Microsoft lança Project Bonsai, uma plataforma de desenvolvimento de IA para sistemas industriais

Acesse nossa biblioteca sob demanda para ver as sessões do VB Transform 2023. Cadastre-se aqui

A Microsoft anunciou a prévia pública do Projeto Bonsai, uma plataforma para construção de sistemas de controle industrial autônomos, durante sua conferência online Build 2020. A empresa também lançou uma plataforma experimental chamada Projeto Moab, projetada para familiarizar engenheiros e desenvolvedores com a funcionalidade do Bonsai.

O Projeto Bonsai é um serviço de “ensino de máquina” que combina aprendizado de máquina, calibração e otimização para trazer autonomia aos sistemas de controle no centro de braços robóticos, lâminas de escavadeiras, empilhadeiras, perfuratrizes subterrâneas, veículos de resgate, parques eólicos e solares e muito mais . Os sistemas de controle constituem um componente central das máquinas em setores como manufatura, processamento químico, construção, energia e mineração, ajudando a gerenciar tudo, desde subestações elétricas e instalações HVAC até frotas de robôs de chão de fábrica. Mas desenvolver algoritmos de IA e de aprendizado de máquina sobre eles – algoritmos que poderiam lidar com processos que antes eram muito desafiadores para serem automatizados – requer experiência.

O Projeto Bonsai tenta combinar esse conhecimento com um poderoso kit de ferramentas de simulação hospedado no Microsoft Azure.

Em alto nível, o objetivo do Projeto Bonsai é acelerar a chegada da “Indústria 4.0”, uma transformação industrial que a Microsoft define como a infusão de inteligência, conectividade e automação no mundo físico. Para além das novas tecnologias, a Indústria 4.0 implica novos ecossistemas e estratégias que aproveitam a IA para obter grandes ganhos. A Microsoft cita um estudo do Fórum Económico Mundial que concluiu que 50% das organizações que adoptam a IA nos próximos sete anos poderão duplicar o seu fluxo de caixa.

Transformação VB 2023 sob demanda

Você perdeu uma sessão do VB Transform 2023? Registre-se para acessar a biblioteca sob demanda para todas as nossas sessões em destaque.

Para os fabricantes na fase de transição, muitas vezes o objetivo final é atingir a inteligência “prescritiva”, onde a tecnologia e os processos adaptativos e auto-otimizados ajudam os equipamentos e máquinas a ajustarem-se às mudanças nos factores de produção e nas condições. Os sistemas de controle existentes têm a limitação de operar em um conjunto de instruções determinísticas em ambientes previsíveis e imutáveis. Os sistemas de controle de próxima geração utilizam a IA para ir além da automação básica, ajustando-se em tempo real às mudanças de ambientes ou entradas e até mesmo otimizando para atingir múltiplos objetivos.

O Projeto Bonsai foi projetado para criar esses sistemas, que também adotam uma combinação de ciclos de feedback digital e experiência humana para informar ações e recomendações. Os dados históricos impulsionam operações específicas e melhorias de produtos, permitindo que os sistemas concluam tarefas como calibração com mais rapidez e precisão do que os operadores humanos.

O Projeto Bonsai é uma consequência da aquisição da Bonsai, com sede em Berkeley, Califórnia, em 2018, pela Microsoft, que anteriormente recebia financiamento do braço de capital de risco da empresa, M12. Bonsai é ideia dos ex-engenheiros da Microsoft Keen Browne e Mark Hammond, que agora é gerente geral de IA de negócios da Microsoft. A dupla desenvolveu uma abordagem na estrutura TensorFlow do Google que abstrai a mecânica de IA de baixo nível, permitindo que especialistas no assunto treinem sistemas autônomos para atingir objetivos – independentemente da aptidão de IA.

Em setembro de 2017, Bonsai estabeleceu uma nova referência para sistemas de controle industrial autônomos, treinando com sucesso um braço robótico para agarrar e empilhar blocos em simulação. Ele teve um desempenho 45 vezes mais rápido do que uma abordagem comparável do DeepMind da Alphabet.

A Microsoft se refere ao processo de abstração como ensino de máquina. Seu objetivo central é a solução de problemas, dividindo as cargas de trabalho em conceitos (ou subconceitos) mais simples e, em seguida, treinando-as individualmente antes de combiná-las. Essa técnica também é conhecida como aprendizagem hierárquica por reforço profundo, quando a IA aprende executando decisões e recebendo recompensas por ações que a aproximam de um objetivo. A empresa afirma que esta técnica pode diminuir o tempo de treinamento e, ao mesmo tempo, permitir que os desenvolvedores reutilizem conceitos.