all
Tehnološki trendi 2030: Naslednja doba generativne umetne inteligence
To poročilo o tehnoloških trendih obravnava razvoj generativne Industrial AI in njen vpliv na industrijo. Spoznajte ključne trende in prihodnje scenarije.
Slovar umetne inteligence
Področje umetne inteligence zajema široko paleto disciplin in tehnologij. Ta slovar najpomembnejših ključnih izrazov vam lahko pomaga razširiti razumevanje in se poglobiti v ta fascinanten svet.
A
Agentska umetna inteligenca se nanaša na napredne sisteme umetne inteligence, ki presegajo zgolj odzivanje na ukaze; ustvarjajo vsebino, samostojno izvajajo naloge in dosežejo cilje. Ti sistemi združujejo sposobnosti sklepanja, pomnilniške funkcije in povratne zanke za samostojno načrtovanje in izvajanje dejanj, pogosto uporabljajo različna digitalna orodja in prilagajajo svoj pristop z učenjem. Za razliko od tradicionalne umetne inteligence lahko agentska umetna inteligenca deluje samostojno in sodelovalno z drugimi agenti umetne inteligence, pri čemer sprejema avtonomne odločitve, medtem ko se povezuje z različnimi platformami in sistemi za dokončanje zapletenih nalog.
V industrijskem kontekstu Agentic AI vključuje uvajanje sistemov AI, ki lahko neodvisno spremljajo, analizirajo in nadzorujejo različne vidike industrijskih operacij, kot so napovedno vzdrževanje, nadzor kakovosti, upravljanje zalog ali optimizacija proizvodnih procesov.
Umetna inteligenca (AI) se nanaša na programsko opremo, ki ima sposobnost učenja in prilagajanja. AI lahko reši naloge, ki zahtevajo razlago pomena vhodnih podatkov in prilagajanje zahtevam. Običajno gre za naloge, ki jih je prej lahko rešila le naravna inteligenca. Obstaja več vrst metod AI, ki se bistveno razlikujejo glede na področja uporabe, potenciale in tveganja, povezana z njimi. Osnovna načela AI so bila razvita v 20. stoletju. Ker vse metode umetne inteligence zahtevajo velike količine podatkov o usposabljanju, tehnologija zdaj pridobiva vse večji pomen z digitalizacijo in velikimi podatki.
Tehnologija, ki omogoča prekrivanje digitalnih informacij na okolja in predmete v resničnem svetu, običajno z uporabo poglobljene 3D virtualne resničnosti. AR omogoča izboljšano različico fizičnega sveta z dodajanjem digitalnih vizualnih, zvočnih in drugih senzoričnih elementov.
Sistemi, ki lahko delujejo brez človeškega posredovanja, kot so samovozeči avtomobili in brezpilotni letali.
Vozila, ki lahko delujejo brez človeškega posredovanja, kot so samovozeči avtomobili in tovornjaki.
B
Nenamerni predsodki ali favoriziranje, ki se lahko pojavijo v sistemih umetne inteligence zaradi pristranskih podatkov ali algoritmov usposabljanja.
Veliki in zapleteni nabori podatkov, ki jih pogosto ustvarjajo (industrijski) senzorji, pa tudi podjetja, organizacije in ljudje. Ker so ti podatki pogosto nestrukturirani, nepopolni ali napačni, jih programska oprema, ki ne poganja AI, običajno ne more smiselno obdelati.
C
Program, ki ga poganja AI, ki lahko komunicira z ljudmi prek besedilne ali glasovne komunikacije.
Vrsta umetne inteligence, katere cilj je ponoviti človeške kognitivne procese, kot so zaznavanje, sklepanje in odločanje.
Podmnožica umetne inteligence, ki računalnikom omogoča, da pridobivajo informacije iz vizualnih prikazov, kot so slike in videoposnetki, da jih razumejo in razlagajo.
