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

Beyond Limits est une entreprise pionnière dans le domaine de l’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 qui ont partagé leurs prévisions pour 2021:

Kim Gilbert, PhD, Manager de l’ingénierie commerciale technique 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 lorsqu’ils apprennent en interagissant avec plus d’experts de 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 prise 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 considérés simultanément lors de l’exécution des opérations, tels que le cyclage des turbines, l’équilibre de charge, les contraintes d’actifs et d’équipement. 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 lorsqu’ils considèrent 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 bien adapté à l’IA, car il y a tant de personnes, d’entreprises et de modes de transport impliqués. Actuellement, une grande partie du système est très manuelle, où une personne dans un endroit prend le téléphone et appelle une autre personne dans un autre endroit pour lui dire quel camion ou quel navire, transportant quels biens, arrivera à son 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 de domaine sont extrêmement précieuses mais rares.

Détails: La technologie d’IA cognitive peut créer un cadre qui tire parti des connaissances des experts de 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 connaissances et de les combiner avec des 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 complexes d’opérations de puits.