IA industrial para el mundo físico: Peter Koerte de Siemens

En este episodio del Yo, yo mismo y la IA En el podcast, el presentador Sam Ransbotham habla con Peter Koerte, miembro de la junta directiva y director de estrategia y tecnología de Siemens, sobre cómo la IA industrial está transformando silenciosamente la infraestructura que impulsa la vida cotidiana.

Peter comparte ejemplos como predecir fallas en las puertas de los trenes con días de anticipación, optimizar el uso de energía de los edificios y acelerar simulaciones de ingeniería complejas.

Suscríbase a Yo, yo mismo y la IA en Podcasts de Apple o Spotify.

Transcripción

Allison Ryder: La IA del consumidor aparece en los titulares a diario, pero la IA industrial mejora y permite cada vez más casi todo lo que hacemos.

Peter Koerte: Soy Peter Koerte de Siemens y estás escuchando Yo, yo mismo y la IA.

Sam Ransbotham: Bienvenido a Yo, yo mismo y la IAun podcast de MIT Sloan Management Review explorando el futuro de la inteligencia artificial. Soy Sam Ransbotham, profesor de analítica en el Boston College. He estado investigando los datos, la analítica y la IA en MIT SMR desde 2014, con artículos de investigación, informes anuales de la industria, estudios de casos y ahora 13 temporadas de episodios de podcasts.

Hoy hablamos con Peter Koerte, director de tecnología de Siemens.

Peter Koerte: Gracias Sam por invitarme.

Sam Ransbotham: Empecemos por un nivel alto.

Peter Koerte: Seguro.

Como consumidor, normalmente no nos ve, pero en el mundo industrial, Siemens es una marca muy, muy importante, y somos muy reconocidos por su alta calidad, pero también por las excelentes soluciones que ofrecemos y la simplicidad para nuestros clientes.

Sam Ransbotham: Creo que es un gran ejemplo.

Peter Koerte: La gran diferencia es que hoy, por supuesto, la IA de consumo está en los titulares, mientras que creemos que la IA industrial está cambiando silenciosa pero profundamente la infraestructura física, el mundo físico que conocemos.

Piensa, por ejemplo, en el edificio en el que estás sentado en este momento.

Acabamos de lanzar una aplicación que ahorra un 30% de tu factura energética y por tanto reduce los gases de efecto invernadero en un 30% con solo hacer eso.

Sam Ransbotham: Eso tiene mucho sentido.

Peter Koerte: Eso es todo.

Sam Ransbotham: Bueno, creo que todos estamos familiarizados con las aplicaciones de consumo, y creo que las fallas de la IA en las aplicaciones de consumo reciben mucha atención, ya sabes, con las alucinaciones y ese tipo de cosas.

Peter Koerte: Tienes toda la razón.

Entonces, lo que debemos garantizar es el más alto nivel de calidad de esos modelos, que, como se puede imaginar, ahí es donde llegamos a 99, 99,9, y así sucesivamente [para el] porcentaje de precisión de los modelos.

La segunda parte es, en realidad, ¿cómo se entrenan estos modelos?

La tercera diferencia es ¿cómo obtenemos esos datos?

Sam Ransbotham: Eso es bastante fascinante.

Peter Koerte: Es una muy buena pregunta.

Allí tratamos de lograr esa comprensión sobre ¿qué es, esos datos que están ahí?

Así que no es nada fácil, pero comprender estos casos de uso industria por industria es realmente clave. conocimiento del dominio.

Les daré sólo un ejemplo muy simple, pero lo encuentro fascinante.

¿Y por qué es eso?

Una vez que entiendes eso, entonces es fascinante, porque entonces lo que puedes hacer es decir: "Dame la lectura de voltaje de ese motor que acciona la puerta. Mira, por supuesto, el perfil de cómo opera ese motor".

Sam Ransbotham: Me gusta eso porque puedo entender ese ejemplo.

Sin embargo, Siemens no necesariamente posee trenes.

Peter Koerte: Es una gran pregunta.

Por lo general, los que [consideran esto:] Si nos fijamos en el costo total de propiedad durante todo el ciclo de vida de un tren, que es, digamos, 30 años, en términos de CapEx, la inversión es aproximadamente el 10% del TCO, el 90% son operaciones.

Lo creas o no, tenemos IA que te ayuda a pensar en cómo acelerar, desacelerar o frenar ese tren para ahorrar energía.

