Microsoft, 산업용 시스템용 AI 개발 플랫폼인 Project Bonsai 출시

VB Transform 2023의 세션을 보려면 주문형 라이브러리로 이동하세요. 여기에서 등록하세요.

Microsoft는 Build 2020 온라인 컨퍼런스에서 자율 산업 제어 시스템 구축을 위한 플랫폼인 Project Bonsai의 공개 미리 보기를 발표했습니다. 또한 이 회사는 엔지니어와 개발자가 Bonsai의 기능에 익숙해지도록 설계된 Project Moab이라는 실험적인 플랫폼을 선보였습니다.

Project Bonsai는 기계 학습, 교정 및 최적화를 결합하여 로봇 팔, 불도저 블레이드, 지게차, 지하 드릴, 구조 차량, 풍력 및 태양광 발전소 등의 핵심인 제어 시스템에 자율성을 부여하는 "기계 교육" 서비스입니다. . 제어 시스템은 제조, 화학 처리, 건설, 에너지 및 광업과 같은 분야 전반에 걸쳐 기계의 핵심 구성 요소를 형성하여 전기 변전소 및 HVAC 설치부터 공장 로봇에 이르기까지 모든 것을 관리하는 데 도움을 줍니다. 그러나 그 위에 AI 및 기계 학습 알고리즘(이전에는 자동화하기 너무 어려웠던 프로세스를 처리할 수 있는 알고리즘)을 개발하려면 전문 지식이 필요합니다.

Project Bonsai는 이러한 전문 지식을 Microsoft Azure에서 호스팅되는 강력한 시뮬레이션 도구 키트와 결합하려고 시도합니다.

높은 수준에서 Project Bonsai의 목표는 Microsoft가 물리적 세계에 지능, 연결성 및 자동화를 주입하는 것으로 정의한 산업 변혁인 "Industry 4.0"의 도래를 앞당기는 것입니다. 인더스트리 4.0은 새로운 기술을 넘어 AI를 활용하여 큰 이익을 얻을 수 있는 새로운 생태계와 전략을 수반합니다. Microsoft는 향후 7년 내에 AI를 수용하는 조직의 50%가 현금 흐름을 두 배로 늘릴 수 있다는 세계 경제 포럼 연구를 인용했습니다.

VB 변환 2023 온디맨드

VB Transform 2023 세션을 놓치셨나요? 모든 주요 세션에 대한 주문형 라이브러리에 액세스하려면 등록하세요.

과도기 단계에 있는 제조업체의 최종 목표는 적응형, 자체 최적화 기술 및 프로세스를 통해 장비와 기계가 변화하는 입력 및 조건에 적응하도록 돕는 "규정적" 인텔리전스를 획득하는 것인 경우가 많습니다. 기존 제어 시스템은 예측 가능하고 변하지 않는 환경 내에서 일련의 결정론적 명령에 따라 작동한다는 점에서 한계가 있습니다. 차세대 제어 시스템은 AI를 활용하여 기본 자동화를 넘어 변화하는 환경이나 입력에 실시간으로 조정하고 여러 목표를 향해 최적화합니다.

Project Bonsai는 디지털 피드백 루프와 인간 경험을 결합하여 조치와 권장 사항을 알리는 이러한 시스템을 만들도록 설계되었습니다. 기록 데이터는 특정 작업과 제품 개선을 주도하여 시스템이 인간 작업자보다 더 빠르고 정확하게 교정과 같은 작업을 완료할 수 있도록 해줍니다.

Project Bonsai는 Microsoft가 2018년에 캘리포니아주 버클리에 본사를 둔 Bonsai를 인수한 결과 나온 결과물입니다. Bonsai는 이전에 회사의 벤처 캐피털 계열사인 M12로부터 자금을 지원받았습니다. Bonsai는 전 Microsoft 엔지니어인 Keen Browne과 현재 Microsoft의 비즈니스 AI 총괄 관리자인 Mark Hammond의 아이디어입니다. 두 사람은 낮은 수준의 AI 메커니즘을 추상화하는 Google의 TensorFlow 프레임워크에 대한 접근 방식을 개발하여 해당 분야 전문가가 AI 적성에 관계없이 목표를 달성할 수 있도록 자율 시스템을 교육할 수 있도록 했습니다.

2017년 9월 Bonsai는 자율 산업 제어 시스템에 대한 새로운 벤치마크를 확립하여 시뮬레이션에서 블록을 잡고 쌓는 로봇 팔을 성공적으로 훈련시켰습니다. 이는 Alphabet의 DeepMind의 유사한 접근 방식보다 45배 더 빠른 성능을 발휘했습니다.

Microsoft는 추상화 프로세스를 머신 티칭이라고 부릅니다. 중앙 테넌트는 워크로드를 더 간단한 개념(또는 하위 개념)으로 나눈 다음 이를 결합하기 전에 개별적으로 교육하여 문제를 해결합니다. 이 기술은 AI가 결정을 실행하고 목표에 더 가까워지는 행동에 대한 보상을 받아 학습하는 계층적 심층 강화 학습이라고도 합니다. 회사는 이 기술을 통해 개발자가 개념을 재사용할 수 있도록 하면서 교육 시간을 줄일 수 있다고 주장합니다.