当前,各行各业正处于双轨转型过程(数字化转型和绿色转型)中,产品和流程的碳足迹已成为一种新货币。由于可以访问数据,AI会成为将经验流程知识转化为预测性解决方案的关键使能器。这些解决方案将为客户和相关价值链节省成本。
在钢铁和橡胶等较为传统的行业,为预测性和规范性AI创建模型仍旧任重而道远。随着时间的推移,经验会不断积累。这是因为前端流程中的过程数据仍然缺失,需要传感器集成来生成这些数据,这也是棕地更新的目标。
传统制造业的用例面临更多的挑战和瓶颈,因为它们:
与用于大规模AI解决方案训练的数据集相比,有关工业流程的数据和信息更为稀缺。此外,数据集属于工业企业财产,往往不易获得。
欧洲目前的研发计划(GAIA-X、Catena-X、Manufacturing-X)正致力于通过资助制造业的数字化转型来解决其中的一些问题。欧洲议会于2022年4月6日通过的《数据治理法》旨在促进欧盟境内的数据共享,从而使公司和初创企业能够获得更多数据,用于开发新产品和服务。只有当利益相关方和用户能够访问大数据时,人工智能的潜力才能得到充分发挥。
以下是《GIO白皮书》部分内容:
好文章,需要你的鼓励
AMD CIO的职能角色早已超越典型的CIO职务,他积极支持内部产品开发,一切交付其他部门的方案都要先经过他的体验和评判。
医学生在选择专业时,应当考虑到AI将如何改变医生的岗位形态(以及获得的薪酬待遇)。再结合专业培训所对应的大量时间投入和跨专业的高门槛,这一点就更显得至关重要。
我们拥有大量数据,有很多事情要做,然后出现了一种有趣的技术——生成式AI,给他们所有人带来的影响。这种影响是巨大的,我们在这个领域正在做着惊人的工作。