all
Tech Trends 2030: generatiivse tehisintellekti järgmine ajastu
See Tech Trendsi aruanne uurib generatiivseid tööstuslikke tehisintellekti arenguid ja nende mõju tööstusele. Avastage peamised suundumused ja tulevikustsenaariumid.
Tehisintellekti Sõnastik
Tehisintellekti valdkond hõlmab mitmesuguseid erialasid ja tehnoloogiaid. See kõige olulisemate võtmeterminite sõnastik aitab laiendada teie arusaama ja süveneda sellesse põnevasse maailma.
A
Agentlik AI tähendab täiustatud tehisintellekti süsteeme, mis ei piira end ainult käsu täitmisega; need loovad sisu, täidavad autonoomselt ülesandeid ja saavutavad eesmärke. Sellised süsteemid ühendavad järeldamisvõime, mälufunktsioonid ja tagasisideloogikad, et iseseisvalt planeerida ja tegutseda, sageli kasutades erinevaid digitaalseid tööriistu ning kohandades oma lähenemist õppimise kaudu. Erinevalt traditsioonilisest AI-st suudab agentne AI töötada nii iseseisvalt kui ka koostöös teiste AI-agentidega, tehes autonoomseid otsuseid ning suheldes erinevate platvormide ja süsteemidega keerukate ülesannete täitmiseks.
Tööstuskontekstis tähendab Agentlik AI AI-süsteemide kasutuselevõttu, mis suudavad iseseisvalt jälgida, analüüsida ja juhtida erinevaid tööstusoperatsioonide aspekte, näiteks ennustav hooldus, kvaliteedikontroll, laohaldus või tootmisprotsesside optimeerimine.
Tehisintellekt (AI) tähendab tarkvara, mis suudab õppida ja kohanduda. AI suudab lahendada ülesandeid, mis nõuavad sisendi tähenduse tõlgendamist ja nõuetele kohandumist. Tavaliselt on need ülesanded, mida varem suutis lahendada ainult looduslik intelligentsus. AI-l on mitu meetodit, mis erinevad oluliselt oma rakendusvaldkondade, potentsiaalide ja nendega seotud riskide poolest. AI põhialused töötati välja 20. sajandil. Kuna kõik AI meetodid vajavad suuri koguseid treeningandmeid, omandab tehnoloogia digitaliseerimise ja big data ajastul üha suuremat kriitilist tähtsust.
Tehnoloogia, mis võimaldab digitaalset teavet reaalsetele keskkondadele ja objektidele üle kanda, kasutades tavaliselt kaasahaaravat 3D-virtuaalset reaalsust. AR võimaldab füüsilise maailma täiustatud versiooni, lisades digitaalseid visuaalseid, heli ja muid sensoorseid elemente.
Süsteemid, mis võivad töötada ilma inimese sekkumiseta, näiteks isesõitvad autod ja droonid.
Sõidukid, mis võivad töötada ilma inimese sekkumiseta, näiteks isesõitvad autod ja veoautod.
B
Tahtmatud eelarvamused või soosimine, mis võivad AI-süsteemides tekkida kallutatud treeningandmete või algoritmide tõttu.
Suured ja keerulised andmekogumid, mida sageli genereerivad (tööstuslikud) andurid, aga ka ettevõtted, organisatsioonid ja inimesed. Kuna need andmed on sageli struktureerimata, mittetäielikud või valed, ei saa tehisintellekti toega tarkvara neid tavaliselt sisukalt töödelda.
C
Tehisintellektiga töötav programm, mis suudab inimestega suhelda teksti- või häälsuhtluse kaudu.
Tehisintellekti tüüp, mille eesmärk on korrata inimese kognitiivseid protsesse, nagu taju, arutluskäik ja otsuste tegemine.
Tehisintellekti alamhulk, mis võimaldab arvutitel saada teavet visuaalidest, näiteks piltidest ja videotest, et neid mõista ja tõlgendada.
