حاکمیت هوش مصنوعی و محاسبات لبه‌ای، خط حیات کارخانه‌های چاپ را دوباره رسم می‌کنند

در یک یا دو ماه گذشته از مشتریان بازدید کردم، بیشتر سوالاتی که از من می‌شود این نیست که «آیا باید ماشین را تعویض کنم»، بلکه این است که «آیا استفاده من از هوش مصنوعی این‌گونه خطرناک است» و «اگر مواد تمام شود چه می‌شود» - این دو موضوع به نظر نامربوط هستند

در حقیقت، آنها دو جنبه از یک فشار یکسانند

یک جنبه این است که جغرافیای سیاسی زنجیره تامین را به هم زده است، زمان تحویل قبلی برای واردات جوهر، مواد پلیت، و قطعات تجهیزات طول می‌کشد، عدم اطمینان در حمل‌ونقل بین‌الملل افزایش می‌یابد، و قیمت‌ها نیز تغییر می‌کنند

جنبه دیگر این است که دولت‌های مختلف به تدریج چارچوب‌های نظارتی هوش مصنوعی را معرفی می‌کنند، و از شرکت‌ها می‌خواهند که واضح توضیح دهند: هوش مصنوعی در کجا استفاده می‌شود، اگر خطایی رخ دهد مسئول کیست، و داده‌های مشتری چگونه محافظت می‌شوند

در گذشته، این دو موضوع مسیرهای جداگانه‌ای داشتند، اما اکنون در یک نشریه صنعتی هفتگی در کنار یکدیگر مورد بحث قرار می‌گیرند، این اتفاق نیست، بلکه برای یک کارخانه چاپ، «آیا می‌تواند به طور پایدار تحویل دهد» و «آیا می‌تواند با خیال راحت از هوش مصنوعی استفاده کند» به سؤال زندگانی یکسان تبدیل شده است

بسیاری از صاحبان هنگام شنیدن «حاکمیت» فکر می‌کنند که این کار کارخانه‌های بزرگ است و برای کارخانه‌های با بیست یا سی کارمند مرتبط نیست

این بزرگ‌ترین تصور غلطی است که می‌خواهم اصلاح کنم

امروزه در محل چاپ، هوش مصنوعی مولد قبلاً وارد شده است: نوشتن متون، انجام بررسی‌های پیش‌فروش، پاسخ به خدمات مشتری، و زمان‌بندی تولید

مسئله این است که اکثر کارخانه‌ها هنگام اجرا هیچ نقشه‌ای وجود ندارند، حاکمیت آن‌چه درباره است این مناطق خاکستری‌ای است که هیچ کس مسئول نیست، هسته اصلی تقریباً این موارد است:

・تقسیم‌بندی داده: کدام فایل‌های مشتری می‌توانند به هوش مصنوعی داده شوند، کدام‌ها به هیچ وجه نمی‌توانند، این خط باید ابتدا کشیده شود

・مسئولیت مدل: اگر هوش مصنوعی برنامه را اشتباه تنظیم کند یا بررسی پیش‌فروش یک حرف اشتباه را از دست بدهد، مسئول کیست، این باید قبل‌از‌زمان روشن شود

・حفاظت از داده‌های مشتری: طرح‌های طراحی مشتریان برند، نقل‌قول‌ها، و فرمول‌ها، در کدام ابزار وارد می‌شوند، در کجا ذخیره می‌شوند

・آموزش کارمندان: افرادی که عملیات را انجام می‌دهند، می‌دانند که چه چیزی می‌تواند از هوش مصنوعی پرسیده شود و چه پرسیدن آن انکشاف اسرار است

・بررسی تامین‌کنندگان: طراحی‌های آن‌چه شما برون‌سپاری می‌کنید و شرکای چاپی شما، استفاده آنها از هوش مصنوعی نیز خطر شما است

چرا کارخانه‌های کوچک نمی‌توانند وانمود کنند آن را ندیده‌اند؟ زیرا آستانه این نیست که دولت ابتدا شما را بررسی کند، بلکه مشتری برند شما ابتدا شما را بپرسد. هنگامی که برندهای بزرگ بررسی انطباق زنجیره تامین را انجام می‌دهند، یک پرسش‌نامه دریافت می‌کنید، اگر نتوانید استانداردهای استفاده از هوش مصنوعی را پاسخ دهید، سفارش ممکن است به رقبای رقابتی تمام‌شده منتقل شود

ماهیت حاکمیت نوشتن یک کتاب ضخیم نیست که هیچ کس نمی‌خواند، بلکه تبدیل کردن «چه کسی می‌تواند استفاده کند، در کجا استفاده می‌شود، اگر مشکلی رخ دهد کی را پیدا کنیم» این سه جملات به عادت‌هایی است که تمام کارخانه از آن پیروی می‌کند

همه از هوش مصنوعی ابری شنیده‌اند، محاسبات لبه‌ای (Edge AI) ساده‌تر بیان شود این است: جابه‌جایی قابلیت قضاوت، از مرکز داده دورافتاده به تجهیزاتی در نزدیکی خط تولید

تفاوت کجاست؟ چاپ یک محیطی است که تصمیم‌گیری فوری اهمیت دارد و حاشیه خطای بسیار کم است

تشخیص کیفیت چاپ، تراز‌بندی پوشش، و تصحیح رنگ جوهر بلافاصله، اگر این نوع تصمیمات باید ابتدا تصویر را به ابر منتقل کنند و منتظر نتایج محاسبات بمانند سپس برگردند، آن تاخیر روی ماشین‌های چاپ سریع یک دسته کامل اتلاف است

