マイクロソフト、産業システム向け AI 開発プラットフォーム Project Bonsai を開始

VB Transform 2023 のセッションを表示するには、オンデマンド ライブラリにアクセスしてください。ここから登録してください。

Microsoft は、Build 2020 オンライン カンファレンスで、自律型産業制御システムを構築するためのプラットフォームである Project Bonsai のパブリック プレビューを発表しました。 同社はまた、エンジニアや開発者が Bonsai の機能に慣れることを目的とした Project Moab と呼ばれる実験的なプラットフォームもデビューさせました。

Project Bonsai は、機械学習、キャリブレーション、最適化を組み合わせた「機械学習」サービスで、ロボット アーム、ブルドーザーのブレード、フォークリフト、地下掘削機、救助車両、風力発電所や太陽光発電所などの中心となる制御システムに自律性をもたらします。 。 制御システムは、製造、化学処理、建設、エネルギー、鉱業などの分野にわたる機械の中核コンポーネントを形成し、変電所や HVAC 設備から工場現場のロボットに至るまで、あらゆるものを管理するのに役立ちます。 しかし、AI とその上にある機械学習アルゴリズム、つまり以前は自動化が難しすぎたプロセスに取り組むことができるアルゴリズムを開発するには、専門知識が必要です。

Project Bonsai は、この専門知識を Microsoft Azure でホストされる強力なシミュレーション ツールキットと融合させようとしています。

大まかに言えば、Project Bonsai の目的は、マイクロソフトが物理世界へのインテリジェンス、接続性、自動化の導入と定義する産業変革である「インダストリー 4.0」の到来を早めることです。 インダストリー 4.0 には、新しいテクノロジーを超えて、AI を活用して大きな利益をもたらす新しいエコシステムと戦略が伴います。 Microsoft は、今後 7 年以内に AI を導入する組織の 50% がキャッシュ フローを 2 倍にする可能性があるという世界経済フォーラムの調査を引用しています。

VB Transform 2023 オンデマンド

VB Transform 2023 のセッションを見逃しましたか? 登録すると、すべての注目セッションのオンデマンド ライブラリにアクセスできます。

過渡期にあるメーカーにとって、多くの場合、最終目標は「規範的な」インテリジェンスを達成することであり、適応的で自己最適化されたテクノロジーとプロセスにより、機器や機械が変化する入力や条件に適応できるようになります。 既存の制御システムは、予測可能で変化しない環境内で一連の決定論的な命令に基づいて動作するという制限があります。 次世代制御システムは AI を利用して基本的な自動化を超え、変化する環境や入力にリアルタイムで調整し、さらには複数の目標に向けて最適化します。

Project Bonsai はこれらのシステムを作成するように設計されており、デジタル フィードバック ループと人間の経験を組み合わせてアクションや推奨事項を通知します。 履歴データは特定の操作や製品の改善を促進し、システムが人間のオペレーターよりも迅速かつ正確に校正などのタスクを完了できるようにします。

Project Bonsai は、Microsoft が 2018 年にカリフォルニア州バークレーに本拠を置く Bonsai を買収したことの成果であり、Bonsai は以前、同社のベンチャー キャピタル部門 M12 から資金提供を受けていました。 Bonsai は、元 Microsoft エンジニアの Keen Browne と、現在 Microsoft でビジネス AI のゼネラルマネージャーを務める Mark Hammond の発案です。 両氏は、低レベルの AI メカニズムを抽象化する Google の TensorFlow フレームワークに関するアプローチを開発しました。これにより、AI の適性に関係なく、対象分野の専門家が自律システムをトレーニングして目標を達成できるようになります。

2017 年 9 月、Bonsai は自律産業制御システムの新しいベンチマークを確立し、シミュレーションでブロックを掴んで積み上げるロボット アームのトレーニングに成功しました。 これは、Alphabet の DeepMind による同等のアプローチよりも 45 倍高速に実行されたと主張されています。

Microsoft では、抽象化プロセスを機械学習と呼んでいます。 その中心的なテナントは、ワークロードをより単純な概念 (またはサブ概念) に分割し、結合する前に個別にトレーニングすることで問題を解決します。 この手法は階層的深層強化学習としても知られており、AI は意思決定を実行し、目標に近づけるアクションに対する報酬を受け取ることで学習します。 同社は、この技術により、開発者が概念を再利用できると同時にトレーニング時間を短縮できると主張しています。