Od mize za ročni nogomet, pri kateri na eni strani stojijo ljudje, na drugi pa umetna inteligenca, do pametnih tovarn. Pogovarjali smo se s strokovnjakom za inteligentne sisteme dr. Igorjem Škrjancem.
Dr. Igor Škrjanc je profesor na Fakulteti za elektrotehniko v Ljubljani, kjer vodi Laboratorij za avtomatiko in kibernetiko. Je mednarodno uveljavljen strokovnjak na področju inteligentnih sistemov ter eden od začetnikov in vodilnih raziskovalcev na svetu na področju t. i. samorazvijajočih se sistemov. Gre za sisteme, ki se sami učijo, in kar je najpomembnejše, učijo se med svojim delovanjem. Škrjanc s svojimi rešitvami pomembno vpliva tudi na gospodarstvo, saj je sodeloval pri optimizaciji procesov v več podjetjih v Sloveniji in tujini. Za svoje delo je letos prejel Zoisovo nagrado za vrhunske dosežke.
Med njegovimi najbolj zanimivimi izdelki je miza za ročni nogomet, pri kateri na eni strani stojijo ljudje, na drugi pa umetna inteligenca.
Ste velik strokovnjak na področju inteligentnih sistemov. Vemo, kaj pomeni inteligenca pri ljudeh. Kaj pa pomeni pri napravah?
Na našem področju govorimo o računalniški, strojni inteligenci, ker poskušamo neki napravi vdahniti inteligenco. To pomeni, da se zna ta naprava učiti, da zna spremljati in zaznavati okolje ter da se odziva na najprimernejši način – ki ga seveda definiramo mi. Gre za nadgradnjo področja avtomatike. Ta že v osnovi poskuša reševati probleme tako, da se naprave obnašajo, kot želimo. V primerih inteligentnih sistemov pa z algoritmi dosežemo, da se skozi delovanje naprave učijo.
Ena od najzanimivejših naprav v vašem laboratoriju je FuzbAI, miza za ročni nogomet, kjer smo na eni strani živi ljudje, na drugi pa avtomat. Kako deluje?
Naš nasprotnik je sistem kamer, motorjev, ki premikajo ročke, v ozadju pa algoritem, ki poskrbi za to, da zna naprava udariti žogo na pravo mesto in jo seveda poslati v gol. Gre za celoten krog, od senzorjev, s katerimi zaznavamo položaje igralcev in žogice, algoritma, ki poskrbi, da za naslednji časovni trenutek definiramo nove položaje teh igralcev, in nekaj, kar izvede te akcije. To so motorji, ki obračajo palice v določene pozicije in spremenijo kot, da lahko žogico udarimo.
Vse skupaj pomeni avtomatski sistem. Smo na začetnem nivoju dodajanja umetne inteligence, kjer se bodo igralci lahko učili, kaj delajo nasprotni igralci, da se bo vratar učil, kam mu strelja napadalec nasprotne ekipe, in bo znal bolje braniti. Tako kot se v resnici vratarji v športu učijo.
Smisel sistema FuzbAI je predvsem popularizacija našega področja. Narediti nameravamo ligo, v kateri bodo študenti igrali nogomet in morali napisati algoritme, ki bodo igrali na drugi strani.
V spodnjem videu si oglejte FuzbAI:
Prej je imela naša ekipa priložnost, da se preizkusi v igranju proti avtomatu oziroma umetni inteligenci. Glede na to, da mi je uspelo zabiti gol, se še uči in še ni zelo dober?
To, da ste mu zabili gol, ne pomeni, da ni zelo dober (smeh). Razvijamo ga postopno. Najprej je bilo treba sestaviti strojne dele in osnovne algoritme. Naš namen ni bil, da sami razvijemo inteligenco za igralce, ampak da bodo razvijali študenti. To je naprava, pri kateri se lahko sčasoma rojeva kup idej in ponuja poligon ne le za metode, ki jih na naši fakulteti študiramo, ampak tudi za kreativnost.
Namizni nogomet ima tudi digitalnega dvojčka. Kaj je to?
Digitalni dvojček je simulacijski program, s katerim poskušamo v digitalnem okolju posnemati dogajanje na realni napravi, in to seveda čim bolj verodostojno. Da se stvari dogajajo tako, kot se dejansko dogajajo na mizi. Brez tega ne gre, saj imamo na voljo le eno mizo za avtomatizirani ročni nogomet, simulacijsko orodje pa bo lahko na voljo vsem študentom. Tako lahko študentom ponudimo, da stvari razvijajo sami. Prav tako lahko hitreje preizkušamo različne nove algoritme in strategije. Ni nevarno, kot je potencialno lahko sama naprava zaradi velikih pospeškov igralcev in žogic, ki lahko odletijo z igrišča.
