● Suuremahuline{0}}dokumentide mahu vastavusanalüüs (nt ISO standardid, ohutusreeglid ja sadade lehekülgede tehniliste kirjelduste dokumentide tõlgendamine)
● Globaalsed toimingud ja mitmekeelne koordineerimine (erinevate piirkondade ja tarnijate peente keeleerinevuste tabamine)
Praktilistes rakendustes võtab enamik tootmisettevõtteid kasutusele hübriidse tehisintellekti arhitektuuri -, mis juurutab suured mudelid ettevõtte keskosas ja väikseid mudeleid kohapeal-.
4. Tööstus 4.0 ja servakeskkondades on väikesed mudelid paremini kasutatavad
Mõnes tootmisstsenaariumis ei ole väikesed mudelid lihtsalt "piisavad", vaid paljudel juhtudel on need ainukesed praktilised võimalused. Väikesed mudelid suudavad paremini täita järgmisi funktsioone:
Reaalajas{0}}anomaalia tuvastamine masinas
● Madala{0}}latentsusega operaatori abi
Võrguühenduseta toimingud füüsiliselt isoleeritud või ohutus{0}}kriitilistes keskkondades
● Konfidentsiaalsete tootmisandmete privaatsus
See on muu hulgas ülioluline ennustava hoolduse, arvutinägemise{0}}abiga kontrollimise ja töökojatehnikute tehisintellekti abiliste jaoks.
7–13 miljardi parameetriga peenhäälestatud-mudel võib ületada üldisi tipptasemel-mudeleid, kui koolitusandmed sisaldavad hooldusjuhendeid, tõrkerežiimi ajaloo andmeid, andurite metaandmeid ja tehasespetsiifilisi -standardseid tööprotseduure -, kuna see tunneb teie tehast paremini kui Internet. See on kooskõlas "konteksti-teadliku luure" põhimõttega, mis on integreeritud tööstuse 4.0 toimingutesse.
Tootmistööstus vajab AI-tööriistu, mis on kohandatud konkreetsetele stsenaariumidele
Arutelu tehisintellekti mudelite suuruse üle ei ole kas-või nullsummamäng; tuum seisneb selles, kas need sobivad rakendusstsenaariumide jaoks. Suured mudelid saavad suurepäraselt hakkama paljude uurimuslike arutlusülesannetega; Väikestel mudelitel on absoluutne eelis kulude, kiiruse, kasutuselevõtu ja töökindluse osas tööstuslikes stsenaariumides.
Tootmisettevõtete jaoks, mis taotlevad nutikaid tehaseid, ühendatud varasid ja väga vastupidavat tootmist, ei sõltu AI tulevik ühest ülisuurest mudelist, vaid pigem tehisintellekti ökosüsteemi loomisest, mis vastab mastaabile - pilvest servani, ettevõtte üldisest planeerimisest kuni reaalajas -mudelite vastavusse viimisega seadme tasemel.
Kuna tehisintellekti mudelid on jätkuvalt kerged ja nende võimalused aina paranevad, on põhiprobleem tootmisjuhtide ees: kuidas määratleb see ümber tootmistõhususe, tootekvaliteedi ja tööintellekti tootmistõhususe, tootekvaliteedi ja tööintellekti tööstusharu 4.0 arendamise järgmises etapis, kui üli-kõrge-tõhususega, domeeni-spetsiifiline tehisintellekt on sügavalt tootmissüsteemi integreeritud?
