Mercedes-Benz od pewnego czasu wykorzystuje uczenie maszynowe i klasyczną sztuczną inteligencję. Ale teraz używacie również generatywnej sztucznej inteligencji, na przykład w środowisku produkcyjnym MO360. O co dokładnie chodzi i w jakim stopniu zmienia to profile zawodowe pracowników?

Jan Brecht: Wraz z cyfryzacją i rosnącym wykorzystaniem potężnych systemów AI, w Mercedes-Benz zmieniają się profile stanowisk - zarówno w produkcji, jak i w administracji. Sztuczna inteligencja ma na celu poprawę i ułatwienie codziennego życia zawodowego pracowników. Na przykład dzięki nowym narzędziom cyfrowym pracownicy produkcji będą mieli większe możliwości optymalizacji procesów, a także zarządzania jakością w perspektywie długoterminowej.

Zobacz również:

• Ten incydent z „katolickim księdzem” pokazuje, jak niebezpieczna może być sztuczna inteligencja
• Sztuczna inteligencja od Apple wymagać może nowych procesorów
• Energetyczna transformacja w Energa-Operator S.A.

Twoja firma uruchomiła inicjatywę kwalifikacyjną Turn2Learn. Jakie umiejętności w zakresie sztucznej inteligencji lub cyfryzacji są przekazywane pracownikom?

Jan Brecht: Turn2Learn1, inicjatywa naszego działu HR, koncentruje się w szczególności na cyfryzacji i sztucznej inteligencji. Program obejmuje AI i uczenie maszynowe dla początkujących, ścieżkę edukacyjną "Prompt Engineering", oferty szkoleniowe w zakresie języków programowania, takich jak Python, deep learning/sieci neuronowe, uczenie ze wzmocnieniem, zrobotyzowana automatyzacja procesów i przetwarzanie języka naturalnego.

Łącznie pracownicy mają dostęp do ponad 40 000 kursów dotyczących kwalifikacji w zakresie danych i sztucznej inteligencji na różnych zewnętrznych platformach edukacyjnych. Uruchomiliśmy również inicjatywę "Best Team" w IT, ponieważ naszym największym atutem są ludzie. Dlatego bardzo ważne jest dla nas przyciągnięcie i zatrzymanie najlepszych pracowników oraz umożliwienie im pełnego wykorzystania ich indywidualnego potencjału.

Czy Mercedes kwalifikuje do programu szkoleń tylko pracowników produkcyjnych, czy również biurowych?

Jan Brecht: Inwestujemy w rozwój umiejętności cyfrowych we wszystkich obszarach firmy. Niezależnie od tego, czy są to koledzy z produkcji, czy administracji, wszyscy potrzebują odpowiedniej wiedzy i nowych umiejętności, aby skutecznie korzystać z aplikacji AI w codziennej pracy. W ramach dwóch programów pilotażowych szkolimy już ponad 600 pracowników ze wszystkich obszarów Grupy, aby stali się specjalistami w zakresie danych i sztucznej inteligencji.

Oczywiście nie możemy jeszcze z całą pewnością stwierdzić, jaki wpływ na przyszłe życie zawodowe będzie miała postępująca cyfryzacja, a zwłaszcza generatywna sztuczna inteligencja. Ale jasne jest, że sposoby pracy zmienią się tak samo, jak same profile zawodowe. Właśnie dlatego kwalifikacje są kluczem do udanej transformacji.

Jak zmieni się sposób pracy w trakcie procesu transformacji cyfrowej i w kontekście wprowadzenia sztucznej inteligencji?

Jan Brecht: Niektóre czynności z pewnością będą w coraz większym stopniu przenoszone do aplikacji AI, na przykład powtarzalne czynności lub czynności związane z rozpoznawaniem wzorców, ale jest to pozytywny trend. Oznacza bowiem, że otwierają się wolne przestrzenie dla strategicznej lub kreatywnej pracy. Podobnie jak automatyzacja i wprowadzenie robotów produkcyjnych zmieniły sposób produkcji samochodów, sztuczna inteligencja również przyniesie pewne zmiany. Ale ostatecznie dotyczy to każdego nowego narzędzia, które pojawiło się w przedsiębiorstwie od czasu wynalezienia samochodu.

