AI di mana-mana: merentasi dan mampan

Integrasi kecerdasan buatan (AI) ada di mana-mana, menyediakan peluang transformatif untuk pelbagai industri.

Salah satu anjakan paradigma ialah penumpuan kecerdasan buatan dan pengkomputeran tepi, mempromosikan penyelesaian mampan dan aplikasi inovatif.

Perusahaan boleh memanfaatkan perkembangan pesat AI untuk membolehkan pemperibadian hiper pada skala dalam pengalaman pelanggan (CX) dan analitik ramalan untuk mengubah perkhidmatan dan operasi mereka untuk mengurus operasi perniagaan.

Penumpuan Kepintaran Buatan, 5G dan IoT

Faedah yang disediakan oleh rangkaian 5G ialah:

• Kependaman rendah
• Peningkatan ketara dalam ketersambungan peranti yang seterusnya membolehkan pengembangan mesin untuk membolehkan komunikasi mesin
Kemunculan telah membawa kepada hiperpemperibadian besar-besaran

Persekitaran & Ekonomi

PwC telah mengeluarkan laporan yang membentangkan potensi kecerdasan buatan untuk membantu mengurangkan pelepasan karbon. Menurut analisisnya, menjelang 2030, ekonomi kecerdasan buatan yang digunakan dalam empat bidang utama pertanian, tenaga, pengangkutan dan air boleh membawa kepada:

Sumbangan kepada pertumbuhan ekonomi global sebanyak AS$5.2 trilion atau 4.4% daripada KDNK.
• Emisi gas rumah hijau (ghg) dikurangkan sebanyak 240 juta tan, atau 4%.
• Penggajian bersih global meningkat sebanyak 38.2 juta, atau 1%.

Dengan cara ini, matlamat alam sekitar dan matlamat ekonomi dapat diselaraskan antara satu sama lain, terutamanya melalui kemajuan teknologi. Apabila perniagaan dan ekonomi keseluruhan berkembang, AI yang lebih cekap adalah lebih berkesan pada peringkat makroekonomi dan sosial, mampu menskala dan mencipta pertumbuhan ekonomi dan pekerjaan. Pada peringkat mikroekonomi, dengan mengurangkan kos penggunaan dan penskalaan AI, perniagaan mungkin berkembang menjadi perkhidmatan, produk dan model perniagaan baharu, serta membolehkan syarikat pemula berkembang maju dan berkembang. Pada masa yang sama, mencapai ini dengan penggunaan tenaga yang lebih rendah mengurangkan jejak karbon.

Selain itu, sekumpulan saintis terkemuka dalam bidang kecerdasan buatan menyebut bahawa pembelajaran mesin boleh digunakan untuk membantu dalam memerangi perubahan iklim, merentasi sistem elektrik, industri, pengangkutan, pembinaan, grid pintar, pengurusan bencana dan industri lain. Cabaran ini memastikan kepentingan meningkatkan AI secara cekap yang menggabungkan kos dan faedah alam sekitar. Kecekapan tenaga adalah kunci dalam kedua-dua bidang.

Kemunculan kecerdasan buatan pengeluaran telah menyebabkan kegilaan, yang biasanya dikuasakan oleh model bahasa besar (LLM). Model ini menggunakan pengubah dan mekanisme perhatian kendiri, selalunya digabungkan dengan pembelajaran peneguhan mendalam, untuk mengoptimumkan respons mereka. Walaupun model ini mahal dari segi pengiraan, termasuk keperluan perkakasan, kos tenaga dan jejak karbon, keperluan perkhidmatan inklusifnya, kos tenaga dan jejak karbon juga dikurangkan.

AI ada di mana-mana: daripada kecerdasan kepada kelebihan "pintar + kecerdasan"

Pintar merujuk kepada peranti yang disambungkan ke Internet. Walau bagaimanapun, peranti yang disambungkan menjadi semakin "lebih pintar" kerana AI dibenamkan secara setempat pada peranti, seperti PC dengan AI. Dalam kes ini, kecerdasan merujuk kepada keupayaan untuk bertindak balas secara bermakna kepada pengguna dan memperibadikan pengalaman, bukannya kecerdasan peringkat manusia.

