AI tích hợp trên thiết bị SIEMENS sẽ như thế nào?

Bài viết này chúng tôi sẽ chia sẻ đến đọc giả khái niệm cũng như cách thức hoạt động của Artificial Intelligence (AI), Machine Learning(máy học) và Neural Networks (mạng thần kinh) trong ứng dụng hệ thống máy móc công nghiệp SIEMENS.

Neural Network hoạt động ra sao đối với PLC?

Đây là một ví dụ điển hình việc kết hợp phần mềm Software Controller để khởi chạy Neural Network trên thiết bị PLC.

Ứng dụng này được Stanislav Voronin mô phỏng và thực hiện.

Neural Network được hiểu đơn giản là các nơ-ron nhân tạo giúp phân tích các dữ liệu phức tạp và đưa ra kết quả đúng nhất. 

Ví dụ: Đối với bộ não con người của chúng ta, khi sinh ra các hình ảnh về vật thể xung quanh sẽ được lưu trữ trong não bộ và khi chúng ta gặp lại vật thể đó thì các nơ-ron thần kinh sẽ phân tích so sánh và xác nhận cho chúng ta biết được đó là gì.

Như trong video ở trên, chúng ta thấy môi trường của PLC được điều khiển qua Software Controller và anh chàng trong video đã tích hợp các gói Library (thư viện dữ liệu) về các loại đồng xu và điện thoại có sẵn ngoài đời hoặc thu thập ở trên mạng.

Và trong trường hợp này dựa trên các hình ảnh có sẵn trong Library, khi camera chụp ảnh đồng xu trên mặt bàn sau đó truyền về máy tính. Các dòng lệnh sẽ tiến hành phân tích bằng cách loại trừ các đặc điểm giống và khác của vật thể đầu vào với Library có sẵn và đưa ra kết quả cuối cùng là Coins (đồng xu).
Với nguyên lý hoạt động như vậy, khi Library càng có nhiều hình ảnh khác nhau thì độ chính xác sẽ càng cao hơn.

Để có thể trải nghiệm Neural Network hãy thử qua ứng dụng của Google với cách thức hoạt động như trên: Quick, Draw!

Machine Learning khác gì Neural Network?

Hiểu theo nghĩa đen thì Machine là máy móc – Learning là học tập, nó có nghĩa là nếu “Máy móc được học tập nhiều thì kết quả máy móc mang lại sẽ tốt hơn trước đó”.
Ví dụ: Ứng dụng trờ chơi cờ vua AlphaZero được lập trình đánh sau đó lưu lại các trận thắng và thua để cải thiện cách chơi của chính mình. Sau khi chơi hàng triệu trận, hệ thống có thể xác định được những nước đi nào có nhiều khả năng giúp nó giành chiến thắng dựa trên kết quả của các trận trước đó.

Trong khi Neural Network rất tốt trong việc phân tích vật thể hình ảnh hay âm thanh có sẵn trong Library với dữ liệu đầu vào thì Machine Learning có thể tự học tự phát triển và mạnh mẽ lên hơn về lâu dài.

Video dưới đây là một ứng dụng thực tế của thiết bị PLC TM NPU của SIEMENS đang tiến hành Machine Learning

Phân tích video trên:

1. Lần chạy máy thành công:
   

   

   
   Khi máy bắt đầu chạy ở chế độ tự động chúng ta sẽ theo dõi được các thông số như các vật thể đang chạy trên băng truyền (ở đây là One/Two/Three stone on the belt) và Result (là những Stone chưa được đẩy về khay phân loại.
   Trong hình ảnh bạn có thể thấy, có 2 viên trắng và đen đang nằm trên băng truyền thì tại màn hình HMI cũng sẽ hiển thị ở phần “Two stone on the belt” với giá trị là “1”.
   Cuối cùng khi kết thúc 4 viên trắng và đen được đưa vào khay phân loại và không có lỗi nào thì Failure Case sẽ trả về “0”.
   *Dữ liệu nãy sẽ được lưu lại trong hệ thống Machine Learning với giá trị là Success.
2. Lần chạy máy thất bại:
   Ngay khi 2 viên trắng bị lấy ra ngay trên băng truyền hệ thống hiển thị có trường hợp lỗi – Failure Case = “1” và Result = “2”. Nghĩa là nó hiểu được rằng đang xảy ra 1 trường hợp bị lỗi với 2 viên trắng bị mất và không phân loại được.
   *Dữ liệu nãy sẽ được lưu lại trong hệ thống Machine Learning với giá trị là Failed.

