人工智慧如何助力實現永續發展?
從化學工業到能源, 人工智慧 (AI) 已經顯示出它可以在不同工業部門幫助實現全球永續發展目標的程度。其中一個例子是Petroliam Nasional Berhad (PETRONAS),該公司承諾在 2050 年實現淨零碳排放。對於馬來西亞石油和天然氣跨國公司而言,工廠可靠性是實現其永續發展目標的關鍵。
馬來西亞國家石油公司認為,對即將發生的設備故障的早期洞察將使工廠營運商能夠在小問題變成大問題之前主動修復設備。他們在微軟Azure上的一個企業雲端試點計畫證明了這個概念,該計畫包括四個上游和兩個下游單元。
使用 AVEVA Predictive Analytics(一種無需編程的用於預測性維護的 AI 電源解決方案),試點實施準確地預測了故障,因此馬來西亞國家石油公司能夠提前解決問題。
第一年就部署了 200 多個模型——其規模超過了人類分析師所能達到的規模——該解決方案正確識別了 51 個主要預警。在此過程中,它實現了 1740 萬美元的價值,投資回報率為 14 倍。在 51 次警告中,有 12 次是高影響事件。在實際故障發生之前解決這些問題可以減少非計劃性停機時間,減少浪費和效率低下,為馬來西亞國家石油公司節省了數百萬美元。
除了簡化日常營運和定期維護週期外,多項措施還有助於減少關鍵的旋轉設備故障和停機時間,從而透過主動資產監控和維護提高可靠性。
例如,關於液體分離器儀器故障的警報,幫助PETRONAS團隊在即將發生的資產故障和浪費材料方面節省了22.2萬美元。不僅減少了維護成本,而且避免設備故障和計劃外停機有助於改善安全記錄,創造一個更安全的工作場所。
現在,解決方案正在另外 10 家工廠推廣,總共有 150 套設備。馬來西亞國家石油公司(PETRONAS)旋轉設備保管人Mohd Nazrin Zaini表示,快速增值對公司的永續發展目標有更快的影響。
這項經驗表明,隨著越來越多的組織意識到永續發展對企業有利,近年來圍繞綠色工業解決方案的勢頭有所擴大。疫情的影響,加上消費者和監管機構日益增加的壓力,也一定程度上迫使企業將永續性納入商業生態系統,並採取有利於人類和地球的策略。
儘管人工智慧一直是人們談論最多的新商業技術趨勢,但人類對其巨大潛力的了解還只是皮毛而已。隨著科學的成熟,企業將繼續在其營運價值鏈中嵌入基於人工智慧的解決方案,以簡化營運、降低成本、提高效率和增強彈性。 Gartner 預計,2022 年全球人工智慧軟體收入總額將達到 625 億美元,比 2021 年成長 21.3%。
隨著科學的發展,人工智慧現在將為工業企業提供更大的提高效率、創新和成長的機會。讓我們一起來看看。
人工智慧將變得更深入、更廣泛
從機器學習到自然語言處理,人工智慧是一個總稱,包括以各種方式應用的許多認知能力。現在,不同類型的人工智慧被結合在一個軟體環境中,以提供更強大的解決方案。這些子領域——每個都是一個獨特的技術——將部署在一起,以增強組織能力並提高業務價值。
例如,在預測資產最佳化方面,我們看到了尖端的分析技術,將人工智慧和基於物理的模擬相結合,可以預測潛在的資產故障,同時提供一套優化的行動來減少損失。因此,機器停機和生產損失可以消除。隨著時間的推移,這些應用程式將推動自我修復自主機器的發展,並可能為大型工業企業節省數億美元。
人工智慧將擴展和改變人類的能力
人工智慧系統已經被公認為人類智慧的天然夥伴。隨著世界接受工業 5.0 背後的概念,我們將在未來幾年看到這種協同效應發揮作用。人工智慧模型已經透過數據主導的洞察力支持人類決策,可以提高價值和永續性——AVEVA稱之為績效智慧(Performance Intelligence)。
現在,電腦正在承擔更多繁重的工作,甚至為它們的人類同事進行詳細的分析。我們可以期待人工智慧系統現在讓人類在他們所做的事情上做得更好。重複的工作已經自動化了。下一步是透過改進決策參數和提高效率來減少錯誤。
人工智慧將擴大我們的工作範圍,透過為我們提供複雜、可操作的指導,增強我們在過程中的洞察力和能力,使我們能夠更快地實現更大的目標。
偏見將被識別和消除
在人工智慧發展的世界裡,隨著人類將越來越多的工作委託給機器,企業將需要思考它們正在收集的數據,以及智慧模型如何反映現實世界的偏見。將人工智慧應用於有偏見的數據可能會導致甚至放大不當和不公平決策的影響。隨著監管機構開始注意到這些技術偏差,企業將開始採用建立在公平和透明等原則基礎上的負責任的AI解決方案,從而使用全面和包容的數據集,並改善公司治理。
AVEVA 正在進行一個項目,在該項目中,基於物理的模擬與人工智慧資料模型相結合,可用於緩解工業界的人工智慧偏見。透過將模擬的真實世界過程和偽感測器引入 AI 模型,我們可以顯著提高預測準確性和減少偏差方面的結果。
人工智慧將改變我們的生活和工作方式
人工智慧科學還處於起步階段,但它有可能改變我們所知道的世界。由於它塑造了價值鏈的各個方面,從工業實踐到環境成果,人工智慧對商業世界的影響可能比我們以前的技術所看到的要大得多。我們只是處於人工智慧工業革命的開端。
以上是人工智慧如何助力實現永續發展?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在