Kiedy mówimy o kwalifikacjach pracowników, naturalnie pojawia się pytanie, jak bardzo Mercedes-Benz jest już zaawansowany w korzystaniu z generatywnej sztucznej inteligencji?

Jan Brecht: W niektórych obszarach naprawdę wydajnie wykorzystujemy generatywną sztuczną inteligencję i nie mówimy tu tylko o testach. Na przykład od maja używamy GitHub Copilot w rozwoju oprogramowania. Zauważyliśmy tam znaczny wzrost wydajności.

Używamy również generatywnej sztucznej inteligencji w środowisku klienta. Na przykład w Wielkiej Brytanii uruchomiono inteligentnego wirtualnego asystenta, z którym klient może wchodzić w interakcje na stronie internetowej. Jest on w stanie udzielić konkretnych odpowiedzi na pytania dotyczące instrukcji obsługi i informacji o pojeździe.

Podam jeszcze trzeci przykład, choć zastosowań jest znacznie więcej. W naszym cyfrowym ekosystemie produkcyjnym MO360 generatywna sztuczna inteligencja pomaga nam analizować i przetwarzać dane. Dzięki dużemu modelowi językowemu (LLM) dane lub wzorce danych mogą być wyszukiwane nie tylko przez ekspertów za pomocą wysoce wyspecjalizowanych zapytań do bazy danych, ale teraz także przez pracowników produkcyjnych przy użyciu języka naturalnego. Obecnie testujemy to z ChatGPT za pośrednictwem Microsoft. Ostatecznie sztuczna inteligencja przyspiesza "demokratyzację wykorzystania danych".

Gdzie widzisz różnicę między sztuczną inteligencją a klasycznymi systemami uczenia maszynowego, o których dużo dyskutowaliśmy w związku z Przemysłem 4.0?

Jan Brecht: Dla mnie istnieją trzy główne kroki, które należy wziąć pod uwagę w tym rozwoju.

Pod koniec lat 80. opublikowano słynną Propagację wsteczną jako podstawę uczenia maszynowego. To była teoria, ale tak naprawdę nie została jeszcze wprowadzona w życie.

Stało się to w 2000 roku, kiedy w końcu dostępna stała się wystarczająca i niedroga moc obliczeniowa. Pozostało to jednak tematem dla kilku wysoce wyspecjalizowanych specjalistów od danych.

A teraz, w trzecim kroku, widzimy "demokratyzację danych", o której wspomniano już w przypadku dużych modeli językowych (LLM) , a przede wszystkim ChatGPT8. Możemy korzystać z danych za pomocą naturalnych, potocznych podpowiedzi - czy to w samochodzie, czy w firmie.

Ogólnie rzecz biorąc, jeśli postęp ilościowy jest wystarczająco duży, staje się również postępem jakościowym, tj. zmienia zasady gry. Widzę to również w dziedzinie sztucznej inteligencji, której rozwój znacznie przyspiesza. Nie chodzi o to, że generatywna sztuczna inteligencja robi coś zasadniczo innego. Nowością jest to, że wiele rzeczy można zrobić znacznie szybciej i wydajniej. Podsumowując, to naprawdę zmieni zasady gry i będzie przełomem.

Wcześniej wspomniałeś o dialogu z klientami końcowymi, który Mercedes-Benz promuje obecnie w Wielkiej Brytanii, jako przykład wykorzystania sztucznej inteligencji. W jakich obszarach widzicie największy potencjał dla AI - w produkcji, marketingu, sprzedaży czy w innych obszarach?

Jan Brecht: Przyjrzeliśmy się temu pytaniu bardzo intensywnie i przeanalizowaliśmy zarówno badania zewnętrzne, jak i wypróbowaliśmy AI wewnętrznie. Odpowiadając na pytanie, chciałbym wspomnieć o trzech obszarach. Pierwszym z nich jest rozwój oprogramowania, o którym wspomniałem wcześniej. Widzimy tam bardzo wyraźny wzrost wydajności, zarówno po stronie inżynieryjnej, tj. w rozwoju pojazdów, jak i po stronie przedsiębiorstw.

