Prévisions 2021 de Beyond Limit’s sur l’IA cognitive et la démocratisation des connaissances.

Beyond Limits est une entreprise pionnière en IA avec un héritage unique issu du programme spatial de la NASA, notamment la technologie d’IA développée au Jet Propulsion Laboratory (JPL). Ils améliorent les systèmes logiciels développés pour la NASA/JPL, leur donnant des capacités supplémentaires et les renforçant pour les rendre résistants à l’épreuve de l’industrie.

Nous avons eu la chance d’avoir deux de leurs esprits brillants partager leurs prévisions pour 2021 :

Kim Gilbert, PhD, Manager Technical Commercial Engineering chez Beyond Limits

Prévision #1 : Les technologies d’IA cognitives connaîtront une croissance et des améliorations rapides dans les années à venir pour devenir plus agiles, flexibles et intelligentes lorsqu’elles sont déployées dans une variété de nouvelles industries.

Détails : En unifiant les techniques d’apprentissage automatique avec les connaissances humaines codées, les progrès de l’IA cognitive permettront aux utilisateurs d’ajouter à et de modifier sa base de connaissances une fois déployée, et à mesure qu’ils le font, les systèmes deviendront considérablement plus flexibles et intelligents car ils apprennent en interagissant avec plus d’experts en domaine, de problèmes et de données. Finalement, les systèmes d’IA seront capables d’identifier si les décideurs ont mis en œuvre ou rejeté les actions recommandées, si l’action entreprise a fait ce qu’elle était censée faire, et si le système a pu apprendre de cette action corrective.

Prévision #2 : Les technologies d’IA traditionnelles devront devenir plus avancées pour résoudre les défis posés par les méthodes de planification et de mise en œuvre de plus en plus complexes dans l’industrie des services publics.

Détails : L’un de ces défis, par exemple, est le problème que les services publics rencontrent dans la gestion des nombreux compromis qui doivent être pris en compte simultanément lors de la gestion des opérations, tels que le cyclage des turbines, l’équilibre de charge, les contraintes d’actifs et d’équipements. Lorsque les solutions d’IA et d’apprentissage automatique traditionnelles ne sont plus suffisantes, les exploitants de services publics se tourneront vers de nouvelles technologies comme l’IA cognitive, qui est capable de fournir aux opérateurs une perspective globale de l’usine et de planifier pour prendre des décisions éclairées lors de la prise en compte de nombreux compromis, objectifs et contraintes en même temps.

Michael Krause, PhD, Data Scientist chez Beyond Limits

Prévision #1 : L’IA aura un impact croissant sur la chaîne d’approvisionnement.

Détails : La chaîne d’approvisionnement est un grand défi et un domaine qui convient bien à l’IA car il y a beaucoup de personnes, d’entreprises et de modes de transport impliqués. Actuellement, une grande partie du système est très manuelle, où une personne dans un emplacement prend le téléphone et appelle une autre personne dans un emplacement différent pour lui indiquer quel camion ou quel navire, transportant quels biens, arrivera dans leur emplacement à quelle date. La quantité de données utilisées et l’échelle étendue de l’industrie de la chaîne d’approvisionnement font de cela un excellent cas d’utilisation pour l’IA.

Prévision #2 : L’IA bénéficiera de plus en plus à l’industrie pétrolière et gazière en amont grâce à la démocratisation et à la localisation des connaissances spécialisées dans les opérations de puits, où les connaissances et l’expérience des experts en domaine sont extrêmement précieuses mais rares.

Détails : La technologie d’IA cognitive peut créer un cadre qui tire parti des connaissances des experts en domaine en les intégrant dans le système, puis en démocratisant ces connaissances dans l’ensemble de l’organisation. La prochaine couche consiste à localiser ces connaissances pour permettre à plusieurs utilisateurs de modifier et d’ajouter des connaissances au cadre en fonction de leur situation unique. Cela est précieux car le système d’IA sera capable d’apprendre de ces entrées de connaissances et de combiner l’entrée avec les données pour acquérir une compréhension plus large à travers différents actifs et différents cas d’utilisation. Cela fournira aux décideurs une meilleure compréhension des défis et permettra au système de fournir de meilleures recommandations pour résoudre des défis d’opérations de puits complexes.