Strategije, meritve in orodja za pomoč pri varovanju digitalnih informacij pred zunanjimi napadalci. AI se lahko uporablja za odkrivanje in preprečevanje kibernetskih napadov ter za prepoznavanje in odzivanje na kršitve varnosti.
D
Postopek analize in interpretacije podatkov za odkrivanje vpogledov in sprejemanje premišljenih odločitev.
Računalniški sistemi, ki so zasnovani tako, da pomagajo ljudem pri sprejemanju odločitev z zagotavljanjem ustreznih informacij in analiz.
Podmnožica strojnega učenja, ki vključuje uporabo nevronskih omrežij z več plastmi, ki omogočajo strojem učenje iz podatkov.
Matematični model, ki opisuje vedenje fizičnega predmeta ali procesa. V simulacijskem okolju lahko digitalni dvojček uporabimo za simulacijo, kaj bi se zgodilo v resničnem svetu, če bi se spremenili parametri sistema. Digitalni dvojčki se lahko uporabljajo skozi celoten življenjski cikel izdelka, vključno s fazami oblikovanja, izdelave, delovanja in servisiranja. Vizualne predstavitve digitalnih dvojčkov izgledajo in se obnašajo kot njihovi fizični kolegi, zrcaljijo resnični svet in se v realnem času prilagajajo temu, kar se tam dogaja.
E
Edge Computing je vrsta sistemske arhitekture, ki za razliko od računalništva v oblaku računalništvo in shranjevanje podatkov približuje virom podatkov (»rob«). Pomaga zmanjšati odzivni čas in količino energije, potrebne za prenos podatkov. Edge AI sisteme je mogoče izvajati fizično blizu dejanske izvedbene naprave. Te naprave lahko zaženejo aplikacije AI, ne da bi bile povezane z oblakom.
AI, ki je zasnovana za interakcijo s fizičnim svetom in navigacijo po njem, pogosto z uporabo robotov ali avtonomnih vozil.
Preučevanje in uporaba moralnih načel pri razvoju in uporabi umetne inteligence, vključno z vprašanji, kot so pristranskost, zasebnost in odgovornost.
AI, ki je zasnovana tako, da je pregledna in razložljiva, kar ljudem omogoča razumevanje, kako in zakaj je stroj sprejel določeno odločitev.
F
Je metoda usposabljanja v strojnem učenju, kjer več ločenih naprav trenira model strojnega učenja s svojim (ločenim) naborom podatkov. Samo končni rezultati so deljeni z glavnim akterjem v omrežju.
G
Umetna inteligenca, ki je zasnovana za ustvarjanje novih vsebin, kot so slike, videoposnetki in glasba, s kombiniranjem in učenjem iz obstoječe vsebine.
Sposobnost aplikacije, npr. programske opreme CAD, za samostojno ustvarjanje številnih možnosti oblikovanja glede na niz omejitev. Uporablja tehnike, kot so AI, optimizacija in simulacija.
I
Industrijska umetna inteligenca se nanaša na uporabo umetne inteligence v panogah, ki tvorijo hrbtenico naših gospodarstev — industrije, infrastrukture, mobilnosti in zdravstvenega varstva.
Modeli industrijskih temeljev (IFM) so vnaprej usposobljeni za podatke, specifične za panogo, da bi poglobljeno razumeli »jezik« inženiringa, avtomatizacije in proizvodnje ter omogočali hitrejše in natančnejše uvajanje rešitev umetne inteligence. Zagotavljajo standardizirano izhodišče, s čimer prihranijo čas, vire in energijo z ekonomijo obsega. IFM so prilagojeni reševanju resničnih industrijskih izzivov. Delujejo kot obveščevalna plast industrijskih kopilotov in olajšajo prenos znanja in sodelovanje med sektorji. Ne podpirajo samo besedila, slik in zvoka, temveč tudi 3D modele, 2D risbe in druge zapletene strukture, kot so podatki časovnih vrst, specifični za industrijo (glej tudi Multimodalni LLM).
