Den allra första industriella revolutionen startade historiskt med introduktionen av ång- och vattendriven teknik. Vi har kommit långt sedan dess, med den nuvarande fjärde industriella revolutionen, eller Industry 4.0, som fokuserar på att använda ny teknik för att öka industriell effektivitet.

Några av dessa tekniker inkluderar sakernas internet (IoT), molnberäkning, cyberfysiska system och artificiell intelligens (AI). AI är den viktigaste drivkraften för Industry 4.0, som automatiserar intelligenta maskiner för att självövervaka, tolka, diagnostisera och analysera själva. AI-metoder, som maskininlärning (ML), djupinlärning (DL), naturlig språkbehandling (NLP) och datorseende (CV), hjälper industrier att förutse sina underhållsbehov och minska stilleståndstiden.

Men för att säkerställa en smidig, stabil distribution och integration av AI-baserade system, måste åtgärderna och resultaten av dessa system göras begripliga, eller med andra ord, "förklarliga" för experter. I detta avseende fokuserar förklarlig AI (XAI) på att utveckla algoritmer som ger mänskligt förståeliga resultat gjorda av AI-baserade system. Därför är XAI-distribution användbar i Industry 4.0.

Nyligen undersökte en grupp forskare, inklusive biträdande professor Gwanggil Jeon från Incheon National University, Sydkorea, befintliga AI- och XAI-tekniker och deras tillämpningar i Industry 4.0. Deras recension publicerades i IEEE Transactions on Industrial Informatics .

"Även om AI-teknologier som DL kan lösa många sociala problem på grund av deras utmärkta prestanda och upplösning, är det svårt att förklara hur och varför så bra prestanda uppnås. Därför finns det en nödvändighet att utveckla XAI, så att DL, som den nuvarande svart låda, kan modelleras mer effektivt. Det kommer också att bli lättare att göra ansökningar", sa Prof. Jeon och förklarade sin motivation bakom studien.

XAI-baserade metoder klassificeras enligt specifika AI-uppgifter, som funktionsförklaringar, beslutsfattande eller visualisering av modellen. Författarna noterar att kombinationen av banbrytande AI och XAI-baserade metoder med Industry 4.0-teknologier resulterar i olika framgångsrika, exakta och högkvalitativa applikationer. En sådan applikation är en XAI-modell gjord med hjälp av visualisering och ML som förklarar en kunds beslut att köpa eller inte köpa skadeförsäkring. Med hjälp av XAI kan människor känna igen, förstå, tolka och kommunicera hur en AI-modell drar slutsatser och vidtar åtgärder.

Det finns helt klart många anmärkningsvärda fördelar med att använda AI i Industry 4.0; men det har också många hinder. Mest betydelsefullt är den energikrävande karaktären hos AI-baserade system, det exponentiellt ökande kravet på ett stort antal kärnor och GPU:er, samt behovet av finjustering och hyperparameteroptimering. Kärnan i detta är data som samlas in och genereras från miljontals källor, enheter och användare, vilket introducerar fördomar som påverkar AI-prestandan. Detta kan hanteras med hjälp av XAI-metoder för att förklara den införda fördomen.

"AI är huvudkomponenten i industriell omvandling som gör det möjligt för smarta maskiner att utföra uppgifter autonomt, medan XAI utvecklar en uppsättning mekanismer som kan skapa förklaringar som är förståeliga för människor", avslutar Prof. Jeon. + Utforska vidare

AI-forskare förbättrar metoden för att ta bort könsfördomar i maskiner som är byggda för att förstå och svara på text- eller röstdata