Hurtige robotter er ikke længere nok – nu skal de også tænke selv

Ifølge den tyske AI-virksomhed Sereact er det ikke længere nok at gøre robotter hurtigere. Nu handler det om at gøre dem klogere – og det har betydelige økonomiske og teknologiske konsekvenser for danske produktionsvirksomheder.

I logistik og produktion opstår de dyreste problemer ikke på grund af mangel på præcision eller for langsomme systemer, men på grund af beslutninger, hvis konsekvenser først bliver tydelige med forsinkelse - altså mangel på stabilitet. Det mener i hvert fald administrerende direktør og medstifter Ralf Gulde den tyske AI-virksomhed Sereact: ”Et ustabilt greb, en uhensigtsmæssig rækkefølge eller en lille afvigelse, der ser korrekt ud i øjeblikket, kan sekunder eller minutter senere føre til flaskehalse, stop eller beskadigede varer. Industriens svar har hidtil været klart: Bedre sensorer, hurtigere reaktioner, mere automatisering”. 

Denne model skalerer primært hastighed – ikke stabilitet. Efterhånden som proceskompleksiteten stiger, stiger også risikoen og omkostningerne. Reaktive systemer når en strukturel grænse. Og det er her, Sereact og andre AI-virksomheder kommer ind i billedet.

Forudsigende fysisk AI

Med Cortex 2.0 forfølger Sereact en tilgang, der fremmer fysisk AI ikke gennem hurtigere udførelse, men gennem bedre beslutninger. I stedet for at lade robotter reagere udelukkende på den aktuelle tilstand, supplerer Cortex 2.0 styringen med en forudsigende vurdering af mulige handlingsforløb. Systemet estimerer, hvilke beslutninger der senere kan føre til problemer, og lærer at undgå dem.

Læring fra virkelige processer

Forskellen fra mange nuværende fysiske AI-tilgange ligger i databasen. Cortex 2.0 lærer ikke primært fra simulationer, men fra virkelige driftsforhold. Sereact driver allerede flere hundrede robotter i produktive miljøer i Europa og USA. Disse installationer genererer kontinuerligt data om, hvordan beslutninger påvirker virkelige processer, og hvordan små afvigelser eskalerer eller forbliver stabile. 

”I industrien kan komplekse processer ikke simuleres realistisk,” fortæller Ralf Gulde og tilføjer: ”Forudsigende handling opstår først, hvor systemer oplever virkelige konsekvenser. Cortex lærer netop af disse erfaringer”.

Stabilitet bliver nøgleøkonomisk faktor

Denne tilgang er økonomisk relevant, fordi uplanlagt nedetid ifølge Gulde er en af de største omkostningsdrivere i automatiserede processer. Jo højere graden af automatisering, desto dyrere bliver forkerte beslutninger. Reaktiv fysisk AI når her sine grænser. Den bliver hurtigere, men ikke mere robust.

Læs også: FERM FOOD overtager Orklas tidligere pastafabrik

Cortex 2.0 adskiller derfor for første gang tydeligt udførelse og evaluering. Robotterne forbliver hurtige og uden forsinkelse, mens analysen af mulige konsekvenser kører parallelt og fødes tilbage i systemet gennem læringsprocesser. Dette forbedrer beslutningernes kvalitet uden at bremse driften.

Afgørende for næste generation 

Denne evne vil være afgørende for den næste generation af autonome systemer, såsom samarbejdsrobotter, flertrinsprocesser og i fremtiden humanoide applikationer. Maskiner, der arbejder side om side med mennesker eller styrer komplekse processer, skal ikke kun kunne handle, men også vurdere, hvad deres handlinger vil udløse.

Sereact positionerer Cortex 2.0 som svaret på et fundamentalt økonomisk spørgsmål inden for fysisk AI: Hvordan kan automatisering og stabilitet skaleres sammen? ”Løsningen ligger mindre i endnu større hastighed end i systemer, der forstår konsekvenserne af deres beslutninger”, lyder buddet fra Ralf Gulde.