Japonia drąży nisze w AI i IoT

| Gospodarka

W Kraju Kwitnącej Wiśni, podobnie jak w innych państwach stawiających na rozwój technologii, pełną parą idą prace nad dwoma gorącymi "tematami dnia" - sztuczną inteligencją (AI) oraz Internetem Rzeczy (IoT), powiązanymi z rozwiązaniami wbudowanymi (embedded).

Japonia drąży nisze w AI i IoT

Wcale nie tak dawne to czasy, gdy mieliśmy budować drugą Japonię. Dziś jednak temat cokolwiek przybladł, a posiadaczami koszulki lidera w technologicznym wyścigu są dla nas w tamtej części świata raczej Chiny, które coraz bardziej przesłaniają azjatycki krajobraz. Kto wie jednak, czy przybierająca na sile rywalizacja Stanów Zjednoczonych z unoszącym coraz śmielej głowę Państwem Środka nie zaowocuje nieoczekiwanie wzmocnieniem tradycyjnej przeciwwagi dla Chin, czyli Japonii.

Na tamtejszym rynku wciąż działają silne japońskie marki niewykupione przez zagraniczny kapitał lub trudne do umiejscowienia potęgi globalne. Przykładem - Fujitsu, NEC czy Toshiba, które dalej mają japońskich właścicieli lub współwłaścicieli, a do tego ciągle występują w kategorii zawodników przemysłowej wagi ciężkiej. Obok nich funkcjonują jednak także rozmaite technologiczne start-upy, które mają jedną cechę wyróżniającą je wśród podobnych konkurentów z całego świata - pochodzą nie tylko z kraju o bogatej tradycji rozwoju elektroniki i przemysłowej automatyki, ale wręcz z miejsca narodzin wielu przełomowych rozwiązań. To duży kapitał i przydatny background dla młodych inżynierów, konstruktorów i wynalazców. Oczywiście trudno się ścigać z Doliną Krzemową jako całością, ale można szukać sobie terenów, na których wciąż da się być światowym liderem czy przynajmniej członkiem czołówki. Dla Japonii takim polem są z pewnością technologie edge stosowane do AI czy IoT, służące tworzeniu inteligentnych, połączonych ze sobą i autonomicznych urządzeń wypełnionych technologiami embedded. Przyjrzyjmy się kilku graczom i rozwijanym przez nich rozwiązaniom.

Upowszechnić głębokie uczenie

Głębokie uczenie maszynowe (deep learning) zmienia perspektywę, z jakiej patrzymy dziś na sztuczną inteligencję. Zaczyna do nas docierać, że naprawdę może się ona rozwijać nie tylko według zadanych jej wyjściowych algorytmów, ale również niejako samodzielnie, ucząc się na swoich błędach. Świadomość ta powoli przenika również do kadr menedżerskich dbających o rozwój firmowych technologii. Ich spojrzenie na poszukiwanie biznesowej przewagi nad konkurencją zaczyna uwzględniać przetwarzanie gromadzonych danych z użyciem technologii deep learning i rozwiązań wbudowanych.

Oczywiście wciąż jest to temat bardziej na przyszłość, ale ktoś musi już teraz próbować rozpędzić tę maszynę, jeśli ma się stać kołem zamachowym globalnego przemysłu. Wśród prekursorów są inżynierowie mającego swoją siedzibę w Tokio start-upu LeapMind. Ich zdaniem głębokie uczenie wkrótce będzie powszechnie stosowane w brzegowych urządzeniach elektronicznych współtworzących sieci IoT. Jak dotąd rozwiązania tego typu wdrożyli do urządzeń wykrywających rozmaite anomalie w instalacjach oraz w materiałach - pęknięcia, uszkodzenia, dziury, miejsca niebezpiecznych przerdzewień, a także do lokalizowania obiektów wyposażonych w sieć czujników, takich jak auta czy znaki ruchu drogowego. Stosują je również do analiz zbiorów big data służących przewidywaniu możliwych awarii sprzętowych czy systemów. Kolejny kierunek wyznacza współpraca nawiązana z tokijską korporacją NTT Data, mająca na celu wyposażenie w sztuczną inteligencję dronów kontrolujących stan linii elektrycznych - tak, by inspekcje sieci trakcyjnych stały się jak najbardziej wydajne.

