Агенты искусственного интеллекта - модная тенденция, вызванная бумом генеративного ИИ и больших языковых моделей (LLM) в последние несколько лет. Договориться о том, что именно представляют собой агенты ИИ, довольно сложно, но большинство считает, что это программы, которым можно поручать задания и принимать решения - с разной степенью автономности.
Одним словом, агенты ИИ выходят за рамки того, что может сделать обычный чатбот: Они помогают людям добиваться поставленных целей.
Пока еще все только начинается, но такие компании, как Salesforce и Google, уже вкладывают значительные средства в ИИ-агентов. Генеральный директор Amazon Энди Джасси недавно намекнул, что в будущем появится более «агентская» Alexa, которая будет в равной степени выполнять как действия, так и слова.
Одновременно с этим стартапы также собирают деньги на этой шумихе. Последний из них - немецкая компания Juna.ai, которая хочет помочь заводам стать более эффективными, автоматизируя сложные промышленные процессы, чтобы «максимизировать производительность, повысить энергоэффективность и сократить общие выбросы».
И чтобы добиться этого, берлинский стартап сегодня заявил, что привлек 7,5 миллионов долларов в рамках посевного раунда от венчурной фирмы Kleiner Perkins из Кремниевой долины, шведской компании Norrsken VC и председателя совета директоров Kleiner Perkins Джона Дорра.
Самообучение - это путь
Основанная в 2023 году компания Juna.ai - дело рук Маттиаса Ауф дер Мауэра (на фото вверху слева) и Кристиана Харденберга (на фото вверху справа). Дер Мауэр ранее основал стартап по предиктивному обслуживанию машин под названием AiSight и продал его швейцарской компании Sensirion в 2021 году, а Харденберг - бывший главный технический директор европейского гиганта по доставке еды Delivery Hero.
По своей сути Juna.ai хочет помочь производственным предприятиям превратиться в более умные, самообучающиеся системы, способные обеспечить более высокую рентабельность и, в конечном счете, более низкий углеродный след. Компания ориентируется на «тяжелую промышленность» - такие отрасли, как сталелитейная, цементная, бумажная, химическая, деревообрабатывающая и текстильная, с крупномасштабными производственными процессами, потребляющими много сырья.
«Мы работаем с очень технологичными отраслями, и в основном это касается тех, которые потребляют много энергии», - сказал дер Мауэр в интервью. «Например, химические реакторы, которые потребляют много тепла, чтобы что-то произвести».
Программное обеспечение Juna.ai интегрируется с производственными инструментами производителей, такими как промышленное программное обеспечение от Aveva или SAP, и просматривает все исторические данные, собранные с датчиков оборудования. Это может быть температура, давление, скорость, а также все измерения данного продукта, такие как качество, толщина и цвет.
Используя эту информацию, Juna.ai помогает компаниям обучать своих штатных специалистов оптимальным настройкам оборудования, предоставляя операторам данные и рекомендации в режиме реального времени, чтобы обеспечить максимальную эффективность работы с минимальными потерями.
Например, химический завод, производящий особый вид углерода, может использовать реактор для смешивания различных масел и подвергать их энергоемкому процессу сжигания. Чтобы добиться максимальной производительности и свести к минимуму остаточные отходы, необходимо обеспечить оптимальные условия, включая уровни используемых газов и масел, а также температуру, при которой происходит процесс. Используя исторические данные для определения идеальных параметров и принимая во внимание условия реального времени, агенты Juna.ai подскажут оператору, какие изменения следует внести для достижения наилучшей производительности.
Если Juna.ai поможет компаниям точно настроить производственное оборудование, они смогут повысить производительность и снизить энергопотребление. Это беспроигрышный вариант как для конечного результата заказчика, так и для его углеродного следа.
Juna.ai утверждает, что создала собственные модели искусственного интеллекта, используя инструменты с открытым исходным кодом, такие как TensorFlow и PyTorch. Для обучения своих моделей компания использует обучение с подкреплением - подмножество машинного обучения (ML), которое предполагает обучение модели через ее взаимодействие с окружающей средой - она пробует различные действия, наблюдает за тем, что происходит, и совершенствуется.
«Интересная особенность обучения с подкреплением заключается в том, что это нечто, что может предпринимать действия», - сказал Харденберг в интервью TechCrunch. «Типичные модели только предсказывают или, возможно, генерируют что-то. Но они не могут управлять».
Многое из того, что Juna.ai делает в настоящее время, больше похоже на «второго пилота» - он выводит на экран информацию о том, какие изменения следует внести оператору в управление. Однако многие промышленные процессы невероятно повторяются, поэтому полезно дать системе возможность выполнять реальные действия. Например, система охлаждения может требовать постоянной тонкой настройки, чтобы обеспечить поддержание нужной температуры.
Фабрики уже привыкли автоматизировать управление системами с помощью ПИД- и MPC-контроллеров, так что Juna.ai тоже может это сделать. Тем не менее, для начинающего ИИ-стартапа проще продать второго пилота - пока это детские шаги.
«Технически мы можем позволить ему работать автономно уже сейчас; нам просто нужно будет реализовать связь. Но в конечном итоге все дело в том, чтобы построить доверительные отношения с клиентом», - говорит дер Мауэр.
Оригинал
Уникальность
