Yuichiro Chino/Getty ImagesDen tradisjonelle kunstige intelligensen som vokste frem i løpet av det siste tiåret, knuste tallene – oppsøkte mønstre og ga prediktiv analyse basert på sannsynlige sannsynligheter. Gå inn i generativ AI som, blant sine mange muligheter, gir en inngangsport til numeriske AI-spådommer og observasjoner, og åpner for muligheter for svært interaktive verbale forespørsler.
Også: Årets topp 8 brukstilfeller for AI, og hvilke tekniske proffer trenger for å støtte dem
Generativ AI hjelper til med å åpne den tidligere svært obskure svarte boksen med AI for en rekke bedriftsfunksjoner, og kan til og med bidra til å lukke skillet mellom operasjonell og informasjonsteknologi, sier Peter Zornio, senior VP og CTO for Emerson. Jeg tok nylig kontakt med Zornio i New York, hvor han forklarte hvordan generativ AI og numerisk AI representerer to ender av et kontinuum. De to variantene er basert på numeriske modeller og språkbaserte modeller.
Det tekniske grunnlaget for de to AI-variasjonene er det samme, sier han, men hvordan vi jobber med dem er forskjellig. "De numerisk-orienterte produksjonsmodellene er basert på datasett med tall," forklarer han. "Språkmodellene bruker datasett basert på zillioner av dokumenter, bilder og andre ting."
Nå, sier han, konvergerer disse to endene av AI, og åpner for nye riker for det tradisjonelle bak-kulissene aspektet av tradisjonell AI. “Vi ser at de to blir brukt sammen”," sier Zornio. "I industrielle omgivelser vil vi bruke språkbaserte modeller som en måte å kommunisere med de numerisk-baserte modellene vi allerede har. Så kan du forestille deg en operatør som sier noe sånt som, 'Hei datamaskin, hvorfor bremser produksjonen på denne enheten? Og hva kan jeg gjøre for å justere det?'"
Dette har enorm produktivitet og tidsbesparende implikasjoner, fortsetter han. “Det er en naturlig måte å bruke grensesnitt på. Det er slik du kan snakke med en 30-årig ekspert i selskapet, ikke sant? Du kan spørre Fred i ingeniørfag: 'Hva skjer?' Så ville Fred gå og se på alle trendene i produksjonen, og han ville til slutt komme tilbake og fortelle deg: “Vel vanligvis, når dette skjer, er det som skjer at du har fått tilgrising av katalysatoren, og her” er hva du trenger å gjøre. Du må sannsynligvis stoppe og gjøre en regenerering.'"
Også: GPT-4 Turbo gjenvinner 'beste AI-modellen' krone fra Anthropics Claude 3
Menneskelig talent er essensielt, og det Fred i ingeniørfaget gjør er å “bruke modellen hans som han bygde i hodet etter å ha drevet stedet i 30 år”," sier Zornio. Generativ AI tar opp dette arbeidet, og grensesnitt med numerisk-basert AI innebærer å snakke med en datamaskin på samme måte som med en ekspertingeniør, ved å bruke vitenskapelig fradrag. Den er også i stand til å “se på de siste fem årene med drift, og prøve å finne et scenario der nøyaktig samme sett med omstendigheter vil matche mønsteret til en veldig lignende produksjonstype avtrykk. Og det avtrykket ville si, 'Vel, hva gjør vi?' Dette er hva Fred ville tenkt: 'Sist gang dette skjedde, gjorde vi dette.'"
Til slutt, sier Zomio, ville AI “gå gjennom og finne alle de forskjellige scenariene, se ved svarene, og forteller deg: 'Her er tre handlinger som tidligere ga de beste resultatene for å løse problemet.'"
Denne ende-til-ende AI-tilnærmingen tilbyr “en fin måte å bygge et produktstøttesystem på, der du tar alle håndbøkene dine, all interaksjon med støttepersonene dine, og setter dem inn i et system som du deretter kan stille spørsmål om produkt," sier Zornio.
Også: AI som tar på seg mer arbeid betyr ikke at den erstatter deg. Her er 12 grunner til å bekymre deg mindre
Det finnes applikasjoner på tvers av alle linjer innen diskret produksjon og prosessproduksjon, fra petrokjemikalier til bilproduksjon. Tenk på vinindustrien, som også kan dra nytte av ende-til-ende AI, bemerker Zornio. Vinprodusenter med godt sansede åkre og lagringskar kunne stille spørsmål som “hvorfor var årets vin så mye bedre enn fjorårets vin?” AI kunne gjennomgå nøkkelindikatorer som temperatur, sukkerinnhold, druesurhet og gjæringslengde. Hva er jordsmonnets tilstand? Hva er fuktighetstilstanden? Hvor mye sol var det? Hvor mye regn?"
På mange måter og på tvers av mange bransjer vil AI fungere som en assistent — og “en fin måte å samhandle og spørre etter modellene du har”," Zornio påpeker. "De kan være mer datagenerert — generert fra numerisk type data — men du kan også se skrubbing som operatørens loggbok. For hver gang noe skjer, skriver operatørene det ned. Og hvis du legger inn alle disse, kan du spørre: 'Hvor skjedde dette før i operatørloggene?' Eller 'Hva ble gjort for å løse problemet?'"
Også: De beste AI-chatbotene: ChatGPT er ikke den eneste som er verdt å prøve
< p>Dette krever også større samarbeid mellom to sider av huset som har en tendens til å ha vært delt — operativ teknologi og informasjonsteknologiteam. Data er der dette samarbeidet starter. IT- og OT-team må rasjonalisere data “av alle forskjellige formater, fra forskjellige produsenter”," Zornio forklarer. “Historisk sett er det ikke mye kjærlighet mellom de to organisasjonene. Fordi driftsfolkene har sine egne systemer innebygd for å gjøre alt dette. Og de har veldig forskjellige ideer om hvordan de skal implementere og bruke det. Noen mer opplyste har forsøkt å gi mer integrering, men – fremover – må det være et større samarbeid mellom de to."
Det er derfor, oppfordrer Zomio, " ;vi må designe en arkitektur som gjør at dataene kan trekkes mer sømløst fra OT-verdenen til IT-verdenen og tilbake. Spesielt hvis vi snakker om å bruke AI-systemer som kan være i skyen. Det vil være OpenAI eller andre språkbaserte AI-modeller som alle skal bruke."