Amii rozšiřuje partnerství na podporu zavádění AI a pomůže dalším 25 firmám

Amii, Alberta Machine Intelligence Institute, rozšiřuje partnerství s kanadskou agenturou pro regionální hospodářský rozvoj PrairiesCan, aby pomohla dalším 25 malým a středním podnikům rozvíjet praktické schopnosti v oblasti AI. Oznámení z 27. října přináší dalších 2,5 milionu CAD z federálních zdrojů, čímž celková federální investice do iniciativy dosáhne 5,6 milionu CAD.

Rozšíření se týká Alberty, Saskatchewanu a Manitoby; první spolupráce již probíhají v energetice, zemědělství a zpracovatelském průmyslu. Amii uvádí, že od spuštění programu v roce 2024 s ním spolupracovalo 30 regionálních podniků. Program propojuje firmy se specialisty na strojové učení, kteří vytvářejí systémy založené na vlastních provozních datech daných společností a předávají jim znalosti potřebné k jejich údržbě.

Výzkumné partnerství zaměřené na praktické uplatnění

Amii sídlí v Edmontonu, je nezávislou neziskovou organizací a jedním ze tří kanadských národních institutů pro AI v rámci Pan-Canadian AI Strategy. Jeho historie sahá k Alberta Ingenuity Centre for Machine Learning, založenému v roce 2002; v roce 2017 se pod názvem Amii stalo nezávislou neziskovou organizací. Jeho činnost propojuje výzkum, rozvoj talentů a komerční uplatnění.

Prairies Economic Development Canada, známá pod zkratkou PrairiesCan, je federální agentura podporující hospodářský rozvoj ve třech zúčastněných provinciích. Pro zahraniční čtenáře je toto partnerství příkladem toho, jak veřejné investice pomáhají menším firmám získat přístup ke specializovaným technickým kapacitám, které by samy jen obtížně vybudovaly.

V rámci svého modelu vývoje AI Amii přiděluje na projekt firmy pracovníka se specializací na strojové učení na plný úvazek, kterého vedou interní vědci. Tento pracovník spolupracuje s firemním týmem na vývoji a testování modelu a firma ho poté může zaměstnat. Obecná nabídka počítá se závazkem na 12 až 15 měsíců, rozsah a náklady jednotlivých projektů se však liší.

Firmy si ponechávají duševní vlastnictví vytvořené v rámci spolupráce a získávají dokumentaci i předání znalostí. Cílem partnerství se tak liší od pouhého dodání prototypu externím dodavatelem: firma by měla být schopna systém upravovat i poté, co externí výzkumný tým odejde.

Croptimistic: Počítačové vidění, které zvládne podmínky na skutečných polích

Croptimistic Technology vyvíjí ekosystém precizního zemědělství SWAT MAPS, který kombinuje informace o půdě, vodě a reliéfu terénu a pomáhá při řízení hospodaření na polích. Její produkt SWAT CAM pořizuje snímky během běžného provozu postřikovače a pomocí strojového učení analyzuje plodiny a plevel.

Spolupráce s Amii se zaměřila na obilniny v rané fázi růstu, například pšenici a oves. Jejich úzké, překrývající se listy znesnadňují rozlišení jednotlivých rostlin. Tým vyvinul specializované modely počítačového vidění, které si poradí s hustým porostem i náročnými podmínkami snímání, včetně prachu, oslnění a větru.

Informace o produktech společnosti Croptimistic vysvětlují, jak kamery namontované na postřikovačích propojují detailní snímky polí se zónami hospodaření. Praktický přínos přesnější detekce plodin spočívá v prostorovém detailu: pěstitelé mohou na poli sledovat nerovnoměrné vzcházení porostu a výskyt plevelů, místo aby se spoléhali pouze na několik ručních pozorování.

Carson Integrated: Jak záznamy o životním prostředí proměnit v predikce

Carson Integrated je poradenská společnost zaměřená na životní prostředí a lesnictví, která se mimo jiné zabývá geoprostorovými daty pro projekty v oblasti přírodních zdrojů. Jejím úkolem bylo klasifikovat vodní toky, což pomáhá určit ochranná pásma kolem vodních toků.

Případová studie společnosti Carson od Amii popisuje model vytvořený na základě přibližně dvou desetiletí shromažďovaných dat, včetně terénních měření a údajů dálkového průzkumu Země. Při výběru vstupních proměnných se zkoumaly charakteristiky terénu a životního prostředí; obzvlášť užitečná se ukázala velikost ústí povodí. Studie uvádí průměrnou přesnost klasifikace přibližně 75 %, pokud byla k dispozici odpovídající data.