قرار دادن گره‌های هوشمند در سمت محلی، مزایای واقعی را دارد:

・فوری: تشخیص و تصحیح نیاز نیست منتظر رفت‌وآمد ابری بمانند، می‌توانند در حال حاضر اصلاح شوند

・بدون قطع: اگر شبکه مشکل داشته باشد، تصمیمات خط تولید متوقف نمی‌شوند

・داده‌ها در کارخانه باقی می‌مانند: طرح‌های طراحی مشتریان و تصاویر چاپی نیاز ندارند به طور دسته‌ای بیرون فرستاده شوند، این دقیقاً به حفاظت از داده‌های قبلی متصل می‌شود

بنابراین محاسبات لبه‌ای و حاکمیت هوش مصنوعی دو موضوع مستقل نیستند، آنها با یکدیگر ترکیب می‌شوند، نگه‌داشتن قابلیت قضاوت هوش مصنوعی در کارخانه‌ای شما، خود یک شکل مستقیم‌تر حفاظت از داده‌ها است

اگر کاری با بسته‌بندی صادراتی یا برچسب‌ها انجام می‌دهید، این موج فشار نسبت به چاپ تجاری عام‌تر زودتر و سنگین‌تر خواهد بود

PPWR اتحادیه اروپا (مقررات بسته‌بندی و زباله‌های بسته‌بندی) و EPR (مسئولیت تولید‌کننده گسترده) در سال‌های اخیر به وضوح تشدید شده‌اند، برای ماده‌های بسته‌بندی، نرخ بازیافت، و طراحی قابل استفاده مجدد معیارهای سختی تعیین کرده‌اند

این به معنی است: مشتریان برند اروپایی شما، این الزامات را تمام راه به سمت شما و سمت بالادست فشار می‌دهند، اعلام ماده، ردپای کربن، و درصد اجزای بازیافت شده، همه باید داده‌هایی برای آنها داشته باشید

زنجیره تامین این نقطه واقع‌تر است، من می‌بینم که بسیاری از کارخانه‌ها شروع به بررسی جدی می‌کنند: آیا مواد خام حیاتی منابع دوم دارند، آیا زمانی که قطعات تجهیزات قطع شوند می‌توانند مقاومت کنند، آیا باید زودتر بکاپ‌های محلی شدهد را استقرار دهند

با اضافه کردن این سه چیز می‌فهمید: داده‌های انطباق باید تحویل داده شوند، زنجیره تامین نیاز به بکاپ‌ها دارد، استفاده از هوش مصنوعی باید دارای نقشه‌ها باشد، این سه آزمون جداگانه نیستند، یک آزمون یکپارچه برای کشش‌پذیری زنجیره تامین است

・کشش‌پذیری زنجیره تامین و انطباق هوش مصنوعی، دیگر دو موضوع نیستند، یک سؤال زندگانی یکسان است

・آستانه واقعی حاکمیت هوش مصنوعی بازرسی دولتی نیست، بلکه پرسش‌نامه زنجیره تامین مشتری برند است

・محاسبات لبه‌ای قضاوت را در کارخانه نگه می‌دارد، هم یک نیاز فوری برای تولید فوری است، هم شکل مستقیم‌ترین حفاظت از داده‌ها

・کارخانه‌های بسته‌بندی صادراتی روبروی PPWR، EPR، قابلیت داده‌های انطباق برابر با قابلیت دریافت سفارش است

・کارخانه‌های کوچک نمی‌توانند از «اندازه کوچک» به عنوان بهانه استفاده کنند، هزینه نگاه‌کردن این است که سفارشات آرام به سراغ رقبای آماده شده می‌روند

این سه چیز را به عنوان یک پروژه تحول با هزینه زیاد در نظر نگیرید، ابتدا با بررسی کم‌هزینه و فوری شروع کنید: فهرستی بسازید، تمام جایی که هوش مصنوعی در کارخانه استفاده می‌شود را بنویسید (متون، بررسی‌های پیش‌فروش، خدمات مشتری، برنامه‌ریزی)، علامت بزنید کدام‌ها داده‌های مشتری را لمس می‌کنند، سپس ساده سه قانون تعریف کنید، چه داده‌هایی نمی‌توانند داده شوند، اگر خطایی رخ دهد مسئول کیست، کدام ابزارها استفاده می‌شوند، این یک صفحه نقشه می‌تواند از هشتاد درصد پرسش‌نامه‌های انطباق مشتری برند رفع کند

همکاران طراحی و سمت SaaS می‌توانند برعکس فکر کنند: بزرگ‌ترین درد کارخانه‌های چاپ این است که «داده‌ها از کارخانه بیرون نرفتند اما هوش مصنوعی مورد استفاده قرار گیرد»، ابزاری که بتواند مدل‌ها را در سمت لبه‌ای قرار دهد و نقشه‌های حاکمیت را به گزینه‌های پیش‌فرض تبدیل کند، دقیقاً آن چیزی است که این صنعت اکنون فقدان آن است

ابتدا بررسی کنید، نقشه‌ها تعریف کنید، سپس درباره اجرا صحبت کنید، اگر ترتیب درست باشد، فشار می‌تواند به مزیت تبدیل شود

・نشریه نبض صنعت: حاکمیت هوش مصنوعی و محاسبات لبه‌ای