UPS全球航空枢纽Worldport使肯塔基州路易斯维尔的穆罕默德·阿里国际机场成为美国第三繁忙的货运机场。这个占地520万平方英尺的设施拥有超过2万名员工、580架飞机(其中290架为UPS大型喷气式货机),每小时处理约56万个包裹。
"这是一个非常紧张的运营过程,"UPS IT总裁Alp Kayabasi说。
直到最近,Worldport的资产跟踪仍依赖劳动密集型、易出错且效率低下的人工流程。此外,装载规划师与地勤人员之间的沟通依赖陆地移动无线电,受到严重限制。Kayabasi表示,这需要从停机坪到建筑物的近距离接触,意味着分散的规划师必须在物理上保持如此接近才能实现任何联系。这种设置限制了UPS的可见性,阻碍了高效运营,并妨碍了集中管理。
识别阻碍UPS在Worldport运营的挑战是一回事,解决这些问题则是另一回事。但在2023年6月,UPS开始开发名为网关技术自动化平台(GTAP)的解决方案,这是一种利用人工智能和机器决策来自动化人工任务、优化资源利用和集中异常管理的方法。
Kayabasi表示,GTAP帮助UPS在2024年确定了1350万美元的节省,并为UPS赢得了2025年CIO 100 IT卓越奖。
"今年,我们预计这一举措将节省约2400万美元的成本,"他说。"除此之外,它还改善了我们的准时性能、运营安全性,并为客户提供最佳服务。"
重量的期望
Kayabasi和他的团队早期确定的一个领域是需要将单元装载设备(ULD)数字化,这些是用于在宽体和一些窄体飞机上装载货物和邮件的容器。
"我们在全世界有超过6万个这样的ULD,"Kayabasi说。"当飞机降落并被清空或装载时,周围有大量员工从事各种工作,从给飞机加油和维护,到跟踪ULD。飞机还必须有分布式重量和平衡协议。"
Kayabasi解释说,所有这些事情都是通过无线电通信协调的。
"让设备以电子方式连接,让我们的机组人员高效地相互沟通,这就是我们想要现代化的内容,"他说。
团队通过数字化智能ULD并集成先进传感器和通信实践来创建智能ULD,提供精确的全球跟踪和实时位置服务。
但为智能ULD设计传感器并不容易。没有现成的商业解决方案能满足UPS的需求。传感器需要能够提供频繁更新,并且需要抗震。
传感器的电池管理也成为一个难点。每次ULD从飞机上卸下时都给设备充电是不现实的。此外,设备大部分时间都在飞机内或封闭建筑物内,所以太阳能不是一个可行的选择。同时,设备必须遵守严格的FAA和FCC法规。
UPS设计了一个电源管理系统,确保电池的持久性而无需频繁充电。为了满足监管要求,团队与相关机构密切合作认证技术。他们设计了无线电通信协议,自动调整ULD的环境以保持合规。
提升通信
除了智能ULD,UPS还开发了Ramp Chat作为GTAP的一部分,以消除Worldport对陆地移动无线电的依赖。Ramp Chat是一个集中装载规划操作的通信平台,作为具有多载波能力和备用通信协议的移动应用程序,确保高度可靠性。
GTAP的这两个方面使UPS能够利用人工智能和机器学习使运营更加高效。算法还确定哪些牵引车——货物转运车辆——最适合高效装卸ULD,人工智能帮助平衡重量并调整飞机上的设备,预测性地确定世界各地需要额外ULD库存的位置。
"这些资产的平衡和移动现在由人工智能驱动,"Kayabasi说。"如果没有对这些资产的适当跟踪,我们无法做到这一点。"
集体努力
Kayabasi指出,产品管理思维和精益敏捷实践是成功交付GTAP的关键因素,让团队能够非常快速地学习和交付新功能。然而,他最重要的建议是始终以业务而不是技术作为聚焦努力的视角。
"我们如何确保在技术上的投资推动业务朝着目标前进?"他问道。"如果他们的目标是更好的沟通,你如何实现?如果是降低成本,你如何实现?"
最重要的是,与利益相关者过度沟通。
"变革很困难,但通过过度沟通、制定培训计划和围绕你所做的变革创造安全感,你可以获得盟友来帮助支持你前进,"他说。
好文章,需要你的鼓励
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
华盛顿大学研究团队发现,大型语言模型在未接受手语训练的情况下,竟然具备理解德语手语的能力。通过系统实验,他们证实了模型能够判断手语语法正确性,并进行手语与文字间的翻译。这种"涌现的多模态能力"源于模型对语言抽象结构的深度理解,为开发手语翻译技术和改善聋哑人群数字交流体验开启了新可能。
剑桥咨询CEO蒙蒂·巴洛在采访中分享了如何识别具有潜力的技术领域。他表示,当听到看似不可能或令人惊讶的技术时会特别关注,如深度学习AI、量子计算等。该公司作为"深度科技强国",专注于生物工程、人工智能、量子计算等领域,拥有740名员工,年均为客户创造5000多项专利。巴洛强调跨学科合作的重要性,预测未来计算机系统的应用需求将大幅增长。
谷歌DeepMind团队提出STAR方法,通过模仿苏格拉底教学法让AI学会类比推理,解决传统AI无法"举一反三"的问题。实验显示该方法显著提升AI处理新问题的能力,在逻辑推理准确率从40%提升至75%以上。这项突破为创造真正智能的AI系统指明方向,未来将在教育、医疗、创意设计等领域产生重要应用价值。