… i to jest właśnie automatyzacja! wywiad z Guido Jouretem ABB Chief Digital Officer

O rozwoju sztucznej inteligencji w przemyśle, ograniczeniach, które trzeba w tym procesie przezwyciężyć, a także o tym, w czym człowiek zawsze będzie lepszy od maszyn rozmawiamy z Guido Jouretem, który w Grupie ABB pracuje jako Chief Digital Officer, czyli dyrektor ds. cyfryzacji.

Polski Przemysł: Jakie są w tej chwili możliwości sztucznej inteligencji w przemyśle? Na jakim etapie rewolucji technologicznej obecnie jesteśmy?
Guido Jouret: Na rozwój sztucznej inteligencji patrzeć można z dwóch perspektyw, związanych ze zjawiskiem machine learning (pol. samouczenie się maszyn). W pierwszym przypadku chodzi o umiejętność zwiększania możliwości działania obecnie funkcjonujących maszyn, a w drugim o realizowanie przez roboty specyficznych i jednocześnie kompletnych zadań produkcyjnych. Obecnie posiadana przez nas technologia umożliwia maszynom uczenie się w pewnym zakresie nowych zadań. Jej podstawą jest przetwarzanie analogowej informacji – temperatury, obrazu oraz innych sygnałów – i analizowanie ich w sposób cyfrowy, pozwalając w ten sposób na zmianę funkcjonowania danego urządzenia.

Przykładem może być sensor, monitorujący określone parametry silnika elektrycznego na podstawie analogowych sygnałów, które bezpośrednio z tego silnika pochodzą. Jedno z naszych ekonomicznych rozwiązań, ABB Ability Smart Sensor, za pomocą komunikacji bezprzewodowej przesyła takie dane z silnika do operatora, dzięki czemu ewentualne prace serwisowe można przeprowadzić z wyprzedzeniem, zgodnie z rzeczywistymi potrzebami. W ten sposób skracamy, a w niektórych przypadkach nawet eliminujemy przestoje.

W ten sposób następuje cyfryzacja urządzeń analogowych?
Tak. W krakowskim Korporacyjnym Centrum Badawczym ABB rozwijane są technologie, w których małe urządzenia cyfrowe przyłącza się do analogowych maszyn, dzięki czemu można nimi w nowy sposób sterować. Mogę tutaj posłużyć się przykładem z życia, w którym mamy do czynienia z silnikiem i napędem nim sterującym. W przypadku wyładowywania wielkich kontenerów w porcie pojawia się wiele czynników utrudniających pracę, takich jak wiatr. Inteligentne urządzenie, posiadające odpowiednie oprogramowanie, „dopasuje” odpowiednio pracę silnika do warunków atmosferycznych, powodując, że będzie można ograniczyć prędkość podnoszenia kontenerów, a nie zatrzymywać cały proces. W rzeczywistości zostanie on przyspieszony o ok. 30% w porównaniu do sytuacji, gdybyśmy nie polegali na wspomnianym urządzeniu. Myślę, że jest to olbrzymia zaleta.

A jak jest w drugim przypadku, o którym Pan mówił – realizacji przez maszyny kompletnych i specyficznych zadań produkcyjnych?
W tym przypadku mówimy o inteligentnych maszynach w kontekście np. systemów wizyjnych w naszych robotach, które w trakcie malowania samochodów są w stanie wyłapać pominięty element, czy wystąpienie defektu. W ten sposób maszyna może analizować, czy dane zadanie zostało właściwie wykonane. W jaki sposób następuje ten proces? W trakcie pracy robota analizowane są dane, które on na bieżąco dostarcza. Posiadając informacje o jego pracy w przeszłości, np. o tym, jak działało jego ramię, jakie ruchy wykonywało itd., zdobywamy także wiedzę o tym, na jakim etapie malowania samochodu należy wprowadzić ulepszenia. Dzięki temu system może bezpośrednio wpływać na pracę robotów i technologię produkcji – poprzez analizę danych, pochodzących ze środowiska naturalnego dla pracy robotów.

Dziś jesteśmy w stanie jedynie w niewielkim stopniu wykorzystywać możliwości sztucznej inteligencji. Ma ona zastosowanie na poszczególnych stanowiskach i w niektórych elementach produkcji. Naszym celem jest to, by stanowiła ona podstawę pełnego cyklu produkcyjnego w odniesieniu do fabryki, czy też elektrowni jako całości, a nie jak jest obecnie, czyli w kontekście konkretnego, pojedynczego stanowiska roboczego.

O możliwościach rozwojowych sztucznej inteligencji jeszcze porozmawiamy. Chciałbym najpierw spytać o ograniczenia z nią związane. Jakie problemy należy przezwyciężyć w pierwszej kolejności?
Kluczową kwestią jest dostęp do danych jakościowych. Tylko na takiej podstawie sztuczna inteligencja będzie w stanie skutecznie uczyć maszyny poprawnej pracy i rozszerzania realizowanych zadań. Tego typu dane są użyteczne przy ich 96-97-procentowej trafności. Chodzi więc o to, by we właściwy sposób wyselekcjonować dane. Niezbędne do tego są zarówno odpowiednio dobrane dane wejściowe, jak i wyjściowe. Urządzenie nauczy się bowiem właściwie postępować dopiero wtedy, kiedy będzie mieć odpowiednią ilość wysokiej jakości danych, dotyczących tego, czy w czasie pracy lub treningu, poszczególne jego zachowania były właściwe. To jest ograniczenie, z którym dzisiaj się mierzymy. Nie mamy też prostej odpowiedzi, jak je przezwyciężyć.

Jednocześnie sprzęt analizujący dane musi być na odpowiednim poziomie, żeby uzyskiwał taką informację, która pozwoli na uczenie maszyn. W tym kontekście istnieje jeszcze jeden, istotny czynnik. Podstawą analizy danych przez maszynę jest ich powtarzalność. Na gruncie wielu takich samych działań tworzone są konkretne algorytmy. Natomiast w momencie, w którym zmienimy warunki działania, system nie będzie miał skąd pobrać bazowych odpowiedzi. Dzieje się tak dlatego, że dany algorytm jest stworzony do konkretnego zadania. Czyli jeżeli maszyna zajmuje się wykrywaniem źle pomalowanej powierzchni, to już z pewnością nie będzie w stanie zajmować się logistyką, czy też jeździć samochodem. Algorytm, na podstawie którego się uczy, dotyczy tylko i wyłącznie danego, specyficznego zadania i nie jest przenoszony na inne obszary działania.
Innymi słowy, człowiek swoje decyzje opiera na logicznym myśleniu, ale także na uczuciach. W przypadku maszyn jest to niemożliwe. Opiera ona swoje funkcjonowanie na dużej ilości różnego typu obliczeń, z których dany rodzaj zachowania wynikł.

Czy to znaczy, że dzięki umiejętności abstrakcyjnego myślenia człowiek będzie zawsze mądrzejszy od maszyny?
Inteligentne maszyny projektujemy dzisiaj w taki sposób, który – jak nam się wydaje – przypomina funkcjonowanie naszego mózgu. Jednakże nawet najbardziej zaawansowane technologicznie urządzenia pod wieloma względami nie są w stanie mózgowi dorównać. Dobrym tego przykładem jest kwestia wkładania ręki do ognia. Żeby się przekonać, że nie jest to dobry pomysł, człowiek potrzebuje jednej próby. Natomiast komputer czy też maszynę musimy przekonywać wielokrotnie i zebrać bardzo dużą ilość danych zanim zrozumie, że nie powinien tego robić.

Matematyczne formuły nie są w stanie uchwycić większości funkcji wynikających z biologii, które wykorzystują nasze mózgi. Oprócz tego ludzie są doskonali w rozpoznawaniu kontekstu. Pomimo tego, że konkretne, powtarzane wielokrotnie, zadanie robot wykona lepiej, to człowiek, gdy stanie się coś nowego, o czym wcześniej nie było wiadomo, będzie w stanie dostosować się do nowej sytuacji. Maszyna w takiej sytuacji przestanie działać lub też podejmie prawdopodobnie złe decyzje. Zrobi tak ponieważ dysponuje danymi, które nie odpowiadają decyzji, przed którą stoi. Myślę więc, że w przyszłości maszyny nie zastąpią ludzi, dlatego że to ludzie cały czas będą potrzebni do koordynowania i do rozpoznawania kontekstu.

W kwestii ludzi należy spytać, czy kolejnym ograniczeniem nie jest obecnie obawa pracowników produkcyjnych, że w efekcie rozwoju robotyki stracą miejsca pracy? Co Pan o tym myśli?
Tak naprawdę to nie jest nowa obawa. Istnieje ona co najmniej od kilkudziesięciu lat. Ale chciałbym ją rozwiać. Kraje z największą liczbą pracujących robotów, takie jak Niemcy, Japonia czy Korea Południowa, mają też najmniejsze bezrobocie. Jednocześnie, jak wynika z amerykańskiej, rządowej listy zawodów, w ciągu ostatnich kilkunastu lat zniknął tylko jeden zawód – windziarz. Inne zawody nie znikają, ale zmienia się proporcja ludzi w nich pracujących. Pojawiają się też nowe zawody, które wcześniej nie istniały, np. specjalista od pozycjonowania stron. Roboty mogą wyręczać ludzi na najbardziej uciążliwych i niebezpiecznych stanowiskach na linii produkcyjnej. W zamian tworzone są – pośrednio lub bezpośrednio – nowe miejsca pracy, ale na innym etapie wytwarzania. Ktoś na przykład musi zaprogramować robota, a ktoś inny zadbać o serwis.

