Автомобильная индустрия является одной из самых высокотехнологичных отраслей в мире, но при этом искусственный интеллект в ней удивительно медленно развивается.

В отчете Capgemini «Ускорение трансформации ИИ в автомобилестроении» было обнаружено, что в течение 2018 года число компаний в отрасли, использующих ИИ «в масштабе», выросло лишь незначительно на 3%.

Это отражает тот факт, что только 10% опрошенных респондентов заявили, что их организации внедряли инициативы, основанные на ИИ, во всей его деятельности "в полном объеме и в масштабе" в течение 2018 года по сравнению с 7% в 2017 году.

Относительно медленные темпы роста свидетельствуют о том, что «отрасль не достигла значительных успехов в трансформации, управляемой ИИ, с 2017 года», - заключает доклад. Это удивительное открытие, учитывая масштабы инвестиций и энтузиазм, продемонстрированные лидерами отрасли.

Я поговорил с одним из авторов отчета, Инго Финком из Capgemini, который сказал мне: «В какой-то степени я нашел это удивительным, потому что из обсуждений, которые мы проводили с этими компаниями, мы видим, что подавляющее большинство - более 80% - упомянуть ИИ в своей основной стратегии. «Это явно стратегический фактор для них, так что да… мы были удивлены относительно медленными темпами роста».

Прежде чем мы начнём разбираться с возможными причинами такого медленного внедрения, стоит отметить, что существует ключевой географический разброс: в Китае число автомобильных компаний, работающих в масштабе с ИИ, почти удвоилось, с 5% до 9%.

Это в какой-то степени объясняется сравнительно «открытым» подходом китайских гигантов искусственного интеллекта, таким как разработка Baidu платформы Apollo с открытым исходным кодом. Это привело к партнерству с более чем 130 другими предприятиями и организациями.

Финк объясняет, что медленный рост, продемонстрированный в других регионах, может быть связан с тем, что организации используют более зрелый подход к развертыванию ИИ. Это может означать, что они отходят от методологий «попробуй все и посмотри, что работает», к сосредоточению на проверенных случаях использования, которые затем можно масштабировать.

Другое несоответствие становится очевидным, когда мы рассматриваем размеры предприятий, которые сообщают о росте развертываний ИИ.

ЧИТАЙТЕ ТАК ЖЕ: Самые угоняемые автомобили

«Мы видим, что более мелкие компании больше борются с ИИ, в то время как с более крупными компаниями [с доходом более 10 млрд. Долл. США] уровень усыновления выше.

«То, как мы интерпретируем это, заключается в том, что сложности в небольших компаниях почти такие же, как и в крупных компаниях - многие трудности в применении ИИ одинаковы для малых и крупных организаций».

На самом деле, как и следовало ожидать, существует четкая корреляция между суммой вложенных денег и масштабами развертывания ИИ организации. Это явно ограничивающий фактор для мелких игроков в отрасли.

Из тех, которые успешно развернуты в масштабе, 80% сделали это, потратив более 200 миллионов долларов на ИИ. Из тех, кто считает себя неэффективно развернутыми в масштабе, только 20% потратили эту сумму.

В то время как автономные автомобили с самостоятельным вождением часто рассматриваются как «главный заголовок» использования ИИ в автомобилестроении, сегодняшняя реальность такова, что алгоритмы когнитивного обучения в основном используются для повышения эффективности и повышения эффективности процессов, вращающихся вокруг традиционных транспортных средств с ручным приводом. ,

Важные развертывания AI, отмеченные в отчете, в основном в крупных организациях OEM, включают в себя:

• Прототипирование - General Motors использует машинное обучение в своей работе по проектированию продукта.
• Моделирование и симуляция - используются Continental для сбора 5000 миль данных испытаний виртуальных транспортных средств в час.
• Продажи и маркетинг - Volkswagen использует машинное обучение для прогнозирования продаж 250 моделей автомобилей в 120 странах, используя экономические, политические и метеорологические данные.
• Контроль качества - Audi использует камеры, оснащенные компьютерным зрением, для обнаружения крошечных трещин в листовом металле, используемых в производственных процессах, которые не будут видны человеческим глазам

Эти компании попадают в категорию, которую Capgemini определяет как «чемпионов по масштабам» - они успешно развернули ИИ в масштабе, и все они, как правило, демонстрируют ряд характеристик - акцент на случаях использования с высокой выгодой, хорошем управлении ИИ, значительном уровне инвестиций и Главное, проявить готовность к «повышению квалификации» сотрудников.

«Мы узнали, что ИИ наиболее эффективен, когда речь идет о комбинации человек / машина», - говорит мне Финк.

«Точно так же, как вы улучшаете свои возможности ИИ, вы также должны повышать свою квалификацию и обучать свой персонал. Это больше, чем просто обучение или наем нескольких ученых. Речь идет об обучении остальной части организации - случайного пользователя ИИ ».

Все эти проблемы каким-то образом объясняют более медленное, чем можно было ожидать, внедрение ИИ в отрасли. Финк уверен в одном, и это подтверждается более широкими выводами отчета, заключающимися в том, что ИИ играет ключевую роль в будущем отрасли.

Он говорит: «Я думаю, что компании понимают, что это гораздо больше, чем просто технология« plug-in »- это основная технология, которую они должны принять - как движок или информационные технологии. Задача заключается в том, чтобы охватить эту технологию не только продуктом , но и сервис, и организация. "