Jadual Kandungan
Kecerdasan buatan akan menjadi lebih mendalam dan luas
Kecerdasan buatan akan berkembang dan mengubah keupayaan manusia
Bias akan dikenal pasti dan dihapuskan
Kecerdasan buatan akan mengubah cara kita hidup dan bekerja
Rumah Peranti teknologi AI Bagaimanakah kecerdasan buatan membantu mencapai pembangunan mampan?

Bagaimanakah kecerdasan buatan membantu mencapai pembangunan mampan?

Apr 08, 2023 pm 01:21 PM
AI pembelajaran mesin industri

Daripada bahan kimia kepada tenaga, kecerdasan buatan (AI) telah menunjukkan sejauh mana ia boleh membantu mencapai matlamat pembangunan mampan global dalam sektor perindustrian yang berbeza. Satu contoh ialah Petroliam Nasional Berhad (PETRONAS), yang telah komited untuk mencapai pelepasan karbon bersih-sifar menjelang 2050. Bagi syarikat multinasional minyak dan gas Malaysia, kebolehpercayaan loji adalah kunci untuk mencapai matlamat kemampanannya.

Bagaimanakah kecerdasan buatan membantu mencapai pembangunan mampan?

Petronas percaya pandangan awal tentang kegagalan peralatan yang akan berlaku akan membolehkan pengendali loji menghalang isu kecil daripada menjadi besar Membaiki peralatan secara proaktif. Mereka menunjukkan konsep ini dengan projek perintis awan perusahaan pada Microsoft Azure yang merangkumi empat unit huluan dan dua unit hiliran.

Menggunakan AVEVA Predictive Analytics, penyelesaian kuasa AI untuk penyelenggaraan ramalan yang tidak memerlukan pengaturcaraan, pelaksanaan perintis meramalkan kegagalan dengan tepat supaya Petronas dapat menangani isu lebih awal.

Dengan lebih 200 model digunakan pada tahun pertama – skala yang melebihi apa yang boleh dicapai oleh penganalisis manusia – penyelesaian mengenal pasti 51 amaran utama dengan betul. Sepanjang perjalanan, ia merealisasikan nilai $17.4 juta, pulangan pelaburan 14x ganda. Daripada 51 amaran itu, 12 adalah peristiwa berimpak tinggi. Menangani isu-isu ini sebelum kegagalan sebenar boleh mengurangkan masa henti yang tidak dirancang, mengurangkan pembaziran dan ketidakcekapan, dan menjimatkan berjuta-juta dolar Petronas.

Selain memperkemas operasi harian dan kitaran penyelenggaraan berjadual, beberapa langkah membantu mengurangkan kegagalan peralatan berputar kritikal dan masa henti, dengan itu meningkatkan kebolehpercayaan melalui pemantauan dan penyelenggaraan aset yang proaktif.

Sebagai contoh, makluman tentang kegagalan alat pemisah cecair membantu pasukan PETRONAS menjimatkan $222,000 dalam kegagalan aset yang akan berlaku dan bahan terbuang. Bukan sahaja kos penyelenggaraan dikurangkan, tetapi mengelakkan kegagalan peralatan dan masa henti yang tidak dirancang membantu meningkatkan rekod keselamatan dan mewujudkan tempat kerja yang lebih selamat.

Penyelesaian kini sedang dilancarkan kepada 10 lagi kilang, dengan sejumlah 150 set peralatan. Mohd Nazrin Zaini, penjaga peralatan berputar PETRONAS, berkata penambahan nilai yang pantas memberi impak yang lebih pantas kepada matlamat kemampanan syarikat.

Pengalaman ini menunjukkan bahawa momentum sekitar penyelesaian industri hijau telah berkembang sejak beberapa tahun kebelakangan ini apabila lebih banyak organisasi menyedari bahawa kemampanan adalah baik untuk perniagaan. Kesan wabak itu, ditambah dengan tekanan yang semakin meningkat daripada pengguna dan pengawal selia, juga memaksa syarikat untuk menyepadukan kemampanan ke dalam ekosistem perniagaan dan mengguna pakai strategi yang memberi manfaat kepada manusia dan planet ini.

Walaupun kecerdasan buatan paling banyak diperkatakan tentang trend teknologi perniagaan baharu, manusia hanya menconteng permukaan potensi besarnya. Apabila sains semakin matang, perusahaan akan terus membenamkan penyelesaian berasaskan AI merentasi rantaian nilai operasi mereka untuk menyelaraskan operasi, mengurangkan kos, meningkatkan kecekapan dan meningkatkan daya tahan. Gartner meramalkan bahawa hasil perisian kecerdasan buatan global akan berjumlah $62.5 bilion pada 2022, meningkat 21.3% daripada 2021.

