Uçtan uca yapay zeka zinciri ortaya çıkıyor; sanki şirketinizin en iyi mühendisiyle konuşuyormuşsunuz gibi

Üretken ve sayısal yapay zekanın birleşmesi, bir dizi kurumsal işlev için yapay zekanın eskiden karanlık olan kara kutusunu açıyor; muazzam üretkenlik ve zaman tasarrufu sağlayan sonuçlarla birlikte. Mesela şarap yapımını ele alalım.

Geçtiğimiz on yılda gelişen geleneksel yapay zeka, kalıpları arayarak ve olası olasılıklara dayalı tahmine dayalı analizler sağlayarak rakamları kesinleştirdi. Pek çok yeteneğinin yanı sıra, sayısal yapay zeka tahminlerine ve gözlemlerine bir geçit sağlayan ve son derece etkileşimli sözlü sorgulama olanaklarının önünü açan üretken yapay zekaya girin.

Emerson'un kıdemli başkan yardımcısı ve CTO'su Peter Zornio, üretken yapay zekanın, çeşitli kurumsal işlevler için yapay zekanın eskiden çok belirsiz olan kara kutusunun açılmasına yardımcı olduğunu ve hatta operasyonel ve bilgi teknolojisi arasındaki ayrımın kapatılmasına yardımcı olabileceğini söylüyor. Geçenlerde New York'ta Zornio'yu yakaladım; burada üretken yapay zeka ve sayısal yapay zekanın bir sürekliliğin iki ucunu nasıl temsil ettiğini anlattı. İki varyasyon sayısal modellere ve dile dayalı modellere dayanmaktadır.

İki yapay zeka varyasyonunun teknik temelinin aynı olduğunu ancak onlarla çalışma şeklimizin farklı olduğunu söylüyor. "Sayısal odaklı üretim modelleri sayılardan oluşan veri kümelerine dayanıyor" diye açıklıyor. "Dil modelleri milyonlarca belge, resim ve diğer şeylere dayalı veri kümelerini kullanıyor."

Artık yapay zekanın bu iki ucunun birleşerek geleneksel yapay zekanın geleneksel perde arkası yönü için yeni alanlar açtığını söylüyor. Zornio, "İkisinin birlikte kullanıldığını görüyoruz" diyor. "Endüstriyel ortamlarda, halihazırda sahip olduğumuz sayısal tabanlı modellerle arayüz oluşturmanın bir yolu olarak dil tabanlı modelleri kullanırdık. Peki bir operatörün 'Hey bilgisayar, bu ünitedeki üretim neden yavaşlıyor' gibi bir şey söylediğini hayal edebiliyor musunuz? Peki bunu ayarlamak için ne yapabilirim?'"

Bunun muazzam bir üretkenlik ve zaman kazandırıcı etkileri olduğunu sözlerine ekledi. "Arayüz kurmanın doğal bir yolu. Şirkette 30 yıllık bir uzmanla bu şekilde konuşabilirsiniz, değil mi? Mühendislikten Fred'e şunu sorabilirsiniz: 'Neler oluyor?' Sonra Fred gidip üretimdeki tüm trendlere bakardı ve sonunda geri gelip size şunu söylerdi: 'Genellikle, bu devam ederken, olan şey, katalizörün kirlenmesidir ve işte yapmanız gerekenler: Muhtemelen durup yenilenme yapmanız gerekir.'"

Zornio, insan yeteneğinin önemli olduğunu ve Fred'in mühendislikte yaptığı şeyin "burayı 30 yıl boyunca yönettikten sonra kafasında oluşturduğu modeli kullanmak" olduğunu söylüyor. Üretken yapay zeka bu işi ele alıyor; sayısal tabanlı yapay zeka ile arayüz oluşturmak, bir bilgisayarla uzman bir mühendisle aynı şekilde konuşmayı ve bilimsel çıkarımdan yararlanmayı içeriyor. Aynı zamanda "son beş yıllık operasyonlara bakıp, tam olarak aynı koşullar dizisinin çok benzer bir üretim türü damgayla model olarak eşleşeceği bir senaryo bulmaya çalışabilir. Ve bu damga şöyle der: 'Peki, ne oldu? Yapacak mıyız?' Fred şöyle düşünürdü: 'En son bu olduğunda, biz bunu yapmıştık.'"