Tato aplikace ukazuje, jak odborné znalosti v daném oboru přispívají k užitečnému strojovému učení. Rozpoznat vodní tok na snímcích je jiný úkol než předpovědět jeho klasifikaci podle předpisů. Predikce mohou pomoci určit priority při posuzování odlehlých oblastí, jejich přesnost a vhodnost je však stále třeba ověřovat s ohledem na rozhodnutí, která mají podpořit.

Visionstate: Plánování jako úloha optimalizace s omezeními

Visionstate vyvíjí software pro provoz budov, inspekce a ověřování provedených prací. Její současné webové stránky kladou důraz na platformu MIRA, která propojuje hlášení, inspekce, pracovní příkazy a dohled. Spolupráce s Amii se zaměřila na platformu WANDA pro správu budov.

Podrobná případová studie vysvětluje, že trasy a harmonogramy úklidu byly formulovány jako optimalizační úloha s omezeními. Systém musí rozdělit práci mezi pevně stanovený počet pracovníků a zároveň zohlednit uspořádání prostor, požadavky na služby a pravidla dodržování předpisů; přitom vyvažuje efektivitu a spravedlivé rozdělení práce.

Práce podpořila také TidyLogic, produkt pro plánování zdrojů, a nástroj pro odhad nákladů na úklid ve zdravotnictví. Případová studie uváděla, že TidyLogic byl ve fázi beta a že se model v době jejího vzniku připravoval k integraci. Na těchto rozdílech záleží: vývoj komerčního produktu a plně nasazený optimalizační systém představují dvě samostatné etapy.

Ambyint: Budování odbornosti v posilovaném učení

Ambyint dodává software pro optimalizaci těžby určený provozovatelům ropných a plynových polí. Jeho stávající platforma kombinuje modely založené na fyzikálních principech s automatizovaným řízením, včetně úprav požadovaných hodnot zařízení prostřednictvím infrastruktury pro průmyslové monitorování.

Projekt Amii zkoumal posilované učení u vrtů využívajících pístové zdvihání, kde změny tlakových prahů ovlivňují, jak se odstraňují nahromaděné kapaliny. Nedostatek informací o podmínkách hluboko pod zemí ztěžuje simulaci i řízení. Tým testoval přístupy založené na historických datech i metody zohledňující fyzikální zákonitosti, aby zlepšil rozhodování.

Případová studie jasně popisuje výsledek: experimentální modely nezvýšily efektivitu oproti stávající automatizaci společnosti Ambyint a zatím nebyly dostatečně spolehlivé ani pohotové pro nasazení do provozu. Přínosem byl lépe vybavený interní tým a jasnější představa o tom, kde je zapotřebí další výzkum. Jde o užitečný výsledek zavádění AI, i když nevede bezprostředně k modelu připravenému k nasazení.

Riva: Jak využít podniková data v AI

Amii označuje za jednoho z prvních příjemců podpory také společnost Riva se sídlem v Edmontonu a zmiňuje pokrok směrem k řešením připraveným pro produkční nasazení, aniž by zveřejňovala konkrétní architekturu modelu.

Platforma společnosti Riva propojuje e-mail, kalendář, kontaktní údaje a informace ze schůzek se systémy pro řízení vztahů se zákazníky. Mezi její funkce patří souhrny konverzací vytvořené pomocí AI a strukturované výstupy ze schůzek, které mohou týmy kontrolovat a propojit se záznamy v CRM. Jde o jiný kontext zavádění AI než u snímkování v terénu nebo průmyslového řízení: výzvou je zpřístupnit obchodní interakce k využití a zároveň zachovat pravidla správy i lidskou kontrolu.

Proč je tento model důležitý i mimo Kanadu

Zúčastněné firmy ukazují, že zavádění AI zahrnuje počítačové vidění, prediktivní modelování, optimalizaci s omezeními, posilované učení i podnikové informační procesy. Každá z těchto oblastí vyžaduje odlišná data, metody vyhodnocování a provozní odborné znalosti.

Širší význam partnerství spočívá v důrazu na vlastní odpovědnost a technické kapacity. Firma získává víc než jen model, když se její vlastní zaměstnanci naučí, jak byl model vytvořen, jak ho testovat a kdy lze jeho předpovědím důvěřovat. U menších firem může být předání těchto schopností stejně zásadní jako počáteční dodání softwaru.