Hkrati je to princip, ki je uveljavljen tudi v industriji. Da poskušamo kompleksne probleme reševati tako, da zgradimo modele, jih simuliramo, zgradimo digitalne dvojčke in nato brez težav preizkušamo različne scenarije in na različne načine optimiramo delovanje. To je velika prednost uporabe digitalnih dvojčkov.
Znanstvene rešitve pogosto prenašate v realno industrijsko okolje, sodelujete pri izboljševanju procesov v pametnih tovarnah. Kako te metode, ki ste jih opisali, razvijate v industriji?
Algoritme samorazvijajočih se sistemov smo večkrat uporabili v različnih procesih kemijskih reaktorjev in bioreaktorjev, kjer se dinamika procesa spreminja v odvisnosti od delovne točke procesa, na primer kakšna je temperatura znotraj reaktorja. To pomeni, da se reaktor različno vede pri različnih temperaturah. Ko proces deluje, lahko obnašanje sistema skozi delovanje zaznavamo in učimo modele, ki opišejo to obnašanje, torej dinamiko spreminjanja temperature znotraj procesa.
Če hočemo doseči neko želeno stanje, moramo seveda obnašanju primerno načrtati regulator. Naš sistem se skozi delovanje uči, kakšno je njegovo obnašanje, in temu primerno prilagaja regulator, ki potem ustrezno regulira temperaturo v reaktorju tako, da dosežemo želeno stanje.
Posebnost samorazvijajočih se sistemov je v tem, da učenje izvajamo med delovanjem reaktorja. Modele, ki opisujejo novo, še neznano obnašanje v reaktorju, identificiramo takoj, ko se to stanje pojavi, in model shranimo v primerno matematično strukturo. Na osnovi teh modelov obnašanja procesa pa potem načrtamo algoritme vodenja. Tak princip vodenja smo realizirali tudi pri regulaciji hranjenja celic v bioreaktorju v Novartisu v Mengšu.
Poleg zgornjega lahko omenim še primer iz železarske industrije, kjer smo v Acroniju na Jesenicah na osnovi modelov ocenjevali stanja v elektroobločni peči. Gre za ocenjevanje temperature in koncentracij različnih spojin znotraj peči, spremenljivk, ki jih ne moremo direktno sprotno meriti. Modelu, ki ga uporabimo za ocenjevanje nemerljivih spremenljivk in smo ga dobili na osnovi velike količine podatkov iz zgodovine delovanja peči, rečemo programski senzor. Napovedovanje temperature v elektroobločni peči je zelo pomembno, saj vpliva na kvaliteto taline, čas, porabljen za proizvodnjo ene šarže, in porabljeno energijo.
V avtomobilski industriji v Revozu smo reševali primer izogibanja oviram. Gre za avtonomne mobilne sisteme, ki vlečejo polizdelke po proizvodnji po magnetnem traku. Če se magnetni trak založi z neko oviro, je treba najti obvoz.
Ti vozički so opremljeni z laserskimi skenerji, ki ves čas “opazujejo” okolico. Na osnovi takega opazovanja laserske slike, ki je sestavljena iz točk, kjer se odbije laserski žarek, lahko zgradimo zemljevid okolice, ugotovimo, ali je mogoče napraviti obvoz, in načrtamo skozi koridor, ki je na voljo, pot obvoza robota.
Tak voziček se zna znajti v prostoru, zna narisati svojo okolico in tudi zna najti rešitev v smislu tega obvoza.
To je lep primer, kako povečujemo inteligenco in s tem tudi avtonomijo celotnega sistema. Če tega mehanizma, algoritma ne dodamo, se voziček ustavi pred oviro in tam obstane.
Je tak inteligentni voziček že del pametne tovarne? Kdaj tovarna postane pametna?
Do pametne tovarne pridemo, ko imamo več takih rešitev, ko dosežemo večjo avtonomijo. Težko je reči, kdaj postane tovarna pametna, načeloma tam, kjer je potrebno manj človekove interakcije in pameti. Je pa vsaka stvar toliko pametna, kolikor so mi vanjo pameti vložili.
Na uvajanje inteligence gledamo kot na evolucijo, v naših primerih običajno ne delamo iz nič neke maksimalno pametne zadeve, ampak poskušamo inteligenco že obstoječim napravam dodajati.
Kariero ste posvetili umetni inteligenci in avtomatiki. Kako gledate na njun razvoj v zadnjih desetletjih in predvsem na neverjeten pospešek, ki ga je umetna inteligenca doživela v zadnjih letih?
Neverjeten pospešek se je zgodil na govornih modelih, ChatGPT je že tak primer. To je res neverjetno, tudi sami smo bili začudeni.
Je pa svet govornih modelov v celoti digitaliziran. Napišemo vprašanje, dobimo odgovor. Morda ste sami izkusili, ko sistem ne pozna odgovora, se vam opraviči, podobno, če naredi napako.
