על מה אנחנו מדברים כשאנחנו מדברים על בינה מלאכותית?
משמעות המונח 'בינה מלאכותית' עשוי להשתנות בהתאם לנסיבות, ומקובל להבחין בין שני סוגים עיקריים שלו: בינה מלאכותית כללית (AGI) ובינה מלאכותית צרה (ANI).
הבינה המלאכותית הכללית היא תפיסה הוליסטית שאפתנית, הגורמת למכונה לדמות חשיבה אנושית. הדוגמה הקלאסית למערכת כזו היא המחשב "כחול עמוק" שהתפרסם כאשר ניצח במשחק שחמט את אלוף העולם גארי קספרוב. למרות מספר תקדימים כאלה, הדרך למערכת שלמה של אינטליגנציה מלאכותית מסוג זה עדיין רחוקה ולכן היום, כשמדברים על יישומים פרקטיים של בינה מלאכותית מתכוונים בדרך כלל לבינה מלאכותית צרה.
מה שהופך את הבינה המלאכותית הצרה לישימה יותר, זו העובדה שהיא מתמקדת ביישום מאוד ספציפי שמאפשר לה ללמוד אותו מכל הזוויות ולהסתמך על המידע(Data) ההיסטורי שנצבר. דוגמאות ליישומים כאלה הם:
- ראיית מחשב - מחשבים שיודעים לקרוא ולפענח טקסטים או לזהות עצמים
- Product recommendation engines – מערכות שיודעות לחזות התנהגות צרכנים ולהתאים לה את מערך הייצור וההפצה
- מערכות לזיהוי וסינון תוכן
- Virtual assistants - מערכות שמחליפות תפקידים שמבצעים עובדים אנושיים
אסטרטגיה לפני טכנולוגיה
אחד הדברים שמאפיינים הטמעת טכנולוגיות בינה מלאכותית בתעשייה בכלל ובתחום המזון והמשקאות בפרט, היא העובדה שהשינוי שהיא עשויה לחולל שונה משדרוג פשוט של המערכת. בהרבה מובנים מדובר באימוץ פילוסופיה עסקית שלמה.
מכאן שלפני שדנים בפתרון הטכנולוגי הספציפי חשוב לגבש את האסטרטגיה למהלך ולהציף שאלות יסוד, כמו למשל, האם המטרה היא התייעלות וצמצום הוצאות או הגדלת הפריון, ולברר מה הם האתגרים הגדולים. כשזה מגיע לתחום המזון והמשקאות האתגרים הגדולים ייגעו בשאלות הבאות:
בטיחות ואיכות
הבטיחות והאיכות של המוצר הן הגורם הקריטי בתעשיית המזון והמשקאות. בסופו של יום כולנו צורכים את התוצרת שלה ואף אחד לא אוהב למצוא שרידים של נחש מת במזון הקפוא שלו.
מערכות זיהוי וסנסורים מבוססות AI שבוחנות את פס הייצור על כל היבטיו יכולות לזהות כל חריגה - מהרמה הבקטריולוגית ועד נוכחות של גופים זרים או תנאים בעייתיים - בפס הייצור ולהניע התמודדות עם הבעיה.
צמצום בזבוז
ניצול חלקי של חומרי גלם מתבטא בפגיעה בסביבה (יצירת אשפה) וחוסר יעילות במערך הייצור. שילוב טכנולוגיות בינה מלאכותית עשוי לצמצם משמעותית מקרים כאלה. חיזוי מדויק ומעקב אחר מלאים, מדידה, בקרה וניטור של התהליך (הכוללת התערבות אוטומטית כשנדרש) יכולים לצמצם משמעותית את הבזבוז ולייעל את פס הייצור. דוגמה יפה לשימוש כזה בטכנולוגיית בינה מלאכותית אפשר למצוא במפעלי מזון מתקדמים עם קווים להכנת בצק ואפייה. קווי יצור כאלה הפחיתו באופן דרסטי את כמות חומר הגלם המבוזבז והפחיתו את התקלות בפס, זאת הודות למדידה וניטור בזמן אמת שמאפשרים לקבוע אוטומטית את כמות הקמח המדויקת הנדרשת כדי שהבצק לא יידבק לחגורת המסוע.
