A Ascensão Gradual da IA no Chão de Fábrica

SAN JOSE, Califórnia — Redes neurais profundas estão avançando gradualmente em ambientes industriais, prontas para transformar a automação fabril.

Primeiros Passos: Visão Computacional

Adotantes iniciais já incorporam redes neurais como a inteligência por trás de câmeras de visão computacional. Com o tempo, essas redes infiltrar-se-ão em braços robóticos, gateways de sensores e controladores, remodelando processos de manufatura. A transição, porém, ocorre em ritmo medido.

"Ainda estamos nas fases iniciais do que provavelmente será uma era de décadas de avanços e algoritmos de machine learning de próxima geração, mas acho que veremos progresso enorme nos próximos anos", disse Rob High, diretor de tecnologia do IBM Watson.

Redes neurais começam a popular gateways e controladores multicore x86 compatíveis com Linux que cada vez mais cercam o chão de fábrica. Redes 5G emergentes eventualmente concederão a esses sistemas acesso contínuo a data centers remotos, acrescentou High.

Setores Pioneiros

Setores automotivo, aeroespacial e de saúde já dão passos iniciais, principalmente com câmeras inteligentes. A Canon está embarcando placas Nvidia Jetson em suas câmeras industriais para ativar deep learning. A Cognex Corp., fornecedora líder de câmeras industriais, está expandindo suas próprias ofertas de deep learning. A startup chinesa Horizon Robotics fornece câmeras de vigilância que incorporam seus aceleradores de inferência de deep learning.

"Todos os adotantes iniciais implantaram deep learning para percepção visual, e outros começam a notá-los", disse Deepu Talla, gerente geral de máquinas autônomas da Nvidia. "Percepção é razoavelmente fácil de fazer, e pesquisadores a veem como um problema resolvido. Agora os grandes problemas estão em usar IA para interação com humanos e atuação mais detalhada — esses são problemas de pesquisa de 10 anos. Em áreas como navegação de drones e robôs, estamos mais na fase de protótipos."

Talla chama a robótica de "a interseção de computadores e IA", mas muitos usos industriais de deep learning serão menos glamorosos — e chegarão mais cedo.

Manutenção Preditiva: O Ponto de Entrada Imediato

Robôs de fábrica ainda não empregam IA, diz Doug Olsen, CEO da Harmonic Drive LLC, fornecedora líder de componentes robóticos. No curto prazo, o foco mudará de braços robóticos inteligentes para sistemas embarcados que preveem falhas e coletam dados de uso para agendar manutenção preventiva. "É aí que a IA pode se firmar primeiro", explicou Olsen.

Fabricantes de Chips Alinham-se à Tendência

Grandes fabricantes de chips estão alinhados a essa tendência. A Renesas começou a experimentar há três anos, implantando microcontroladores com IA em nós finais para detectar falhas e prever necessidades de manutenção em linhas de produção em uma de suas fabs de semicondutores. Em outubro, a Renesas lançou seus primeiros MCUs com blocos de processador dinamicamente reconfiguráveis para processamento de imagem em tempo real, com planos de lançar controladores suportando cognição em tempo real em 2020 e aprendizado incremental em 2022.

A STMicroelectronics adota abordagem semelhante com sua linha STM32. Em fevereiro, anunciou um system-on-chip de deep learning e um acelerador em desenvolvimento, visando em parte detecção de falhas no chão de fábrica.

Robôs Inteligentes no Horizonte

Robôs inteligentes eventualmente chegarão. A startup covariant.ai trabalha para habilitá-los com reinforcement learning. "Equipar robôs para ver e agir sobre o que veem será uma das maiores diferenças que o deep learning fará nos próximos anos", disse Pieter Abbeel, pesquisador de IA, fundador da covariant e diretor do laboratório de robótica na UC Berkeley.

Abbeel exibe simulações impressionantes de robôs aprendendo a correr usando técnicas de redes neurais, mas alerta que o campo ainda está na infância. "Na verdade, fundamos a covariant em parte porque o espaço de IA industrial ainda não está tão lotado", disse ele.