Sebagai skala IoT, pertumbuhan pengkomputeran tepi akan memerlukan kependaman ultra-rendah, yang seterusnya membolehkan respons masa nyata.

Seperti yang dinyatakan di atas, AI akan semakin berada di pinggir rangkaian – dipanggil pengkomputeran tepi atau ringkasnya tepi, di mana data diproses lebih dekat dengan tempat ia dijana dan sebenarnya mungkin terdapat pada peranti itu sendiri. Ini mengekalkan kependaman yang sangat rendah, menghasilkan respons masa nyata kepada pengguna.

Hibrid awan/tepi dengan keselamatan dan kebolehpercayaan sebagai faktor utama

Model awan akan terus digunakan di pusat data, menyediakan sumber dan keupayaan penting untuk menyimpan data sejarah untuk analisis. Ini juga akan membolehkan pembangunan algoritma berterusan menggunakan model hibrid, menyokong latihan model AI pada pelayan awan dan membuat kesimpulan AI di pinggir, memberikan potensi lanjut untuk pemperibadian pada skala.

Contoh AI kelebihan

• Grid pintar membolehkan aliran maklumat dua hala masa nyata dan menggabungkannya dengan model AI seperti NowCast dan GraphCast Google DeepMind untuk meramal cuaca dan mengoptimumkan pengurusan bekalan dan permintaan tenaga boleh diperbaharui.
• Microgrid yang dikuasakan oleh IoT boleh beroperasi dalam tetapan pulau terikat grid atau kendiri dan membolehkan tenaga yang dihasilkan tempatan, mengurus gangguan dan meningkatkan kecekapan.
• Meter pintar dengan penderia terbina dalam boleh menghantar maklumat masa nyata, mengesan gangguan kuasa dan memantau kualiti bekalan kuasa.
• Pengoptimuman bateri untuk storan tenaga boleh diperbaharui.
• Dron dengan penglihatan komputer boleh memeriksa panel solar dan turbin angin dan mengesan kerosakan, sekali gus mengurangkan penjanaan kuasa.
• Ramalan gangguan yang tidak dijangka dan campur tangan automatik.
• Pembangunan hidrogen hijau dan sel bahan api.
• Kepintaran buatan hijau dengan pembelajaran mesin automatik.
• Perancangan pengurusan trafik bandar, meramalkan kesesakan lalu lintas dan mengubah laluan lalu lintas.
• Reka bentuk algoritma untuk proses pengendalian kenderaan elektrik untuk mengoptimumkan hubungan antara pengecasan bateri, jarak dan titik pengecasan yang tersedia.
• Kecerdasan buatan telah digunakan dalam pembinaan bangunan pintar, dan penderia IoT boleh mengesan sama ada terdapat orang di dalam bilik dan melaraskan pemanasan/penyaman udara atau pencahayaan dengan sewajarnya untuk mengoptimumkan penggunaan tenaga.
• Gunakan kecerdasan buatan generatif pada fasa pembinaan dan perancangan bangunan untuk meramalkan potensi isu dengan kembar digital dan mengoptimumkan reka bentuk yang mampan.
• Dalam sektor pembuatan, analitik ramalan digunakan pada masa henti dan automasi yang tidak dirancang untuk mengurangkan kejadiannya, dengan itu mengoptimumkan operasi pengeluaran dan mengurangkan pembaziran yang boleh menyebabkan masa henti sedemikian.
• Mengoptimumkan penggunaan tenaga dan jejak karbon proses pembuatan dan rantaian bekalan.
• Syor industri runcit digunakan bersama analisis ramalan, membolehkan jenama meningkatkan ramalan permintaan dan mengoptimumkan inventori dan pengeluaran bekalan mereka.

Atas ialah kandungan terperinci AI di mana-mana: merentasi dan mampan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!