General Electric bygger en AI-arbejdsstyrke

Som en del af sit skift mod højteknologiske virksomheder, er den 125 år gamle virksomhed, nummer 40 på vores liste over de 50 smarteste virksomheder, ved at samle kunstig intelligens gennem hele sin virksomhed, begyndende med sine videnskabsmænd. Ved

• elizabeth woyke arkiv side

27. juni 2017

Leonard greco

Da Jason Nichols kom til GE Global Research i 2011, kort efter at have afsluttet postdoktoralt arbejde i organisk kemi ved University of California, Berkeley, forventede han en lang karriere inden for kemisk forskning. Men efter fire år at have skabt materialer og systemer til at behandle industrielt spildevand, flyttede Nichols til virksomhedens maskinlæringslaboratorium. I år begyndte han at arbejde med augmented reality. Dels kemiker, dels dataforsker, Nichols er nu præcis den type hybridmedarbejder, der er afgørende for fremtiden for en virksomhed, der arbejder på at injicere kunstig intelligens i sine maskiner og industrielle processer.

For 15 år siden overvågede GE's maskinoperatører og teknikere dets flymotorer, lokomotiver og gasturbiner ved at lytte til deres klirr og susen og tjekke deres målere. I dag bruger virksomheden AI til at gøre det tilsvarende, selv forudsige fejl på forhånd (se '50 smarteste virksomheder 2017.'). Ved at samle denne teknologi håber GE at blive en af ​​verdens førende softwareudbydere i 2020, en mission, der forstærkedes i 2011 med et initiativ på 1 milliard dollar til at indsamle og analysere sensordata fra maskiner. At skabe smartere modeller via AI er det næste skridt i virksomhedens strategi - en, som den håber vil give den en fordel i forhold til mangeårige rivaler som Siemens og softwaregiganter, såsom IBM, der nu udvider til industriel analyse.

Denne historie var en del af vores juli 2017-udgave

• Se resten af ​​problemet
• Abonner

Selvfølgelig er det en vanskelig opgave at integrere kunstig intelligens i en organisation grundlagt i 1892. Det starter med at træne de tekniske hjerner bag virksomheden, som beskæftiger 300.000 mennesker på tværs af alle sine forretninger verden over. GE Global Research, hvor Jason Nichols arbejder, er ved at oprette onlineprogrammer, der underviser i maskinlæring og symposier, hvor videnskabsmænd kan udforske nye roller. Indtil videre har næsten 400 medarbejdere fra hele virksomheden gennemført GE's certificeringsprogram for dataanalyse, og omkring 50 videnskabsmænd er flyttet til digitale analysejob af den slags Nichols har påtaget sig.

Dobbelte karrierer

Mange af disse dobbelte videnskabsmænd hjælper med at lave cloud-hostede softwaremodeller af GE's maskiner, som kan bruges til at spare penge og forbedre sikkerheden for sine kunder. GE bygger disse digitale tvillinger ved hjælp af information, den indsamler fra sensorer på maskinerne, suppleret med fysikbaserede modeller, AI, dataanalyse og viden fra dets videnskabsmænd og ingeniører. Selvom digitale tvillinger primært er linjer med softwarekode, ligner de mest komplicerede versioner 3D computerstøttede designtegninger fulde af interaktive diagrammer, diagrammer og datapunkter. De gør det muligt for GE at spore slitage på sine flymotorer, lokomotiver, gasturbiner og vindmøller ved hjælp af sensordata i stedet for antagelser eller estimater, hvilket gør det nemmere at forudsige, hvornår de får brug for vedligeholdelse. En flymotor, der flyver over USA, kunne for eksempel have en digital tvilling på en GE-computerserver i Californien, der hjælper med at bestemme den bedste serviceplan for dens dele.

Udover at forudsige maskinens forventede levetid, giver de virtuelle modeller GE mulighed for at optimere driften af ​​sine produkter. GE siger, at digitale tvillinger øger mængden af ​​el, vindmølleparker producerer med så meget som 20 procent og reducerer det årlige brændstofforbrug og kulstofemissioner for et af dets lokomotiver med henholdsvis 32.000 gallons og 174.000 tons om året. Mere end 700.000 modeller er blevet leveret til kunder, et antal der kan overstige en million ved udgangen af ​​dette år.

