Đã bảy năm kể từ khi nhà sáng lập Diễn đàn Kinh tế Thế giới, Klaus Schwab, nói ra cụm từ “cuộc cách mạng công nghiệp lần thứ tư” (4IR) tại một hội nghị ở Davos. Tuy vậy, sự quan tâm xoay quanh tiềm năng của nó, hình hài của nó sẽ như thế nào, và khi nào nó xuất hiện vẫn chưa hề hạ nhiệt.
Trong cuốn sách cùng tên, Schwab mô tả 4IR là “một cuộc cách mạng công nghệ đang xóa nhòa ranh giới giữa các lĩnh vực vật lý, số hóa và sinh học.”
Khi chúng ta ngày càng phụ thuộc vào các công nghệ như trí tuệ nhân tạo và nó tiếp tục đóng vai trò lớn hơn trong cuộc sống, nhiều người không còn coi 4IR là chuyện của tương lai mà khẳng định nó đang diễn ra ngay bây giờ – bước tiếp theo là xây dựng niềm tin vào AI để đẩy nhanh việc ứng dụng. Bạn có thể tìm hiểu thêm về cách mạng hóa ra quyết định với AI trong hội thảo trực tuyến riêng của chúng tôi.
Sự trỗi dậy của AI trong công nghiệp
AI là một trong những từ khóa gây sốt lớn nhất của thế kỷ XXI, với phần lớn động lực đến từ thập kỷ vừa qua. Dù mới được thúc đẩy mạnh mẽ gần đây, nguồn gốc của trí tuệ nhân tạo đã xuất hiện từ giữa thế kỷ XX.
Bài kiểm tra Turing
Năm 1950, Alan Turing đưa khái niệm trí tuệ nhân tạo vào ý thức của nhân loại. Theo tư duy của ông, ông đã phát triển bài kiểm tra Turing để xác định liệu máy móc có thể suy nghĩ ở mức tương tự con người hoặc vượt trội hơn không. Đáng tiếc, không có nhiều đột phá diễn ra cho đến cuối thập niên 60, giai đoạn được gọi là “mùa đông AI” đầu tiên do thiếu nguồn vốn cho nghiên cứu và phát triển AI.
Robot bước vào sản xuất
Tuy nhiên, âm thầm ở hậu trường, các khía cạnh của AI bắt đầu được tích hợp vào sản xuất dù tăng trưởng ít trong giai đoạn này. Ví dụ, một cánh tay robot dây chuyền lắp ráp tên là SCARA được phát triển năm 1978 và được sử dụng trong sản xuất. Nhưng phải đến thập niên 1980, chúng ta mới chứng kiến làn sóng bùng nổ tiếp theo của nghiên cứu và phát triển AI, và cờ vua đóng vai trò đáng kể.
Chiếu hết cho AI
Garry Kasparov, nhà vô địch cờ vua thế giới khi đó, thống trị môn cờ. Cờ vua được coi là trò chơi gần tối hậu để chinh phục, vì vượt qua nó sẽ có nghĩa là AI đáp ứng tiêu chí của Turing về việc xây dựng một cỗ máy có khả năng suy nghĩ ngang tầm con người.
Kasparov không bị thuyết phục bởi sự tiến bộ của AI trong lĩnh vực của mình và từng tuyên bố các động cơ cờ vua chạy bằng AI không thể vượt qua trình độ của các đại kiện tướng. Niềm tin này càng được củng cố khi ông đánh bại Deep Blue của IBM năm 1996 và tiền nhiệm của nó là IBM Deep Thought năm 1989.
Nhưng Kasparov đã phải rút lại lời mình năm 1997 khi Deep Blue của IBM đánh bại ông trong trận tái đấu; khoảnh khắc này được cho là đã kết thúc “Mùa đông AI” thứ hai bắt đầu từ năm 1988.
Tương lai của AI
Kể từ đó, AI đã có những bước tiến ổn định. Tuy nhiên, làn sóng bùng nổ tiếp theo chỉ đến vào năm 2012, sau cuộc cách mạng học sâu và gần đây hơn là sự ra mắt của GPT-4.
Mỗi bước tiến đều đóng vai trò đáng kể trong sự phát triển của AI, dần lan tỏa vào ngành sản xuất. Ngày nay, việc các nhà sản xuất tận dụng AI để tối ưu hóa sản xuất đã trở nên phổ biến.
Ví dụ về AI trong sản xuất
Chúng ta có thể định nghĩa AI là “trí tuệ — cảm nhận, tổng hợp và suy luận thông tin — được thể hiện bởi máy móc, trái ngược với trí tuệ do con người hoặc các loài động vật khác thể hiện.”
