Nawet w dziedzinie generatywnej sztucznej inteligencji istnieją ogromne różnice: jedna jest generatywna AI przeszkolona w zakresie określonych zestawów danych, które są specyficzne dla określonych obiektów produkcyjnych oraz ich systemów sprzętu i oprogramowania; Drugą jest generatywna sztuczna inteligencja, która jest karmiona danymi na szeroką gamę tematów z różnych źródeł - z których wiele może nie być wystarczająco niezawodnych na początek.
Aby wyjaśnić ten problem, spójrzmy na zastosowania AI w analizie danych i generatywnej sztucznej inteligencji w produkcji produkcji oraz ich interakcji z technologiami automatyzacji przemysłowej.
Różnica między AI dla analizy danych a generatywną AI
Zacznijmy od AI do analizy danych. Chociaż jest to stosunkowo nowy dodatek do dziedziny technologii automatyzacji, jest on używany od kilku lat, z aplikacjami od analizy produkcyjnej po konserwację predykcyjną. W najbardziej podstawowym, w środowisku produkcyjnym, analityka danych zasadniczo przetwarza dane wejściowe danych z systemów sprzętu i oprogramowania dla firmy i stosuje algorytmy przesiewania przez niego w celu podkreślenia trendów i anomalii oraz dostarczania informacji na temat możliwości biznesowych w oparciu o korelację danych zebranych przez te różne systemy.
Generatywna sztuczna inteligencja może generować oryginalną zawartość - w tym tekst, obrazy, wideo, audio lub kod oprogramowania - na podstawie monitów użytkownika lub żądań. Ponieważ generatywna sztuczna inteligencja może otrzymać duże ilości danych z tak wielu różnych źródeł, widzimy takie problemy, jak „halucynacje”, które muszą być w pełni sprawdzone przez ludzi, zanim wyniki zostaną wprowadzone w życie. Należy jednak zauważyć, że jest to ogólna generatywna sztuczna inteligencja.
W bardziej kontrolowanym środowisku wyniki będą bardziej wiarygodne, jeśli dane przekazywane do generatywnego systemu AI są dostarczane przez zaufane źródło i koncentrują się na sprzęcie i systemach konkretnej spółki lub grupie spółek partnerskich.
Właśnie dlatego wiele firm technologii automatyzacji wdrażających generatywne technologie AI w celu opracowania systemów powszechnie określanych jako „Copilot”. Systemy te są szkolone w zakresie stosunkowo zamkniętych zestawów danych, które są specyficzne dla scenariusza aplikacji użytkownika i powiązanych z nim technologii, zamiast zeskrobać różne zasoby z Internetu.
W jaki sposób dostawcy technologii automatyzacji mogą wdrożyć generatywną sztuczną inteligencję
Podobnie jak AI dla analizy danych stało się wszechobecne we wszystkich rodzajach systemów produkcyjnych w ciągu ostatnich kilku lat, zastosowanie generatywnych sztucznej inteligencji w operacjach produkcyjnych i aplikacjach projektowych szybko rośnie. Promować cyberbezpieczeństwo przemysłowe i napędzać integrację generatywnej sztucznej inteligencji do operacji podłogowych sklepów.
Interakcja między danymi maszyn statycznych i dynamicznych zapewni użytkownikom platformy nowy poziom kontroli nad procesami operacyjnymi. „Nowy poziom kontroli” oznacza, że użytkownicy będą mogli wchodzić w interakcje z technologią Copilot we własnym języku i otrzymywać szczegółowe instrukcje i rekomendacje na podstawie ich wymagań. ServiceNow twierdzi, że jego zdolność do automatyzacji przepływów pracy - od harmonogramu konserwacji po rozwiązywanie problemów w czasie rzeczywistym - pomaga zapewnić, że spostrzeżenia zasilane przez AI dostarczone przez Copilota przekładają się na namacalne, skuteczne działania, które zwiększają wydajność i minimalizują przestoje.
Projektowanie generatywne od dawna stosuje się producenci automatyzacji do projektowania swoich produktów, a wraz z integracją generatywnej sztucznej inteligencji projekt generatywny przechodzi poważną ewolucję. Generative AI wnosi nowy wymiar do projektowania generatywnego, zmieniając sposób, w jaki inżynierowie i producenci wymyślają, tworzą i optymalizują technologie automatyzacji, wprowadzając możliwości „ludzkiego w pętli”.
Ważne jest, aby rozróżnić istniejące generatywne możliwości projektowe przy użyciu tradycyjnej AI, a pojawiającym się trendem zintegrowanej AI generatywnej. W przeciwieństwie do tradycyjnych metod projektowania generatywnego, które opierają się wyłącznie na algorytmach AI, dodanie generatywnej sztucznej inteligencji wprowadza bardziej interaktywne i iteracyjne podejście, w którym inżynierowie mogą przekazać informacje zwrotne w celu prowadzenia systemów AI do bardziej zoptymalizowanych rozwiązań. To pozwala im zbadać szeroką przestrzeń projektową i wygenerować dużą liczbę potencjalnych projektów na podstawie określonych parametrów, ograniczeń i celów wydajności. Takie podejście jest szczególnie odpowiednie dla systemów zautomatyzowanych, w których często istnieje potrzeba zrównoważenia wielu zmiennych i konkurencyjnych celów.
Zastosowanie generatywnego projektowania generatywnego opartego na AI do systemów zautomatyzowanych może zwiększyć prędkość, z jaką generowane i oceniane są wiele alternatyw projektowych. Tony mówi, że w ciągu kilku godzin lub dni system może generować setki, a nawet tysiące opcji projektowania, z których każda zoptymalizowana jest pod kątem danego parametru.
Inna cytowana aplikacja dotyczy dostosowania technologii ze standardami branżowymi i najlepszymi praktykami. Generatywne AI można wykorzystać do sprawdzenia, czy system spełnia standardy bezpieczeństwa cybernetycznego, podkreślając obszary, w których system odbiega od ustalonych norm, pomagając inżynierom zachować spójność i jakość w różnych projektach. Technologia jest również wykorzystywana do standaryzacji praktyk zespołów inżynieryjnych, szczególnie w sytuacjach, w których inżynierowie o różnych poziomach doświadczenia muszą przestrzegać tych samych standardów projektowych i korzystać z spójnych bibliotek. Ta spójność jest bardzo cenna przy kopiowaniu systemów w różnych stronach lub środowiskach, ponieważ generatywne sztuczna inteligencja może sugerować odpowiednie korekty przy jednoczesnym zachowaniu ogólnej integralności projektowej.
Zachowaj otwarty umysł na temat przemysłowych aplikacji AI
Problem z generatywnymi narzędziami AI ogólnej, które zwracają najbardziej uwagę mediów, polega na tym, że lekceważą nowe aplikacje AI pojawiające się w technologiach automatyzacji. Przemysłowe generatywne narzędzia AI od dostawców automatyzacji koncentrują się na określonych zestawach danych i źródłach danych, aby zapewnić dokładność wyników.
Aby utrzymać umysł na przemysłową sztuczną inteligencję generatywną, rozważ ten przypadek: około 20 lat temu wielu inżynierów produkcyjnych nie uważało Ethernet za skuteczny wybór do fabrycznej sieci podłogowych.
Dalszy rozwój technologii generatywnej AI jest ważny dla branży produkcyjnej, aby skoncentrować się na zdobywaniu wiedzy na temat profesjonalnej inżynierii, operacji i konserwacji, aby poprowadzić nową generację pracowników branży. Oczekuje się, że te narzędzia generatywne AI zorientowane na produkcję będą technologiami, które ułatwi ten cel.