉพาะเจาะจงมักจะแตกต่างกันอย่างกว้างขวาง
ความเสี่ยงหลักมาจากสองด้าน: ความน่าจะเป็นของข้อผิดพลาดและผลที่ตามมาของข้อผิดพลาด เมื่อผลที่ตามมาของการทำผิดพลาดไม่ร้ายแรงความน่าจะเป็นของข้อผิดพลาดที่สูงขึ้นสามารถยอมรับได้ นี่คือเหตุผลที่ความน่าจะเป็นข้อผิดพลาด 1% เป็นที่ยอมรับในแอปพลิเคชัน Digital AI จำนวนมาก
ในทางกลับกันแอปพลิเคชัน AI ที่เป็นตัวเป็นตนจำนวนมากต้องการความน่าจะเป็นข้อผิดพลาดได้ดีกว่าหนึ่งในล้าน การใช้วิธีการที่ขับเคลื่อนด้วยข้อมูลอย่างหมดจดเพื่อลดความน่าจะเป็นของข้อผิดพลาดต้องใช้ข้อมูลจำนวนมาก ในกรณีส่วนใหญ่ความต้องการข้อมูลกำลังเพิ่มขึ้นอย่างทวีคูณ น่าเสียดายที่ค่าใช้จ่ายในการรับข้อมูลจากระบบทางกายภาพนั้นสูง ดังนั้นจึงต้องมีวิธีการที่แตกต่างกันเมื่อต้องจัดการกับแอปพลิเคชัน AI ที่เป็นตัวเป็นตน
เพื่อให้เป็นไปตามข้อกำหนดข้างต้น AI embodied สำหรับแอปพลิเคชันการผลิตควรมีคุณสมบัติดังต่อไปนี้:
การฝึกอบรมด้วยข้อมูลที่ จำกัด : AI ที่เป็นตัวเป็นตนสามารถผ่านการฝึกอบรมด้วยข้อมูลที่ จำกัด ที่สร้างขึ้นจากการทดลองทางฟิสิกส์ก่อน
สามารถประกอบได้จากส่วนประกอบแบบแยกส่วนที่ผ่านการฝึกอบรมมาก่อน: ระบบทางกายภาพสามารถมีการกำหนดค่าหลายอย่างเพื่อรองรับความต้องการที่ตั้งใจไว้ ตัวอย่างเช่นขึ้นอยู่กับกระบวนการที่ดำเนินการ (เช่นการขัดหรือการพ่นทราย) หน่วยหุ่นยนต์การผลิตสามารถอยู่ในการกำหนดค่าที่แตกต่างกันมากมาย หน่วยที่แตกต่างกันอาจรวมถึงหุ่นยนต์ที่มีฟังก์ชั่นที่แตกต่างกัน (เช่นหุ่นยนต์ติดตั้งแพลตฟอร์มมือถือหรือหุ่นยนต์ติดตั้งโครงสำหรับตั้งสิ่งของ) ประเภทเซ็นเซอร์ (เช่นกล้องความลึกหรืออิมเมจความร้อน) และเครื่องมือ (เช่นการโคจรแซนเดอร์
เป็นผลให้การพัฒนา AI Universal embodied ที่ทำงานนอกกรอบสำหรับแอพพลิเคชั่นการผลิตทั้งหมดอาจทำงานได้ไม่ดีนัก AI ของระบบจะต้องสังเคราะห์อย่างรวดเร็วจากส่วนประกอบแบบแยกส่วนเพื่อให้ตรงกับความสามารถในการตรวจจับและการขับขี่ของระบบเฉพาะและสภาพแวดล้อมการทำงาน
สามารถปรับให้เข้ากับข้อมูลหรือบริบทใหม่: เมื่อข้อมูลใหม่พร้อมใช้งานในระหว่างการปรับใช้ระบบควรใช้ข้อมูลนี้เพื่อปรับปรุงประสิทธิภาพ AI AI ควรสามารถปรับตัวให้เข้ากับสภาพแวดล้อมหรืองานใหม่ได้อย่างอิสระด้วยการกำกับดูแลของมนุษย์น้อยที่สุด
ง่ายต่อการอัพเกรด: เมื่อเวลาผ่านไปประสิทธิภาพของระบบทางกายภาพอาจเปลี่ยนแปลงได้เนื่องจากการสึกหรอหรือการอัพเดทส่วนประกอบทางกายภาพ สิ่งนี้อาจต้องมีการปรับปรุง AI เพื่อให้แน่ใจว่าสามารถติดตามวิวัฒนาการของระบบได้ ดังนั้นระบบ AI ที่เป็นตัวเป็นตนจะต้องได้รับการออกแบบเพื่อให้แน่ใจว่าสามารถอัพเกรดได้ด้วยการหยุดชะงักน้อยที่สุดในการทำงานของระบบ
คำแนะนำตามความเสี่ยงสำหรับการดำเนินการ: ระบบควรจะสามารถประเมินความมั่นใจในการดำเนินการที่เสนอได้ เมื่อความเชื่อมั่นต่ำระบบควรทำการวิเคราะห์ความเสี่ยงและวิเคราะห์ผลที่ตามมาของความล้มเหลว หากความเสี่ยงสูงเกินไประบบควรขอความช่วยเหลือจากผู้เชี่ยวชาญของมนุษย์
ความสามารถในการตีความ: หากระบบแนะนำการกระทำที่ไม่ตรงกับความคาดหวังของผู้ใช้ระบบควรจะสามารถอธิบายเหตุผลที่ใช้ในการเลือกการกระทำ
สถาปัตยกรรมแบบกระจายที่รองรับการแบ่งพาร์ติชันของการคำนวณระหว่างขอบและคลาวด์: ในสถานการณ์แอปพลิเคชัน AI ที่เป็นตัวเป็นตนมันเป็นไปไม่ได้ที่จะทำการคำนวณ AI ทั้งหมดในคลาวด์ การออกแบบระบบควรตรวจสอบให้แน่ใจว่าการคำนวณที่ไวต่อเวลาแฝงของเครือข่ายสามารถทำได้ที่ขอบ
ในสาขาของ Digital AI เราประสบความสำเร็จอย่างมากด้วยรูปแบบการเรียนรู้แบบ end-to-end ขนาดใหญ่เช่น LLM โมเดลเหล่านี้เจริญรุ่งเรืองจากข้อมูลจำนวนมาก อย่างไรก็ตามพวกเขาไม่ได้มีคุณสมบัติหลายอย่างของ AI embodied ที่กล่าวถึงข้างต้น
AI embodied AI ควรถูกมองว่าเป็นระบบที่ซับซ้อนที่เกี่ยวข้องกับการโต้ตอบระหว่างองค์ประกอบ AI หลายรายการ การมีสถาปัตยกรรมระบบที่เหมาะสมใน AI embodied AI เป็นหนึ่งในกุญแจสู่แอพพลิเคชั่นการผลิตที่ประสบความสำเร็จ สิ่งนี้ช่วยให้คุณสามารถใช้ประโยชน์จากความก้าวหน้าล่าสุดใน AI และตอบสนองความต้องการที่ต้องการของแอปพลิเคชันการผลิต ดังนั้นจึงจำเป็นต้องมีวิธีการทางวิศวกรรมระบบที่ทันสมัยในการออกแบบ AI embodied สำหรับการผลิต