Inhaltsverzeichnis
Künstliche Intelligenz wird tiefer und umfassender werden
Künstliche Intelligenz wird die menschlichen Fähigkeiten erweitern und verändern
Verzerrungen werden erkannt und beseitigt
Künstliche Intelligenz wird die Art und Weise verändern, wie wir leben und arbeiten.
Heim Technologie-Peripheriegeräte KI Wie trägt künstliche Intelligenz zu einer nachhaltigen Entwicklung bei?

Wie trägt künstliche Intelligenz zu einer nachhaltigen Entwicklung bei?

Apr 08, 2023 pm 01:21 PM
人工智能 机器学习 工业

Von Chemikalien bis Energie: Künstliche Intelligenz (KI) hat gezeigt, inwieweit sie in verschiedenen Industriesektoren dazu beitragen kann, globale Ziele für eine nachhaltige Entwicklung zu erreichen. Ein Beispiel ist Petroliam Nasional Berhad (PETRONAS), das sich verpflichtet hat, bis 2050 Netto-CO2-Emissionen von Null zu erreichen. Für einen multinationalen malaysischen Öl- und Gaskonzern ist die Anlagenzuverlässigkeit der Schlüssel zur Erreichung seiner Nachhaltigkeitsziele.

Wie trägt künstliche Intelligenz zu einer nachhaltigen Entwicklung bei?

Petronas glaubt, dass frühzeitige Erkenntnisse über drohende Geräteausfälle es Anlagenbetreibern ermöglichen werden, Geräte proaktiv zu reparieren, bevor kleine Probleme zu großen werden. Sie demonstrierten dieses Konzept mit einem Enterprise-Cloud-Pilotprojekt auf Microsoft Azure, das vier Upstream- und zwei Downstream-Einheiten umfasste.

Mit AVEVA Predictive Analytics, einer KI-Lösung für vorausschauende Wartung, die keine Programmierung erfordert, konnte die Pilotimplementierung Ausfälle genau vorhersagen, sodass Petronas Probleme im Voraus beheben konnte.

Mit über 200 im Einsatz befindlichen Modellen im ersten Jahr – eine Größenordnung, die über das hinausgeht, was menschliche Analysten erreichen können – hat die Lösung 51 wichtige Warnungen korrekt identifiziert. Dabei wurde ein Wert von 17,4 Millionen US-Dollar erzielt, was einer 14-fachen Kapitalrendite entspricht. Bei den 51 Warnungen handelte es sich bei 12 um schwerwiegende Ereignisse. Die Behebung dieser Probleme, bevor es zu einem tatsächlichen Ausfall kommt, reduziert ungeplante Ausfallzeiten, Verschwendung und Ineffizienz und spart Petronas Millionen von Dollar.

Neben der Optimierung des täglichen Betriebs und der regelmäßigen Wartungszyklen tragen mehrere Maßnahmen dazu bei, kritische Ausfälle und Ausfallzeiten rotierender Geräte zu reduzieren und so die Zuverlässigkeit durch proaktive Anlagenüberwachung und -wartung zu erhöhen.

Zum Beispiel half eine Warnung vor einem Ausfall eines Flüssigkeitsabscheiderinstruments dem PETRONAS-Team, 222.000 US-Dollar an drohenden Anlagenausfällen und verschwendetem Material einzusparen. Dadurch werden nicht nur die Wartungskosten gesenkt, sondern die Vermeidung von Geräteausfällen und ungeplanten Ausfallzeiten trägt auch dazu bei, die Sicherheitsbilanz zu verbessern und einen sichereren Arbeitsplatz zu schaffen.

Die Lösung wird nun in zehn weiteren Fabriken mit insgesamt 150 Ausrüstungssätzen eingeführt. Mohd Nazrin Zaini, Verwalter der rotierenden Anlagen von PETRONAS, sagte, dass sich eine schnelle Wertschöpfung schneller auf die Nachhaltigkeitsziele des Unternehmens auswirkt.

Diese Erfahrung zeigt, dass die Dynamik rund um umweltfreundliche Industrielösungen in den letzten Jahren zugenommen hat, da immer mehr Unternehmen erkennen, dass Nachhaltigkeit gut für das Geschäft ist. Die Auswirkungen der Epidemie sowie der zunehmende Druck von Verbrauchern und Regulierungsbehörden zwingen Unternehmen auch dazu, Nachhaltigkeit in das Geschäftsökosystem zu integrieren und Strategien zu verfolgen, die den Menschen und dem Planeten zugute kommen.

Obwohl künstliche Intelligenz der am meisten diskutierte neue Geschäftstechnologietrend ist, haben die Menschen ihr enormes Potenzial erst an der Oberfläche ausgeschöpft. Mit zunehmender Reife der Wissenschaft werden Unternehmen weiterhin KI-basierte Lösungen in ihre betrieblichen Wertschöpfungsketten integrieren, um Abläufe zu rationalisieren, Kosten zu senken, die Effizienz zu verbessern und die Ausfallsicherheit zu erhöhen. Gartner prognostiziert, dass sich der weltweite Umsatz mit Software für künstliche Intelligenz im Jahr 2022 auf 62,5 Milliarden US-Dollar belaufen wird, was einem Anstieg von 21,3 % gegenüber 2021 entspricht.