Możemy więc spodziewać się rozwoju sztucznej inteligencji w przemyśle w najbliższych latach. Tym bardziej, ze takie rozwiązania już są na rynku dostępne. Jednym z nich jest ABB Ability?
ABB Ability to nazwa kompletnej oferty, składającej się z ponad 180 cyfrowych rozwiązań i usług. Aktualnie już ponad 40 z nich znajduje się na platformie w chmurze, którą tworzymy we współpracy z firmą Microsoft. W naszym portfolio rozwiązań w chmurze znajdują się zarówno nowe produkty oprogramowania, jak i istniejące urządzenia, które łączymy z chmurą, aby np. uruchomić rozbudowane funkcje monitoringu takiego transformatora. Rozwiązaniami, które oferujemy, są także kompletne systemy informatyczne, takie jak system zarządzania energią w zakładach produkcyjnych. Znajdują one swoje zastosowanie w różnych branżach, m.in. transporcie, energetyce, sektorze ropy i gazu. Do połowy przyszłego roku wdrożonych zostanie kolejnych 20 projektów, które będą funkcjonować na sukcesywnie rozwijanej platformie.

Jest to więc platforma komunikacyjna, ale nie tylko. Jeśli połączymy z nią konkretne urządzenie, będziemy mogli za pomocą chmury obliczeniowej analizować jego pracę i w efekcie zoptymalizować jego funkcjonowanie. Rozwiązania z zakresu sztucznej inteligencji, o których rozmawiamy, mają więc tutaj bezpośrednie zastosowanie.

Wiąże się z tym ciekawy element, jakim z pewnością jest otwartość platformy zarówno na kolejne projekty, jak i rozwiązania technologiczne?
Jest tak m.in. z tego względu, że nasze produkty cały czas się rozwijają. Z tej perspektywy są więc one otwarte – zarówno gdy mówimy o oprogramowaniu, jak i o produktach. Jednocześnie te rozwiązania mogą zarówno łączyć się i komunikować ze sobą, jak i współpracować z produktami innych producentów. ABB od zawsze tworzy swoje rozwiązania z możliwością ich zastosowania w różnych środowiskach, nie tylko swoim.

Można powiedzieć, że platforma, którą stworzyliśmy we współpracy z Microsoft, jest jak klocki Lego. Składa się z ona wielu narzędzi. Ale najważniejsze jest to, jak się one ze sobą łączą, w celu przynoszenia wymiernych korzyści klientom.

Jak w tym kontekście wygląda kwestia bezpieczeństwa informacji? Czy informacja użytkowników ABB Ability jest bezpieczna? Czy jest to jeszcze jedno zagrożenie w rozwoju technologii, o którym dotychczas nie rozmawialiśmy?
Możemy mówić tutaj o bezpieczeństwie na czterech poziomach. Pierwszym z nich jest ochrona cybernetyczna samej platformy i urządzenia w nim funkcjonującego, której podstawą jest używanie odpowiedniego oprogramowania. Drugim jest przesył danych wychodzących z urządzenia, związany z ich zaszyfrowaniem i utrzymanie tego zaszyfrowania w chmurze. Trzecią kwestią jest klucz do danych, którego ABB nie będzie posiadać, a jedynie klient. Czwarta rzecz to odseparowanie danych diagnostycznych od identyfikacji tych danych z klientem. Ma to miejsce w badaniach klinicznych, gdzie wyniki badań nie są powiązane z danymi osobowymi pacjenta. W ten sam sposób ABB podchodzi do danych w przemyśle – analizuje je pod względem diagnostycznym, ale nawet jeśli zostałyby one skradzione, to nie zostaną powiązane z konkretnym klientem. Dla złodzieja będą więc bezużyteczne.

Wracając do mojego pierwszego pytania możemy powiedzieć, że jesteśmy właśnie w samym środku rewolucji technologicznej?
Tak. Ale praktycznie rzecz biorąc, z perspektywy ABB i odbiorców naszych produktów, nie to jest tak naprawdę najważniejsze. Kiedy klienci przychodzą do nas lub innych firm nie chodzi im o to, żeby mieć zautomatyzowaną produkcję, tylko chcą zrealizować swoje cele: zwiększyć efektywność lub bezpieczeństwo pracowników. My wychodzimy z naszą ofertą i wskazujemy na to, w jaki sposób jesteśmy w stanie na te problemy odpowiedzieć. I to jest właśnie automatyzacja. Tę odpowiedź dostarczamy naszym klientom. A że sprawdza się ona na poziomie praktycznym świadczy przykład szwajcarskiej fabryki z branży elektronicznej, która została przez nas zautomatyzowana. Efektywność fabryki wzrosła o… 500%.