Rozwiązania stosowane przez LeapMind opierają się na niskokosztowych i energooszczędnych układach FPGA Cyclone-V, produkowanych przez Intela, jednego z inwestorów w tokijski start-up, oraz na technologiach kwantyzacji. Firma rozwija także własną architekturę sieci neuronowych. Skojarzone z tym wszystkim techniki głębokiego uczenia sprawdzają się na razie dla urządzeń z małą pamięcią, ale pracujących na dużych szybkościach przesyłu danych. Tokijscy informatycy i inżynierowie wprowadzili niedawno na rynek stosunkowo łatwą w obsłudze specjalną platformę programistyczną Blueoil, przeznaczoną do tworzenia sieci neuronowych. Umożliwia ona klientom biznesowym używającym FPGA samodzielne wdrażanie elementów sztucznej inteligencji uczącej się w trybie deep learning - i to z wykorzystaniem oprogramowania open source.

AI w służbie motoryzacji i robotyki

Wśród japońskich innowatorów pracujących nad sztuczną inteligencją i maszynowym uczeniem uwagę zwracają szczególnie dwa startupy. Pierwszy to jedna z najważniejszych obecnie tamtejszych firm zajmujących się tym tematem - Preferred Networks, działająca na pełnych obrotach od 2014 r. Jej wartość wycenia się aż na 2 mld dolarów, zaś głównym inwestorem jest koncern Toyota Motor, który włożył już w ten projekt ponad 110 mln dolarów. Danych do badań dostarcza gigant globalnej robotyki z siedzibą w Kraju Kwitnącej Wiśni, czyli Fanuc, zapewniający dostęp do oceanów informacji zbieranych przez swoje roboty. Wśród marek współpracujących znajdujemy również tak poważne podmioty, jak Microsoft, Panasonic czy Nvidia.

Na przeciwnym biegunie sytuuje się założony w 2016 r. Ascent Robotics. Wydawałoby się, że start-up powinien mieć małe szanse przetrwania na japońskim rynku. Powodów było wiele. Nie stoi za nim nikt z wielkich przemysłowych graczy, a współzałożycielem był "obcy" ekspert od uczenia maszynowego, Kanadyjczyk Fred Almeida. Celem działań było tworzenie nie konkretnego sprzętu, ale algorytmów dla inteligentnych autonomicznych pojazdów i przemysłowych rozwiązań robotycznych następnej generacji. Specjalistami pracującymi nad tymi koncepcjami stali się głównie młodzi programiści z zagranicy, co z kolei w naturalny sposób określiło język angielski jako główny środek wymiany myśli. A jednak o pracach badawczo-rozwojowych Ascent Robotics stało się głośno. Niektórzy wiążą ten fakt z sukcesem Preferred Networks, który stworzył "pole gry" dla kolejnych tego typu przedsięwzięć. Inni - z otwarciem japońskiego rynku na to, nad czym pracują specjaliści z Ascent. A na tapecie mają oni obecnie przede wszystkim złożone treningowe symulatory na potrzeby robotyki i automatyki, umożliwiające rozwój algorytmów AI. Służyć temu celowi ma flagowy produkt - Atlas, czyli własna architektura uczenia się sieci neuronowych, nakierowana na ich jak największą wydajność i stopień inteligencji, do wykorzystania w szerokim spektrum zadań. Wszystko m.in. po to, by ograniczyć potrzeby ręcznego kodowania i kosztownych testów w świecie rzeczywistym.

Właśnie w tym celu firma uruchomiła latem ub. roku swoją własną flotę treningową - cztery samochody, a w każdym zainstalowano osiem lidarów i kamer, cztery radary fal milimetrowych i jeden czujnik podczerwieni. Cały ten sprzęt ma, jeżdżąc, weryfikować algorytmy opracowane wcześniej w symulatorach.