Industrijska umetna inteligenca označuje raven kakovosti; zanesljiva, varna in zaupanja vredna, zasnovana tako, da izpolnjuje stroge zahteve in standarde najzahtevnejših profesionalnih okolij.
Izraz, ki se uporablja za opis četrte industrijske revolucije, ki vključuje integracijo AI, IoT in drugih naprednih tehnologij v proizvodnjo in industrijo.
Mreža tehničnih naprav, vgrajenih s senzorji, programsko opremo in povezljivostjo, ki omogočajo izmenjavo podatkov. IoT je eden glavnih gonilnikov digitalizacije in velikih podatkov.
K
Baza podatkov, ki predstavlja znanje kot graf medsebojno povezanih vozlišč in robov, ki se uporablja za aplikacije AI, kot sta NLP in iskanje.
L
Vrsta jezikovnega modela AI, ki je usposobljen na ogromnih količinah podatkov, kot je GPT-3, za ustvarjanje človeku podobnega besedila.
M
Podmnožica umetne inteligence, ki vključuje uporabo algoritmov in statističnih modelov, ki omogočajo strojem, da se učijo iz izkušenj ali podatkov.
Podmnožica umetne inteligence, ki strojem s priloženimi kamerami omogoča pridobivanje vizualnih informacij za razumevanje in razlago njihove okolice.
Multimodalni LLM-ji lahko hkrati razumejo in obdelujejo več vrst podatkov - kot so besedilo, slike, zvok ali senzorski podatki. Vgrajeni so v aplikacije, kot so računalniški vid, avtonomna vozila in robotika. Izboljšajo prepoznavanje predmetov, razumevanje prizora in omogočajo strojem, da sledijo zapletenim navodilom. Multimodalni LLM-ji lahko vplivajo na obdelavo in ustvarjanje podatkov, specifičnih za industrijo - kot so časovne vrste, 2D in 3D modeli ali podatki za strojni vid - na enak način, kot so običajni LLM-ji vplivali na obdelavo besedila in govora.
N
Podskupina AI, ki se osredotoča na interakcijo med računalniki in človeškim jezikom.
Vmesnik, ki ljudem omogoča interakcijo z računalniki z naravnimi kretnjami, govorom in drugimi oblikami izražanja.
Vrsta algoritma strojnega učenja, ki je oblikovan po strukturi človeških možganov in se uporablja za prepoznavanje vzorcev v podatkih.
Postopek za analizo sprememb napetosti in toka stavb ali strojev, ki obsegajo več podnaprav, da bi ugotovili individualni prispevek vsake naprave v sistemu.
P
Fizična umetna inteligenca se nanaša na integracijo umetne inteligence v stroje - kot so roboti -, ki lahko zaznavajo svoje okolje in delujejo znotraj njega. Fizična AI, ki ga navdihuje človeški senzorimotorični cikel, obdeluje senzorične vhode (kot so 3D kamere ali otipni senzorji), iz njih ustvarja nadzorne ukaze in omogoča strojem, da prilagodljivo in avtonomno izvajajo zapletene naloge v fizičnih, 3D okoljih.
AI, ki temelji na fiziki, znan tudi kot AI, ki se zaveda fizike, se nanaša na nov razred metod umetne inteligence, ki vključujejo zakone fizike neposredno v proces usposabljanja. Za razliko od običajnih pristopov AI, ki se za učenje vedenja močno zanašajo na velike nabore podatkov, AI, ki temelji na fiziki, integrira omejitve, ki temeljijo na fiziki, za usmerjanje učenja. To omogoča sistemom umetne inteligence, da razmišljajo in napovedujejo, tudi če so podatki v resničnem svetu omejeni, z izkoriščanjem našega obstoječega znanja o tem, kako deluje fizični svet. Namesto da bi se učili samo iz primerov, ti modeli uporabljajo svoje znanje iz fizike za usmerjanje učenja k bolj optimalnim in fizično doslednim rešitvam.
