人工智能将如何促进产业转型

人工智能
在这样技术先进的世界中,诸如检查之类的关键工业流程仍然效率低下,成本高昂,并且造成资金浪费。

在这样技术先进的世界中,诸如检查之类的关键工业流程仍然效率低下,成本高昂,并且造成资金浪费。

一些国家已经意识到效率低下的情况。根据国际货币基金组织的一项研究,由于效率低下,一些国家浪费了约三分之一的基础设施支出。调研机构麦肯锡公司估计,随着数字技术被整合到业务流程和工作流程中,在未来十年中,可能导致每年生产率平均提高2%。

[[387571]]

效率与效益

产业转型有多种形式。传统方法包括业务流程再造(BPR)、6 Sigma以及工作流程的数字化。如今这些已经发生改变,三大趋势推动着工作场所中工作的转变。大型基础设施将通过以下方式为他们的业务带来更大的收益:

  • 人工智能的兴起
  • 增强机器和传感器的互连性
  • 数据的数字化

这些主题的早期采用者将在客户差异化和运营效率方面都具有关键的竞争优势。

必须理解的是,自动化与自主性在本质上是不同的。工作流程的自动化提供了更高的质量和更快的工作流程,而自主性则提供了反馈循环来响应工作流程中的模糊性。

虽然过去的驱动力是为了消除流程的可变性,但如果操作得当,新工作流程在执行作业时可能不会受到模糊信息的影响。

以控制汽车的速度为例。它可以自动执行驾驶员的工作并保持速度不变。而将更多相互连接的传感器添加到控制系统后,就会创建一个更复杂的自动驾驶系统。随着增加传感器数量和相关的计算能力来做出快速决策,正在转向自主性——控制系统将自动响应无法预见的障碍或危险。

如果工作人员不需要编写所有规则,而是让机器学习自主学习,这些对各种情况的响应将更加有效。人工智能特别擅长模式识别,可以触发响应。因此,人工智能系统将对当前常规、可预测和重复的工作流程产生更大的影响。

规模庞大的工业过程成为人工智能的首批受益者之一。可以充分限制操作的可变性,以测试和优化自主性。在此之后,可以对操作环境实现通用化,以获得更大的好处。

最后,人机界面将继续发挥重要作用。从操作流程到监督流程,工作人员的工作性质会发生变化。

为了实现工业流程的自主性,必须剖析并研究哪些要素可以完全实现自动化,哪些要素需要人工监督,哪些领域仍然需要人员参与。一旦建立了这种清晰性,就可以为自主性提供一条途径。从当今已存在的硬件、连接性、计算和数据开始,并逐步随着时间的推移插入其他元素以提高效率和更高质量的流程。

真实的例子

以评估大规模火灾之后的保险索赔为例,例如在加利福尼亚州马里布发生的火灾。社区和保险公司需要6到9个月的时间以及需要数千名专家和志愿者来准确了解火灾的影响。许多受害者留下的信息很少或根本没有信息。借助当今可用的先进技术,现在可以在几周(有时甚至几天)内完成这项工作。

改变这一检查过程首先是获得适当的设备用于现场检查,即网络连接机器人和无人机配备计算机视觉和其他传感器。工作人员将设置飞行区域并清理空域。利用一套经过定制训练的人工智能来收集、理解和分析从残骸中获得的数据集,机器人和无人机将自主地找到自己的方式来收集数据,并将数据传输回工作人员,以获得索赔和回收物流的见解。

这是一个真实的案例,为开展业务做好了准备。保险公司可以确定赔付的金额,公用事业公司开始实施设备恢复工作;而受灾家庭开始重建他们的家园。

 

责任编辑:赵宁宁 来源: 企业网D1Net
相关推荐

2022-07-29 15:47:25

人工智能AI

2018-12-04 08:49:32

人工智能物联网IOT

2022-04-02 00:06:25

人工智能云计算机器学习

2023-06-13 07:11:18

人工智能自动化暗数据

2023-08-22 10:44:13

人工智能机器学习

2019-10-31 14:29:05

人工智能汽车技术

2020-01-07 17:05:49

人工智能机器学习数据

2022-12-08 14:47:15

人工智能元宇宙

2019-09-06 11:44:06

人工智能IT服务管理技术

2020-08-06 16:30:07

人工智能机器学习技术

2021-06-16 14:34:37

人工智能AI深度学习

2020-07-06 18:34:32

人工智能网络安全数据泄露

2021-07-30 15:51:04

人工智能数据安全网络安全

2017-05-04 09:38:49

2018-05-08 17:10:00

希捷

2023-07-04 06:44:37

人工智能联络中心云平台

2017-03-02 14:38:35

2021-01-31 09:30:27

人工智能企业业务AI

2023-10-31 18:01:06

人工智能平台工程

2021-04-25 14:32:04

人工智能AI深度学习
点赞
收藏

51CTO技术栈公众号