物理世界のための産業用 AI: シーメンスの Peter Koerte

このエピソードでは、 私、私自身、そしてAI ポッドキャストのホスト、サム・ランズボサムが、シーメンスの取締役会のメンバーであり最高戦略技術責任者であるピーター・コルテと、産業用 AI がどのように日常生活を支えるインフラを静かに変革しているかについて語ります。

Peter は、電車のドアの故障を数日前に予測すること、建物のエネルギー使用を最適化すること、複雑なエンジニアリング シミュレーションを高速化することなどの例を紹介します。

登録する 私、私自身、そしてAI オン アップル・ポッドキャスト または スポティファイ.

トランスクリプト

アリソン・ライダー 消費者向け AI は毎日ニュースの見出しを飾りますが、産業用 AI は私たちが行うほぼすべてのことをますます強化し、可能にします。

ピーター・コルテ: 私はシーメンスのピーター・コルテです。今聞いています。 私、私自身、そしてAI.

サム・ランズボサム ようこそ 私、私自身、そしてAIからのポッドキャスト MITスローン・マネジメント・レビュー 人工知能の未来を探るボストン・カレッジでアナリティクスを教えるサム・ランスボッサムです。でデータ、アナリティクス、AIを研究しています。 MIT SMR 2014 年以来、研究記事、業界年次報告書、ケーススタディ、そして現在 13 シーズンにわたるポッドキャスト エピソードを提供しています。

今日は、シーメンスの最高技術責任者であるピーター・コルテ氏にお話を伺います。

ピーター・コルテ: サム、私を迎えてくれてありがとう。

サム・ランズボサム 高いレベルから始めましょう。

ピーター・コルテ: もちろん。

通常、消費者としてシーメンスを目にすることはありませんが、産業界ではシーメンスは非常に大きなブランド名であり、高品質だけでなく、顧客に提供する優れたソリューションとシンプルさでもよく知られています。

サム・ランズボサム それは素晴らしい例だと思います。

ピーター・コルテ: 大きな違いは、もちろん今日、消費者向け AI がニュースの見出しを飾っているのに対し、産業用 AI は物理的なインフラストラクチャ、つまり私たちが知っている物理的な世界を静かに、しかし大きく変えていると私たちが考えていることです。

たとえば、あなたが今座っている建物について考えてみましょう。

私たちは、光熱費を 30% 節約し、それだけで温室効果ガスを 30% 削減するアプリケーションをリリースしました。

サム・ランズボサム それはとても理にかなっています。

ピーター・コルテ: それでおしまい。

サム・ランズボサム そうですね、コンシューマ アプリケーションについては誰もがよく知っていると思いますが、コンシューマ アプリケーションにおける AI の失敗は、幻覚やそのようなものとともに多くの注目を集めていると思います。

ピーター・コルテ: あなたは完全に正しいです。

したがって、私たちが保証する必要があるのは、これらのモデルの最高レベルの品質です。ご想像のとおり、モデルの精度のパーセンテージは 99、99.9 などになります。

2 番目の部分は、実際に、これらのモデルをどのようにトレーニングするかということです。

3 番目の違いは、そのデータをどのように取得するかです。

サム・ランズボサム それはとても魅力的ですね。

ピーター・コルテ: とても良い質問ですね。

そこで私たちは、そこにあるデータとは何なのかを理解しようと努めます。

したがって、これは完璧ではありませんが、これらのユースケースを業界ごとに理解することが非常に重要です。 ドメインのノウハウ。

非常に単純な例を 1 つだけ紹介しますが、興味深いと思います。

それはなぜでしょうか?

一度それを理解すると、それは興味深いものです。なぜなら、その後にできることは、「ドアを駆動するモーターの電圧を教えてください。もちろん、そのモーターがどのように動作するかのプロファイルを見てください。」と言えるからです。

サム・ランズボサム この例を理解することができるので、私はそれが好きです。

ただし、シーメンスは必ずしも列車を所有しているわけではありません。

ピーター・コルテ: 素晴らしい質問ですね。

通常、[これを考慮するのは] 列車のライフサイクル全体 (たとえば 30 年) にわたる総所有コストを見ると、設備投資の観点から見ると、投資は TCO の約 10% で、90% は運用です。