Mi pa se lotevamo avtomatizacije in inteligence realnih naprav. Ni vseeno, če se robot zaleti in nekaj razbije.
Če želimo, da se naš mobilni robot pelje v določeno točko po določeni poti, moramo najprej ugotoviti, kje robot je, kako je obrnjen, zaznati moramo njegov realni položaj. Ko ga zaznamo in vemo, kaj bi želeli, digitalni algoritem izračuna pomike, ki jih potem prek izvršnih členov, ki so v primeru robota kar motorji za pomik koles, realiziramo v realnem prostoru. Imamo povratno zanko med realnim svetom – virtualnim svetom – realnim svetom. In na prehodu med tema dvema svetovoma se vedno dogajajo napake. Napake so zaradi napake pri meritvah, napak zaradi nenatančnih, pristranskih modelov in zaradi napake pri izvrševanju zahtevane akcije. Temu se ne moremo izogniti in je lastno vsem sistemom, kjer se stvari dogajajo tako v realnem kot tudi v digitalnem svetu.
Problem torej običajno ni naš algoritem, ampak vse naštete negotovosti, ki so včasih tudi razlog, da so aplikacije v realnosti lahko zelo zahtevne. Industrija zahteva robustnost, te stvari morajo delovati v vseh situacijah in ne moremo dopustiti, da bi sistem rekel: “Prosim, oprostite, to sem vam razbil.”
Naprave iz laboratorija za avtomatiko in kibernetiko si lahko ogledate v spodnjem videu:
Kako hitro po vašem mnenju poteka vpeljava umetne inteligence v dejanske industrijske procese? Tekoči trak imamo več kot sto let. Glede na razvoj zadnjih let bi pričakovali, da dela človeških rok v tovarnah kmalu ne bomo več potrebovali. Smo blizu tega?
Še vedno je človek prisoten skoraj povsod, obstajajo pa tovarne, v katerih je avtomatizirano praktično vse in človek izvaja le še nadzor. Kako daleč smo, je težko reči zaradi velikih razlik, saj imamo tovarne, ki so zelo avtomatizirane, in druge, ki so še daleč od tega.
Treba je poudariti, da vse te stvari (avtomatizacija, digitalizacija in vpeljava umetne inteligence) na začetku terjajo veliko večji vložek kot enostavne rešitve, ki so že znane. Razlogi, da tega ni več, so tako tehnični, sociološki kot finančni.
Podjetja nemške avtomobilske industrije so na primer v glavnem avtomatizirana, pri nekaterih nalogah pa so ljudje še vedno nenadomestljivi. Videl sem, kako imajo v tovarni celotno proizvodnjo avtomatizirano, ampak za nastavljanje vrat, da se lepo zaprejo, pa delajo tako, da se ročno obesijo na vrata in jih poravnajo.
Kje na svojem področju napovedujete največje preboje v naslednjih letih?
V avtomatizaciji in digitalizaciji procesov smo dosegli zelo velik napredek, uvajanje umetne inteligence pa je odvisno od tega, kakšni bodo vložki v to. Razmere v slovenskem gospodarstvu pa bodo večinoma odvisne od zunanjih razmer.
Je pa napovedovanje razvoja umetne inteligence zelo težko. ChatGPT je bil tak primer, ki ga nismo pričakovali.
Ne delite skrbi nekaterih, da bi umetna inteligenca postala prepametna in nas pogubila?
S tem se za zdaj na našem področju nismo veliko ukvarjali, je pa vse odvisno od človeka, kot povsod. Naj spomnim, da govorimo o uvajanju strojne inteligence v tovarne in da tu ne vidimo kakšnih velikih etičnih problemov. In nismo niti še tako daleč.
Je pa seveda treba misliti na vse vidike implementacije umetne inteligence in bo treba postopno urejati tudi zakonodajo na tem področju.
Pri uvajanju umetne inteligence v tovarne prihodnosti za zdaj takih vprašanj še nimamo na mizi.
Ima Slovenija vizijo razvoja umetne inteligence in njene vpeljave v industrijo in naša življenja?
Da, ustanavlja se center za umetno inteligenco. Upam, da se bo razvil v pravo smer in zares povezoval vse institucije znanja in podjetja ter da pridemo do produktov, ki bodo lahko konkurirali na svetovnem trgu. In da bo deloval povezovalno, vključujoče, kar v Sloveniji zelo pogrešamo.
Slovenija je bila pred leti med vodilnimi državami na področju raziskovanja umetne inteligence, je pa vprašanje, ali smo še vedno, saj se v zadnjem času ni veliko vlagalo. Zdaj je še zadnji čas, da se to spremeni in naredi korak naprej.
Kakšno je tvoje mnenje o tem?
Sodeluj v razpravi ali preberi komentarje