گازهای صنعتی و هوش مصنوعی (AI)
نزدیک ۶۰ سال است که اصطلاح هوش مصنوعی یا (AI) وجود داشته است. اما صرفاً در ۱۰-۵ سال اخیر توانسته‌ایم به پای ملزومات پردازش داده‌های بزرگ هوش مصنوعی برسیم و به همین خاطر، موارد استفاده در غالب بازارهای نهایی مصرف رشد انفجاری را تجربه کرده است.
دستیاران صدا ( مثل سیری، آمازون و الکسا )، توصیه‌هایی مشاهده شده در رسانه‌های اجتماعی ( توییتر، فیسبوک، یوتیوب )، خدمات پخش مثل نتفلیکس، و بسیاری از وبسایت‌های پیشرفتۀ تجارت الکترونیک ( آمازون ) همه در کانون فعالیت‌هایشان از فناوری هوش مصنوعی بهره می‌برند.
این فناوری دیگر جزو فناوری آینده محسوب نمی‌شود. هوش مصنوعی به واقعیت پیوسته است و ما فقط با بخش کمی از آن توانسته‌ایم آشنا شویم. در طرف دیگر ماجرا، حوزۀ تولید صنعتی ( از جمله گازهای صنعتی ) اندکی دیرتر از بقیه از این فناوری استقبال کرده است، ولی در همین ۵-۳ سال گذشته هوش مصنوعی به سرعتش اضافه کرده است. موارد استفاده در حوزه‌هایی نظیر فروش و بازاریابی، بهره‌وری کارخانه، عملیات‌های زنجیرۀ تأمین، آی‌تی، مدیریت ریسک، و توسعه و تحقیق در حال توسعه و آزمایش آن هستند.
به همین خاطر، نگاه دقیق‌تری به پیشرفت‌های این صنعت در خصوص هوش مصنوعی خواهیم داشت و با نکات برجستۀ جاری و ترندها، موارد استفاده ( یا موارد پیش‌بینی شده )، بهترین فعالیت‌ها و چشم‌انداز شرکت‌هایی که قصد دارند استفاده از هوش مصنوعی را گسترش دهند کارمان را شروع خواهیم کرد.
پیش‌زمینه
تاریخچۀ هوش مصنوعی به هزاران سال پیش بر می‌گردد، زمانی که فلاسفه و ریاضی‌دانان کلاسیک به این ایده فکر می‌کردند که آیا موجودات مصنوعی وجود داشته‌اند یا ممکن است به شکل یا قالبی خاص وجود داشته باشند.
اما خیلی بعدتر، در سال‌های ۱۷۰۰ و بعد از آن، ایدۀ هوش مصنوعی به‌شدت داشت به موضوعی ملموس بدل می‌شد. از آن زمان که فلاسفه به این فکر می‌کردند؛ چطور ممکن است ماشین‌های هوشمند غیر انسانی در شیوۀ تفکر انسان دخالت کنند.
هوش مصنوعی مدرن رسماً از ۱۹۵۶، در کنفرانس کالج دارتموث، هانورو، نیو هامپشایر، شروع شد، جایی که برای اولین بار اصطلاح هوش مصنوعی به‌کار رفت. جان مک‌کارتی، دانشمند حوزۀ شناختی و پروفسور دارتموث، زمانی که پژوهش‌هایش را شروع کرد تا ببیند آیا ممکن است ماشین‌ها بتوانند همچون انسان یاد بگیرند و قوۀ استدلال رسمی کسب کنند این اصطلاح را ابداع کرد.
از آن زمان، هوش مصنوعی رشد زیادی را تجربه کرده است و طیف وسیعی از فناوری‌ها و تعریف را در بر گرفته است، اما قیاس دوچرخه‌ای که تیموتی هاونز از دانشگاه فناوری میشیگان برایمان مثال می‌زند ماهیت آن را به ما نشان می‌دهد، «…کودکی که مشغول یادگیری دوچرخه‌سواری است چندبار زمین می‌خورد، و هر بار که زمین می‌خورد اندکی مهارت‌هایش را بهبود می‌بخشد. این خلاصۀ هوش مصنوعی است.»