信じられないかもしれませんが、エネルギーを節約するために列車を加減速したり、破断したりする方法を考えるのに役立つ AI が私たちにはあります。

そうすれば、あなたが言ったように、それを他のデータと組み合わせることができるので、その点では誰もがより良くなります。

サム・ランズボサム 私は、そのように考えたことはありませんでした。ある人が単独でモデルをトレーニングするにはデータが不十分で、別の人がモデルをトレーニングするには十分なデータを持っていないが、協力すると、それらの人々を結び付けるというアイデアが、どちらにもできない価値を生み出すということです。 以前のエピソードのランド・オ・レイクスからのゲスト。

ピーター・コルテ: これには単純な、簡単ではないがシンプルな答えがあり、それが価値です。

場合によっては、ソリューションに組み込まれている場合もあります。

サム・ランズボサム あなたは主に顧客間または顧客とのパートナーシップについて説明していますが、Nvidia とのパートナーシップのように、最近では業界とのつながりもいくつか行っています。

ピーター・コルテ: Nvidia とは、さまざまな理由から、非常に緊密な関係を築いています。

もちろん、非常に複雑な数値流体力学を考えると、これらすべてのシミュレーションには非常に長い時間がかかります。

つまり、チップ設計に関しては、シミュレーションが加速され、設計が加速されます。これは非常に興味深いことであり、ナノメートルが 2 ナノメートル以下になるにつれて、チップ設計の検証の複雑さは膨大になります。

そして最後に、設計から製造への移行が重要な問題となります。なぜなら、これらのチップがどれだけ早く市場に投入できるかに大きく影響するからです。

これらは、今年初めに Nvidia と共同でコンシューマー エレクトロニクス ショーで発表した例です。 加速する — そしてこれが常にキーワードです。設計の加速、製造の加速、運用の加速です。

サム・ランズボサム 8か月を8分に切り替える魅力はわかります。

ピーター・コルテ: それはまさにその通りです。

AI が行うので、これをすべて 1 ステップで実行できるとしたらどうなるでしょうか?

次に、そのプロセスはどのように進むのでしょうか?

サム・ランズボサム 今では、ワークフローやこの種の問題について無料で質問できる自然なフォローアップが行われています。

ピーター・コルテ: スマートグラスにはとても興味があります。

そのカメラと AI は、文字通り、そして実際に、あなたが何をしているかを肩越しに監視しています。

キーワードに関して本当に考えています 増強。

サム・ランズボサム それはとても理にかなっています。

ピーター・コルテ: 明らかに両方が必要です。

これの興味深い点は、依然として人間が必要であるということですが、ロボット工学やヒューマノイド、その他すべてに関する会話全体を通じて、ある時点でそれを自動化できないでしょうか?

サム・ランズボサム もしかしたら私が深読みしすぎているかもしれませんが、あなたが人型ロボットについて書いたものや、実際の人型の形状についての懐疑論を読んだのですが、あなたはまさにそれをほのめかしていました。

ピーター・コルテ: まあ、それが大きな議論です。

非常に簡単な例を見てみましょう。

ただし、この場合、おそらくヒューマノイドとは異なるフォームファクターの方が優れていると私はほぼ確信しています。

サム・ランズボサム 実際のところ、私はこれが気に入っています。なぜなら、すべてに機能する万能のモデルが存在しないため、非常に多くのことが「状況次第」になってきていると思うからです。

時間を割いて私たちとお話しいただき、産業用 AI についての洞察を共有していただきありがとうございます。これはおそらく人によっては異なるアイデアであると思いますが、また、将来の仕事におけるデータ共有についても同様です。 私、私自身、そしてAI.

ピーター・コルテ: ありがとう、サム。

サム・ランズボサム 今日も聞いていただきありがとうございました。 ワシントン・ポスト 出版における AI イノベーションについての会話に参加してください。

アリソン・ライダー ご清聴ありがとう 私、私自身、そしてAI.私たちの番組が続けられているのは、リスナーのサポートによるところが大きい。皆さんのストリームやダウンロードは大きな違いを生み出します。お時間がありましたら、Apple PodcastsのレビューやSpotifyの評価をお寄せください。また、この番組が興味深く、役に立つと思われる他の方にもシェアしてください。

私、私自身、そしてAI^® はマサチューセッツ工科大学の連邦登録商標です。