Porozmawiajmy więc o przyszłości. W jakim kierunku technologia ABB będzie się rozwijać?
Kluczowa będzie właściwa analiza danych i umiejętność wyciągania wniosków na tej podstawie. W ten sposób będzie się rozwijać sztuczna inteligencja. Kolejnym etapem stanie się zastosowanie jej w tych miejscach, gdzie będzie to możliwe i potrzebne. Po to, żeby przynosić jak najwięcej korzyści. W ten sposób automatyzowane będą kolejne procesy produkcyjne, dzięki czemu zakłady produkować będą w sposób szybszy i przede wszystkim bardziej efektywny.

W niedalekiej przyszłości maszyny będą działać w taki sposób, że same odnajdą się w chmurze. Czyli dane urządzenie połączy się ze swoim środowiskiem, zmonitoruje warunki, pobierze właściwe dla swego funkcjonowania dane i – w razie potrzeby – zoptymalizuje swoje działanie lub naprawi usterkę.

Jaka będzie rola człowieka w działającej według tego schematu fabryce?
Czynnik ludzki cały czas będzie bardzo istotny. Między innymi w związku z umiejętnością abstrakcyjnego myślenia. Rola człowieka będzie miała znaczenie na trzech poziomach: w pierwszej kolejności na etapie zaprojektowania fabryki. Drugą kwestią jest umiejętność naprawy urządzenia w trakcie awarii. Nie mówimy tu jedynie o naprawie manualnej. W autonomicznej fabryce może nie być to łatwe zadanie, ponieważ będzie wymagać specjalistycznych umiejętności. Wiąże się z tym trzecia kwestia, związana z decyzyjnością i zarządzaniem tego typu zakładami, np. w przypadku klęsk żywiołowych. W takich sytuacjach to człowiek będzie podejmował decyzje o przeniesieniu produkcji do jednego ze ściśle skomunikowanych ze sobą zakładów.

Warto powiedzieć, że nie mówimy o rozwoju w perspektywie dekad, lecz kilku najbliższych lat. Już teraz są branże, w których produkcja odbywa się w pełni zautomatyzowany sposób. Jest tak m.in. w branży hi-tech, motoryzacyjnej, ale także spożywczej. Już teraz pływają po morzach statki niemające załogi. To się dzieje!

Patrząc nieco szerzej – jak zmieniać się będą modele biznesowe w związku z takim rozwojem technologii?
W dobie połączeń różnych urządzeń, operator, ale również właściciel, będzie mógł otrzymywać informacje na temat ich użytkowania, które przydadzą się np. w momencie awarii. Będziemy też mogli te urządzenia w pewnym zakresie wynajmować. Dobrym przykładem nowego modelu biznesowego, który powstaje jest np. kwestia ładowania samochodów elektrycznych. Mogą mieć one zamontowane na dachu baterie słoneczne i być wykorzystywane do oddawania energii z powrotem do sieci w okresach szczytowego popytu.

Taki system zarządzania, w którym magazynujemy energię, ponieważ nie możemy jej od razu wykorzystać, już jest wprowadzany. Mam ciekawy przykład w tym zakresie: Dania obecnie produkuje z wiatru – jak na swoje potrzeby – zbyt dużo energii. Jednocześnie sąsiednia Norwegia ma bardzo dużo jezior. Dania energię, którą nie jest w stanie od razu wykorzystać, przesyła więc do Norwegii, gdzie przy jej pomocy przepompowuje się wodę z jezior w wyższe partie gór. W ten sposób woda w wyższych partiach norweskich gór staje się w pewnym sensie magazynowaną energią. W naszym przypadku może ona przydać się w… Anglii. W momencie zwiększonego zapotrzebowania na energię, w Norwegii spuszczana jest woda z wyższych partii gór w niższe, a uzyskaną w ten sposób nadwyżkę przesyła się na Wyspy. Cały proces odbywa się bez zanieczyszczania środowiska, gdyż cała energia pochodzi z wiatru i wody. Ten model współpracy może również się rozwijać.

Rozmowa z Guido Jouretem przeprowadzona została w krakowskim Korporacyjnym Centrum Badawczym, będącym pierwszą tego typu placówką ABB w Europie Centralnej i Wschodniej i jedną z siedmiu w skali globu. – Wpływ na jej zlokalizowanie miał wysoki potencjał intelektualny Krakowa, który jest uznanym centrum uniwersyteckim. Dzięki temu współpracujemy z naukowcami z AGH oraz innych uczelni – podkreśla dyrektor ds. cyfryzacji w Grupie ABB. – W polskim centrum badawczym skupiamy się m.in. na nanotechnologii, diagnostyce i monitoringu, nowoczesnych technologiach materiałowych oraz elektronice.