حتى في مجال الذكاء الاصطناعي التوليدي ، هناك اختلافات كبيرة: أحدهما هو AI تم تدريبه على مجموعات بيانات محددة خاصة بمرافق التصنيع المحددة وأنظمة المعدات والبرامج الخاصة بها ؛ والآخر هو AI التوليدي الذي يتم تغذية البيانات حول مجموعة واسعة من الموضوعات من مجموعة متنوعة من المصادر - والتي قد لا يكون الكثير منها موثوقًا بدرجة كافية للبدء.
للمساعدة في توضيح هذه المشكلة ، دعونا نلقي نظرة على تطبيقات الذكاء الاصطناعى في تحليلات البيانات و AI التوليدي في عمليات الإنتاج التصنيع ، وكيفية تفاعلها مع تقنيات الأتمتة الصناعية.
الفرق بين الذكاء الاصطناعي لتحليل البيانات و AI التوليدي
لنبدأ مع الذكاء الاصطناعي لتحليل البيانات. في حين أن هذه إضافة جديدة نسبيًا إلى مجال تكنولوجيا الأتمتة ، إلا أنها كانت تستخدم لعدة سنوات ، مع تطبيقات تتراوح من تحليلات الإنتاج إلى الصيانة التنبؤية. في أبسطها ، في بيئة التصنيع ، تقوم تحليلات البيانات AI بشكل أساسي بمعالجة مدخلات البيانات من معدات وأنظمة البرمجيات للشركة وتطبق الخوارزميات لتخليصها لتسليط الضوء على الاتجاهات والشذوذ وتقديم رؤى حول إمكانيات العمل بناءً على ارتباط البيانات التي تم جمعها بواسطة هذه الأنظمة المختلفة.
يمكن لـ Generative AI إنشاء محتوى أصلي - بما في ذلك النص أو الصور أو الفيديو أو الصوت أو رمز البرنامج - استنادًا إلى مطالبات المستخدم أو الطلبات. نظرًا لأن الذكاء الاصطناعى التوليدي يمكن أن يتلقى كميات كبيرة من البيانات من العديد من المصادر المختلفة ، فإننا نرى مشكلات مثل "الهلوسة" ، والتي تحتاج إلى فحصها بالكامل من قبل البشر قبل وضع النتائج موضع التنفيذ. لاحظ ، مع ذلك ، أن هذا هو AI توليدي للأغراض العامة.
في بيئة أكثر تحكمًا ، ستكون النتائج أكثر موثوقية إذا تم توفير البيانات التي يتم تغذيتها في نظام الذكاء الاصطناعي التوليدي بواسطة مصدر موثوق وتركز على معدات وأنظمة شركة معينة أو مجموعة من الشركات الشريكة.
هذا هو السبب في أنك ترى العديد من شركات تكنولوجيا الأتمتة التي تنفذ تقنيات الذكاء الاصطناعى التوليدي لتطوير الأنظمة التي يشار إليها عادة باسم "Copilot". يتم تدريب هذه الأنظمة على مجموعات بيانات مغلقة نسبيًا خاصة بسيناريو تطبيق المستخدم والتقنيات المرتبطة به ، بدلاً من تجريد الموارد المختلفة من الإنترنت.
كيف يمكن بائعي تكنولوجيا الأتمتة تطبيق الذكاء الاصطناعي
مثلما أصبح AI لتحليل البيانات في كل مكان في جميع أنواع أنظمة التصنيع على مدار السنوات القليلة الماضية ، فإن استخدام الذكاء الاصطناعى التوليدي في عمليات التصنيع وتطبيقات التصميم يتزايد بسرعة اليوم. لتعزيز الأمن السيبراني الصناعي ودفع تكامل الذكاء الاصطناعي في عمليات قاع المتجر.
سيوفر التفاعل بين بيانات الماكينة الثابتة والديناميكية لمستخدمي النظام الأساسي بمستوى جديد من التحكم في العمليات التشغيلية. يعني "المستوى الجديد من التحكم" أن المستخدمين سيتمكنون من التفاعل مع تقنية Copilot بلغتهم الخاصة وتلقي تعليمات وتوصيات مفصلة بناءً على متطلباتهم. تقول Servicenow إن قدرتها على أتمتة سير العمل - من جدولة الصيانة إلى حل المشكلات في الوقت الفعلي - تساعد في ضمان ترجمة الرؤى التي تعمل من الذكاء الاصطناعي المقدمة من Copilot إلى إجراءات ملموسة وفعالة تزيد من الإنتاجية وتقليل وقت التوقف.