Và ứng dụng này sẽ lập đi lập lại nhiều lần Success hoặc Failed thì sau 1 thời gian việc phân biệt lỗi trong quá trình phân loại và số lượng sản phẩm bị lỗi sẽ chính xác tuyệt đối.

Có thể nói đây là 1 ứng dụng cơ bản nhưng cực kỳ hữu dụng đối với những dây chuyền sản xuất có tốc độ tải cao và nhờ vậy chúng ta có thể kiểm tra được số lượng sản phẩm lỗi ngay khi thiết bị đang vận hành.

Vậy thì cuối cùng AI là gì?

Nếu như như neural networks là một dạng của machine learning thì machine learning lại là một dạng của AI. Tuy nhiên, danh mục những gì được coi là AI lại rất khó xác định. Hiện tại chúng ta đã đạt những thành tựu đáng kể trong công nghệ AI. Ví dụ, nhận dạng ký tự quang học đã từng được coi là quá phức tạp với máy tính nhưng nay một ứng dụng trên điện thoại có thể quét tài liệu và biến chúng thành văn bản. Có vẻ như hơi coi nhẹ AI nếu dùng thuật ngữ này để mô tả những tính năng cơ bản hiện tại.

Tuy nhiên, do AI thực sự có hai loại khác nhau nên những tính năng cơ bản cũng sẽ được coi là AI. AI mức thấp hoặc hẹp dùng để mô tả bất kỳ hệ thống nào được thiết kế cho một hoặc một loạt nhiệm vụ nhỏ. Ví dụ, trợ lý Google Assistant và Siri được thiết kế để làm một loạt nhiệm vụ khá nhỏ nhặt như nhận lệnh giọng nói và trả lại kết quả hoặc mở ứng dụng.

Ngược lại, AI mức cao, hay còn gọi là trí tuệ nhân tạo nói chung hoặc “Full AI“, dùng để chỉ một hệ thống có khả năng thực hiện bất cứ điều gì con người có thể làm. Đương nhiên, hệ thống này không hoặc ít nhất là chưa xuất hiện. Còn rất lâu nữa chúng ta mới có thể chế tạo được một hệ thống AI giống như trợ lý Jarvis của Iron Man.

Do hầu như bất cứ AI nào bạn sử dụng hiện tại đều bị coi là AI mức thấp nên cụm từ AI trong mô tả ứng dụng thực sự chỉ mang ý nghĩa nó là một ứng dụng thông minh. Bạn có thể nghe thấy nhiều tuyên bố, quảng cáo nhưng thực sự AI hiện tại không thể so sánh với trí thông minh của con người.

Các nghiên cứu thực tiễn trong lĩnh vực AI rất hữu ích và có lẽ bạn đã ứng dụng nó vào cuộc sống hàng ngày mà không hề hay biết. Bạn trực tiếp hoặc gián tiếp được tận hưởng lợi ích từ các nghiên cứu AI mỗi lần điện thoại của bạn tự động nhớ nơi bạn dừng chân, tự nhận dạng những khuôn mặt trong các bức ảnh, gợi ý những thứ bạn có thể quan tâm hoặc tự động nhóm tất cả các bức ảnh vào thư mục du lịch….

Tới một thời điểm nào đó, AI thực sự sẽ giúp các ứng dụng trở nên thông minh hơn, đúng như mong đợi của bạn. Tuy nhiên, machine learning và neural networks là những cách duy nhất để cải thiện một số tính năng nhất định.

Dẫu vậy, machine learning và neural networks không hề giống nhau. Không nên cho rằng một ứng dụng có công nghệ machine learning sẽ tốt hơn bởi còn tùy vào cách sử dụng của người dùng. Ví dụ, khi một công ty phát triển hệ thống neural networks mạnh mẽ có thể giải quyết một số nhiệm vụ phức tạp giúp bạn, cuộc sống của bạn sẽ dễ dàng hơn. Nhưng khi công ty khác tích hợp machine learning vào một ứng dụng vốn đã có tính năng đề xuất thông minh thì bạn lại chẳng quan tâm bởi bạn cho rằng hai tính năng đề xuất này chẳng khác gì nhau.

Machine learning và neural networks là những công nghệ cực kỳ thú vị. Tuy nhiên, bạn chẳng cần bận tâm nhiều làm gì khi thấy những thuật ngữ này trong phần mô tả của một ứng dụng. Hãy cứ làm như bạn đã từng, đánh giá ứng dụng dựa trên sự hữu ích của chúng đối với bạn.