Mit fortschreitender Wissenschaft wird künstliche Intelligenz Industrieunternehmen nun größere Möglichkeiten für Effizienz, Innovation und Wachstum bieten. Werfen wir einen Blick darauf.

Künstliche Intelligenz wird tiefer und umfassender werden

Vom maschinellen Lernen bis zur Verarbeitung natürlicher Sprache ist künstliche Intelligenz ein Überbegriff, der viele kognitive Fähigkeiten umfasst, die auf unterschiedliche Weise angewendet werden. Jetzt werden verschiedene Arten künstlicher Intelligenz in einer Softwareumgebung kombiniert, um leistungsfähigere Lösungen bereitzustellen. Diese Teilbereiche – jeweils eine einzigartige Technologie – werden gemeinsam eingesetzt, um die organisatorischen Fähigkeiten zu verbessern und den Geschäftswert zu steigern.

Bei der prädiktiven Anlagenoptimierung sehen wir beispielsweise hochmoderne Analysen, die künstliche Intelligenz und physikbasierte Simulation kombinieren, um potenzielle Anlagenausfälle vorherzusagen und gleichzeitig eine optimierte Reihe von Maßnahmen zur Reduzierung von Verlusten bereitzustellen. Dadurch können Maschinenstillstände und Produktionsausfälle vermieden werden. Mit der Zeit werden diese Anwendungen die Entwicklung selbstheilender autonomer Maschinen vorantreiben und großen Industrieunternehmen möglicherweise Hunderte Millionen Dollar einsparen.

Künstliche Intelligenz wird die menschlichen Fähigkeiten erweitern und verändern

Künstliche Intelligenzsysteme wurden als natürliche Partner der menschlichen Intelligenz erkannt. Wir werden sehen, wie diese Synergie in den kommenden Jahren zum Tragen kommt, wenn die Welt die Konzepte hinter Industrie 5.0 annimmt. KI-Modelle unterstützen bereits die menschliche Entscheidungsfindung mit datengestützten Erkenntnissen, die den Wert und die Nachhaltigkeit verbessern können – was AVEVA Performance Intelligence nennt.

Heutzutage übernehmen Computer mehr schwere Arbeit und führen sogar detaillierte Analysen für ihre menschlichen Kollegen durch. Wir können davon ausgehen, dass KI-Systeme den Menschen nun in dem verbessern, was er tut. Wiederkehrende Aufgaben wurden automatisiert. Der nächste Schritt besteht darin, Fehler durch die Verbesserung der Entscheidungsparameter und die Steigerung der Effizienz zu reduzieren.

Künstliche Intelligenz wird den Umfang unserer Arbeit erweitern und dabei unsere Erkenntnisse und Fähigkeiten verbessern, indem sie uns komplexe, umsetzbare Anleitungen liefert, die es uns ermöglichen, größere Ziele schneller zu erreichen.

Verzerrungen werden erkannt und beseitigt

In einer Welt, in der sich künstliche Intelligenz entwickelt und Menschen immer mehr Aufgaben an Maschinen delegieren, müssen Unternehmen über die Daten nachdenken, die sie sammeln, und darüber, wie intelligente Modelle die Verzerrungen in der realen Welt widerspiegeln. Die Anwendung künstlicher Intelligenz auf verzerrte Daten kann zu unangemessenen und unfairen Entscheidungen führen oder deren Auswirkungen sogar verstärken. Wenn die Regulierungsbehörden beginnen, diese technologischen Vorurteile zur Kenntnis zu nehmen, werden Unternehmen damit beginnen, verantwortungsvolle KI-Lösungen einzuführen, die auf Grundsätzen wie Fairness und Transparenz basieren, wodurch umfassende und integrative Datensätze genutzt und die Unternehmensführung verbessert werden.

AVEVA arbeitet an einem Projekt, bei dem physikbasierte Simulation in Kombination mit KI-Datenmodellen verwendet werden kann, um KI-Voreingenommenheit in der Industrie abzumildern. Durch die Einführung simulierter realer Prozesse und Pseudosensoren in KI-Modelle können wir die Ergebnisse hinsichtlich Vorhersagegenauigkeit und Verzerrungsreduzierung erheblich verbessern.

Künstliche Intelligenz wird die Art und Weise verändern, wie wir leben und arbeiten.

Die Wissenschaft der künstlichen Intelligenz steckt noch in den Kinderschuhen, aber sie hat das Potenzial, die Welt, wie wir sie kennen, zu verändern. Da KI jeden Aspekt der Wertschöpfungskette prägt, von industriellen Praktiken bis hin zu Umweltergebnissen, wird sie wahrscheinlich einen viel größeren Einfluss auf die Geschäftswelt haben, als wir es bei früheren Technologien gesehen haben. Wir stehen erst am Anfang der industriellen Revolution der künstlichen Intelligenz.

Das obige ist der detaillierte Inhalt vonWie trägt künstliche Intelligenz zu einer nachhaltigen Entwicklung bei?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. Aug 01, 2024 pm 09:40 PM

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

See all articles