La pièce manquante de l’ingénierie de l’intelligence artificielle

Compte tenu de la rapidité avec laquelle la conception technique et la fabrication ont progressé parallèlement aux développements informatiques, vous serez peut-être surpris que très peu d’ingénieurs soient formés à la fois à la conception de systèmes d’ingénierie et à l’intelligence artificielle. Il existe d’innombrables possibilités d’améliorations révolutionnaires dans la façon dont nous développons de nouvelles technologies utilisant l’IA dans la conception technique, mais pour réussir dans ces domaines difficiles, les ingénieurs doivent comprendre une nouvelle spécialité : la conception pour l’intelligence artificielle.

Chris McComb, professeur agrégé de génie mécanique à Carnegie Mellon, et son étudiant Glen Williams, aujourd’hui chercheur principal chez Re:Build Manufacturing, ont développé un cadre de conception pour l’intelligence artificielle (DfAI) en collaboration avec des chercheurs de la Penn State University pour éduquer et encourager la communauté universitaire et de l’ingénierie industrielle à adopter la conception d’ingénierie de l’IA.

“La plupart du temps, nous considérons l’IA comme un outil à ajouter à un système existant, mais pour développer de meilleurs systèmes, nous devons intégrer l’IA dans le processus de conception technique dès le début”, explique McComb.

L’un des principaux défis consiste à motiver les institutions à investir dans le potentiel à long terme des technologies d’IA. Étant donné que l’ingénierie est axée sur les produits et que les incitations à la conception et à la fabrication donnent la priorité à l’excellence à court terme, la budgétisation des ressources pour la recherche et le développement à long terme est difficile mais utile.

Pour illustrer l’importance de cela, Williams a décrit deux sociétés hypothétiques fabriquant en série des avions électriques. Pour le développement initial, la société A choisit une voie de fabrication manuelle pour accéder rapidement au marché et atteindre la rentabilité. D’autre part, la société B construit un processus riche en données qui capture l’intelligence tout au long du cycle de vie de la conception. Au cours des dix prochaines années, la société B est en mesure de réduire considérablement ses coûts d’exploitation en utilisant une conception basée sur les données qui peut à la fois optimiser la production de ses avions et créer de meilleurs produits. La société A ne peut plus suivre.

Parce que la conception et la fabrication ne se déroulent pas en silos, DfAI s’applique aux aspects plus larges du processus de conception technique. Williams suggère que, fondamentalement, l’avancement du DfAI peut être abordé en 1) augmentant les connaissances en IA dans l’industrie ; 2) reconcevoir les systèmes d’ingénierie pour mieux s’intégrer à l’IA ; et 3) améliorer le processus de développement de l’IA en ingénierie.

“Les données d’ingénierie sont complexes et ne sont pas toujours liées à la communauté au sens large”, explique McComb, comme l’une des raisons pour lesquelles d’autres domaines peuvent innover plus rapidement en matière de technologie d’IA. “Le nombre d’experts capables d’interpréter ces données est faible, donc le DfAI exigera que les individus aient une expertise spécifique. Les universités et l’industrie doivent travailler ensemble pour soutenir l’innovation à long terme dans ce domaine.”

L’équipe décrit trois personnes comme des nécessités pour DfAI : les concepteurs d’ingénierie, les conservateurs de référentiels de conception et les développeurs d’IA. Un concepteur d’ingénierie peut être une personne ou une équipe responsable de l’élaboration des spécifications d’un nouveau projet. Ce sont les résolveurs de problèmes qui peuvent comprendre les contraintes d’ingénierie ainsi que les algorithmes d’IA. Les conservateurs de référentiel de conception doivent aller plus loin dans le rôle de mainteneur de base de données en ayant des connaissances en conception et fabrication d’ingénierie pour fournir aux ingénieurs de conception les outils de gestion de données pour répondre aux demandes de flux de travail et être extensibles aux demandes futures. Enfin, les développeurs d’IA doivent être capables d’imaginer, de développer, de commercialiser et d’améliorer en permanence des produits logiciels d’IA pour aider les ingénieurs de conception.

“Nous ne pouvons pas considérer le développement de l’IA comme une réflexion après coup dans nos opérations principales”, résume McComb. « À moins que nous ne renforcions les ingénieurs de conception avec des logiciels de conception et de fabrication de nouvelle génération basés sur une intelligence artificielle profondément intégrée, notre capacité à concevoir une technologie nouvelle et utile sera en deçà du potentiel de ces nouvelles techniques de fabrication.

Selon Williams, plusieurs industries peuvent avoir plus de facilité à adopter les principes du DfAI. Les applications informatiques, telles que les produits fabriqués par des techniques numériques telles que la fabrication additive, ont naturellement une voie cyber-physique complexe et produisent du personnel qui serait bien adapté pour adopter et appliquer les principes DfAI. Les industries réglementées telles que l’aérospatiale et les dispositifs médicaux sont habituées à suivre des procédures rigoureuses et des techniques de stockage de données fiables dans le contexte de systèmes d’ingénierie très complexes, elles ont donc probablement les ressources nécessaires pour commencer le processus d’adoption du DfAI.

Nous pourrions également voir l’Internet des objets (IoT) et les concepteurs de produits d’appareils intelligents adopter les principes DfAI le plus tôt possible. Ces concepteurs bénéficieront non seulement des données pendant le processus de conception, mais également des grandes quantités de données recueillies à partir de leurs appareils lors des tests ou de la pratique. L’exploitation de ces précieuses données produit sur le terrain pourrait apporter d’énormes avantages aux outils d’IA qui contribuent à améliorer la qualité, les performances, la durabilité et la rentabilité des futurs produits.

“Puisqu’il existe une grande variété d’applications d’ingénierie, d’industries, de technologies et d’échelles d’exploitation, l’établissement de cadres généraux, d’une terminologie commune et de principes écrits est essentiel pour développer une communauté interconnectée d’ingénieurs en IA qui peuvent collaborer ensemble”, explique Williams. “Notre cadre DfAI fournit le point de départ de haut niveau pour ces discussions critiques.”