Seiring kemajuan sains, kecerdasan buatan kini akan menyediakan syarikat industri peluang yang lebih besar untuk kecekapan, inovasi dan pertumbuhan. Mari kita lihat.

Kecerdasan buatan akan menjadi lebih mendalam dan luas

Daripada pembelajaran mesin kepada pemprosesan bahasa semula jadi, kecerdasan buatan ialah istilah umum yang merangkumi banyak kebolehan kognitif yang digunakan dalam pelbagai cara. Kini, pelbagai jenis kecerdasan buatan digabungkan dalam persekitaran perisian untuk menyediakan penyelesaian yang lebih berkuasa. Sub-kawasan ini - setiap satu teknologi unik - akan digunakan bersama untuk meningkatkan keupayaan organisasi dan meningkatkan nilai perniagaan.

Sebagai contoh, dalam pengoptimuman aset ramalan, kami melihat analitik canggih yang menggabungkan kecerdasan buatan dan simulasi berasaskan fizik untuk meramalkan potensi kegagalan aset sambil menyediakan satu set tindakan Optimize untuk mengurangkan kerugian. Oleh itu, masa henti mesin dan kerugian pengeluaran boleh dihapuskan. Dari masa ke masa, aplikasi ini akan memacu pembangunan mesin autonomi penyembuhan sendiri dan berpotensi menjimatkan syarikat perindustrian besar ratusan juta dolar.

Kecerdasan buatan akan berkembang dan mengubah keupayaan manusia

Sistem kecerdasan buatan telah diiktiraf sebagai rakan kongsi semula jadi kecerdasan manusia. Kita akan melihat sinergi ini dilaksanakan pada tahun-tahun akan datang apabila dunia menerima konsep di sebalik Industri 5.0. Model AI sudah pun menyokong pembuatan keputusan manusia dengan cerapan yang diterajui data yang boleh meningkatkan nilai dan kemampanan—apa yang AVEVA panggil Performance Intelligence.

Kini, komputer mengambil lebih banyak beban berat, malah melakukan analisis terperinci untuk rakan sekerja manusia mereka. Kita boleh mengharapkan sistem AI kini menjadikan manusia lebih baik dalam apa yang mereka lakukan. Tugasan berulang telah diautomatikkan. Langkah seterusnya ialah mengurangkan ralat dengan menambah baik parameter keputusan dan meningkatkan kecekapan.

Kecerdasan buatan akan meluaskan skop kerja kami, mempertingkatkan cerapan dan kebolehan kami dalam proses dengan memberikan kami panduan yang kompleks dan boleh diambil tindakan, membolehkan kami mencapai matlamat yang lebih besar dengan lebih cepat.

Bias akan dikenal pasti dan dihapuskan

Dalam dunia di mana kecerdasan buatan berkembang, apabila manusia mewakilkan lebih banyak kerja kepada mesin, perniagaan perlu memikirkan data yang mereka kumpulkan dan bagaimana model pintar mencerminkan bias dunia sebenar. Menggunakan kecerdasan buatan pada data berat sebelah boleh membawa kepada atau bahkan meningkatkan kesan keputusan yang tidak sesuai dan tidak adil. Apabila pengawal selia mula mengambil perhatian terhadap kecenderungan teknologi ini, perniagaan akan mula menerima pakai penyelesaian AI yang bertanggungjawab yang dibina berdasarkan prinsip seperti keadilan dan ketelusan, dengan itu menggunakan set data yang komprehensif dan inklusif serta menambah baik tadbir urus korporat.

AVEVA sedang mengusahakan projek di mana simulasi berasaskan fizik yang digabungkan dengan model data AI boleh digunakan untuk mengurangkan kecenderungan AI dalam industri. Dengan memperkenalkan proses dunia nyata simulasi dan sensor pseudo ke dalam model AI, kami boleh meningkatkan hasil dengan ketara dari segi ketepatan ramalan dan pengurangan bias.

Kecerdasan buatan akan mengubah cara kita hidup dan bekerja

Ilmu kecerdasan buatan masih di peringkat awal, tetapi ia berpotensi mengubah dunia seperti yang kita ketahui. Memandangkan ia membentuk setiap aspek rantaian nilai, daripada amalan perindustrian kepada hasil alam sekitar, AI berkemungkinan mempunyai impak yang lebih besar kepada dunia perniagaan berbanding yang telah kita lihat dengan teknologi sebelumnya. Kita hanya pada permulaan revolusi industri kecerdasan buatan.

Atas ialah kandungan terperinci Bagaimanakah kecerdasan buatan membantu mencapai pembangunan mampan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles