Cum va arăta AI peste 10 ani? Inteligența artificială și știința materialelor: un nou interviu tematic cu unul din cei mai buni specialiști în domeniu, profesor al Politehnicii ieșene (VII)

Care sunt provocările majore în integrarea AI în acest domeniu, din punct de vedere tehnic și etic, cu precădere în raport cu menținerea locurilor de muncă? 

Integrarea inteligenței artificiale (AI) în domeniul științei, ingineriei și industriei vine la pachet cu provocări tehnice, dar și etice majore – mai ales când vorbim despre impactul asupra locurilor de muncă și rolul oamenilor în sistemele automatizate. În continuare structurăm cele mai importante provocări pe două dimensiuni:

Provocări tehnice majore:

1. Integrarea în sisteme deja existente. Majoritatea companiilor folosesc echipamente și software tradițional, incompatibile cu AI. Adaptarea infrastructurii pentru AI (senzori, conectivitate, platforme de analiză) poate fi costisitoare și complexă. Exemplu: Într-o fabrică veche, introducerea AI pentru mentenanță predictivă presupune instalarea de senzori, conectarea la cloud, integrarea cu ERP etc.
2. Lipsa de date sau date de calitate slabă, AI are nevoie de seturi mari de date corecte, constante și curate. În multe procese inginerești sau industriale, datele: nu au fost colectate istoric, nu sunt standardizate, pot conține erori sau lipsuri. AI învățată pe date greșite = predicții inutile sau periculoase.
3. Complexitatea sistemelor fizice: AI funcționează bine în domenii digitale (recunoaștere imagini, text, limbaj), dar în industrie trebuie să se coreleze cu legi fizice, procese chimice, variabile multiple.

Modelele trebuie validate fizic, ceea ce cere colaborare strânsă între ingineri și specialiști AI.

Provocări etice și sociale (cu accent pe locurile de muncă):

1. Teama de pierdere a locurilor de muncă: Automatizarea asistată de AI poate înlocui munca umană, mai ales în: controlul calității, mentenanță de bază, procesare de date, inspecții vizuale. Provocarea este cum să repoziționăm rolul oamenilor, nu să-i eliminăm.
2. Nevoia de recalificare și formare: Muncitorii, tehnicienii și chiar inginerii trebuie să învețe: cum să lucreze alături de AI, cum să interpreteze rezultatele generate de algoritmi, cum să dezvolte sau întrețină sisteme AI. Lipsa programelor de recalificare este o barieră uriașă.
3. Lipsa de transparență a deciziilor AI (problema „cutiei negre”): Dacă un sistem AI decide să oprească o linie de producție sau să respingă un lot de produse, cine își asumă responsabilitatea? E nevoie de modele explicabile, mai ales când deciziile afectează angajați, costuri sau siguranța.
4. Conflicte între eficiență și responsabilitate socială: un sistem AI poate decide că e mai „eficient” să elimine o echipă de muncitori și să automatizeze complet. Însă acest lucru poate crea probleme sociale, morale și chiar economice, mai ales în comunități dependente de industria locală. Soluția: găsirea unui echilibru între performanță și echitate socială.

Se poate menționa că Integrarea AI aduce beneficii clare, dar și riscuri reale dacă nu este făcută responsabil: Tehnic, provocarea este cum integrezi AI în sisteme complexe și imperfecte. Etic, este cum protejezi oamenii, nu doar optimizezi procesele. Rezolvarea poate fi dată de o tranziție controlată, în care: angajații sunt formați și implicați, AI este explicabilă și transparentă, deciziile sunt luate cu responsabilitate socială.

Cum credeți că va evolua utilizarea AI în știința și ingineria materialelor în următorii 5-10 ani?

În următorii 5–10 ani, utilizarea inteligenței artificiale (AI) în știința și ingineria materialelor va cunoaște o expansiune accelerată și profund transformatoare. Tendințele actuale și inovațiile tehnologice indică o schimbare clară de paradigmă: de la experimente lente și costisitoare, la descoperire ghidată de date și modele inteligente. Iată cum cred că va evolua acest domeniu:

• Accelerarea descoperirii de materiale noi (Materials Discovery)
• AI va deveni un instrument standard pentru prezicerea compoziției și a proprietăților materialelor încă inexistente în laborator.
• Modelele de tip „inverse design” vor permite proiectarea unui material pornind de la proprietățile dorite (ex: flexibil dar conductiv, biodegradabil dar rezistent).
• Timpul de descoperire al unui material nou va scădea de la ani la luni sau chiar săptămâni.

De exemplu în viitor: AI identifică un nou material pentru baterii care se încarcă de 10 ori mai repede, fără cicluri costisitoare de testare.

Integrarea AI în procesele industriale de fabricație: Fabricile vor deveni tot mai autonome și optimizate în timp real, folosind AI pentru: controlul calității automat, ajustarea parametrilor de procesare (temperatură, presiune, compoziție), detectarea defectelor la scară microscopică. Se va trece de la „procesare reactivă” la „procesare predictivă”. Un exemplu pentru viitor: un sistem AI va opri o linie de producție înainte ca un defect să apară, evitând pierderi și riscuri.

Fuziunea dintre AI, robotică și simulare: Se vor crea laboratoare complet autonome, în care roboții de laborator, ghidați de AI, vor realiza experimente, analiza datele și adapta strategiile de testare fără intervenție umană. Acest model – numit adesea “self-driving laboratory” – va deveni din ce în ce mai comun în centrele de cercetare avansată.

Creșterea importanței Material Informatics ca disciplină : Material Informatics (știința materialelor ghidată de AI și data science) va deveni un domeniu de sine stătător, predat la scară largă în universități. Vor apărea mai multe programe de licență, master și doctorat interdisciplinare.

Rezultat: viitorul inginer de materiale va fi și un bun cunoscător de programare, învățare automată și analiză de date. AI va ghida dezvoltarea de materiale sustenabile.

AI va fi folosită pentru a: găsi materiale ușor reciclabile sau biodegradabile, reduce emisiile din procesele de fabricație, proiecta materiale care folosesc elemente necritice sau abundente. Astfel, AI va contribui direct la economia circulară și tranziția verde.

Colaborare globală prin platforme AI deschise. Se vor dezvolta și mai mult platforme online de tipul Materials Project, Citrine, NOMAD, care vor conecta cercetători din întreaga lume. AI va fi „creierul colaborativ” care analizează datele generate de mii de laboratoare, accelerând progresul științific colectiv.

În 5–10 ani, AI nu va mai fi o unealtă „extra” în știința și ingineria materialelor – va fi parte integrantă a metodei științifice. Cercetătorii și inginerii care vor ști să folosească AI vor avea un avantaj clar în inovație, eficiență și impact.

Efortul actual trebuie să se concentreze pe:

• formarea de competențe noi (AI + știința materialelor),
• crearea de date accesibile și standardizate,
• integrarea AI în educație și industrie într-un mod etic și responsabil.

Găsiți mai multe detalii despre termenii folosiți în DICȚIONARUL AI

Marius GHEORGHIU

CONTACT – Email: redactie@ziaruldeiasi.ro, Telefon: 0745079523

Publicitate și alte recomandări video