General Electric bygger en AI-arbetsstyrka

Som en del av sin övergång till högteknologiska företag, trär det 125-åriga företaget, nummer 40 på vår lista över de 50 smartaste företagen, artificiell intelligens genom hela sin verksamhet, med början med dess forskare. Förbi

• elizabeth woyke arkivsida

27 juni 2017

Leonard greco

När Jason Nichols började på GE Global Research 2011, strax efter att ha avslutat postdoktoralt arbete i organisk kemi vid University of California, Berkeley, förväntade han sig en lång karriär inom kemisk forskning. Men efter fyra år att skapa material och system för att behandla industriellt avloppsvatten, flyttade Nichols till företagets maskininlärningslabb. I år började han arbeta med augmented reality. Delvis kemist, dels dataforskare, Nichols är nu exakt den typen av hybridanställd som är avgörande för framtiden för ett företag som arbetar med att injicera artificiell intelligens i sina maskiner och industriella processer.

För femton år sedan övervakade GE:s maskinoperatörer och tekniker dess flygplansmotorer, lok och gasturbiner genom att lyssna på deras klingande och surrande och kontrollera deras mätare. Idag använder företaget AI för att göra motsvarande, till och med förutsäga misslyckanden i förväg (se '50 smartaste företag 2017'). Genom att samla denna teknik hoppas GE bli en av världens främsta mjukvaruleverantörer år 2020, ett uppdrag som under 2011 utökades med ett initiativ på 1 miljard dollar för att samla in och analysera sensordata från maskiner. Att skapa smartare modeller via AI är nästa steg i företagets strategi – ett som man hoppas ska ge det en fördel gentemot långvariga rivaler som Siemens och mjukvarujättar, som IBM, som nu expanderar till industriell analys.

Den här historien var en del av vårt julinummer 2017

• Se resten av frågan
• Prenumerera

Att integrera artificiell intelligens i en organisation som grundades 1892 är förstås en svår uppgift. Det börjar med att träna de tekniska hjärnorna bakom företaget, som sysselsätter 300 000 personer i alla sina verksamheter världen över. GE Global Research, där Jason Nichols arbetar, håller på att skapa onlineprogram som lär ut maskininlärning och symposier där forskare kan utforska nya roller. Hittills har nästan 400 anställda från hela företaget slutfört GE:s certifieringsprogram för dataanalys, och ett 50-tal forskare har flyttat till digitala analysjobb av det slag Nichols har tagit på sig.

Dubbla karriärer

Många av dessa dubbla forskare hjälper till att göra molnbaserade programvarumodeller av GE:s maskiner som kan användas för att spara pengar och förbättra säkerheten för sina kunder. GE bygger dessa digitala tvillingar med hjälp av information som de samlar in från sensorer på maskinerna, kompletterat med fysikbaserade modeller, AI, dataanalys och kunskap från dess forskare och ingenjörer. Även om digitala tvillingar främst är rader av programvarukod, ser de mest utarbetade versionerna ut som 3D datorstödda designritningar fulla av interaktiva diagram, diagram och datapunkter. De gör det möjligt för GE att spåra slitage på sina flygplansmotorer, lok, gasturbiner och vindturbiner med hjälp av sensordata istället för antaganden eller uppskattningar, vilket gör det lättare att förutse när de kommer att behöva underhåll. En flygplansmotor som flyger över USA kan till exempel ha en digital tvilling på en GE-datorserver i Kalifornien som hjälper till att bestämma det bästa serviceschemat för dess delar.

Förutom att förutsäga en maskins förväntade livslängd tillåter de virtuella modellerna GE att optimera driften av sina produkter. GE säger att digitala tvillingar ökar mängden el som vindkraftsparker producerar med så mycket som 20 procent och minskar den årliga bränsleförbrukningen och koldioxidutsläppen för ett av dess lok med 32 000 liter respektive 174 000 ton per år. Mer än 700 000 modeller har levererats till kunder, ett antal som kan överstiga en miljon i slutet av detta år.

