聊天GPT制造:创用AI会改变工业应用

生成AI允诺成为近数十年来最具破坏性技术之一

试想一下,只要快速,聊天GPT 如何能够写出从诗到复杂论文几乎每个题目的一切更令人吃惊的是,像MidJourney这样的AI工具能生成复杂图像仿真名艺人风格

平台不单能替换作家、艺人和音乐家,归根结底,聊天GPT并不只是写作可提供各种编程语言代码并存信任问题信得过系统精度和道德

聊天GPT大语言模型 以及其他自定义AI平台 都有能力改变我们与技术互动的方式 提供创新解决方案解决最紧迫问题AI能帮助我们寻找新治病方法, 减少浪费和能源使用量, 并使我们远离吸收日常工作的许多常见例程吗?

生成AI肯定会对工厂和其他行业产生冲击它可以改变我们挖掘数据的方式仿佛像问同事问题一样 和数字双胞胎聊天万一你可请求AI优先设计机器人电池这只是AI在制造中释放出的一些潜力

A(Very)生成AI简介

根據ChatgPT^[1]AI指创建机器的广域 执行通常需要人际智能的任务.Generality AI是AI子集,侧重于创建机器产生原创和创用

基因化AI不是新技术Eliza是CapGPT早期前身之一,是Joseph Weizenbaum自1964年至1966年在MIT开发的早期自然语言处理计算机程序输入问题 Eliza提供答案

从工程角度讲 计算机从初始起即刻写代码编译者取词并转换成位元 机器能理解编程者看到代码写法大变

复杂dSP内部管道依赖度达到点C编译者可持续生成比人能并少得多时间效率更高的代码工程学中还存在多例基因化AI

关键点是 教义AI今天大有关系忽然间 计算机从帮助人们制作书面拷贝 图片和代码引导创建过程发生重大转变 从教计算机'如何'做点事到用'什么'促动它而不是写实词,你可以告诉ChatgPT你想写什么样的论文而不是画线,你可以告诉MidJourney你想要图像像什么

很快你也许能告诉机器人或机器你所想做的东西, 而不是不得不编程设计过程的每一步差一点

监督

AI在许多方面都指发现模式并重复聊天GPT写一首诗时 聊天GPT不理解这首诗MidJourney也不知道它画什么平台不知道它创造了什么 或它创造了什么是准确性或真实性

取案例CNET使用教义AI写文章.数篇使用AI制作的文章需要大量校正问题出在CNET发布文章时并使用教义AI规则#1基础:别光使用教义AI输出需要个人审查输出确认它足以实现预期目的

一种思维方式是假设基因化AI能很好地完成部分工作,但也许不是全部AI获取60%或85%或甚至99%的方式, 视应用而定,你仍然想确认并验证输出举例说,如果输出为代码,程序员需要执行审查

表示人类不会很快被替换AI已经大大改变我们创建、设计与工作方式

人类卷积和AI

微软企业策略主管Holger Kenn讲道“AI行为与人的能力相联人工智能技术向前发展 转而改变思维方式 思考人能做些什么

数字艺人常通过建构形状或操纵其他图像创建图像MidJourney数字艺人现在可以开始通过快速绘图创建图像,使用词描述图像和艺术主管相似艺术主管教艺人创建图像 艺人创建图像

艺人通过传教AI创建(即时创建)开始接任美术主管后艺人完成片段

可期望工业制造过程发生类似变化

工业制造生成AI

考虑机器人设计主工程师定义机器人需要做什么 工程团队将定义带入现实

团队非从低级设计细节入手, 可开始设计方法向AI报告机器人应做什么AI提供基础设计 团队首先验证并发建 创建最终机器人

还没到型机器人细胞设计仍是一种方法,但设计工具快速演化方式允许工程师高层次工作而AI研究低层次细节

微软Kenn认为最主要领域 传说AI会影响设计 用户界面和代码生成自然语言处理简言之,自然语言处理允许个人使用句子全句与计算机接口,就像他们在与另一人聊天一样。

计数双生今日使用数字双胞胎是生产线或工厂虚拟模型-甚至整个供应链都镜像这些过程在现实世界中如何工作

数字双生子数据库和时序数据库等技术表示制造系统数据的结构和存储,Kenn说等知道域结构时,它们非常有用

今日,如果你想从数字双生子提取数据-或用它测试新过程-你需要专家与模型交互作用有点像创建网页无法理解工具 需要网络专家 取内容并创建网页

肯恩说, 非专家使用自然语言与数字双胞胎互动 。换句话说,非专家能向AI讲出他们所想学的东西,类似于向专家讲方法并存多项长处

用户自然聊天, 体验会更具交互性与直觉性并快速迭代

最后一个优势很重要设计往往需要迭代, 即每轮设计提供洞察力 影响下一轮迭代开发迭代成本和回转时间成本都很高

仿真重迭工厂布局人需要时间完成每一项布局,然后评价并判定下一个迭代团队也可能受限人员数或工时专用于特定项目

变异AI可大大加速迭代个人描述需求, AI创建数字双组, 潜在数组, 每一组聚焦优化不同因子双胞胎可评估并教AI如何改善或修改双生关系

过程相似于主工程师引导团队设计下一迭代差异在于AI速度更快,探索更多变异性,而不会因为想再迭代而感到烦恼

代码生成是一种重要能力,不仅帮助设计者建设更好的系统,还帮助维护现有系统并减少公司技术债务.代码生成将人文描述转换成代码资产

今日你只雇用人执行数字双生关系时用高ROI说明理由,Kenn说使用AI,你可写资产代码 无人再写代码试想找人写驱动程序 30年 Modbus实现

肯恩视之为公司关键优势AI不是替换程序员,更多资产输入系统 无人从ROI角度说明理由

肯恩认为,最初人们在告诉AI写代码时需要相当详细随时间推移,我们将能够输入AI数据表和其他文档提供所需数据,使AI能够处理大部分细节本身

代码生成正以与文本图像相似进化速度进化微软Coilot365正在改变人们如何企业工作并同时交互协同驾驶帮助工程师程序工业系统.