Luego, como usted dijo, podemos combinarlos con otros datos para que todos mejoren en ese sentido.

Sam Ransbotham: No lo había pensado de esa manera, que si una persona no tiene datos suficientes para entrenar un modelo por sí misma y otra persona no tiene datos suficientes para entrenar un modelo, pero juntos lo hacen, entonces la idea de conectar a esas personas crea un valor que ninguno de ellos podría. un invitado de Land O'Lakes en un episodio anterior.

Peter Koerte: Hay una respuesta simple, no fácil pero sí simple, a esto, y ese es el valor.

A veces está integrado en su solución.

Sam Ransbotham: Estás describiendo en gran medida una asociación, pero más bien entre clientes o con clientes, pero también has establecido algunas conexiones recientes con la industria, como tu asociación con Nvidia.

Peter Koerte: Con Nvidia tenemos una relación muy, muy estrecha por muchos motivos.

Por supuesto, todas estas simulaciones llevan muchísimo tiempo si se piensa en la dinámica de fluidos computacional, que es muy compleja.

Entonces, cuando se trata de diseño de chips, se trata de acelerar la simulación, acelerar el diseño, lo cual es realmente interesante a medida que llegamos a nanómetros más bajos (dos nanómetros y menos), la complejidad de verificar esos diseños de chips es enorme.

Luego, por último, la transferencia del diseño a la fabricación es una cuestión clave porque realmente retrasa la rapidez con la que se pueden lanzar estos chips.

Estos son ejemplos que también anunciamos en [el Consumer Electronics Show] a principios de este año con Nvidia. acelerar – y esta es siempre la palabra clave: aceleración del diseño, aceleración de la fabricación, aceleración de las operaciones.

Sam Ransbotham: Entiendo el atractivo de cambiar ocho meses por ocho minutos.

Peter Koerte: Eso es muy cierto.

Ahora, ¿qué pasaría si pudieras hacer todo esto en un solo paso porque la IA lo está haciendo?

En segundo lugar, ¿cómo se desarrollará ese proceso?

Sam Ransbotham: Ahora, el seguimiento natural es gratuito para mí para preguntar sobre el flujo de trabajo y este tipo de problemas.

Peter Koerte: Estoy muy entusiasmado con las gafas inteligentes.

Esa cámara y esa IA están [mirando por encima] de tus hombros, literalmente, y realmente verifican lo que estás haciendo.

Realmente pienso en términos de la palabra clave. aumento.

Sam Ransbotham: Eso tiene mucho sentido.

Peter Koerte: Obviamente, necesitamos ambos.

Lo interesante de esto es que todavía requiere humanos, ¿podríamos en algún momento automatizarlo a través de toda la conversación sobre robótica y humanoides y todo eso?

Sam Ransbotham: Tal vez estoy leyendo demasiado sobre esto, pero leí algo que escribiste sobre robots humanoides y cierto escepticismo sobre la forma humanoide real, y estabas insinuando eso allí mismo.

Peter Koerte: Bueno, ese es el gran debate.

Tomemos un ejemplo muy simple.

En este caso, sin embargo, casi apostaría que probablemente un factor de forma diferente al de un humanoide sea mejor.

Sam Ransbotham: En realidad, me gusta eso porque creo que muchas cosas son cada vez más “depende”, porque no tenemos estos modelos únicos que funcionen.

Gracias por tomarse el tiempo de hablar con nosotros y compartir sus conocimientos sobre la IA industrial, que probablemente sea una idea diferente para algunas personas, y también el intercambio de datos en el futuro del trabajo. Yo, yo mismo y la IA.

Peter Koerte: Gracias, Sam.

Sam Ransbotham: Gracias de nuevo por escucharnos hoy. El Correo de Washington se une a nosotros para una conversación sobre la innovación de la IA en la publicación.

Allison Ryder: Gracias por escuchar Yo, yo mismo y la IA. Nuestro programa puede continuar, en gran parte, gracias al apoyo de los oyentes. Sus transmisiones y descargas marcan una gran diferencia. Si tienes un momento, puedes dejarnos una reseña en Apple Podcasts o una valoración en Spotify. Y comparte nuestro programa con otras personas que creas que pueden encontrarlo interesante y útil.

YO, MISMO Y AI^® es una marca registrada a nivel federal del Instituto de Tecnología de Massachusetts.