Výzkumníci z Fraunhoferova institutu pro inteligentní analýzu a informační systémy IAIS předvedli hodnotící nástroje a procesy, které lze použít k systematickému zkoumání slabin v systémech AI a ochraně proti rizikům nevhodného jednání ze strany umělé inteligence.
Siemens a Microsoft představují možnosti, jak lze pomocí generativní umělé inteligence zlepšit automatizaci a provoz továren prostřednictvím vývoje softwaru, hlášení problémů a vizuální kontroly kvality na bázi umělé inteligence.
Jak tzv. umělá inteligence může v nejbližších letech ovlivnit průmysl a jeho pracovní postupy? Aktuálně hodně probírané téma. Zkusil jsem se nad tímto tématem zamyslet z pohledu průmyslového prostředí.
S AI procesory AM62A mohou vývojáři nasadit obraz, zpracovaný umělou inteligencí, do mnoha aplikací v průmyslu, bytových komplexech i obchodech. Procesory přitom podporují API, frameworky a AI modely předních firem v oboru i open source.
I když cloudový sběr, vyhodnocení a vizualizace dat se v průmyslovém prostředí ještě stále více méně zabydluje, žádný průmyslový výrobce a dodavatel služeb si již nemůže dovolit tuto oblast ignorovat a nemít nějaké řešení. Platforma Cumulocity IoT pak umožňuje minimalizovat náklady na realizaci takové nabídky.
Technologie Digital Twins (digitálních dvojčat) dnes již umožňuje organizacím vylepšovat jejich produkty, systémy a procesy. A to jak během návrhu a vývoje, tak během následného provozu, údržby a během určování finanční efektivnosti.
Bosch Sensortec představil senzor s umělou inteligencí, magnetometr nové generace, senzor barometrického tlaku a senzor kvality vzduchu. Tyto nové senzory přinášejí nižší spotřebu energie, menší velikost a vyšší přesnost.
Možnosti umělé inteligence ve strojírenství jsou rozmanité. AI řeší rozpoznávání identických a podobných dílů podporované umělou inteligencí nebo inteligentní sekvenční plánování výrobních zakázek. Jak dostat technologie k cílovým zákazníkům řeší projekt AI marketplace, iniciativa klastru OWL.
Bez strojového vidění se neobejde žádná moderní bezpečnostní a dopravní kamera a roboti by bez něj nebylo schopni pracovat v autonomním režimu. Implementace strojového vidění do systému je složitá záležitost a vyžaduje integraci různých technologií a podsystémů náročných na výpočetní výkon. Existují ale platformy, které dokážou s touto problematikou výrazně pomoci.