Một nhánh cụ thể của AI được gọi là học máy đã có những bước đột phá trong ngành sản xuất nhờ lượng dữ liệu khổng lồ mà ngành này dựa vào.
Học máy cho phép máy móc đưa ra quyết định mà không cần đầu vào của con người dựa trên các mẫu học được từ dữ liệu. Con người thường gặp khó khăn khi xử lý lượng dữ liệu lớn, nhưng với máy móc thì đơn giản.
Dù một nhà máy đầy công nhân robot từng có vẻ là viễn tưởng xa vời, ngày nay đó là một kịch bản thực tế trong đó các nhà sản xuất tận dụng AI.
Nhưng các nhà sản xuất có thể hưởng lợi từ AI theo nhiều cách; hãy cùng điểm qua một vài cách.
Bảo trì dự đoán
Tất cả thiết bị công nghiệp đều có vòng đời. Không bảo trì kịp thời có thể dẫn đến tổn thất lớn về tiền bạc và thời gian. Bảo dưỡng quá sớm cũng gây lãng phí thời gian và chi phí, vì vậy thách thức là xác định thời điểm lý tưởng để bảo dưỡng hoặc thay thế thiết bị. Bảo trì dự đoán dựa trên AI ngày càng được đưa vào để đáp ứng nhu cầu này.
Kiểm soát chất lượng và kiểm định
Các sản phẩm sản xuất thường duy trì một mức kiểm soát chất lượng nhất định để đảm bảo đạt tiêu chuẩn tốt trước khi đến tay người tiêu dùng. Áp dụng kiểm soát chất lượng theo cách truyền thống đồng nghĩa với việc con người thực hiện kiểm tra trực quan để tìm lỗi. Vấn đề với kiểm tra trực quan thủ công có hai mặt: 1) con người thường dễ mắc lỗi, và 2) việc kiểm tra có thể tốn nhiều thời gian.
Chuyển giao trách nhiệm kiểm tra trực quan cho thiết bị kiểm định được hỗ trợ AI, như camera thị giác máy, thường mang lại phát hiện lỗi và kiểm tra nhanh hơn, chính xác hơn, giúp các công ty tự tin hơn rằng sản phẩm đáp ứng chất lượng mong muốn trước khi đến tay người tiêu dùng.
Tối ưu hóa quy trình và tự động hóa
Các công nghệ như tự động hóa quy trình bằng robot (RPA) đơn giản hóa yêu cầu xây dựng, triển khai và quản lý robot phần mềm mô phỏng hành động của con người khi tương tác với các hệ thống và phần mềm số.
Những phần mềm như vậy có thể xử lý các quy trình lặp đi lặp lại, khối lượng lớn với độ chính xác cao hơn con người. Các trường hợp sử dụng RPA bao gồm chuyển dữ liệu giữa các hệ thống, tìm kiếm, tính toán và duy trì hồ sơ.
Quản lý chuỗi cung ứng
Một ví dụ điển hình về AI trong sản xuất có thể thấy ở quản lý chuỗi cung ứng. Các nhà sản xuất thường phải xử lý hàng triệu đơn hàng, giao dịch mua, vật liệu, thành phần, v.v. Xử lý thủ công các quy trình này ảnh hưởng đáng kể đến thời gian và nguồn lực, đó là lý do ngày càng nhiều công ty hướng tới AI để tăng cường quy trình chuỗi cung ứng.
Cobots
Robot cộng tác, gọi tắt là Cobot, đang đảm nhận vai trò hỗ trợ lớn hơn bên cạnh con người thay vì thay thế họ.
Không giống robot tự động được lập trình để thực hiện một nhiệm vụ lặp đi lặp lại, Cobots có thể học cách thực hiện nhiều nhiệm vụ khác nhau và thường được triển khai để làm các công việc nặng (ví dụ, nâng các bộ phận ô tô nặng) hoặc làm việc trên dây chuyền lắp ráp. Một trường hợp sử dụng khác của Cobots là định vị và lấy hàng trong các kho lớn.
Hệ lụy đạo đức của AI trong sản xuất
Giữa những kết quả tích cực và các đột phá tiềm năng mà chúng ta có thể trải nghiệm nhờ AI trong sản xuất, một số hệ lụy đạo đức đã làm dấy lên lo ngại ở một số nhóm.
Dưới đây là một số mối quan ngại họ nêu ra.
