اندی واکر،
دوقلوی دیجیتال تولید شده توسط هوش مصنوعی پتانسیل تغییر نوآوری و توسعه محصول را دارند.
آیا می‌توان به هوش مصنوعی که فقط بر اساس تئوری و نه عمل آموزش دیده است، برای کنترل و هدایت کافی و ایمن ماشین‌های دنیای واقعی اعتماد کرد؟ پاسخ کوتاه منفی است – بدون تجربه و یادگیری پدیده‌های دنیای واقعی. به همین دلیل است که به گفته اندی واکر، رئیس بخش بازرگانی فناوری عمیق در TTP، ظهور «هوش مصنوعی فیزیکی» یک گام بالقوه برای تغییر در توسعه محصولات جدید ارائه می‌دهد. اندی واکر، TTP، هوش مصنوعی فیزیکی، توسعه محصولات جدید را متحول خواهد کرد.
هوش مصنوعی فیزیکی افق بعدی است
اندی توضیح می‌دهد: «افق بعدی، هوش مصنوعی فیزیکی است، جایی که داده‌های مهندسی مانند سیگنال‌های حسگر، ورودی‌های نظارتی و تصاویر پیچیده دوربین، ورودی‌های اضافی را به مدل‌های هوش مصنوعی مدرن ارائه می‌دهند. نسل‌های قبلی هوش مصنوعی در این زمینه بارها با موفقیت مورد استفاده قرار گرفته‌اند، اما بر اساس تکنیک‌های مدرن، تحول مثبتی در راه است. این امر تنها با افزایش توانایی مدل‌ها و ابزارها و درک صنعت از بهترین نحوه استفاده از آنها، تسریع خواهد شد. بنابراین، هیچ کس که درگیر نوآوری است، نمی‌تواند آنچه را که در راه است نادیده بگیرد. هر کسی که این کار را انجام دهد، اگر نتواند استفاده خود از هوش مصنوعی فیزیکی را به حداکثر برساند، از نظر رقابتی شکست خواهد خورد. این امر تأثیر عمده‌ای بر تغییر سرعت و کارایی طراحی و توسعه محصول و همچنین بهبود اساسی عملکرد و فرآیند کنترل محصولات پس از بهره‌برداری خواهد داشت.»
دوقلوهای دیجیتال در عمل
اندی پیش از این رهبری استراتژی تجاری و اجرا را در McLaren Applied بر عهده داشت و از نزدیک با مزایای دوقلوهای دیجیتال – نمایش مجازی سیستم‌های دنیای واقعی – برای کاهش ریسک و سرعت بخشیدن به تصمیم‌گیری آشنا است. او می‌گوید:
«مسابقات فرمول یک نمونه‌ای جذاب از دوقلوهای دیجیتال در عمل را ارائه می‌دهد. شبیه‌سازهای راننده در حلقه به تیم‌ها اجازه می‌دهند تا ایده‌های جدید را به طور مجازی به طور دقیق آزمایش کنند و از اتلاف وقت و هزینه در تولید و آزمایش فیزیکی قطعاتی که در نهایت عملکرد مورد نیاز را ندارند، جلوگیری کنند.» «این روند تا زمانی که خودرو به پیست برسد ادامه می‌یابد. پس از اینکه عملکرد دنیای واقعی در یک پیست خاص تجربه شد، می‌توان دوقلوی دیجیتال را با داده‌های جمع‌آوری‌شده اصلاح کرد و امکان آزمایش سریع انواع تنظیمات (مانند سختی سیستم تعلیق، ارتفاع سواری و کمبر چرخ) را فراهم کرد و در نتیجه، تغییراتی را در تنظیمات پیشنهاد داد. در نهایت، این می‌تواند تفاوت بین برد و باخت را رقم بزند.
هوش مصنوعی فیزیکی فرصت ایجاد می‌کند
«با این حال، ایجاد یک دوقلوی دیجیتال نیاز به دانش عمیقی از سیستم زیربنایی دارد و ایجاد یک مدل کاربردی یک مهارت خاص است. این امر آنها را برای بسیاری از موارد استفاده بسیار گران می‌کند. اینجاست که هوش مصنوعی فیزیکی فرصت ایجاد می‌کند.«هوش مصنوعی می‌تواند تخصص و زمان مورد نیاز برای ساخت مدل‌های مهندسی را کاهش دهد. با تسریع این مرحله اول، توسعه‌دهندگان محصول می‌توانند قبل از متعهد شدن به ساخت نمونه‌های اولیه فیزیکی پرهزینه، طرح‌ها را در دنیای مجازی بسیار بیشتر بهبود و اصلاح کنند.»
نمونه اخیر ارزش چنین مدلی، یک پروژه مشترک بین TTP و HSLU، دانشگاه علوم کاربردی و هنر لوسرن، برای توسعه و افزایش مقیاس یک بیوراکتور ریزجلبکی است. چنین بیوراکتورهایی از فتوسنتز برای جداسازی دی اکسید کربن از جو و تولید مواد شیمیایی ارزشمندی مانند رنگ‌ها، افزودنی‌های غذایی و داروها استفاده می‌کنند.
ایجاد بیوراکتور بهینه یک چالش پیچیده و ساخت نمونه‌های اولیه پرهزینه است TTP پارامترهای اساسی – مانند غلظت سلول، متابولیسم جلبک، غلظت CO2، سطح مواد مغذی، شار نور، دما، pH – را که برای انعکاس صحیح عملکرد یک فتوبیوراکتور مورد نیاز هستند، مدل‌سازی کرد.
طراحی فتوبیوراکتور لوله‌ای ساده HSLU با ذکر میرکو کلینگریس
همچنین معادلات مربوط به انتقال جرم و گرما و حلقه‌های بازخورد مانند تأثیر رشد جلبک بر نفوذ نور گنجانده شده است.
این «ماژول اصلی» به معادلات تعریف‌کننده برخی از طرح‌های شناخته‌شده بیوراکتور متصل شد تا یک دوقلوی دیجیتال «بذر» ایجاد شود. آزمایش‌ها نشان داد که پیش‌بینی‌های هزینه به ازای هر واحد زیست‌توده و بهره‌وری به ازای هر واحد سطح با انتظارات مطابقت دارد و این مدل را تأیید می‌کند.
اندی توضیح می‌دهد: «تیم HSLU اکنون با استفاده از این مدل قادر است طرح‌های جدید را بدون هزینه ساخت نمونه‌های اولیه به سرعت اعتبارسنجی کند و بنابراین می‌تواند سریع‌تر به هدف خود یعنی بیوراکتورهای با عملکرد بالا و در مقیاس بزرگتر برسد.»
آیا انسان‌ها یا هوش مصنوعی در نهایت سکان را به دست خواهند گرفت؟
از آنجایی که هوش مصنوعی فیزیکی به طور فزاینده‌ای نوآوری سریع‌تر و عملکرد برتر محصول را هدایت می‌کند و مرز بین «آموزش دیدن» و «تفکر» همچنان در حال محو شدن است، یک سؤال مهم باقی می‌ماند: آیا انسان‌ها یا هوش مصنوعی در نهایت سکان را به دست خواهند گرفت؟
