AI fisik, yang melibatkan penggunaan kecerdasan buatan untuk mengendalikan robot dan mesin industri, menghadapi tantangan dalam hierarkinya. Di garis depan terdapat perusahaan-perusahaan seperti OpenAI dan Google, yang sedang mengembangkan model dasar multimodal. Di tengah, Nvidia menciptakan platform dan alat untuk pengembangan AI fisik. Namun, Hitachi dan Siemens, dua produsen industri, berpendapat bahwa pemahaman tentang dunia fisik sangat penting untuk melatih mesin agar dapat menavigasi dengan efektif.
Dalam wawancara terbaru, Kosuke Yanai, wakil direktur Pusat Inovasi Teknologi-Kecerdasan Buatan Hitachi, menekankan bahwa AI fisik yang praktis memerlukan pemahaman sistematis yang berakar pada fisika dasar dan pengetahuan peralatan industri. Hitachi percaya bahwa mereka memiliki banyak pengetahuan ini, yang dibangun selama beberapa dekade pengalaman dalam membangun jalur kereta api, infrastruktur tenaga, dan sistem kontrol industri.
Arsitektur AI fisik Hitachi, yang dikenal sebagai Model Infrastruktur Dunia Terintegrasi (IWIM), saat ini berada dalam tahap verifikasi konsep. Namun, perusahaan ini telah membuat kemajuan dalam aplikasi dunia nyata. Dalam kemitraan dengan Daikin Industries, Hitachi telah mengembangkan sistem AI yang mampu mendiagnosis masalah dalam peralatan manufaktur pendingin udara komersial, menggunakan catatan pemeliharaan historis dan dokumen desain untuk mengidentifikasi komponen yang gagal.
Selain itu, Hitachi telah bekerja sama dengan East Japan Railway (JR East) untuk menciptakan AI yang menentukan penyebab utama malfungsi dalam sistem manajemen lalu lintas kereta api. Teknologi ini membantu operator dalam merancang rencana respons, yang sangat penting untuk menjaga efisiensi dalam jaringan yang melayani jutaan penumpang setiap harinya.
Komitmen Hitachi terhadap keselamatan terlihat dalam pendekatannya terhadap AI fisik. Perusahaan ini mengintegrasikan teknologi kontrol dan keandalan dari proyek infrastruktur sosialnya untuk memastikan keluaran AI tetap dalam parameter yang disetujui manusia. Ini termasuk validasi input yang ketat, verifikasi output, dan pemantauan waktu nyata untuk mencegah anomali operasional. Saat Hitachi terus memajukan inisiatif AI fisiknya, penekanan pada keahlian domain dan data operasional menjadi semakin signifikan, terutama saat kemitraannya menghasilkan hasil yang nyata.