Prediktivna umetna inteligenca uporablja statistično analizo in strojno učenje za prepoznavanje vzorcev v realnem času in zgodovinskih operativnih podatkih iz strojev in opreme, kar ji omogoča napovedovanje prihodnjega vedenja, odkrivanje anomalij, napovedovanje morebitnih napak in priporočanje vzdrževalnih ukrepov. Uporablja se za izboljšanje zdravja in zanesljivosti sredstev, zmanjšanje nenačrtovanih izpadov in podporo hitrejšemu odločanju na podlagi podatkov v industrijskih operacijah.
Uporaba AI in statističnih modelov za napovedovanje prihodnjih dogodkov ali trendov na podlagi zgodovinskih podatkov.
Uporaba umetne inteligence za napovedovanje, kdaj bodo stroji potrebovali vzdrževanje ali popravila, na podlagi podatkov v realnem času.
Q
Uporaba umetne inteligence za odkrivanje napak in zagotavljanje, da izdelki izpolnjujejo standarde kakovosti.
R
Vrsta strojnega učenja, kjer se neusposobljeni agenti naučijo strategije s kazni in nagradami sistema po izvedenih dejanjih.
Aplikacije umetne inteligence, ki izpolnjujejo opredeljene etične in moralne standarde.
Podružnica inženiringa in umetne inteligence, ki se osredotoča na načrtovanje, gradnjo in delovanje robotov.
S
Uporaba umetne inteligence za analizo in razlago čustev in mnenj, izraženih v besedilu ali govoru.
Električno omrežje, ki uporablja AI in druge napredne tehnologije za optimizacijo proizvodnje, distribucije in porabe električne energije.
Specializirana strojna oprema, kot so grafične procesne enote (GPU) ali robne naprave, ki podpirajo jezikovno obdelavo (LPU), je nastajajoči trend industrijske umetne inteligence. Te naprave zagotavljajo visoko zmogljivo računalniško moč na robu, kar omogoča obdelavo algoritmov AI v realnem času. Njihova integracija omogoča vzporedno obdelavo in pospešeno delovanje, kar ima za posledico hitrejše izvajanje zapletenih nalog AI. Ta lokalna obdelava zmanjšuje zakasnitev in odvisnost od virov v oblaku, zaradi česar je ključnega pomena za časovno občutljive aplikacije. Specializirana strojna oprema podpira tudi napredne modele umetne inteligence, kar vodi do izboljšanih vpogledov in izboljšanega delovanja. Poleg tega zmanjšuje stroške z zmanjšanjem potrebe po obsežni infrastrukturi v oblaku in prenosu podatkov.
Sposobnost strojev, da prepoznajo in razlagajo človeški govor.
Metoda učenja, pri kateri so modeli strojnega učenja usposobljeni z označenimi (znanimi) nabori podatkov za napovedovanje izida.
Optimizacija pretoka blaga in materialov v dobavni verigi za zmanjšanje stroškov in izboljšanje učinkovitosti. AI se pogosto uporablja za avtomatizacijo procesov, zaznavanje neučinkovitosti, zagotavljanje kakovosti blaga in napovedovanje povpraševanja.
Umetni podatki, ki jih ustvarjajo algoritmi in ne dogodki v resničnem svetu, ki se uporabljajo za usposabljanje in potrjevanje modelov strojnega učenja. Kakovost sintetičnih podatkov je ključnega pomena. Določa, ali bo AI po treningu prinesel sprejemljive rezultate.
U
Metoda učenja, pri kateri modeli strojnega učenja odkrivajo vzorce in skupine v podatkih, ki so prej neznani (neoznačeni).
V
Virtualna resničnost (VR) predstavlja digitalno upodobljeno okolje, ki lahko replicira dejanski prostor, ustvari alternativno resničnost ali združuje oba. Uporabnik lahko raziskuje virtualni prostor iz meja doma, pisarne ali tovarniške nadstropja.