هوش مصنوعی اکنون چنان رشد کرده است که خانواده‌ای از فناوری‌ها، از جمله یادگیری ماشینی، یادگیری عمیق، پردازش طبیعی زبان، بینایی رایانه‌ای ( که امکان تشخیص چهره را می‌دهد ) و بسیاری از فناوری‌های دیگر را در بر دارد. هوش مصنوعی پلتفرمی از فناوری‌هایی است که همچون شبیه‌ساز رایانه‌ای هوش انسان عمل می‌کند و می‌شود آن را طوری برنامه‌ریزی کرد تا دست به تصمیم‌گیری بزند، وظایف خاصی را انجام دهد؛ و از نتایجی که به‌دست می‌آورد مطالبی فرا بگیرد. معمولاً هوش مصنوعی دست به تحلیل داده‌های تاریخی می‌زند. تا در خصوص آینده پیش‌بینی‌هایی انجام دهد. و با گردآوری داده‌های بیشتر از کاربران و حوزۀ عمومی، مسایلی را یاد می‌گیرد؛ و پیش‌بینی‌هایش دقیق‌تر از آب در می‌آیند.
وضعیت جاری
در ۲۰۲۲، گارنر، آی‌بی‌ام، مک‌کنزی، و دیگر شرکت‌ها گفته‌اند که حداقل %۲۵ از مجموع مشتریان‌شان از نوعی هوش مصنوعی استفاده می‌کنند و این رقم در حال افزایش است.
شرکت مک‌کنزی در مطالعه‌ای به میزان استفاده از هوش مصنوعی در همۀ بازارهای نهایی در پنج سال گذشته انداخت و متوجه شد از ۲۰۱۷ استقبال از آن دو برابر شده است و متوسط تعداد توانمندی‌های هوش مصنوعی که هر شرکت استفاده می‌کند، مثل خلق طبیعی زبان و بینایی رایانه‌ای، هم دو برابر شده است.
با این وضعیت، بالاترین موارد استفاده تقریباً ثابت باقی مانده است و بهینه‌سازی عملیات‌های سرویس در چهار سال گذشته در صدر جدول باقی مانده است. در مورد ارزش درآمدی حاصل از هوش مصنوعی باید عرض کرد حوزه‌هایی مثل بازاریابی و فروش، توسعۀ محصول و خدمات، و استراتژی و تأمین مالی شرکتی بالاترین ارزش را گزارش کردند. در طرف دیگر، بالاترین منافع هزینه‌ایِ حاصل از هوش مصنوعی به‌شکل جهانی مختص حوزۀ مدیریت زنجیرۀ تأمین است.
هکتور ویلاریل[۱]، رئیس ولدکوئا، عنوان داشت شکی نیست؛ با استقبال عظیم از تحلیل آماری «داده‌های بزرگ» وIndustrial Internet Of Things (IOT)، هوش مصنوعی توانست سر از حوزۀ تجاری در بیاورد. وی در ادامه افزود: « وقتی در ۲۰۱۵ در کنفرانس گازهای صنعتی دبی سخنرانی داشتم، و گفتم که هوش مصنوعی یکی از فناوری‌های تحول‌آفرینی است که باید حواس‌مان به آن باشد، این را می‌دیدم که این حوزه قابلیت تبدیل شدن به یکی از بزرگ‌ترین ترند‌های دهه را دارد. ولی اصلاً به فکرم هم نمی‌رسید، این فناوری ظرف ۸-۷ سال اخیر چقدر می‌تواند؛ پیشرفت داشته باشد. »
وی به این موضوع نیز اشاره کرد که: « هوش مصنوعی حلقۀ گمشدۀ میان (IOT) و داده‌های بزرگ بود، و الان هر سه مشغول تکمیل هم و کمک گرفتن از هم هستند. »
متعاقباً، مقدار اندک اما رو‌به‌ازدیادی از بی شمار کسب‌و‌کارها در سطح جهان از هوش مصنوعی در طیف گسترده‌ای از بازارهای نهایی، و فراتر از موارد استفادۀ کنونی استفاده می‌برند. مجموعه‌ای از فناوری‌های مبتنی بر هوش مصنوعی دیگری وجود دارند؛ و به‌شکل آزمایشی در حال اجرا هستند. این امر سبب تغییر و تحول هرچه بیشتر بازارها خواهند شد.
