Intervjuu MIT CTLi juhtivteaduri Sarah Schaumanniga

Mecalux intervjueerib MIT CTLi juhtivteadurit Sarah Schaumanni, et saada rohkem teavet tema juhitava intellekti projekti kohta, mida ta MITi ja Mecaluxi teaduskoostöö raames juhib.

• Mis on teie ja Mecaluxi ühise uurimisprojekti eesmärk?

  Selle projekti eesmärk on töötada välja masinõppel põhinev orkestreerimismudel jaotatud tellimuste haldamise (DOM) süsteemide jaoks. Idee on asendada praegu tavaliselt kasutatav reeglipõhine strateegia intelligentse orkestreerimismeetodiga, mis kasutab iseõppivat tehisintellekti, et määrata tellimusi rajatistele ja vedajatele. Kasutades masinõpet, soovime võimaldada süsteemi, mis ei suuda mitte ainult parandada tegevuse tõhusust, vaid aja jooksul ka kohaneda tulevikus muutuva keskkonnaga.

  Eesmärk on töötada välja DOM-süsteemide orkestreerimismudel, mis põhineb masinõppel

• Milline on selle algatuse potentsiaal järgmise põlvkonna DOM-süsteemide kujundamisel?

  Meie eesmärk on luua tulevaste põlvkondade arukate ja kohandatavate tellimuste orkestreerimise strateegiate loomine. Selle all mõistame staatiliste reeglipõhiste lähenemisviiside asendamist intelligentsete dünaamiliste strateegiatega, mis suudavad kohaneda klientide muutuvate nõudmiste, piirangute või isegi turutingimuste muutustega. Lõppkokkuvõttes tahame luua eeldused autonoomsete andmepõhiste DOM-süsteemide arendamiseks, mis pidevalt ise õpivad. Need on dünaamilistes keskkondades üha kriitilisemad.

  

• Kuidas kasutate tugevdamise õppimist optimaalsete orkestreerimisstrateegiate väljatöötamiseks?

  Kasutades tugevdavat õppimist, õpib ja täiustab mudel oma orkestreerimisprotsesse, suheldes keskkonnaga. Mudel loob erinevaid orkestreerimisstrateegiaid ja saab sõltuvalt otsuse tulemusest tasu või trahvi. Seejärel kohandatakse otsuseid pidevalt. Seega on tegemist pideva õppimisprotsessiga, mille tasuvus sõltub ettevõtte ärimudelist. Näiteks võib üks organisatsioon seada prioriteediks kulud, samas kui teine keskendub tarneajale.

  Meie tahame luua arukaid, dünaamilisi strateegiaid, mis suudavad kohaneda klientide muutuvate nõudmiste, piirangute või isegi turutingimuste muutumisega

• Kuidas kasutab intelligentse logistikasüsteemi labor selles projektis simulatsioone?

  Simulatsioonid võimaldavad meil jäljendada reaalseid stsenaariume turvalises ja kontrollitud keskkonnas. See tähendab, et mudel ei suhtle mitte reaalse süsteemiga, vaid simuleeritud keskkonnaga. See vähendab nende mudelite testimise ja treenimise kulusid ja riske. Samuti võimaldab see meil lihtsamalt testida nende töökindlust ja skaleeritavust.

• Millist mõju võib see projekt teie hinnangul logistikatööstusele avaldada?

  Keskkond, milles ettevõtted tegutsevad, muutub dünaamiliseks ja keeruliseks. Õppimise põhinevate mudelite suur eelis on see, et need kohanevad aja jooksul. See tähendab, et meie süsteemid aitavad ettevõtetel muutuda tulevikukindlaks.