A nagy AI-sztori: mennyire félhet a mérnök az AI-tól?
A mesterséges intelligencia ipari hatását sokan robotokkal, önműködő gyártósorokkal és teljesen automatizált üzemekkel azonosítják. A valóság ennél kevésbé látványos, de sok szempontból fontosabb: az AI már most ott jelenik meg azokban a folyamatokban, ahol a mérnökök időt, adatot és döntés-előkészítést nyerhetnek vele. Bővíz Botond Gergő, a BBM Engineering Solutions Zrt. vezérigazgatója szerint a célgépépítés világában az AI egyelőre nem veszi át a mérnöki tervezést. A podcast állandó szakmai vendége Aczél Petra kommunikációkutató, a Széchenyi István Egyetem professzora.
A teljes adást itt tekinthetik meg:
A cég fő profilja az egyedi ipari gépek fejlesztése és megvalósítása: olyan berendezéseké, amelyek konkrét ügyféligényre, gyakran nagy gyártóvállalatok speciális folyamataira készülnek. Ezek a gépek sokszor százezres vagy akár millió eurós nagyságrendű beruházások, komoly műszaki és üzleti kockázattal.
A célgépépítés egyik sajátossága, hogy már az árajánlat elkészítése is mérnöki munka. Nem arról van szó, hogy valaki kikeres néhány tételt egy katalógusból. Egy-egy ajánlat mögött kutatás, technológiai feltérképezés, előzetes költségbecslés, alkatrész- és vezérlésválasztás, valamint kockázatelemzés áll. Ráadásul egy munkára több cég is versenyezhet, így sok mérnöki munka végül soha nem térül meg.
Ebben az AI már most hasznos lehet. Bővíz Botond Gergő szerint
a mesterséges intelligencia első körben adatgyűjtésben, információrendszerezésben, katalógusok és dokumentációk átnézésében, valamint költségbecslésben segítheti a mérnököket.
Gyorsabban megtalálhat releváns megoldásokat, vezérléseket, motorokat, hajtásokat vagy korábbi példákat, mint ha a mérnök mindezt kézzel keresné végig.
A tervezőmérnöki munkát azonban még nem tudja kiváltani. Az általános AI-modellek sokszor hallucinálnak, rövid a memóriájuk, és számítási vagy mérnöki kérdésekben képesek teljesen hibás válaszokat adni. Egy egyszerűbb Python-programot is csak sokadik iterációra sikerült működőképesen megíratnia, mert a modell egyszerűen nem dolgozta fel rendesen a teljes bemeneti adatot.
Ezért lenne fontos a szakterületre tanított, validált AI-rendszerek megjelenése. A nagy mérnöki szoftvercégek már ebbe az irányba mozdulnak, de a magyar középvállalatok számára nem mindegy, milyen formában érkeznek ezek az eszközök. Ha minden felhőalapú, előfizetéses rendszerben fut, az adatvédelmi és titoktartási problémákat okoz. Egy célgépépítő cég sokszor olyan ügyféladatokkal dolgozik, amelyeket nem küldhet be egy külső modellbe tréningezésre.
A valódi áttörést ezért a zárt, lokálisan használható AI-asszisztensek jelenthetnék, amelyeket a cégek saját adatokkal tudnának tanítani. Bővíz Botond Gergő szerint erre már megvan az igény, de a piac egyelőre inkább a felhőalapú, előfizetéses konstrukciók felé megy, mert a nagy szolgáltatóknak ez az üzletileg kedvezőbb irány.
A mérnök szeme is lehet az AI
A beszélgetés során előkerült a Bin Picking AI is, ami olyan technológia, amelynél egy robot ládából vagy dobozból vesz ki tárgyakat, de a hagyományos rendszerekkel szemben nem kell minden egyes terméket külön betanítani neki. Korábban egy kamerás rendszernek meg kellett tanítani, hogyan néz ki egy pohár, egy fekete pohár, egy piros pohár, vagy egy más csomagolású termék. Egy logisztikai vagy élelmiszeripari környezetben ez szinte végtelen feladat lenne.
A Siemens Bin Picking AI Pro rendszere ezzel szemben a feltanított neurális háló alapján javasol megfogási pontokat a robotnak vagy manipulátornak. A BBM Engineering feladata az volt, hogy ebből a fejlesztésből működő ipari megoldást építsen. Az AI-rész meglepően jól teljesített, sőt bizonyos pontokon jobban működött, mint olyan elemek, amelyek az iparban már régóta bevettnek számítanak.
Ez a technológia a logisztikában és a szállítmányozásban is komoly lehetőségeket nyithat.
Ha egy robot nemcsak felismeri a tárgyat, hanem azt is tudja, hogyan kell megfogni, mozgatni és kezelni, az a raktári automatizálásban, csomagkezelésben és akár a jövőbeli drónos kiszállítási rendszerekben is fontos lépés lehet.
Bővíz Botond Gergő szerint az AI a mérnöki munka adminisztratív részében is nagyot gyorsíthat. A műszaki rajzok elkészítése, a dokumentációk összeállítása, a szabványoknak való megfelelés ellenőrzése vagy a karbantartási anyagok előkészítése mind olyan terület, ahol a gép sok időt vehet le a mérnökök válláról. A kreatív mérnöki döntés és a felelősség azonban továbbra is emberi feladat marad.
Részletek a beszélgetés tartalmából:
- Mit jelent a célgépépítés? (00:30)
- Miért drágák és kockázatosak az egyedi ipari gépek? (01:33)
- Hogyan használható az AI árajánlat-készítésben és adatgyűjtésben? (04:03)
- Miért nem tudja ma még átvenni az AI a mérnöki tervezést? (07:37)
- Mi az a Bin Picking AI? (13:56)
- Miért lehet nagy lehetőség az AI a logisztikában és a csomagkezelésben? (20:09)
- Miért térne át a cég az egyedi gépépítésről inkább termékfejlesztésre? (22:05)
- Mely mérnöki-adminisztratív feladatokban hozhat nagy gyorsulást az AI? (28:17)
A korábbi podcastjeinket itt hallgathatják meg.