دیوید شایر[۲]، رئیس کامپیوتر آنلیمیتد، بیان کرد: « کاربردهای واقعی و به‌صرفۀ هوش مصنوعی هم‌اکنون در حوزۀ گاز صنعتی و صنعت عرضۀ مواد مصرفی جوشکاری به واقعیت بدل شده است، مسئله‌ای که به دگرگون شدن فرآیندهای کسب‌و‌کاری فعلی کمک و دستیابی به سطوح جدیدی از بهره‌وری را ممکن می‌کند.»
خارج از صنعت‌مان، شناورهای بدون سرنشین که می‌توانند برای ماه‌ها بر روی دریا باقی بمانند، خودروهای رزمی روباتیک، ارتقاها در لجستیک عرضه، گردآوری اطلاعات، و بسیاری از موارد استفادۀ دیگر از سوی صنعت دفاعی به‌کار گرفته می‌شود. در آمریکا، پنتاگون برنامه دارد تا سقف ۱ میلیارد دلار بر روی صنایع مرتبط با هوش مصنوعی سرمایه‌گذاری کند.
بیش از ده سال است که ایدۀ خودروهای خودران، همراهمان است. و همچنان کانون تمرکز بسیاری از آستارتاپ‌ها و شرکت‌های خودروسازی در سرتاسر جهان است. با اینکه در سال‌های اخیر با مشکلاتی مواجه شده‌اند؛ و این زمان را افزایش داده است. ولی باید گفت احتمالاً یکی از جذاب‌ترین توسعه‌ها در حوزۀ هوش مصنوعی در این چند سال هوش مصنوعی مولد باشد. خب، می‌پرسید که هوش مصنوعی مولد چیست؟
هوش مصنوعی مولدی از داده‌ها، دستورها یا سوال کاربر، و تعامل مستمر با کاربران ( که به «یادگیری‌اش» کمک می‌کند ) برای ایجاد محتوایی کاملاً جدید استفاده می‌برد. می‌تواند در پاسخ به سؤال‌ها، محتوایی اصیل ایجاد کند، بلاگ‌نویسی کند، طراحی پکیج انجام دهد، کدهای رایانه‌ای بنویسد، یا حتی در مورد خطای تولید نظریه‌پردازی کند. فناوری هوش مصنوعی مولد تنه به تنۀ حوزه‌ای می‌زند که تصور می‌شد خاص انسان باشد: یعنی خلاقیت.
این آخرین کلاس از سیستم‌های هوش مصنوعی مولد ریشه در مدل‌های بزرگ‌مقیاسِ یادگیری عمیقی دارد که با مجموعه وسیع، گسترده و بدون ساختار داده‌ها ( مثل پیامک، یا تصویر ) آموزش داده شده است که موضوعات زیادی را در بر دارد. طراحان می‌توانند از این مدل‌ها در خصوص طیف وسیعی از موارد استفاده بهره ببرند، در حالیکه برای هر مورد تنها نیاز است اندکی آنها را تغییر داد. در نتیجه، محصولاتی مثل ChatGPT و GitHub Copilot، و همچنین مدل‌های هوش مصنوعی زیربنایی که هر یک از سیستم‌های استیبل دفیوژن، دال.ای۲، GPT-3 پشتیبانی می‌کنند. این فناوری ما را به حوزه‌های جدیدی از خلاقیت می‌کشانند.
