ONE Tech-ի 2021 թվականի կանխատեսումները տվյալների գիտության և AI-ի վերաբերյալ

ONE տեխ AI-ի վրա հիմնված տեխնոլոգիական ընկերություն է, որը նախագծում, մշակում և տեղակայում է հաջորդ սերնդի IoT լուծումներ OEM-ների, ցանցային օպերատորների և ձեռնարկությունների համար:

Մենք բախտ ունեցանք, որ Յասեր Խանը, ONE Tech-ի գործադիր տնօրենը, կիսում է իր կանխատեսումները 2021 թվականի համար.

ONE Tech-ի գործադիր տնօրեն Յասեր Խան

Կանխատեսում #1: Տվյալները (վերջապես) դառնում են թագավոր.

Մանրամասներ: 2021 թվականը կլինի այն տարին, երբ արդյունաբերությունը կհասկանա, որ IoT-ը պարզապես տվյալների փոխանցման միջոց է: Դա այն է, թե ինչպես են կազմակերպություններն օգտագործում տվյալները՝ եկամուտների նոր հոսքեր առաջացնելու կամ հաճախորդների գոհունակությունը բարձրացնելու համար, որն իրական շարժիչ ուժն է միլիարդավոր ակտիվների միացման հետևում: Ավելին, AI-ն այլևս կապված չի լինի տվյալների կենտրոնների հետ: Բարձրարժեք, հզոր հաշվողական ռեսուրսները պարզապես անհրաժեշտ չեն կազմակերպությունների համար անհրաժեշտ պատկերացում կազմելու համար իրենց ակտիվների տվյալների արժեքը գիտակցելու համար:

Կանխատեսում #2: Ավտոմատացումը կփոխի բիզնես մոդելները։

Մանրամասներ: Տեղական արհեստական ​​ինտելեկտի ավելի շատ տվյալներ հավաքելու և մշակելու ունակությամբ, ավանդական ընկերությունները, ինչպիսիք են ավտոդիլերները, ավելի կկենտրոնանան ծառայությունների վրա, քանի որ նրանք կկարողանան կանխատեսել սպասարկման վերանորոգումը նախքան դրանք տեղի ունենալը: Օրինակ, եթե սենսորները հայտնաբերեն, որ անվադողը նավատորմի մեքենայի ընդունելի միջակայքից ցածր է, այն կարող է զգուշացնել մենեջերներին, որ սպասարկող մեքենան ուղարկեն բեռնատարի տեղը՝ նախքան ավելի մեծ խնդիր առաջանալը: Իսկ սպառողական երկարաժամկետ օգտագործման ապրանքների դեպքում աման լվացող մեքենայի վրա տեղադրված սենսորը կարող է զգուշացնել սպասարկող վերանորոգողին, որ խնդիր կա, նախքան աման լվացող մեքենայի դուրս գալը: Այս սցենարներում OEM-ները և ընկերությունները կարող են զգալիորեն մեծացնել իրենց բիզնեսի ծառայությունների մասը՝ փոխելով իրենց բիզնես մոդելը այնպիսի մոդելի, որն ավելի քիչ կախված է սարքաշարից:

Կանխատեսում #3: Վերջնական սարքերը գնալով ավելի խելացի կդառնան.

Մանրամասներ: Մեքենայական ուսուցման և արհեստական ​​ինտելեկտի (#AI) միջոցով ցանցային ինտելեկտն ավելի է մոտենում եզրին՝ վերջնակետ սարքերին տալով նոր դերեր և առաջադրանքներ, որոնք նրանց ավելի խելացի են դարձնում: Էժան ապարատով տրամադրվող հաշվողական հզորությամբ հզոր ինտելեկտն այժմ կարելի է ձեռք բերել մեքենայական ուսուցման ալգորիթմների միջոցով, որոնք կարող են ապրել (վարժեցնել և մշակել) անմիջապես տվյալների սկզբնաղբյուրում: Բացի այդ, ապարատային հնարավորությունները երբևէ զարգանում են սարքավորման վրա ապրող ծրագրային ապահովման հետ մեկտեղ: Արդյունաբերական հատվածն արդեն օգտվում է տեղական տվյալների մշակման արդյունավետության ձեռքբերումներից՝ հասկանալու համար, թե ինչ է կատարվում այդ մեքենաների և սարքերի հետ: Մյուս շուկաները պետք է փոխվեն և հարմարվեն տեղական տվյալների մշակմանը կամ, մասնավորապես, մեքենայական ուսուցմանը վերջնական կետում, քանի որ դա էական նշանակություն կունենա կազմակերպություններին մասշտաբի մեծացման համար:

Կանխատեսում #4: Ամպային տվյալների փոխանցման ծախսերը կտրուկ կաճեն.

Մանրամասներ: Ամպային միջավայրում տվյալների փոխանցման, պահպանման և մշակման արժեքը աճող ցավալի կետ է բոլոր չափերի կազմակերպությունների համար: 2021 թվականին Edge AI-ն նորարարական նախագծերից կհասունանա արդյունաբերական ստանդարտի: Տվյալների տեղական մշակման համար եզրային և ներկառուցված AI-ի վերջնական կետ բերելը վերացնում է ծախսերի ցավալի կետը: Եզրակացություն. Եթե ձեռնարկությունները նորարարական բաներ չեն անում՝ իրենց տվյալներից ստացված ավելի մեծ արժեք ստանալու համար՝ ծախսերին համընթաց պահելու համար, նրանք պարզապես հետ են գնում:

Կանխատեսում #5: Կանխատեսելի սպասարկումը 2021 թվականին կբարձրացնի արտադրական ցավոտ կետերը.

Մանրամասներ: Կիսահաղորդիչներն ու չիպերն օգտագործում են պարզ որոշումների ծառեր, որոնք կարող են աճել և դառնալ բարդ: Որոշումների ծառի վրա հիմնված գործընթացից դեպի կանխատեսող ալգորիթմի անցնելը հաջորդ քայլն է եզրին հետախուզության համար: Արտադրողները զբաղվում են իրերի արտադրությամբ: Նրանք տեխնոլոգիաների և տվյալների կառավարման բիզնեսում չեն: Քանի որ տվյալների ծավալն աճում է, անընդհատ աճում է անհրաժեշտությունը՝ հասկանալու տվյալները և գործելու պատկերացումների հիման վրա՝ հնարավորինս արդյունավետ և արդյունավետ մնալու համար: Դա անելու համար արտադրողները պետք է ապավինեն տեխնոլոգիային, որը կօգնի նրանց գիտակցել իրենց ստեղծած տվյալների արժեքը: Դա տեղի կունենա տեղական/Edge AI-ի տեղակայումից՝ տվյալների տեղական մշակման համար, պատկերացումներով հարուստ արդյունք ստանալու համար: Edge AI-ի լուծումից ստացված արդյունքները, ի վերջո, ավտոմատացնելու են արձագանքն ու գործողությունը՝ թույլ տալով ավելի քիչ կախվածություն ունենալ մարդկային փոխազդեցությունից և ավելին՝ ավտոմատացված ուղղիչ գործողություններից:

հարցազրույցԴուք կարող եք նաև կարդալ ան հարցազրույց Յասեր Խանի հետ.