Drugim obszarem jest dla mnie dialog z klientem. W dającej się przewidzieć przyszłości bezpośrednia interakcja między sztuczną inteligencją a klientem, tak jak ma to obecnie miejsce w Wielkiej Brytanii, pozostanie prawdopodobnie wyjątkiem. Jestem jednak przekonany, że aplikacje AI pomogą jeszcze bardziej poprawić doświadczenia klientów i usprawnić procesy.

Innym obszarem, w którym należy zainwestować dużo siły roboczej, jest projektowanie parametryczne w inżynierii. Tam sztuczna inteligencja doprowadzi do dużego wzrostu produktywności, ponieważ wspiera ludzi w ich pracy.

Wróćmy do produkcji. Tam używasz ChatGPT w środowisku produkcyjnym MO360, w interakcji z narzędziem analitycznym. Pilot działa już od jakiegoś czasu, jakie są Twoje pierwsze doświadczenia?

Jan Brecht: Ten przykład miałem na myśli, gdy mówiłem wcześniej o odpytywaniu baz danych za pomocą poleceń w języku naturalnym. Pierwsze wyniki są bardzo obiecujące. Zwłaszcza, że widzimy, że jest to akceptowane nie tylko przez ekspertów IT, ale także przez brygadzistów na hali produkcyjnej.

Widzę również duży potencjał w zastosowaniu AI w innych obszarach. Z pewnością śledziłeś ten rozwój: analityka, przygotowywanie danych itp. były kiedyś w stu procentach domeną ekspertów. Potem nadeszła era low-code, w której pracownicy mogli samodzielnie tworzyć dashboardy. A teraz idziemy o krok dalej dzięki generatywnej sztucznej inteligencji.

Struktury danych można bardzo łatwo pobierać i wykorzystywać za pomocą klawiatury, podobnie jak za pomocą języka mówionego. Właśnie w tym kierunku zmierza ta podróż. Jakość danych staje się jeszcze ważniejsza, ale to i tak ma zastosowanie wszędzie.

Wspomniałeś o opcji wprowadzania danych za pomocą mowy lub klawiatury. Czy pracownicy muszą być przeszkoleni w zakresie promptowania, czy też zapytania do sztucznej inteligencji są wysyłane za pośrednictwem interfejsów użytkownika z predefiniowanymi opcjami wprowadzania danych?

Jan Brecht: Na początku odbywa się wstępne szkolenie dla stosunkowo jasno zdefiniowanych przypadków użycia, na przykład w produkcji. Ponadto nasi pracownicy mają dostęp do różnych możliwości dalszego szkolenia na ten temat, w tym do ścieżki edukacyjnej w zakresie inżynierii podpowiedzi. Uczą się również, jak korzystać z tych narzędzi w zabawny sposób, wypróbowywać rzeczy i sprawdzać, co działa, a co nie.

Ogólnie jednak uważam, że Prompt Engineering jest czymś, czego trzeba się nauczyć. Raz przyjrzałem się takiemu szkoleniu. Mimo że czułem się już dość dobrze w tematach, wiele się nauczyłem.

W rzeczywistości zastanawiamy się, czy powinniśmy oferować szkolenia szerzej w firmie, a nie tylko dla wybranych specjalistów IT i danych. To zdecydowanie pomaga lepiej wykorzystać generatywną sztuczną inteligencję.

Jakie problemy napotkaliście do tej pory z AI lub ChatGPT? Zauważyliśmy w niektórych przypadkach, że sztuczna inteligencja czasami podaje nieprawidłowe informacje, gdy ma wygenerować tekst.

Jan Brecht: Wspomniałeś o słynnych halucynacjach. To z pewnością wyzwanie. Było to również bardzo trudne w bezpośredniej interakcji z klientami w Wielkiej Brytanii. Można oczywiście wykluczyć halucynacje tak dalece, jak to możliwe, poprzez kontrole wiarygodności i związane z nimi ograniczenia.