تا جایی که مایکروسافت در اواخر ژانویه برنامۀ سرمایه‌گذاری « چندساله و چندین میلیارد دلاری » خود را در OpenAI، طراح ChatGPT، اعلام کرد و گفت که قصد دارد؛ از این فناوری در سرویس آزورا کلات و بسیاری از محصولاتش که به مصرف‌کننده‌ها و شرکت‌های سرتاسر جهان می‌رسد، استفاده ببرد.
موارد استفاده
با تمرکز بر صنعت شیمیایی که شامل گازهای صنعتی است متوجه می‌شویم که بیش از %۸۰ از مدیرانی که در پژوهش آی‌بی‌ام شرکت کردند قبول داشتند؛ در سه سال آینده هوش مصنوعی تأثیر زیادی بر تجارت‌شان خواهد داشت.
اما از ۱۰ شرکت فقط ۴تای آنها به‌طور گسترده از هوش مصنوعی در عملیات‌هایشان بهره برده بودند که موارد استفاده عبارت بودند از:
- تحقیق و توسعه – حمایت از تسریع کشف مواد شیمیایی و مواد جدید از طریق تحلیل مقدار زیاد داده برای شناسایی ترکیب‌های جدید نویدبخش.
- بهینه‌سازی فرآیند – نظارت و کنترل بر چرخۀ تولید مواد شیمیایی در لحظه، که به افزایش بهره‌وری، کاهش هزینه‌ها، و افزایش کیفیت محصول خواهد انجامید.
- تعمیر‌و‌نگهداری پیشگویانه – تحلیل داده‌های مربوط به تجهیزات، و پیش‌بینی زمان لازم برای انجام تعمیرات قبل از بروز اشکال در تجهیزات.
- مدیریت زنجیرۀ عرضه – بهینه‌سازی توزیع و تحویل مواد شیمیایی از طریق پیش‌بینی تقاضا، بهینه‌سازی مسیرها، و مدیریت سطح انبار.
- انطباق با مقررات زیست‌محیطی و ایمنی – نظارت بر چرخه‌های تولید برای تضمین انطباق داشتن با مقررات زیست‌محیطی و ایمنی.
خاص گازهای صعنتی باید گفت که مدتی است فعالان درجۀ یک تعدادی از توانمندی‌های هوش مصنوعی مشابهی را بر فرآیندهای تجاری خود اضافه کرده‌اند، از جمله:
- بهینه‌سازی کارخانه – نظارت بهینه‌سازی و کنترل فرآیندهای تولید گاز صنعتی در لحظه. برای مثال، در ۲۰۲۰، شرکت ایر پروداکتز اعلام کرد قصد پیاده‌سازی فناوری آسپن موسوم به نرم‌افزار آسپن‌وان را دارد ( که از فناوری هوش مصنوعی بهره می‌برد ) تا بتواند عملیات‌های کارخانه‌اش را بهینه کند و بهره‌وری فرآیند را افزایش دهد.
- تعمیرات پیشگویانه – تحلیل داده‌های رسیده از تجهیزات برای پیش‌بینی زمان لازم برای انجام تعمیرات. لیندا از الگوریتم‌های یادگیری ماشینی بر روی سال‌ها داده‌های حسگر تاریخی از تجهیزات کارخانۀ صنعتی استفاده می‌برد، تا عیوب را زودهنگام شناسایی و از تعطیلی هزینه‌بر جلوگیری کند.
- زمان‌بندی توزیع – از الگوریتم‌های هوش مصنوعی برای بهینه‌سازی توزیع و تحویل گازهای صنعتی استفاده می‌شود، از هزینه‌ها می‌کاهد، و بهبود رضایت مشتری را در پی دارد.
فعالان درجۀ یک به هوش مصنوعی هم در قالب مسئله‌ای انقلابی، از جهت تعبیۀ فرآیندهای موجود و کارآمدتر کردنشان، و هم در قالب مسئله‌ای تحول‌آفرین و دگرگون‌ساز، از جهت دریافت مقدار زیاد داده‌ها و استفاده از آن در قالب دارایی راهبردی که مزیت رقابتی در پی دارد، نگاه می‌کنند.
نوشتۀ آرت اندرسون
منبع: gasworld