Zornio, son olarak yapay zekanın "tüm bu farklı senaryoları inceleyip bulacağını, yanıtlara bakacağını ve size şunu söyleyeceğini" söylüyor: 'İşte geçmişte sorunu çözmek için en iyi sonuçları üreten üç eylem.'"

Bu uçtan uca yapay zeka yaklaşımı, "tüm kılavuzlarınızı, destek personelinizle olan tüm etkileşimlerinizi aldığınız ve bunları daha sonra ürün hakkında sorular sorabileceğiniz bir sisteme yerleştirdiğiniz bir ürün destek sistemi oluşturmanın harika bir yolunu sunuyor" " diyor Zornio.

Petrokimyadan otomobil yapımına kadar tüm ayrık ve proses üretim hatlarında uygulamalar mevcuttur. Zornio, uçtan uca yapay zekadan da faydalanabilecek şarap yapımı endüstrisini düşünün. İyi algılanan tarlalara ve depolama fıçılarına sahip şarap üreticileri, "Bu yılın şarabı neden geçen yılın şarabından çok daha iyiydi?" gibi sorular sorabilir. Yapay zeka, "sıcaklık, şeker içeriği, üzüm asitliği ve fermantasyon süresi gibi temel göstergeleri inceleyebilir. Toprağın durumu nedir? Nem durumu nedir? Orada ne kadar güneş vardı? Ne kadar yağmur?"

Zornio, birçok açıdan ve birçok sektörde yapay zekanın bir asistan olarak hareket edeceğini ve "sahip olduğunuz modellerle etkileşim kurmanın ve sorgulamanın harika bir yolu" olacağını belirtiyor. "Bunlar daha çok veriye dayalı olabilir - sayısal türden verilerden üretilmiş olabilir - ancak aynı zamanda operatör kayıt defteri gibi temizleme işlemlerini de görebilirsiniz. Çünkü ne zaman bir şey olsa, operatörler bunu yazıyor. Ve eğer bunların hepsini girerseniz, o zaman şunu sorabilir: 'Bu daha önce operatör kayıtlarında nerede oldu?' Veya 'Sorunu çözmek için ne yapıldı?'"

Bu aynı zamanda evin bölünmüş durumda olan iki tarafı (operasyonel teknoloji ve bilgi teknolojisi ekipleri) arasında daha fazla işbirliği yapılmasını gerektirir. Bu işbirliğinin başladığı yer veridir. Zornio, BT ve OT ekiplerinin "farklı üreticilerden gelen farklı formatlardaki verileri" rasyonelleştirmesi gerektiğini açıklıyor. "Tarihsel olarak, iki örgüt arasında çok fazla sevgi yok. Çünkü operasyonlardaki insanların tüm bunları yapmak için kendi sistemleri yerleşik. Ve bunu nasıl uygulayacakları ve kullanacakları konusunda çok farklı fikirleri var. Daha aydınlanmış olanlar bunu sağlamaya çalıştılar. daha fazla entegrasyon, ancak ileriye dönük olarak ikisi arasında daha fazla işbirliği olması gerekecek."

Zornio, bu nedenle, "Verilerin OT dünyasından BT dünyasına ve geri çekilmesine daha sorunsuz bir şekilde olanak tanıyan bir mimari tasarlamamız gerekiyor. Özellikle de bulutta bulunabilecek yapay zeka sistemlerini kullanmaktan bahsedersek. Herkesin arayüz kuracağı OpenAI veya diğer dil tabanlı yapay zeka modelleri."