Strateegiad, mõõtmised ja tööriistad digitaalse teabe kaitsmiseks väliste ründajate eest. Tehisintellekti saab kasutada küberrünnakute tuvastamiseks ja ennetamiseks ning turvarikkumiste tuvastamiseks ja neile reageerimiseks.
D
Andmete analüüsimise ja tõlgendamise protsess teadmiste avastamiseks ja teadlike otsuste tegemiseks.
Arvutisüsteemid, mis on loodud selleks, et aidata inimestel otsuseid langetada, pakkudes asjakohast teavet ja analüüsi.
Masinõppe alamhulk, mis hõlmab mitme kihiga närvivõrkude kasutamist, et masinatel oleks võimalik andmetest õppida.
Matemaatiline mudel, mis kirjeldab füüsilise objekti või protsessi käitumist. Simulatsioonikeskkonnas saab digitaalset kaksikut kasutada simuleerimiseks, mis juhtuks reaalses maailmas, kui süsteemi parameetreid tuleks muuta. Digitaalseid kaksikuid saab kasutada kogu toote elutsükli vältel, sealhulgas projekteerimise, tootmise, töö- ja teenindusfaasis. Digitaalsete kaksikute visuaalsed esitused näevad välja ja käituvad nagu nende füüsilised kolleegid, peegeldades reaalset maailma ja kohanedes reaalajas seal toimuvaga.
E
Edge Computing on süsteemi arhitektuuri tüüp, mis erinevalt pilvandmetöötlusest viib andmetöötluse ja andmesalvestuse lähemale andmeallikatele („edge”). See aitab vähendada andmeedastuseks vajalikku reageerimisaega ja energiahulka. Edge AI süsteeme saab rakendada füüsiliselt tegeliku täitmisseadme lähedal. Need seadmed saavad kasutada tehisintellekti rakendusi ilma pilvega ühendamata.
Tehisintellekt, mis on loodud füüsilise maailmaga suhtlemiseks ja selles navigeerimiseks, sageli robotite või autonoomsete sõidukite abil.
Moraalsete põhimõtete uurimine ja rakendamine tehisintellekti väljatöötamisel ja kasutamisel, sealhulgas sellised küsimused nagu eelarvamused, privaatsus ja vastutus.
Tehisintellekt, mis on loodud olema läbipaistev ja seletatav, võimaldades inimestel mõista, kuidas ja miks masin konkreetse otsuse tegi.
F
On masinõppe koolitusmeetod, kus mitu eraldi seadet treenib masinõppe mudelit oma (eraldi) andmekogumiga. Võrgu peamise osalejaga jagatakse ainult lõpptulemusi.
G
Tehisintellekt, mis on loodud uue sisu, näiteks piltide, videote ja muusika loomiseks, ühendades olemasolevat sisu ja sellest õppides.
Rakenduse, nt CAD-tarkvara kaudu, võime autonoomselt genereerida mitmeid kujundusalternatiive, arvestades piiranguid. Kasutab selliseid tehnikaid nagu AI, optimeerimine ja simulatsioon.
I
Tööstuslik AI tehisintellekt viitab tehisintellekti rakendamisele tööstusharudes, mis moodustavad meie majanduse selgroo - tööstus, infrastruktuur, liikuvus ja tervishoid.
Tööstuslikud baasmudelid (Industrial Foundation Models, IFMs) on eelnevalt treenitud tööstusspetsiifiliste andmete põhjal, et sügavalt mõista inseneriteaduse, automatiseerimise ja tootmise “keelt” ning võimaldada AI-lahenduste kiiremat ja täpsemat juurutamist. Need pakuvad standardiseeritud lähtepunkti, säästes aega, ressursse ja energiat skaleerimise kaudu. IFM-id on kohandatud reaalse maailma tööstuslike probleemide lahendamiseks. Nad toimivad intelligentsuskihina tööstuslike copilootide taga ning hõlbustavad teadmiste ülekannet ja koostööd erinevates sektorites. IFM-id toetavad mitte ainult teksti, pilte ja heli, vaid ka 3D mudeleid, 2D jooniseid ja teisi keerukaid struktuure, näiteks tööstusspetsiifilisi ajaseeriaandmeid (vt ka multimodaalsed LLM-id).