איכות סביבה וקיימות
כמו כל התעשייה המודרנית גם תחום המזון והמשקאות נדרש היום לעמוד בסטנדרטים ירוקים. בינה מלאכותית היא כלי שמאפשר לצמצם את החתימה הסביבתית של מערך הייצור הודות להתייעלות אנרגטית, התאמת תפוקה לדרישה, שיפור השינוע, שימוש חכם במים והטמעת תהליכים מורכבים יותר בהם שימוש בטווח רחב יותר של חומרי גלם טבעיים (בעבר פירות וירקות גדולים מידי או קטנים מידי היו מסוננים החוצה).
אופטימיזציה של תהליך הייצור
הטמעה של טכנולוגיית בינה מלאכותית היא הדרך הטובה ביותר להגיע לתהליך ייצור שפועל באופן אופטימלי בכל רגע נתון. מאחר שלכל רגע נתון יש צרכים אופטימליים שונים, בעזרת בינה מלאכותית ניתן לסנכרן את המידע מכל המערכות, לערוך אנליזות בזמן אמת ולהתאים את מערך הייצור בהתאם ובאופן אופטימלי.
אופטימיזציה של אריזה ומיון
אחת הדרכים שבהן התעשייה המודרנית מתמודדת עם אתגרי האריזה והמיון היא באמצעות שילוב רובוטיקה. הוספת שכבה נוספת של בינה מלאכותית יכולה לייעל ולשפר את התהליך הזה אפילו יותר. דוגמה לפרויקט כזה אפשר למצוא בשיתוף הפעולה בין ABB לסטארט-אפ Covariant מעמק הסיליקון.
במסגרת שיתוף הפעולה, החברות פיתחו מערכת רובוטית לאריזה ומיון מוצרים שיודעת לעבוד יחד עם עובדים אנושיים, כך שמדובר בקובוטים (Collaborative Robots). המערכת שמשלבת בין בינה מלאכותית למצלמות תלת-ממד ייחודיות יודעת לזהות בקבוקים עם תכולה פגומה כבר בשלב המיון ולמנוע את הפצתם.
דוגמאות לשימושים בבינה מלאכותית בתעשיית המזון והמשקאות
כמי שכבר למעלה ממאה שנים מובילה את הדרך בפיתוח והצעת פתרונות טכנולוגיים בתעשייה, חברת ABB מתמקדת גם בפיתוח טכנולוגיות ויישומים של בינה מלאכותית. חלק גדול מהיישומים האלה נועדו לתת פתרונות לתעשיית המזון והמשקאות. נציין שתחום זה הוא רחב ומגוון במיוחד, ולהלן דוגמאות לכך שהטמעת טכנולוגיית בינה מלאכותית מבית ABB יכולה לעשות את ההבדל:
חוות גידול דגי סלמון
Norway Royal Salmon , ענקית הסלמון העולמית, פועלת בחוג הארקטי שבו שוררים תנאי סביבה קשים במיוחד. מאחר שהדיג המסורתי לא מצליח לענות על הביקוש העולמי לדג, החברה הקימה חוות גידול ימיות.
גידול סלמון בחוות ימיות מייצר אתגרים רבים, בהם למשל, סכנת הידבקות בכיני ים וטפילים אחרים. לא מדובר בשאלה תיאורטית. על פי הערכות, הנזק הישיר של טפילים בחוות מסתכם ב-600 מיליון דולר לשנה.
חברת ABB יחד עם מיקרוסופט מפתחות עבורNorway Royal Salmon פתרונות להתמודדות עם האתגר. בין היתר פותחה מערכת סטריאוסקופית מבוססת בינה מלאכותית שמסייעת לחוות לגדל 70 אלף טון של דגה באופן שישמור על בריאות הדגים והסביבה ויחסוך מעורבות של עובדים אנושיים בתהליך. מעורבות זו גם כרוכה בסכנות לעובדים וגם גוזלת זמן יקר.
ייצור ויסקי
המצאת סוג חדש של ויסקי הייתה נחלת מאסטר בלנדרים מעטים, עד שבשנת 2019 בחרה מזקקה אמריקאית בפרדיגמה חדשה. מזקקת Mackmyra חברה לחברת ABB ומיקרוסופט כדי לפתח ויסקי בכלים של בינה מלאכותית.
המידע על 75 סוגי הוויסקי של Mackmyra הוזן למערכות ועבר אנליזה מלאה שהביאה בחשבון את חוות הדעת של הצרכנים, את הביקוש ואת דפוסי הצריכה, ובאמצעות מידע זה גובש מתכון אולטימטיבי לוויסקי, בפיקוח המאסטר בלנדר Angela D’Orazio, שאכן מקבל ביקורות מעולות.
כל אלו דוגמאות לדרך המבטיחה והמבוקרת של הבינה המלאכותית.