Teknologien er afhængig af kunstig intelligens for løbende at opdatere sig selv. Hvad mere er, hvis data er korrupte eller mangler, udfylder virksomheden hullerne ved hjælp af maskinlæring, en type AI, der lader computere lære uden at være eksplicit programmeret, siger Colin Parris, GE Global Researchs vicepræsident for softwareforskning. Parris siger, at GE parrer computersyn med deep learning, en type AI, der er særlig dygtig til at genkende mønstre, og forstærkningslæring, et andet nyligt fremskridt inden for AI, der gør det muligt for maskiner at optimere driften, for at gøre det muligt for kameraer at finde små revner på metalturbineblade, selv når de er snavsede og støvede.

Tag den lille robot, lidt større end en Matchbox-bil, der bruges til at inspicere fungerende motorer. Ved hjælp af computersyn og en række forskellige kunstig intelligens-teknikker kan botten lede efter revner inde i flymotorer ved at køre oven på en langsomt bevægende ventilatorvinge.

Lignende teknologi kan fastgøres til en drone for at finde korrosion på de 200 fod høje afbrændingsstabler, der brænder overskydende gas af, der frigives på olie- og gasproduktionssteder.

GE-forskere har studeret og tilpasset skiftende teknologi i årtier. På dette foto fra den 18. april 1968 bemander en GE-systemingeniør telexlinket til et Student Response System på Syracuse University. Computeren analyserede elevernes svar på multiple choice-spørgsmål og videresendte dem tilbage til læreren.

Den 20. marts 1969 undersøgte GE-forskere strømmen af ​​gasser, usynlige i deres naturlige tilstand, ved at lave simuleringer på en enhed kaldet et arbejdsvandspejl, hvor strømme blev observeret ved brug af farvestoffer.

Ingen mode

For at udvikle og arbejde med disse systemer skal GE-forskere forstå både maskinernes fysik og AI-algoritmerne.

Dette er et sted, hvor du vil have en molekylærbiolog siddende med en maskinlæringsekspert eller en person med kontrolteori, der sidder med en person, der kender til materialevidenskab, siger Mark Grabb, GE Global Researchs teknologidirektør for analytics. Den type samarbejde er meget kraftfuldt, men der er intet stærkere end at have den samme information i den samme hjerne; det er bare hypereffektivt.

Overvej hjernen hos Matt Nielsen, som kom til GE Global Research i 1998 efter at have opnået en PhD i fysik. Nielsen udviklede fotonik og arbejdede med software til elbiler, før han flyttede fuldt ud til virksomhedens digitale side i 2015. I dag leder han et team af digitale tvillingeudviklere og hjælper med at bygge fysikbaserede modeller, der kan kombineres med maskinlæringsalgoritmer.

GE bruger kunstig intelligens til at skabe løbende opdaterende digitale repræsentationer af sine maskiner, såsom denne gasturbine, 9HA, på en fabrik i Belfort, Frankrig.

Digitale replikaer af jetmotorer hjælper GE's luftfartskunder med at spare penge ved at forudsige præcis, hvornår de får brug for vedligeholdelse. Her sidder en GE-motor på et eftersynsanlæg i Rio de Janeiro, Brasilien.

Sahika Genc, ​​en anden dobbeltforsker, udviklede systemer til ICU-alarmer inden overgangen til GE's maskinlæringslaboratorium i 2014. Genc er nu en maskinlæringsforsker, der bruger dyb læring og forstærkningslæring til at gøre GE's energistyringssystemer mere effektive. Et af hendes seneste projekter anvendte maskinlæring og varmeoverførselsteori for at identificere, hvordan bygningsenergi spredes og lagres. Prognoserne vil hjælpe GE-kunder med at reducere deres energiforbrug.

Disse hybridforskere kan være GE's bedste skud på at forblive relevante i endnu et århundrede, mens virksomheden leder efter vækstmuligheder i så konkurrencedygtige og modne industrier som turbiner, jetmotorer og lokomotiver.

Parris, lederen af ​​softwareforskningen, indrømmer, at nogle af GE's 2.000 forskere stadig betragter visse aspekter af den nye tilgang som en forbigående mode.

Men videnskabsmænd, der ikke tager springet, kan blive efterladt. I januar afskedigede virksomheden forskere inden for områder, der anses for at være perifere for GE's digitale industrielle strategi. Det er efter at have skabt 100 nye forskningsjob relateret til kunstig intelligens og robotteknologi i 2016.

skjule