Tööstusliku kvaliteediga AI tähistab kvaliteedi taset; usaldusväärne, turvaline ja usaldusväärne, loodud vastama kõige nõudlikumate professionaalsete keskkondade rangetele nõuetele ja standarditele.
Termin, mida kasutatakse neljanda tööstusrevolutsiooni kirjeldamiseks, mis hõlmab tehisintellekti, IoT ja muude arenenud tehnoloogiate integreerimist tootmisse ja tööstusse.
Andmevahetuse võimaldamiseks andurite, tarkvara ja ühenduvusega integreeritud tehniliste seadmete võrgustik. IoT on digitaliseerimise ja suurandmete üks peamisi tegureid.
K
Andmebaas, mis kujutab teadmisi omavahel ühendatud sõlmede ja servade graafikuna, mida kasutatakse AI rakenduste, näiteks NLP ja otsingu jaoks.
L
Tehisintellekti keelemudeli tüüp, mida koolitatakse tohutul hulgal andmehulgal, näiteks GPT-3, inimsarnase teksti genereerimiseks.
M
Tehisintellekti alamhulk, mis hõlmab algoritmide ja statistiliste mudelite kasutamist, et masinatel saaksid õppida kogemustest või andmetest.
Tehisintellekti alamhulk, mis võimaldab kinnitatud kaameratega masinatel saada visuaalset teavet ümbruse mõistmiseks ja tõlgendamiseks.
Multimodaalsed LLM-id suudavad mõista ja töödelda korraga mitut tüüpi andmeid - näiteks teksti, pilte, heli või sensoriandmeid. Neid integreeritakse rakendustesse nagu arvutinägemine, autonoomsed sõidukid ja robotitehnoloogia.
Need parandavad objektide tuvastamist, stseenide mõistmist ja võimaldavad masinatel järgida keerukaid juhiseid. Multimodaalsed LLM-id võivad mõjutada ka tööstusspetsiifiliste andmete töötlemist ja genereerimist - näiteks ajaseeriad, 2D- ja 3D-mudelid või masinnägemise andmed - samamoodi nagu traditsioonilised LLM-id on mõjutanud teksti ja kõne töötlemist.
N
Tehisintellekti alamhulk, mis keskendub arvutite ja inimkeele vahelisele interaktsioonile.
Liides, mis võimaldab inimestel suhelda arvutitega loomulike žestide, kõnede ja muude väljendusvormide abil.
Masinõppe algoritmi tüüp, mis on modelleeritud inimese aju struktuuri järgi ja mida kasutatakse andmete mustrite äratundmiseks.
Mitmest alamseadmest koosnevate hoonete või masinate pinge ja voolu muutuste analüüsimise protsess, et järeldada iga seadme individuaalset panust süsteemis.
P
Füüsiline AI tähendab tehisintellekti integreerimist masinatesse – näiteks robotitesse –, mis suudavad tajuda oma keskkonda ja selles tegutseda. Inimese sensorimotoorse tsükli inspiratsioonil töötleb Füüsiline AI sensoorset sisendit (nt 3D-kaamerad või taktiilsed sensorid), genereerib sellest juhtimiskäske ning võimaldab masinatel täita keerukaid ülesandeid adaptatiivselt ja autonoomselt füüsilises 3D-keskkonnas.
Füüsikapõhine AI viitab uue klassi tehisintellekti meetoditele, mis integreerivad füüsikaseadusi otseselt treeningprotsessi. Erinevalt traditsioonilistest AI-lähenemistest, mis tuginevad tugevalt suurtele andmekogumitele käitumise õppimiseks, juhib füüsikapõhine AI õppimist füüsikapõhiste piirangute abil. See võimaldab AI-süsteemidel teha järeldusi ja ennustusi ka siis, kui reaalse maailma andmeid on piiratud, kasutades olemasolevat teadmistepagasit füüsikalise maailma toimimise kohta. Selle asemel, et õppida ainult näidete põhjal, kasutavad need mudelid oma füüsikaalaseid teadmisi, et suunata õppimist optimaalsemate ja füüsikaliselt järjepidevamate lahenduste suunas.
