Искусственный интеллект (сокращенно ИИ) — это термин, который сегодня все чаще встречается в повседневной жизни. Роботы или интеллектуальное программное обеспечение берут на себя задачи, которые раньше были по силам компьютерам лишь в очень ограниченном объеме и поэтому зачастую выполнялись людьми. В повседневной жизни сегодня вряд ли можно избежать использования искусственного интеллекта в качестве инструмента в той или иной форме — осознанно или нет. Он поддерживает нас, например, при использовании навигационных устройств, в видеоиграх или даже при использовании камеры на смартфоне. Но есть и более очевидные варианты использования, например автономное вождение или использование голосовых помощников дома или на смартфоне. Так называемые нейронные сети, созданные по образцу работы человеческого мозга, все чаще используются в фоновом режиме. Они являются важным компонентом концепции Deep Learning (глубокого обучения) — особого подтипа ИИ.

Искусственный интеллект также проникает в индустриальную сферу. По мере расширения использования этой технологии все более важную роль приобретает понимание того, что она собой представляет на самом деле, что такое Deep Learning или как нейронные сети целенаправленно генерируются и как их можно разумно использовать в промышленности для оптимизации производственных процессов. Это особенно актуально для повторяющихся и монотонных задач, с которыми компьютеры пока не могут справиться и которые поэтому по-прежнему кропотливо выполняются людьми. Искусственный интеллект — это попытка понять и искусственно имитировать работу человеческого мозга. Цель: компьютеры должны надежно выполнять даже сложные задачи, например контроль качества с помощью функции распознавания изображений — в особенности органических объектов.

Учебный кейс по искусственному интеллекту был разработан для тренеров, инструкторов производственного обучения, преподавателей и профессоров различных учебных заведений, чтобы вместе с учащимися детально проработать тему искусственного интеллекта и иметь возможность обучать работе с ИИ как можно практичнее и нагляднее.

Сет учебного кейса включает реальное промышленное аппаратное и программное обеспечение, которое в таком же виде используется во многих компаниях. Кейс дополнен учебными материалами, например вводным электронным курсом или пособием по проведению экспериментов с дидактическими задачами и примерами решений.

Чтобы получить полное понимание принципов Deep Learning, важно не только собрать теоретические знания о нем, но и реально работать с ним, совершать ошибки, а затем самостоятельно их исправлять. Именно поэтому была разработана учебная программа, состоящая из следующих пунктов, с тем чтобы заинтересованные лица могли получить практический опыт создания собственных нейронных сетей.

• В рамках интерактивного электронного курса учащиеся проходят подготовку к аудиторным занятиям. Курс дает элементарные базовые знания и направлен на то, чтобы привести различные уровни знаний отдельных участников к единому знаменателю.
• Позднее, за несколько дней до аудиторного занятия, можно пройти краткий цифровой тест, чтобы освежить и дополнительно закрепить знания, полученные в ходе электронного курса, и опираться на них во время очного обучения.
• Комплект печатных пособий по проведению экспериментов (с примерами решений) и примеры структурных планов позволяют участникам выполнять задачи с использованием реальных промышленных датчиков. Входящие в комплект вспомогательные материалы, например кубики или металлические вставные кнопки, используются для интуитивного и пошагового решения задач, предусмотренных в пособии по проведению экспериментов. Используя программируемую камеру InspectorP621 компании SICK и облачное промышленное программное обеспечение SICK dStudio, учащиеся могут создавать собственные нейронные сети, а затем переносить их на камеру. Учащиеся своими глазами наблюдают за тем, как камера самостоятельно классифицирует результаты контроля качества по заранее определенным категориям на основе созданной нейронной сети.

Для сета были разработаны пять дидактических заданий, которые опираются друг на друга и направлены на максимально устойчивое приобретение теоретических знаний и практических навыков.

В шестом и последнем задании нейронная сеть, самостоятельно созданная учащимися, переносится на реальное производственное предприятие в рамках трехмерного компьютерного моделирования для апробации качества нейронной сети. Это задание завершает учебный блок и в то же время служит для дальнейшей мотивации участников.

Сет может быть сокращен по различным сценариям или использован полностью с максимальной наглядностью в том числе для новичков. Аппаратное и программное обеспечение также позволяют учащимся разрабатывать свои собственные задания, поэтому обязательная привязка к прилагаемому пособию по проведению экспериментов отсутствует. Даже программное обеспечение на датчике может быть заменено для разработки или решения особо сложных задач с помощью датчика.

Подробнее о приобретении практического сета можно узнать здесь.