Ale jeśli ustawisz kryteria zbyt rygorystycznie, maszyna powie ci częściej niż byś chciał: "Nie mogę nic o tym powiedzieć". Trzeba być bardzo ostrożnym i znaleźć odpowiednią równowagę. Jest to być może najważniejsze pytanie, które należy obecnie rozwiązać i które znajduje się również w centrum badań nad sztuczną inteligencją: jak możemy opanować halucynacje?

Czy odkryliście jakieś inne problemy?

Jan Brecht: Rzeczywiście istnieją inne wyzwania. Jednym z nich jest jakość danych. Przy czym wolałbym raczej mówić o w pełni rozwiniętym, starym problemie. Jak już wspomniałem, sztuczna inteligencja działa tylko wtedy, gdy modele są zasilane danymi wysokiej jakości. Jeśli masz obszary, w których dane nie są tak uporządkowane, braki w jakości stają się szczególnie widoczne, gdy dane te są wykorzystywane jako treningowe dla sztucznej inteligencji.

Mówiąc o danych treningowych: Mercedes-Benz z pewnością będzie szkolić swoje narzędzia AI tylko na własnych danych, prawda?

Jan Brecht: Zgadza się. Jeśli chcemy na przykład wizualnie wyjaśnić klientom nasze pojazdy, można to zrobić tylko przy użyciu naszych własnych danych szkoleniowych. Nawiasem mówiąc, szkolenie odbywa się wyłącznie w bezpiecznych obszarach tych środowisk AI, więc dane nie mogą przedostać się do opinii publicznej. Oczywiście istnieją również pewne publiczne dane, które możemy wykorzystać do AI. Ale szczególnie w środowisku produkcyjnym polegamy na własnych danych.

W środowisku produkcyjnym polegacie na usługach Azure OpenAI. Jaką rolę odgrywają inne rozwiązania AI dla Mercedes-Benz - mam na myśli na przykład partnerstwo z Nvidią?

Jan Brecht: OpenAI jest obecnie przedstawiane w mediach jako lider AI. I rzeczywiście mają bardzo dobre rozwiązanie techniczne, ale nie będziemy się do tego ograniczać. Myślę na przykład o Industrial Metaverse, ale to już inny temat.

Oczywiście inne firmy również mają interesujące rozwiązania. Zaczynamy również bardzo uważnie przyglądać się alternatywom open-source. Oprócz dużych, prawnie zastrzeżonych dostawców, takich jak OpenAI/Microsoft czy Google, musimy również zrozumieć alternatywy open source.

Co więcej, uważam, że nie powinniśmy rozumieć sztucznej inteligencji jako silnika, który znajduje się gdzieś obok. Sztuczna inteligencja musi być głęboko wpleciona w nasze systemy i procesy. Dlatego wymagamy od wszystkich naszych partnerów systemowych - w tym tych tradycyjnych - aby wykorzystywali elementy AI w swoich środowiskach. Sztuczna inteligencja musi znaleźć drogę do całego krajobrazu systemu i tak się stanie.

Nie jesteśmy jeszcze na tym etapie. Według naszych dotychczasowych ustaleń, rozwiązania open source są również bardziej specyficzne, dlatego nie można odpowiedzieć na to pytanie w sposób ogólny.

Różne rozwiązania open source są prawdopodobnie potrzebne dla różnych dziedzin. Ale ma to również sens, ponieważ konkretne podejścia AI nie wymagają gigantycznej mocy obliczeniowej, jaką mają ogólne rozwiązania AI. Najważniejsze jest to, że potrzeba również mniej energii, aby utrzymać modele przy życiu.

Strategią jest więc wykorzystanie najpierw dużych modeli fundamentalnych, aby zdobyć doświadczenie. Czy w dłuższej perspektywie planujecie modele AI specyficzne dla danej domeny, ponieważ wymagają one mniej zasobów?

Jan Brecht:# Tak, jest taka możliwość. Zdecydowanie chcemy być przygotowani tak, abyśmy mogli postępować zgodnie ze scenariuszem, który nakreśliłeś. W perspektywie średnioterminowej stanie się jasne, który model jest potężniejszy - zarówno z technicznego, jak i komercyjnego punktu widzenia. Ważne jest, aby mieć wybór, a także dostrzegać ryzyko i zmiany prawne.

Artykuł pochodzi z Computerwoche.de