Pēdējo desmitgadi tradicionālā mākslīgā intelekta attīstījusies, galvenokārt fokusējoties uz skaitļu apstrādi un modeļu identificēšanu, lai piedāvātu prognozējošu analīzi, balstoties uz varbūtībām. Šajā ainā parādījies paaudzes AI, kas ir aprīkots ar daudzām funkcijām, kas darbojas kā savienotājs starp skaitliskā AI prognozēšanas spēju un pievienoto potenciālu augsta līmeņa, divvirzienu jautājumiem, balstoties uz valodu.
Šīs attīstības pamatā, kā norādījis Emerson Tehnoloģiju direktors (CTO) Pīters Zornio, ir pāreja no bieži neskaidrās AI “melno kastīšu” pieejas uz caurspīdīgāku un integratīvāku pieeju, kas savieno operatīvo tehnoloģiju (OT) un informācijas tehnoloģiju (IT) plaisu. Zornio parādīja, kā paaudzes AI un skaitliskais AI ieņem pretējas spektra beigas, katra balstoties uz atšķirīgām principiem – skaitliskiem modeļiem un valodas balstītiem modeļiem.
Neskatoties uz kopīgajiem tehnoloģiskajiem pamatiem, šo divu AI modalitāšu lietojumi, kā to attēlo Zornio, ir būtiski atšķirīgi. Skaitliski orientētie ražošanas modeļi izmantoies ar skaitļu datu kopas, bet valodas modeļi izmanto datiem no teksta un vizuālo materiālu klāsta. Kad šo AI tehnoloģiju saplūstīšana tuvojas, tradicionālā AI operāciju konvencionālajam fonsē atklājas jauns aspekts.
Iedomājieties scenāriju, kā to iesaka Zornio, kur rūpniecības sektori izmanto valodas modeļus kā saskarni ar pastāvošiem skaitliskiem modeļiem. Piemēram, operatori varētu vaicāt: “Dator, kāpēc šī vienība ražošanā atpaliek, un kā tiks veiktas korekcijas?” Produktivitātes un laika ietaupījumu priekšrocības ir ievērojamas, atbalstot dabiskās saskarnes metodoloģiju.
Svarīga paliek cilvēku ekspertīzes loma, un Zornio atsauks “Fred” no inženieru departamenta – aģents darbiniekiem ar desmitiem gadu pieredzes, kura kognitīvais modelis, kas izveidots cauruļkāršanas darbības gadiem, tagad tiek papildināts ar paaudzes AI. Caurspīdīgi šī saskarnes sistēma datori izmanto zinātnisko argumentēšanu, līdzīgi konsultējoties ar inženierekspertu, analizējot darbības vēsturi, atpazīstot modeļus un ieteiksmes proaktīvām darbībām.
Kopumā AI sistēmām tagad ir spēja izskatīt dažādas situācijas, novērtēt pagājušos atbildes un izšķirt efektīvākās darbības no vēsturiskajiem datiem. Zornio iedomājas, ka šāds pabeigts AI piegādes modelis ir stūrakmens, lai izveidotu izturīgas produkta atbalsta sistēmas, iekļaujot rokasgrāmatas un atbalsta mijiedarbības un uzaicinot uz jautājumu par produktu.
AI palīga lomas ietekme izplatās dažādās nozarēs, no petroķīmijas un automobiļu ražošanas līdz vīna ražošanai, kur jautājumi par vienas vides augstāku kvalitāti pār citu var ļoti rūpīgi analizēt ar AI, analizējot kritiskos rādītājus, piemēram, temperatūru, saldumu, skābumu un fermentācijas ilgumu.
Zornio uzsver palielināto nepieciešamību pēc sadarbības starp vēsturiski izsegtām iekšējām komandām – operatīvo un informācijas tehnoloģiju grupām – sākot ar saskaņošanu starp dažādiem datu formātiem. Lietojuma spectris starp OT un IT datiem, it īpaši AI sistēmām, ko vieso mākonis un integrē valodas modeļus, piemēram, OpenAI, ir būtisks, lai attīstītu savstarpēji saistītu datu arhitektūru.
Lai gan raksts nodrošina skaidru pārskatu par paaudzes AI kontekstu un tā sekām, ir svarīgi papildu fakts, svarīgi jautājumi, izaicinājumi, kontroverses, priekšrocības un trūkumi, kas var nodrošināt dziļāku izpratni par tēmu.
The source of the article is from the blog procarsrl.com.ar