Industrie Aktuell
Portal de notícias para construção e desenvolvimento

mathworks0618especialista

Richard Rovner, vice-presidente de marketing da Mathworks, Massachusetts, EUA

Com novas técnicas, como inteligência artificial (IA), não só a nossa sociedade, mas também a indústria está enfrentando uma mudança fundamental. Enquanto as empresas, da equipe de engenharia à alta gerência, reconhecem a necessidade de implementar a IA em seus processos de projeto e desenvolvimento, a implementação concreta das tecnologias AI é relutante.

A principal razão é que muitos não sabem exatamente como essa técnica pode ser usada de forma eficiente e lucrativa. No entanto, esta é apenas uma das muitas perguntas que as empresas devem se perguntar se querem usar o AI

Além de Alexa e condução autônoma

mathworks10618Reconhecimento facial no Facebook, tradução automática ou direção autônoma - A inteligência artificial já está sendo usada em muitas áreas e nos dá um vislumbre de um futuro no qual as máquinas podem assumir tarefas cada vez mais importantes.

Mas o que significa Inteligência Artificial para um engenheiro em uma empresa de médio porte ou para um cientista em um instituto de pesquisa? As possibilidades são multifacetadas: com a IA, por exemplo, novos métodos de controle de alimentos podem ser aplicados ou a natureza geológica das rochas analisadas para tornar os túneis mais rápidos, mais eficientes e menos dispendiosos. Em quase todas as áreas de pesquisa e indústria, as tecnologias de IA podem ser usadas para tornar os processos mais eficientes ou para encontrar novas maneiras de dominar as tarefas.

Como a inteligência artificial se torna eficiente

Quando falamos de Inteligência Artificial hoje, na maioria dos casos, significa que uma máquina pode imitar a ação humana inteligente - uma definição que existe desde a introdução do termo AI nos anos 50. Mas para um uso realmente eficiente, a máquina só se torna interessante se puder igualar ou superar o desempenho humano. É assim que nós, seres humanos, temos a capacidade de realizar tarefas repetitivas ou fazer as coisas mais rápido, com mais segurança ou com maior precisão por computadores.

Para isso, as máquinas precisam ser treinadas para tarefas específicas. Tradicionalmente, isso significava criar um programa que processasse os dados e entregasse a saída desejada. A aplicação do Aprendizado de Máquina - uma técnica AI amplamente utilizada - reverte essa abordagem, garantindo que a máquina obtenha todos os dados importantes e fornecendo a saída desejada. O computador então escreve o programa apropriado para ele. Em alguns casos, somente a entrada e a máquina criam um modelo correspondente.

Dados, ganhos, modelo de aprendizado de máquina - algo está faltando

Mas, na maioria dos casos, dados, um resultado desejado e a capacidade de criar um modelo de aprendizado de máquina compõem apenas uma pequena parte de um aplicativo. O que falta, por exemplo, é todo o processo de coleta e processamento de dados com antecedência e sua implementação em um sistema embarcado.

Isso fica claro com o exemplo de um sistema de assistência de pista: Um modelo de aprendizado de máquina reconhece as faixas nas estradas e pode garantir que um veículo mantenha sua faixa. Mas primeiro, dados de muitos sensores e câmeras diferentes devem ser obtidos e sincronizados. Além disso, o sistema precisa de informações sobre a velocidade e se o veículo deve girar. Esses dados devem ser analisados ​​e pré-processados ​​- por exemplo, para corrigir imagens mal expostas ou distúrbios de imagem causados ​​por fortes nevascas.

O algoritmo de detecção de faixa deve ser integrado em simulações para testar se está funcionando corretamente. Em seguida, é instalado em um processador incorporado para ser executado em tempo real no veículo.

AI como parte de um processo de design totalmente maduro

Todas essas tarefas são espaços de trabalho de engenheiros e pesquisadores, sem os quais o modelo de IA não funcionaria. Isso significa que a inteligência artificial é apenas um passo no trabalho de muitos, no final do qual existe uma máquina inteligente. De fato, é apenas parte do desenvolvimento do modelo. Além disso, pode ser útil usar o desenvolvimento de algoritmo tradicional ou modelagem e simulação.

Analisando todo o fluxo de trabalho, há algumas etapas mais essenciais a serem seguidas, como a capacidade de adquirir dados de sensores, documentos ou bancos de dados e analisá-los, analisá-los e processá-los. Após a modelagem, a implantação ocorrerá em aplicativos de desktop, em data centers e nuvens ou em sistemas embarcados.

No final, a IA é apenas mais uma ferramenta que podemos usar para resolver desafios de uma maneira diferente ou enfrentar novos desafios. Queremos mostrar que a IA é facilmente acessível a engenheiros e pesquisadores, e que eles podem usá-la em um fluxo de trabalho ao qual estão acostumados, mesmo que não tenham experiência anterior nesse campo.

Trecho do discurso principal da Matlab Expo


Outra contribuição do fabricante Este endereço de e-mail está protegido contra spambots Para exibir JavaScript deve estar ligado!

Kipp-Werke
Schmersal
Baumer
Rodriguez
Optris
Elmeko
Minebea
Schaeffler
ex
Gimatic
Tretter