Skip to main content

„Tech Trends 2030“: kita generatyviojo DI era

Mūsų antrojoje ataskaitoje „Tech Trends 2030: A Siemens foresight series“ nagrinėjami generatyviojo DI pokyčiai ir jų pasekmės pramonei. Pagrindinės tendencijos, tokios kaip agentinis DI ir pamatiniai modeliai, artimiausiais metais formuos pramoninius pritaikymus.

Skaitykite tendencijų ataskaitą

Atskleidžiant DI potencialą

Per pastaruosius dešimtmečius dirbtinis intelektas suteikė didžiulę vertę pramonės šakoms. Mašininio mokymosi ir neuroninių tinklų inovacijos įgalino tokius sprendimus kaip nuspėjamoji priežiūra ar generatyvinis dizainas. Tačiau neseniai įvykus generatyviojo DI proveržiui, atsirado naujų galimybių, kurios – be viso hype’o ir jaudulio – teikia realią vertę pramonei. Nuo pramoninių kopilotų, padedančių spręsti kvalifikuotos darbo jėgos trūkumo iššūkius ir spartinti DI valdomą žmogaus ir mašinos bendradarbiavimą, iki didelių kalbos modelių (LLM) kaip „vertėjų“ tarp API pramoninėse programose – generatyviojo DI potencialas pramoninėje erdvėje tik plečiasi.

Pagrindinės tendencijos mūsų akiratyje

Pramoniniai pamatiniai modeliai

Pramoniniai pamatiniai modeliai yra iš anksto apmokyti naudojant pramonei būdingus duomenis, leidžiančius greičiau ir tiksliau diegti DI sprendimus.

Agentinis DI

Agentinis DI reiškia DI sistemų, turinčių tam tikrą savarankiškumo lygį ir sprendimų priėmimo gebėjimus pramoniniame kontekste, naudojimą.

Multimodaliniai LLM

Multimodaliniai dideli kalbos modeliai (LLM) derina kalbos supratimą su vizualiniu suvokimu, apdorodami duomenis iš teksto, vaizdų ir vaizdo įrašų bei pramonei būdingus duomenis, pavyzdžiui, laiko eilutes.

Kraštiniai modeliai

Pramoninis kraštas apima DI algoritmų ir apdorojimo galios diegimą pramoninių tinklų krašte, arčiau duomenų šaltinio.

Specializuota aparatinė įranga

Specializuota aparatinė įranga, tokia kaip grafikos procesoriai (GPU) arba kalbos apdorojimo procesoriai (LPU), naudojami krašto įrenginiuose, suteikia didelio našumo skaičiavimo galią krašte ir leidžia realiuoju laiku apdoroti DI algoritmus.

Naujos generatyviojo DI eros įsisavinimas: holistinė strategija

Siekiant užtikrinti pasirengimą pramoninio DI pažangai ir iššūkiams 2030 m., labai svarbu, kad suinteresuotosios šalys laikytųsi visapusiško strateginio požiūrio.

  • Inovacijos: Organizacijoje skatinamos inovacijų kultūros, apimančios DI technologijas.
  • Pramoninės aplinkos: Pramoninių aplinkų reikalavimų ir standartų užtikrinimas: kibernetinis saugumas, žalos mažinimas, teisinis atitikimas ir šališkumo mažinimas mokymo duomenyse.
  • DI kultūra: Į pramoninę AI ekosistemą orientuoto požiūrio įgalinimas: Dalijimasis duomenimis su partneriais, klientais ir ekspertais geriausiu būdu padės organizacijoms sėkmingai veikti besiformuojančiame DI amžiuje.