Przewidywania Beyond Limits na 2021 rok dotyczące Cognitive AI i demokratyzacji wiedzy

Beyond Limits to pionierska firma AI z unikalnym dziedzictwem programu kosmicznego NASA, a w szczególności technologii AI opracowanych w Jet Propulsion Laboratory (JPL). Ulepszają systemy oprogramowania opracowane dla NASA/JPL, nadając im dodatkowe możliwości i wzmacniając je do poziomu przemysłowego.

Mieliśmy szczęście gościć dwie wybitne umysły, które podzieliły się swoimi przewidywaniami na 2021 rok:

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

Przewidywanie #1: Technologie Cognitive AI będą się szybko rozwijać i ulegać poprawie w nadchodzących latach, aby stać się bardziej zwinne, elastyczne i inteligentne przy wdrożeniu w różnych branżach.

Szczegóły: Poprzez połączenie technik machine learningu z zakodowaną wiedzą ludzką, postępy w dziedzinie Cognitive AI umożliwią użytkownikom dodawanie do i edytowanie bazy wiedzy po wdrożeniu, a w miarę ich działania systemy staną się znacznie bardziej elastyczne i inteligentne, gdy uczą się poprzez interakcje z większą liczbą ekspertów, problemów i danych. Ostatecznie systemy AI będą w stanie rozpoznać, czy decydenci wdrożyli lub odrzucili zalecane działania, czy podjęte działanie osiągnęło zamierzone cele, oraz czy system mógł się uczyć z tego działania.

Przewidywanie #2: Tradycyjne technologie AI będą musiały stać się bardziej zaawansowane, aby rozwiązać wyzwania stawiane przez coraz bardziej złożone metody planowania i wdrożenia w branży energetycznej.

Szczegóły: Jednym z tych wyzwań jest problem, z którym borykają się dostawcy energii w zarządzaniu wieloma kompromisami, które muszą być uwzględnione jednocześnie podczas prowadzenia operacji, takimi jak cykling turbiny, bilans obciążenia, ograniczenia aktywów i wyposażenia. Gdy tradycyjne rozwiązania AI i machine learningu nie są już wystarczające, operatorzy energetyczni zwrócą się ku nowym technologiom, takim jak Cognitive AI, które mogą zapewnić operatorom globalny punkt widzenia zakładu i planowania, aby podejmować świadome decyzje, uwzględniając wiele kompromisów, celów i ograniczeń jednocześnie.

Michael Krause, PhD, Data Scientist w Beyond Limits

Przewidywanie #1: AI będzie miało coraz większy wpływ na łańcuch dostaw.

Szczegóły: Łańcuch dostaw to duże wyzwanie i obszar, który jest dobrze dopasowany do AI, ponieważ zaangażowanych jest wiele osób, firm i środków transportu. Obecnie wiele systemów jest bardzo ręczne, gdzie osoba w jednej lokalizacji dzwoni do innej osoby w innej lokalizacji, aby powiadomić ją o tym, jaki samochód lub statek, przewożący jakie towary, przybędzie do ich lokalizacji w którym dniu. Ilość danych i rozległy zakres branży logistycznej sprawiają, że jest to idealny przypadek użycia AI.

Przewidywanie #2: AI będzie coraz bardziej korzystne dla branży wydobywczej ropy naftowej i gazu poprzez demokratyzację i lokalizację specjalistycznej wiedzy w operacjach studni, gdzie wiedza i doświadczenie ekspertów są niezwykle cenne, lecz rzadkie.

Szczegóły: Technologia Cognitive AI może stworzyć ramy, które wykorzystują wiedzę ekspertów, wbudowując ją w system, a następnie demokratyzując tę wiedzę w całej organizacji. Następna warstwa polega na lokalizacji tej wiedzy, aby umożliwić wielu użytkownikom modyfikację i dodawanie wiedzy do ramy na podstawie ich unikalnej sytuacji. Jest to cenne, ponieważ system AI będzie w stanie się uczyć z tych danych wejściowych i łączyć je z danymi, aby uzyskać szersze zrozumienie w różnych aktywach i różnych przypadkach użycia. To da decydentom lepsze zrozumienie wyzwań i pozwoli systemowi na lepsze zalecenia dotyczące rozwiązywania złożonych problemów operacji studni. To pozwoli systemowi na lepsze zrozumienie wyzwań i umożliwi lepsze zalecenia dotyczące rozwiązywania złożonych problemów operacji studni, z tych danych wejściowych i połączyć je z danymi, aby uzyskać szersze zrozumienie w różnych aktywach i różnych przypadkach użycia. To pozwoli decydentom na lepsze zrozumienie wyzwań i umożliwi systemowi na lepsze zalecenia dotyczące rozwiązywania złożonych problemów operacji studni, z tych danych wejściowych i połączyć je z danymi, aby uzyskać szersze zrozumienie w różnych aktywach i różnych przypadkach użycia. To pozwoli decydentom na lepsze zrozumienie wyzwań i umożliwi systemowi na lepsze zalecenia dotyczące rozwiązywania złożonych problemów operacji studni, z tych danych wejściowych i połączyć je z danymi, aby uzyskać szersze zrozumienie w różnych aktywach i różnych przypadkach użycia.