Τα τελευταία δέκα χρόνια, η παραδοσιακή τεχνητή νοημοσύνη έχει εξελιχθεί, επικεντρώνοντας κυρίως στην επεξεργασία αριθμών και στην αναγνώριση προτύπων για την προσφορά προβλεπτικής ανάλυσης βασισμένης σε πιθανότητες. Νέα στη σκηνή αυτή είναι η γενιά της τεχνητής νοημοσύνης, εφοδιασμένη με πολλαπλές λειτουργίες που λειτουργούν ως μέσο μεταξύ των προβλεπτικών ικανοτήτων της αριθμητικής τεχνητής νοημοσύνης και της επιπλέον δυνατότητας για υψηλού επιπέδου, διγελαστικές ερωτήσεις βασισμένες στη γλώσσα.
Στην καρδιά αυτής της εξέλιξης, όπως τονίζει ο Peter Zornio, Ανώτερος Τεχνολογίας (CTO) στην Emerson, βρίσκεται η αντιληπτή μετάβαση από τη συχνά αδιαφανή “μαύρη κουτί” τεχνητή νοημοσύνη σε μια πιο διαφανή και ολοκληρωμένη προσέγγιση, γεφύρωση του χάσματος μεταξύ της τεχνολογίας λειτουργικής τεχνολογίας (OT) και της πληροφορικής (IT). Ο Zornio εικονίζει πώς η γενιά της τεχνητής νοημοσύνης και η αριθμητική νοημοσύνη κατέχουν θέσεις στις αντίστροφες άκρες ενός φάσματος, καθένα βασισμένο σε διακριτές αρχές – αριθμητικά μοντέλα και μοντέλα βασισμένα στη γλώσσα.
Παρά τις κοινές τεχνολογικές βάσεις, οι εφαρμογές αυτών των δύο τύπων τεχνητής νοημοσύνης, όπως περιγράφει ο Zornio, διαφέρουν σημαντικά. Τα αριθμητικο-οριεντιρισμένα παραγωγικά μοντέλα επωφελούνται από σύνολα δεδομένων αριθμών, ενώ τα μοντέλα γλωσσών χρησιμοποιούν σύνολα δεδομένων που προέρχονται από μια σειρά κειμενικών και οπτικών υλικών. Καθώς πλησιάζει η σύγκλιση αυτών των τεχνολογιών τεχνητής νοημοσύνης, μια φρέσκια διάσταση αποκαλύπτεται μέσα στο συμβατικό υπόβαθρο των παραδοσιακών λειτουργιών τεχνητής νοημοσύνης.
Φανταστείτε ένα σενάριο, όπως προτείνει ο Zornio, όπου οι βιομηχανικοί κλάδοι χρησιμοποιούν μοντέλα που βασίζονται στη γλώσσα ως διεπαφή με υπάρχοντα αριθμητικά μοντέλα. Για παράδειγμα, οι χειριστές θα μπορούσαν να ρωτήσουν, “Ηλεκτρονικός υπολογιστής, γιατί η παραγωγή σε αυτή τη μονάδα καθυστερεί και πώς μπορούν να γίνουν προσαρμογές;” Τα οφέλη για την παραγωγικότητα και την εξοικονόμηση χρόνου είναι ενδεχομένως τεράστια, υποστηρίζοντας μια μεθοδολογία φυσικής διεπαφής.
Η σημασία της ανθρώπινης εμπειρίας παραμένει κρίσιμη, και ο Zornio αναφέρεται στον ‘Fred’ από το τμήμα μηχανικής – ένας αντιπρόσωπος για τους υπαλλήλους με δεκαετίες εμπειρίας – ο οποίος πλέον ενισχύεται με τη γενετική τεχνητή νοημοσύνη. Μέσω αυτής της διαδραστικής διεπαφής, οι υπολογιστές χρησιμοποιούν επιστημονική σκέψη παρόμοια με τη συμβουλευτική ενός μηχανικού – αναλύοντας το ιστορικό λειτουργίας, αναγνωρίζοντας πρότυπα και προτείνοντας προληπτικά μέτρα.
Συνολικά, τα συστήματα τεχνητής νοημοσύνης διαθέτουν πλέον τη δυνατότητα να εξετάζουν διάφορα σενάρια, να αξιολογούν τις παλαιότερες αντιδράσεις και να διακρίνουν τα πλέον αποτελεσματικά μέτρα από ιστορικά δεδομένα. Ο Zornio φαντάζεται αυτήν την ολοκληρωμένη προσέγγιση τεχνητής νοημοσύνης ως τη γωνιά-λίθο για την κατασκευή ανθεκτικών συστημάτων υποστήριξης προϊόντων, ενσωματώνοντας εγχειρίδια και διαδραστικές υποστηρικτικές λειτουργίες, καθώς και προσκαλώντας ερωτήσεις σχετικά με το προϊόν.
The source of the article is from the blog guambia.com.uy