منذ فترة طويلة تم استخدام التصميم التوليدي من قبل الشركات المصنعة الأتمتة لتصميم منتجاتها ، ومع دمج الذكاء الاصطناعي التوليدي ، يخضع التصميم التوليدي لتطور كبير. يجلب AI التوليدي بعدًا جديدًا للتصميم التوليدي ، وتغيير الطريقة التي يتصور بها المهندسون والمصنعون تقنيات الأتمتة وإنشائها وتحسينها من خلال تقديم إمكانيات "الإنسان في الحلقة".
من المهم التمييز بين قدرات التصميم التوليدي الحالية باستخدام الذكاء الاصطناعى التقليدي والاتجاه الناشئ لوكالة الذكاء الاصطناعى المتكاملة. على عكس طرق التصميم التقليدية ، والتي تعتمد فقط على خوارزميات الذكاء الاصطناعى ، فإن إضافة AI التوليدي تقدم نهجًا أكثر تفاعلية وتكرارًا حيث يمكن للمهندسين تقديم ملاحظات لتوجيه أنظمة الذكاء الاصطناعي إلى حلول أكثر تحسينًا. يتيح لهم ذلك استكشاف مساحة تصميم واسعة وإنشاء عدد كبير من التصميمات المحتملة استنادًا إلى المعلمات المحددة والقيود وأهداف الأداء. هذا النهج مناسب بشكل خاص للأنظمة الآلية ، حيث غالبًا ما تكون هناك حاجة إلى موازنة متغيرات متعددة والأهداف المتنافسة.
يمكن أن يؤدي تطبيق التصميم التوليدي المستندة إلى AI-A-A-A- إلى زيادة السرعة التي يتم بها إنشاء بدائل تصميم متعددة وتقييمها. في غضون ساعات أو أيام ، يقول توني ، يمكن للنظام توليد مئات أو حتى آلاف خيارات التصميم ، كل منها محسن لمعلمة معينة.
هناك تطبيق آخر يتم الاستشهاد به يتعلق بمحاذاة التكنولوجيا مع معايير الصناعة وأفضل الممارسات. يمكن استخدام الذكاء الاصطناعي التوليدي للتحقق من أن النظام يلبي معايير الأمن السيبراني من خلال تسليط الضوء على المناطق التي ينحرف فيها النظام عن المعايير القائمة ، مما يساعد المهندسين على الحفاظ على الاتساق والجودة عبر المشاريع. تُستخدم هذه التكنولوجيا أيضًا لتوحيد ممارسات الفرق الهندسية ، وخاصة في الحالات التي يحتاج فيها المهندسون الذين لديهم مستويات مختلفة من الخبرة إلى الالتزام بنفس معايير التصميم واستخدام المكتبات المتسقة. يكون هذا الاتساق ذا قيمة كبيرة عند نسخ الأنظمة عبر مواقع أو بيئات مختلفة ، حيث يمكن أن تقترح الذكاء الاصطناعي التوليدي التعديلات المناسبة مع الحفاظ على سلامة التصميم الشاملة.
حافظ على عقل متفتح حول تطبيقات الذكاء الاصطناعي الصناعي
تكمن مشكلة أدوات الذكاء الاصطناعي للأغراض العامة ، والتي تحصل على أكبر قدر من اهتمام وسائل الإعلام ، بأنها ترفض تطبيقات AI الجديدة الناشئة في تقنيات التشغيل الآلي. تركز أدوات الذكاء الاصطناعي الصناعي من بائعي الأتمتة على مجموعات بيانات محددة ومصادر بيانات لضمان دقة النتائج.
للحفاظ على عقلك مفتوحًا أمام الذكاء الاصطناعي الصناعي ، فكر في هذه الحالة: منذ حوالي 20 عامًا ، لم يعتبر العديد من مهندسي التصنيع أن Ethernet خيارًا فعالًا لشبكات أرضية المصنع.
يعد تطوير تكنولوجيا الذكاء الاصطناعى المهمات أمرًا مهمًا لصناعة الصناعة للتركيز على اكتساب معرفة الهندسة المهنية والعمليات والصيانة لتوجيه الجيل القادم من عمال الصناعة. من المتوقع أن تكون أدوات AI التوليدية التي تركز على التصنيع هذه هي التقنيات التي تجعل تحقيق هذا الهدف أسهل.