Tekniken är beroende av artificiell intelligens för att kontinuerligt uppdatera sig själv. Vad mer är, om data är skadad eller saknas, fyller företaget i luckorna med hjälp av maskininlärning, en typ av AI som låter datorer lära sig utan att vara explicit programmerade, säger Colin Parris, GE Global Researchs vicepresident för mjukvaruforskning. Parris säger att GE kopplar ihop datorseende med djupinlärning, en typ av AI som är särskilt skicklig på att känna igen mönster, och förstärkningsinlärning, en annan ny framgång inom AI som gör det möjligt för maskiner att optimera driften, för att göra det möjligt för kameror att hitta små sprickor på metallturbinblad även när de är smutsiga och dammiga.

Ta den lilla roboten, lite större än en Matchbox-bil, som används för att inspektera fungerande motorer. Med hjälp av datorseende och en mängd olika AI-tekniker kan boten leta efter sprickor inuti flygmotorer genom att åka ovanpå ett långsamt rörligt fläktblad.

Liknande teknik kan fästas på en drönare för att hitta korrosion på de 200 fot höga flare stackarna som bränner bort överskottsgas som släpps ut vid olje- och gasproduktionsanläggningar.

GE-forskare har studerat och anpassat föränderlig teknologi i årtionden. På det här fotot från den 18 april 1968 bemannar en GE-systemingenjör telexlänken till ett Student Response System vid Syracuse University. Datorn analyserade elevernas svar på flervalsfrågor och vidarebefordrade dem till läraren.

Den 20 mars 1969 studerade GE-forskare flödet av gaser, osynliga i deras naturliga tillstånd, genom att skapa simuleringar på en enhet som kallas ett arbetsvattenbord, där strömmar observerades genom användning av färgämnen.

Ingen modefluga

För att utveckla och arbeta med dessa system måste GE-forskare förstå både maskinernas fysik och AI-algoritmerna.

Det här är en plats där du kommer att ha en molekylärbiolog som sitter med en maskininlärningsexpert eller en person med kontrollteori som sitter med någon som kan materialvetenskap, säger Mark Grabb, GE Global Researchs teknikchef för analys. Den typen av samarbete är väldigt kraftfullt, men det finns inget mer kraftfullt än att ha samma information i samma hjärna; det är bara hypereffektivt.

Tänk på hjärnan hos Matt Nielsen, som började på GE Global Research 1998 efter att ha tagit en doktorsexamen i fysik. Nielsen utvecklade fotonik och arbetade med mjukvara för elfordon innan han gick helt över till företagets digitala sida 2015. Idag leder han ett team av digitala tvillingutvecklare och hjälper till att bygga fysikbaserade modeller som kan kombineras med maskininlärningsalgoritmer.

GE använder AI för att skapa ständigt uppdaterande digitala representationer av sina maskiner, som denna gasturbin, 9HA, vid en fabrik i Belfort, Frankrike.

Digitala repliker av jetmotorer hjälper GE:s flygkunder att spara pengar genom att förutsäga exakt när de kommer att behöva underhåll. Här sitter en GE-motor på en översynsanläggning i Rio de Janeiro, Brasilien.

Sahika Genc, ​​en annan dubbelforskare, utvecklade system för ICU-larm innan övergången till GE:s maskininlärningslabb 2014. Genc är nu en maskinlärande forskare som använder djupinlärning och förstärkningsinlärning för att göra GE:s energiledningssystem effektivare. Ett av hennes senaste projekt tillämpade maskininlärning och värmeöverföringsteori för att identifiera hur byggnadsenergi försvinner och lagras. Prognoserna kommer att hjälpa GE:s kunder att minska sin energiförbrukning.

Dessa hybridforskare kan vara GE:s bästa chans att förbli relevanta i ytterligare ett sekel när företaget letar efter tillväxtmöjligheter i så konkurrenskraftiga och mogna industrier som turbiner, jetmotorer och lokomotiv.

Parris, programvaruforskningsledaren, medger att några av GE:s 2 000 forskare fortfarande betraktar vissa aspekter av det nya tillvägagångssättet som en övergående modefluga.

Men forskare som inte tar språnget kan bli kvar. I januari avskedade företaget forskare inom områden som anses vara perifera för GE:s digitala industriella strategi. Det är efter att ha skapat 100 nya forskningsjobb relaterade till AI och robotik under 2016.

Dölj