精化分解

值得一提的是,在这两种使用案例中, 染色AI都有可能提供良好结果, 但不是你可立即带去制作弹性速度AI增强过程 使人类团队更快实现更好的结果

另一种思维方式:创用AI允许工程师专注于精炼设计,而不是从头生成设计工程师拥有确定何为有用正确-何非正确-

模型今日不常理解现实世界 肯尼说某些事物人类理解,像时间流逝, 对我们来说似乎无关紧要基因化AI模型只知道这些概念模式他们知道数字,但他们不知道加法

随时间推移,AI将学习精炼自己的输出,提供更好的结果比方说,早期版MidJourney有时画人多牙当前模型精炼输出纠正确定牙类问题并创建专家模型来解决这一问题

工厂自动化过程会逐步完善举个例子,像机架和控件符等词有不同的含义,视上下文而定。主要的AI模型可深入专家模型提供必备上下文,而不是为每种上下文创建新的整体模型

专家模型概念扩展至更加复杂交互

思考AI,'目前我工厂使用什么?' 问题没有固有答案AI需要联系数字双生子以获取答案,

Kenn认为这是一个强大的工具,使AI模型更容易归纳公司将能够从基础模型工作,即支持自然语言处理接口后再通过专家模型取用域知识

简单例子说明这一点想象一下你用三叉连接器破解部分需要替换在一个目录中查找可能是困难的,如果你不知道它是什么试想一下,如果你能画出部分或拍出图片并让AI为您查找部分仿佛有一个助手 做工作中乏味和乏味的部分

管理AI的通过

传统上,工业制造者往往慢应用新自动化技术AI很有趣,但他们宁可让大角色接受并证明当他们带AI时, 他们用自上而下方法介绍它几率公司内部个人发现 值感化AI带解问题其中许多人已经开始职场使用它

前所未见人买IBM个人电脑操作电子表格, 因为他们无法访问公司主机,公司会发现员工使用AI,最重要的问题是要问是禁止还是接受

生成AI为公司带来巨大价值但它也有缺陷 你需要准备有些事情值得注意:

• 计算机向右一些人视计算机输出为事实AI可解决许多问题,但并不总是正确举例说,ChatGPT模型使用互联网数据差错-互联网充满差错-均是ChatGPT的一部分并可能部分输出serve2+2=5用户需要知道输出良好但非完美
• 皇后生存之道she isif you ask hatgPT3.0,因为模型创建时她还没有过世固定静态模型冒失去相关性的风险举例说,如果设备移到工厂楼层上,数字双机更新前不准确计划更新关键模型 可能包括使用新模式服务能力
• 原创工作同时,你不希望模型每天都变换引出全套其他潜在问题, 诸如某事工作 突然破解
• 语言非数据AI模型的力量不见于信息取用语言获取资讯的能力,语言模型与其允许访问的信息模型分离,可以持续提高用户使用AI的便捷性
• 我的意思是工业系统将利用技术数据库上建模型意指某些术语上下文意义不同于自然语言意义安市嵌入式信息密集表示文本语义简言之,嵌入式为扩展自然语言模型到特定工业应用上下文提供了强有力的方法

未来工业制造

AI和其他工业创新大有契机基本接受屏障在于将这种创新货币化微软Kenn说,“机器人最终会接管工厂,但他们没有,因为建设工作机器人仍然极难实现。新技术的好处必须证明投资有理使用基因化人工智能,我们可以看到对新创新投资显著下降。”

基因化AI大可提供的一个领域是棕田部署区,这个区通常充满技术欠债考虑连接老机操作纸磁带到工厂网络的困难性,以便其操作可以自动化、监控和优化努力让个人创建软件硬件取代单页读取器 可能不值钱

使用基因化AI转换纸磁带数据到Python代码 并用网络连接向机器输入以这种方式,制造商将拥有低成本低风险更新设备并实现现代化,即使它只面向单站

Kenn表示:「人们需要记住的是,你不能单靠输出运行工厂仍然需要评估源是否有效并真这并不是新事物当人们使用搜索引擎搜索并使用数据时,总是冒风险使用教义AI时,你必须照样做。”

从这个角度讲 基因化AI不替换人取而代之的是,它增强自身能力,使他们能做得更多更快多创新多创

创新思想、产品或流程新颖、有用和值钱 。 创用AI自然会产生许多好实用思想系统若不理解它所创造的东西, 怎能评估特定思想是否新奇、有用和值钱?并如何判断这些众多思想中哪些 -- 可能技术上可行 -- 完全不值得采取行动?

底线:我们仍然需要专家理解何为教义AI

^[1]提示 : AI和教义AI有什么区别