製造業における AI の未来を変える3つの進化とは

今日の工場では、産業ロボットが人間の作業者の動き、そして表面上は意図までも模倣しており、そうした自動化による忙しい動きが未来的に見える。

今日のロボットは、人間より迅速に、より高い信頼度で働くだけでなく、顕微鏡レベルの精密組立など、人間の能力を超えたタスクも遂行している。だが、その多くは見かけほど賢明ではない。つまり、人間より器用であっても、実行できるタスクの幅は制限してプログラムされているのだ。人間の近くでは安全に作業を行えないロボットも多いため、安全柵で囲うか、規定された規則に従う必要がある。

AI (人工知能) は、テクノロジーが成熟してコストが下がり、また AI アルゴリズムが複雑な決定を行えるとメーカーが把握することにより、製造業においても居場所を見つけつつある。ユビキタスな存在となることで、製造業における AI の未来は、より優れた感覚能力の発揮や、生産現場以外での何がいつ必要になるかという予測においても、既に有望なものとなっている。

1. 新たなマーケットにおける AI の興隆

製造業では、資本投資額は大きくても利幅は小さいことが多い。そのため製造業の多くが目指した低所得な途上国では人件費が非常に低いため、AI への投資を正当化するのは難しかった。だがインドなどでは、生活水準と賃金が向上するにつれ、AI の販売が容易になってきている。事実、既に中国は製造業と e コマースの AI へ大きな投資を行っている。

米国 (や多くの先進国) では労働者が自動化による職の喪失を嘆いているが、同じことは中国の工場でも起こっている。多くの労働者が、短期的にはロボットに置き換えられても、最終的には高度なデザインやプログラミング、メンテナンスの作業のために維持されるだろう。その一方でドライバーの場合は、タスクの自動化だけでなく、顧客ごとの要求に応じた製品のカスタマイズなど、新たなビジネスのプロセスを行う AI のアプリケーション開発を行うことになる。

2. 機械のセンシングの向上で、より安全な労働環境を実現

AI という分野のルーツは 1950 年代だが、それが広く認知されるようになったのは、大量のデータにより手作業のプログラミング無しにマシンをトレーニングできる機械学習のアルゴリズムが開発されてからだ。NVIDIA Deep Learning Institute (DLI) のカリキュラム開発者、マイケル・メンデルソン氏は「コンピューターは、フレキシブルなアルゴリズム無しには、我々が命令したことしか実行できません」と述べる。「タスクの多くは、とりわけ認知を含んでいるものは、ルールベースのインストラクションには翻訳できません。製造業の場合、より興味深いアプリケーションの一部には認知が含まれています」。これにより、工場のロボットがより有能で、人間とインタラクションを行ったり、指示を受けたりできる、より優れたものとなる。

そのひとつの例として、マシンビジョンが挙げられる。肉眼より何倍も敏感なカメラを考案すること自体は簡単だ。AI は、その画像を解明する有用な能力を向上させてきた。シリコンバレーのベテラン、アンドリュー・ウ氏が設立したスタートアップ企業 Landing.ai は、精密な品質分析など、製造分野の問題にフォーカス。極小のサンプル画像でトレーニングされた機械学習アルゴリズムを使用し、人間の視力を大幅に超える分解能で、回路基板など微細な製品の不良を検出するマシンビジョン ツールを開発している。

それがマイクロレベルの挑戦とすると、マクロレベルの問題は、混乱や危険を避けるよう周辺で何が起こっているかを感知するようロボットをトレーニングすることだ。これは自動運転車の問題に似ているが、そちらは実世界での採用が近づいている。恐らく工場では、スマートな自動運転フォークリフトやコンベヤーに、材料や完成品を搬送する役割が与えられることになるだろう。

ロボットは通常は安定しているが、それでも作業現場で迷い、ものや人へ突っ込むリスクは存在する。マシン ビジョンやモーション センサーにより、障害物となりそうなものがあったらロボットに行動を止めさせることは可能だが、需要が高まっているのは、人間の同僚と生産的に働くことのできる、真の協働ロボット (コラボレーション ロボット、コボット) だ。AI によって人間から指示を受けられ、オリジナル プログラミングにおいては予測されていなかったような、新奇なインストラクションにも対応。そのために必要となるロボットと人間の共通言語は、通常の言葉に近づいていくだろう。このコンセプトは、既にロチェスター大学と MIT でデモ (英文記事) されている。

「人類は、相手に言語で説明するという行為を何千年も行ってきましたが、それを書き記すことは、より新しく、大抵は不器用なテクノロジーです」と、メンデルソン氏。「ロボットへ話すことで、テキストでは示せないような曖昧なコンセプトの伝達も可能になります」。

3. AI をサプライチェーンに、そしてその先へ

AI はロボットの能力を向上させ、人間にとっては、コラボレーションがより簡単になる。そして、ロボティクスではどうしようもない分野へインパクトを与える。例えばサプライチェーンにおいては、アルゴリズムがマクロ経済サイクルや政治情勢、気候パターンまでも考慮しながら、製品の需要パターンを時間や地理的市場、社会経済のセグメントで認識できる。その結果として得られる市場の需要予測を、原材料の供給や人材の確保、資金調達、在庫、機材メンテナンス、エネルギー消費などに生かすことが可能だ。

AI は機器の予知保全でも重要度を増しており、センサーで工作機械の動作状況やパフォーマンスをトラッキングして故障や不良の予期を学び、先行的な対策の実行や推奨を行う。40 年以上も AI の商業化に取り組んできた FICO の機械学習ディレクター、ソム・シャカプルカ氏は「他の業界では、既に常識になっています」と述べる。「自動車の顧客に向けた洗練されたメールの作成から、Facebook や Google のサーバーファームのブレード故障予測まで、その用途は非常に幅広いものになっています」。

データの大半は、工場だけでなくサプライヤーのファシリティも含めた加工装置に搭載されたセンサーから送られており、パーツの在庫や他のフロントエンド入力をトラッキングし、ディストリビューターや販売店で製品クオリティの問題をモニターしている。

AI は、メーカーが製品の製造を始める前に、その需要を予測するヒントすら提供する。2010 年、インディアナ大学のヨハン・ボーレン情報科学准教授らは Twitter フィードのセンチメント (感情) の解読と分析を高い精度で行ない、株価市場の動きを正確に予測するアルゴリズムをデモした。ボーレン氏によると、同様のセンチメント分析は、特に顧客がそのセンチメントを家庭にある Google や Amazon の AI アシスタントとの会話で日々伝送している現在では、製品はもちろん、特定のブランドの需要の予測にまで使うことができる。ボーレン氏はこのところ、ソーシャルメディアが政治的見解に及ぼす影響の調査に大半の時間を費やしているが、顧客の動向の研究も行っている。

AI の支持者たちは、テクノロジーは自動化の進化したものであり、第 4 次産業革命による不可避の産物だとしている。AI は、ものづくりをより良く、より低価格にするには効果を発揮するだろう。だが、趣向や需要の予期せぬ変更に対する人間の独創性や、ものを作るかどうかの決断においては、人間を代替するものではない。