ظهور بات مکالمه ChatGPT در انظار عمومی زندگی جدیدی را به حوزه هوش مصنوعی (AI) بخشیده است. همانطور که فناوری هوش مصنوعی وارد تمام صنایع می شود، بخشی از کار و زندگی ما می شود و انقلاب صنعتی جدیدی را آغاز می کند. در حالی که کسب و کارها از بین خواهند رفت، فرصت های جدیدی برای کسانی که با هوش مصنوعی کار می کنند ایجاد خواهد شد.
صنایع سنتی، مانند انرژی و تولید، حتی بیشتر از صنایع IT نگران آینده مبتنی بر هوش مصنوعی هستند. آنها می خواهند بدانند چگونه می توانند از فناوری های هوش مصنوعی برای کاهش هزینه ها و افزایش کارایی در صنایع خود استفاده کنند.
با مشاهده این موضوع در سال گذشته، متوجه شدیم که مسیر رسیدن به هوش مصنوعی برای صنایع سنتی کار می برد. اما سوال اصلی تاثیرگذار بر اینکه آیا این صنایع می توانند به سرعت و با هزینه و ریسک کم از مزایای هوش مصنوعی بهره مند شوند، یکی از زیرساخت های داده است.
حذف سیلوهای داده
هوش مصنوعی مبتنی بر داده های بزرگ است. تنها با حجم نمونه گسترده به اندازه کافی می توان مدل ها را آموزش داد و تصمیمات تجاری مبتنی بر داده است. با این حال، برای صنایع سنتی، گفتن کلان داده آسان تر از انجام دادن است.
زیرساخت های فناوری اطلاعات در این صنایع در بهترین حالت ناهموار هستند و بسیاری باید به شرکت های اینترنتی در تحول دیجیتال برسند. بسیاری از شرکت های انرژی هنوز به سیستم PI متکی هستند و اغلب نسخه های قدیمی تر که شامل بسته های پایان عمر مانند PI ProcessBook هستند. این به این دلیل است که سیستم PI به ویژه پایدار است و نیازهای تجاری آنها را برآورده می کند، بنابراین آنها دلیلی برای جستجوی جایگزین ندارند.
با این حال، این سیستم های قدیمی به هم مرتبط نیستند. آنها سیلوهای داده هستند. یک شرکت انرژی به طور معمول دارای ده ها تا صدها نیروگاه است که هر کدام اغلب از نسخه های مختلف یا حتی سیستم های نرم افزاری مختلف استفاده می کنند. به دلیل ادغام و اکتساب، فروشندگان مختلف اغلب در سایت های مختلف استفاده می شوند، که یک زیرساخت داده یکپارچه را به پیشنهادی پرهزینه و پرخطر تبدیل می کند.
قبل از اینکه فناوری هوش مصنوعی در صنایع سنتی پیاده سازی شود، سیلوهای داده باید حذف شوند و داده های موجود در سیستم های مختلف باید متمرکز شوند. تمرکز داده ها در این سایت‌ها کار ساده ای نیست که معمولاً تجهیزات قدیمی و مدرن را اجرا می کنند و طیف وسیعی از پروتکل های داده های صنعتی را در بر می گیرند.
تمرکز صرفاً ترکیبی از داده ها نیست، بلکه فرآیندی است که شامل پاکسازی و پردازش داده ها قبل از ارسال آنها به یک پلتفرم یکپارچه می شود. این فرآیند به سرعت کثیف و زمان بر می شود و منافع مالی مستقیمی به همراه ندارد. اما اگر نمی توانید داده های خود را متمرکز کنید، هوش مصنوعی را فراموش کنید-نمی توانید از آن استفاده کنید.
ایجاد بستر اشتراک گذاری داده
استفاده از داده ها به اشتراک گذاری آن با برنامه های کاربردی داخلی و خارجی است. به عنوان مثال، خودروهای برقی حجم عظیمی از داده ها را جمع آوری می کنند، از اطلاعات موتور و باتری گرفته تا رفتار کاربر. شرکت های خودروهای برقی از این داده ها به صورت داخلی برای تعیین چگونگی بهبود محصولات و تجربیات خود استفاده می کنند.
آنها همچنین این داده ها را برای تجزیه و تحلیل بیشتر با اشخاص ثالث مانند تولید کنندگان باتری و موتور به اشتراک می گذارند. در برخی موارد، اشتراک گذاری با تنظیم کننده ها نیز ممکن است ضروری باشد. تنها با یک پلتفرم قدرتمند اشتراک گذاری داده می توان این الزامات را برآورده کرد.
