● Крупномасштабный-анализ соответствия объема документов (например, стандартам ISO, правилам безопасности и интерпретации сотен страниц документов с техническими спецификациями).
● Глобальные операции и многоязычная координация (учет тонких языковых различий между различными регионами и поставщиками).
В практическом применении большинство производственных предприятий будут использовать гибридную архитектуру искусственного интеллекта, - развертывающую большие модели на центральной стороне предприятия и внедряющую небольшие модели на-локальной стороне.
4. В Индустрии 4.0 и периферийных средах более применимы небольшие модели.
В некоторых сценариях производства небольших моделей не просто «достаточно», но во многих случаях они являются единственным практическим вариантом. Маленькие модели могут лучше выполнять следующие функции:
Обнаружение аномалий на машине-в режиме реального времени
● Помощь оператора с низкой-задержкой.
Автономные операции в физически изолированных или-критических средах безопасности
● Конфиденциальность собственных производственных данных.
Это имеет решающее значение для профилактического обслуживания, проверки с помощью компьютерного зрения-и использования искусственного интеллекта для технических специалистов мастерских, а также для других аспектов.
Точно настроенная модель с от 7 до 13 миллиардов параметров может превзойти общие передовые-модели, если обучающие данные включают руководства по техническому обслуживанию, данные истории отказов, метаданные датчиков и -специальные стандартные рабочие процедуры предприятия-, поскольку она знает ваше предприятие лучше, чем Интернет. Это соответствует принципу «контекстно-ориентированного интеллекта», встроенному в операции в Индустрии 4.0.
Производственной отрасли необходимы инструменты искусственного интеллекта, адаптированные к конкретным сценариям.
Споры о размерах моделей искусственного интеллекта – это не игра с нулевой-сумой в пользу либо-или; суть заключается в том, подходят ли они для сценариев применения. Большие модели превосходно справляются с широким спектром исследовательских задач; Маленькие модели имеют абсолютное преимущество с точки зрения стоимости, скорости, возможности развертывания и надежности в промышленных сценариях.
Для производственных предприятий, стремящихся использовать интеллектуальные фабрики, подключенные активы и высокоустойчивое производство, будущее искусственного интеллекта зависит не от одной сверх-большой модели, а скорее от создания экосистемы искусственного интеллекта, соизмеримой с масштабом - от облака до периферии, от общего планирования предприятия до-исполнения в реальном времени на уровне устройства с соответствующими моделями в каждом звене.
Поскольку модели ИИ продолжают оставаться легкими, а их возможности продолжают улучшаться, перед менеджерами производства ставится ключевой вопрос: на следующем этапе развития Индустрии 4.0, когда сверх-высокая-эффективность и предметная-специфическая ИИ глубоко интегрируются в производственную систему, как он по-новому определит эффективность производства, качество продукции и уровень оперативной аналитики производства?