Thất nghiệp và bất bình đẳng gia tăng
Mối lo ngại rõ ràng nhất là mối đe dọa đối với an ninh của con người. Với một số người, mối đe dọa này mang tính hiện sinh, nhưng với những người khác, đó là về nhu cầu lao động.
Truyền thống cho thấy tiến bộ công nghệ dẫn đến nhu cầu lao động trình độ cao tăng lên, trong khi nhu cầu lao động có trình độ và kỹ năng thấp giảm đi.
Tuy nhiên, như chủ tịch kiêm giám đốc điều hành IBM, Arvind Krishna, đã dự đoán tại Davos tháng 1 năm 2023, chúng ta có thể chứng kiến điều ngược lại với cuộc cách mạng AI:
“Bạn nên lo lắng nhiều hơn về các công việc văn phòng, cổ cồn trắng so với các công việc chân tay. Một số lượng lớn trong số đó sẽ bị thay thế. Vậy câu hỏi là: ‘Bạn tạo ra những công việc nào để thay thế chúng?’”
Arvind Krishna, Chairman and Chief Executive IMB
Khi máy móc trở nên thông minh hơn, chúng sẽ thay thế nhiều người trong nơi làm việc, khiến những người thiếu kỹ năng của 4IR thất nghiệp.
Các mối đe dọa an ninh mạng
Tội phạm mạng không ngừng nghĩ ra cách mới để xâm nhập hệ thống, làm dấy lên nhiều lo ngại về AI vì chúng dễ bị tấn công mạng hơn. Diễn đàn Kinh tế Thế giới nêu bật các mối đe dọa chính đối với lĩnh vực sản xuất gồm:
- Tấn công lừa đảo (phishing)
- Mã độc tống tiền (ransomware)
- Trộm cắp tài sản trí tuệ
- Tấn công chuỗi cung ứng
- Tấn công Internet vạn vật (IoT)
Khi con người, sản phẩm và thiết bị trở nên kết nối hơn qua IoT, chỉ một lỗ hổng nhỏ trong hệ thống cũng đủ làm gián đoạn cả dây chuyền sản xuất và, trong kịch bản xấu nhất, khiến một doanh nghiệp sản xuất phải ngừng hoạt động hoàn toàn.
Thiên lệch
Một đánh đổi khi tin tưởng AI xử lý nhanh khối dữ liệu lớn là khả năng nó học phải các thiên lệch vốn có. AI không phải lúc nào cũng đáng tin về tính công bằng và trung lập.
Ví dụ, một hệ thống AI được huấn luyện để dự đoán tội phạm trong tương lai đã thể hiện thiên lệch mạnh với người da đen. Những người xây dựng hệ thống cũng là yếu tố cần tính đến. Con người tạo ra các hệ thống AI này, và họ thường có những thiên lệch riêng có thể vô tình đưa vào.
Trong sản xuất, thiên lệch AI có thể gây ra nhiều vấn đề.
Trong bảo trì dự đoán chẳng hạn, các mô hình AI được huấn luyện trên bộ dữ liệu thiên lệch có thể không dự đoán chính xác hỏng hóc thiết bị, dẫn đến thời gian ngừng máy ngoài dự kiến, chi phí tăng và năng suất giảm.
Thiên lệch cũng có thể làm lệch quy trình kiểm soát chất lượng tự động, có thể ưu ái một số sản phẩm hoặc bộ phận hơn những sản phẩm khác dựa trên dữ liệu sai lệch.
Hơn nữa, trong quản lý chuỗi cung ứng do AI dẫn dắt, thiên lệch có thể dẫn đến lựa chọn nhà cung cấp không công bằng, phân bổ nguồn lực kém hiệu quả và đánh giá sai nhu cầu thị trường. Những tác động này không chỉ ảnh hưởng đến hiệu quả vận hành mà còn gây rủi ro về danh tiếng và tạo ra các vấn đề tuân thủ quy định.
Tổng kết
Không nghi ngờ gì nữa, AI là một công nghệ mang tính cách mạng; ngày càng nhiều doanh nghiệp đã áp dụng để cải thiện thực tiễn, đưa ra quyết định tốt hơn và xây dựng sản phẩm tốt hơn.
Khi các hệ thống này trở nên thông minh hơn, các thực tiễn sản xuất có khả năng sẽ được cải thiện theo; do đó, các công ty nắm vững các kiến thức nền tảng về AI có nhiều khả năng nắm lợi thế đáng kể trước đối thủ.
Yêu cầu một bản demo về cách DataCamp có thể hướng dẫn bạn trong quá trình nâng cấp kỹ năng cho toàn bộ đội ngũ và xây dựng văn hóa tích cực về dữ liệu.