به اشتراک گذاری داده ها سوالات حریم خصوصی و امنیتی را به تصویر می آورد. ذینفعان باید فقط به داده های خاص به اشتراک گذاشته شده با آنها دسترسی داشته باشند. به دلایل حفظ حریم خصوصی کاربر، برخی از داده های خام ممکن است برای اشتراک گذاری مناسب نباشند، قبل از اینکه اشخاص ثالث بتوانند آن ها را مشاهده کنند، نیاز به پردازش دارند و برای اهداف امنیت اطلاعات، صاحب داده باید دوره زمانی را که در طی آن می توان به داده های خاص دسترسی پیدا کرد و استفاده کرد، کنترل کند.
به اشتراک گذاری داده ها همچنین باید یک فرآیند انعطاف پذیر باشد که بتواند با بسیاری از برنامه ها کار کند و از معرفی مداوم برنامه ها و شرکای جدید پشتیبانی کند. این نمی تواند فرآیندی باشد که نیاز به پیکربندی دشوار یا مشارکت توسعه دهنده دارد. مدیران سیستم ها باید بتوانند پس از دریافت درخواست، اشتراک گذاری را به سرعت و بدون تلاش قابل توجه فعال کنند. اشتراک گذاری بلادرنگ، علاوه بر به اشتراک گذاری داده ها به عنوان یک کار برنامه ریزی شده، باید امکان پذیر باشد.
یک پلتفرم به اشتراک گذاری داده قوی، ایمن و انعطاف پذیر برای شرکت های علاقه مند به فعال سازی هوش مصنوعی، علاوه بر تمرکز داده ها، ضروری است.
مزایای سیستم های باز
با تمرکز و اشتراک گذاری داده ها، شرکت ها می توانند برنامه های کاربردی هوش مصنوعی داخلی ایجاد کنند که تشخیص ناهنجاری، نگهداری پیش بینی و … را بهتر می کند. علاوه بر این، این برنامه ها می توانند به جای محدود شدن به یک کارخانه یا کارگاه، در سطح سازمانی کار کنند و تصویر بزرگی را برای رهبری ارائه دهند.
توسعه داخلی برنامه های کاربردی هوش مصنوعی برای اکثر صنایع سنتی مطرح نیست. بهترین گزینه آنها ممکن است این باشد که پلتفرم های داده خود را با برنامه های کاربردی هوش مصنوعی شخص ثالث پیشرو در صنعت متصل کنند. خدمات ابری شخص ثالث راه دیگری برای کاهش زمان ورود به بازار و هزینه ها است. سرویس های ابری معمولاً صورت حساب مبتنی بر استفاده یا زمان را ارائه می دهند و آزمایش یک سیستم را بدون متعهد شدن به هزینه های قابل توجه آسان تر می کنند.
از آنجایی که کیفیت خدمات ارائه شده توسط ارائه دهندگان هوش مصنوعی می تواند بسیار متفاوت باشد، شرکت ها باید پلتفرم های داده باز را انتخاب کنند که بتوانند داده ها را از طریق رابط های استاندارد به هر برنامه کاربردی ارائه دهند. سیستم های داده باز گزینه هایی را برای برنامه های کاربردی هوش مصنوعی به شما می دهند. می توانید چندین برنامه را امتحان کنید تا زمانی که بهترین مورد را برای سناریوی خود پیدا کنید.
آینده هوش مصنوعی
علیرغم تبلیغات زیاد، نمی توانیم انتظار داشته باشیم که هوش مصنوعی جایگزین صنایع سنتی مانند انرژی، تولید و معدن شود، درست مانند آنچه که اینترنت 20 سال پیش این کار را نکرد. این صنایع به رشد خود ادامه خواهند داد و هوش مصنوعی به آنها نشاط جدیدی می بخشد و کارایی را افزایش می دهد. شرکت هایی که از این آینده مجهز به هوش مصنوعی استقبال نکنند، احتمالاً قادر به رقابت نخواهند بود و در نهایت بازار را از دست خواهند داد.
برخی از زمینه ها وجود دارد که هوش مصنوعی برای صنایع سنتی آماده نیست. اولین مورد در صنایعی است که حاشیه سود کمی دارند، زیرا ممکن است به دلیل ماهیت بیش از حد محاسباتی آن بسیار گران در نظر گرفته شود. بات مکالمه ChatGPT و فناوری های مشابه به داده های تاریخی متکی هستند، در حالی که سناریوهای صنعتی واقعی به تجزیه و تحلیل داده های بلادرنگ نیاز دارند. هنوز چالش هایی برای هوش مصنوعی در بخش صنعتی وجود دارد و فضای زیادی برای پیشرفت وجود دارد، اما این به عهده محققان هوش مصنوعی است.
ما باید همین الان اقدام کنیم تا با ظهور هوش مصنوعی منسوخ نشویم. داده ها را از همه سایت ها متمرکز کنید و یک پلتفرم اشتراک گذاری داده باز، ایمن و انعطاف پذیر ایجاد کنید که می تواند به طور یکپارچه با ابزارها و خدمات هوش مصنوعی شخص ثالث ادغام شود. آینده متعلق به کسانی است که آماده هوش مصنوعی هستند. آیا شما آماده هستید؟