Ennustav AI kasutab statistilist analüüsi ja masinõpet, et tuvastada mustreid masinate ja seadmete reaalajas ja ajaloolistes tööandmetes, võimaldades sellel ennustada tulevast käitumist, tuvastada kõrvalekaldeid, prognoosida võimalikke rikkeid ja soovitada hooldustoiminguid. Seda kasutatakse varade tervise ja usaldusväärsuse parandamiseks, planeerimata seisakuaja vähendamiseks ja kiirema andmepõhise otsuste tegemise toetamiseks tööstusoperatsioonide lõikes.
AI ja statistiliste mudelite kasutamine tulevaste sündmuste või suundumuste ennustamiseks ajalooliste andmete põhjal.
AI kasutamine reaalajas andmete põhjal ennustamiseks, millal masinad vajavad hooldust või remonti.
Q
AI kasutamine defektide tuvastamiseks ja toodete kvaliteedistandarditele vastavuse tagamiseks.
R
Masinõppe tüüp, kus koolitamata agendid õpivad strateegiat süsteemi karistuste ja hüvede kaudu pärast sooritatud toiminguid.
AI rakendused, mis vastavad määratletud eetika- ja moraalstandarditele
Inseneri- ja AI haru, mis keskendub robotite projekteerimisele, ehitamisele ja käitamisele.
S
AI kasutamine tekstis või kõnes väljendatud emotsioonide ja arvamuste analüüsimiseks ja tõlgendamiseks.
Elektrivõrk, mis kasutab AI-d ja muid arenenud tehnoloogiaid elektri tootmise, jaotamise ja tarbimise optimeerimiseks.
Spetsialiseeritud riistvara, näiteks graafikaprotsessorid (GPU-d) või keeleprotsessorid (LPU-d) võimalusega edge-seadmed, on tööstuslikus AI-s kasvav trend. Need seadmed pakuvad kõrge jõudlusega arvutusvõimsust edge-kohas, võimaldades AI-algoritmide reaalajas töötlemist. Nende integratsioon võimaldab paralleelset töötlemist ja kiirendatud jõudlust, mis tagab keerukate AI-ülesannete kiirema täitmise. Kohalik töötlemine vähendab latentsust ja sõltuvust pilveressurssidest, mis on oluline ajasensitiivsete rakenduste jaoks. Spetsialiseeritud riistvara toetab ka edasijõudnud AI-mudeleid, võimaldades paremaid teadmisi ja kõrgemat jõudlust. Lisaks vähendab see kulusid, minimeerides vajadust mahuka pilveinfrastruktuuri ja andmete ülekande järele.
Masinate võime inimese kõnet ära tunda ja tõlgendada.
Õppimismeetod, kus masinõppe mudeleid koolitatakse tulemuse ennustamiseks märgistatud (teadaolevate) andmekogumitega.
Kaupade ja materjalide voo optimeerimine tarneahelas kulude vähendamiseks ja tõhususe parandamiseks. AI-d kasutatakse sageli protsesside automatiseerimiseks, ebaefektiivsuse tuvastamiseks, kaupade kvaliteedi tagamiseks ja nõudluse prognoosimiseks.
Kunstlikud andmed, mis on loodud pigem algoritmide kui reaalsete sündmuste abil, mida kasutatakse masinõppe mudelite koolitamiseks ja valideerimiseks. Sünteetiliste andmete kvaliteet on kriitiline. See määrab, kas tehisintellekt annab pärast koolitust vastuvõetavaid tulemusi.
U
Õppimismeetod, kus Masinõppe mudelid avastavad mustreid ja rühmitusi andmetes, mis on varem tundmatud (märgistamata).
V
Virtuaalne reaalsus (VR) kujutab endast digitaalselt renderdatud keskkonda, mis suudab reaalset ruumi korrata, luua alternatiivset reaalsust või kombineerida neid kahte. Kasutaja saab virtuaalset ruumi uurida kodu, kontori või tehase korruse piiridest.