Ułatwić wizualne inspekcje

W roku 2014 powstał start-up Robit, specjalizujący się w szybkim prototypowaniu, oryginalnym projektowaniu, rozwoju aplikacji oraz systemów wbudowanych, a także produkcji zautomatyzowanego sprzętu elektronicznego. Firma zaczęła od stworzenia elementu systemu domowej automatyki, zapewniającego - dzięki bezprzewodowej komunikacji na linii telefon komórkowy-karnisz - bezobsługowe poranne rozsuwanie zasłon w sypialni, ale w trakcie rozmów z potencjalnymi producentami przedstawiciele Robita zidentyfikowali dotkliwy problem, w którego rozwiązanie postanowili zainwestować swój czas. Chodzi o niedobory doświadczonej i wyposażonej w odpowiednie umiejętności kadry inspektorów, utrudniające kontrolowanie prawidłowych przebiegów procesów produkcyjnych.

Naturalnym rozwiązaniem wydawałoby się zautomatyzowanie tego rodzaju wizualnych inspekcji, z wykorzystaniem sztucznej inteligencji, ale ta idea wcale nie jest łatwa w realizacji. Wymaga m.in. praktycznej wiedzy o niezbędnych warunkach produkcyjnych, zwłaszcza związanych z właściwym oświetleniem umożliwiającym robotyczne widzenie. Start-up podjął jednak wyzwanie i stworzył program Tesray. Wykorzystuje on własne algorytmy AI do kontroli głębokości i szerokości nacięć na powierzchni różnego rodzaju fabrycznych produktów. Zapewne to nie ostatnie słowo start-upu w tej dziedzinie.

Elastycznie, energooszczędnie, bezpiecznie

Oczywiście i japońscy giganci nie próżnują, wsparci potężnymi działami badawczo-rozwojowymi. Wspomnijmy tu tylko o nowościach, które zwróciły uwagę gości jednej z niedawnych imprez wystawienniczych - odbywających się w Jokohamie targów Embedded & IoT Technology 2018.

Fujitsu pochwaliło się tam beaconem Pulsar Gum, który od innych rozwiązań beaconowych odróżnia się tym, że jest elastyczny (pokryty silikonową gumą) i zasilany światłem słonecznym, a więc nie wymaga do działania żadnej baterii. Mające wymiary 19×72×3 mm urządzenie może być stosowane zarówno na zewnątrz, jak i w pomieszczeniach, da się je też implementować jako wearables albo jako niezależny, transmitujący i odbierający dane chip sytuowany na powierzchniach przedmiotów. Łatwo je zainstalować i uruchomić, co w połączeniu z solarnym ładowaniem tworzy nowe perspektywy w branży beaconów.

Co więcej, producent zaprezentował ostatnio nową wersję Pulsar Gum - skojarzoną z bezprzewodową technologią przesyłu danych, wymyśloną przez współpracujące ze sobą dwie firmy: wspomniane NTT Data i tokijską korporację Alps Electric. Zastosowano w niej tzw. backscattering, czyli rozpraszanie wsteczne. Dzięki korzystaniu z odbicia sygnałów pochodzących z urządzeń odbiorczych zużycie energii beacona stanowi teraz jedynie ułamek tego, co potrzebują do życia popularne technologie bezprzewodowe (np. zaledwie jedną tysięczną w porównaniu z protokołami BLE, IEEE 802.15.4 czy EnOcean). W dodatku nowa koncepcja zapewnia odbiór danych z 30 tagów w ciągu zaledwie 20 ms przy zachowaniu skutecznego kodowania, a więc pełnego bezpieczeństwa.

Połączenie tego rodzaju szybkiej, bezpiecznej i energooszczędnej komunikacji - na razie na dystansie 5-10 m - z "solarnymi" beaconami może zaowocować stworzeniem niezwykle wydajnych technik monitorowania. Przydadzą się one zarówno w odniesieniu do przemysłowych procesów, jak i magazynowania już wytworzonych dóbr czy ich relokacji w placówkach sprzedaży.

Inny technologiczny gigant, NEC, zaprezentował z kolei czułe na nacisk, lekkie i elastyczne czujniki, formowane, a właściwie drukowane, na cienkowarstwowych tranzystorach, wykrywających zmieniający się nacisk na każdy z elementów czujnika. Można z nich tworzyć całe powierzchnie o maksymalnych wymiarach 288×172,8 mm, które instalowane na sklepowych półkach zasygnalizują każdą zmianę wagi umieszczonych na nich towarów. Ułatwią więc kontrolę pobierania przez klientów lub odkładania sklepowych dóbr. Do nadciągających bezobsługowych placówek handlowych - jak znalazł.

WSK

źródło: EE Times

Zobacz również