• <bdo id="k6k2k"><center id="k6k2k"></center></bdo>
    <td id="k6k2k"></td>
    <bdo id="k6k2k"><center id="k6k2k"></center></bdo>
    機房360首頁
    當前位置:首頁 ? 業界動態 ? 人工智能是第四次數字革命的關鍵組成部分

    人工智能是第四次數字革命的關鍵組成部分

    來源:百度百家 作者: 更新時間:2022/5/19 7:44:13

    摘要:盡管工業公司可以獲得大量數據,但對于大多數人來說,他們的人工智能系統并沒有提供他們預期的洞察力。解決方案在于過濾數據,以便正確的數據進入人工智能系統。

      人工智能 (AI) 是未來十年最大的技術趨勢之一。在日益數字化的世界中,傳播和收集數據是現代商業和所有互聯網活動的默認狀態。企業面臨的問題不再是缺乏數據,而是數據過剩。盡管工業公司可以獲得大量數據,但對于大多數人來說,他們的人工智能系統并沒有提供他們預期的洞察力。解決方案在于過濾數據,以便正確的數據進入人工智能系統。這種智能數據方法將使人工智能系統能夠產生我們所期望的那種洞察力。

    人工智能是第四次數字革命的關鍵組成部分

      AI

      什么是智能數據?

      人工智能是第四次數字革命的關鍵組成部分。人工智能從大數據中挖掘出洞見,人類不可能挖掘出洞見。AI擁有的數據越多,它擁有的變量就越多,它的時間尺度越長,它的粒度越大,那么它所擁有的潛在洞察力就越大。

      人工智能可以利用多年的數據,使用控制變量發現工業過程的最佳參數。然后可以在這些工業系統中使用這些見解,使它們比以前更好地工作。

      盡管人工智能前景廣闊,但許多工業公司尚未看到傳播和收集如此多信息的好處。據麥肯錫稱,盡管 75% 的工業公司已經嘗試過某種人工智能系統,但只有 15% 的公司享受到了人工智能帶來的任何有意義的、可擴展的影響。麥肯錫發現他們對人工智能的使用缺乏洞察力。這種方法可能是成功的,但通常只在非常特定的參數范圍內,并且經常需要頻繁的培訓、大量的輸入,有時,它會導致物理或不切實際的結果。因此,這些 AI 模型無法真正用于現實世界,也無法獲得用戶期望的有意義的變化。你得到的是對系統感到沮喪并對人工智能失去信心的團隊。

      智能數據是解決方案。為了利用大數據來獲得預期的洞察力,數據必須具有更少的變量,這些變量由基于第一原則的特征工程控制。這種重新設計數據以生成智能數據,加上更適當的培訓可以帶來 5% 到 15% 的卓越回報。

      智能數據已以多種方式定義,但基本特征是它指的是已在收集位置準備和組織的數據,以便為更高質量、速度和洞察力的數據分析做好準備和優化.

      在 2018 年前的一次會議上,時任美國國土安全部信息共享和服務辦公室執行主任的唐娜雷 (Donna Ray) 表示,她的團隊大約 80% 這段時間都用于搜索、攝取和準備數據以供分析。智能數據方法已幫助聯邦機構優化其流程并加快其運營并使它們更加智能?!哆B線》將智能數據描述為智能數據意味著真正有意義的信息。

      如何生成智能數據?

      讓我們看一下創建智能數據的五個步驟。

      定義數據

      創建智能數據的第一步是定義流程。這意味著必須為公司的工廠工程師和專家將流程分解為清晰概述的步驟,并勾勒出物理和化學變化。必須確定關鍵業務儀器和傳感器,例如無線安全、限制、維護時間范圍、測量單位及其可控性。在物理系統中,存在由明確的方程支配的確定性元素。必須注意這些方程以及它們的變量。團隊還必須了解圍繞這些方程式的文獻,以增加他們自己的理解。

    人工智能是第四次數字革命的關鍵組成部分

      人工智能

      豐富數據

      我們都聽說過“Bad data in, bad data out”這句話,但現實是,所有數據在某種意義上都是壞數據。原始過程數據總是存在一些缺陷。因此,我們的任務是提高數據集的質量,而不是增加可用數據量。必須積極清除非穩態信息。

      降維

      AI 通過將觀察對象與特征進行匹配來構建模型。為了得到一個廣義的模型,觀察的數量必須遠遠超過特征的數量。輸入通常被組合以生成新特征??紤]到典型工廠擁有的大量傳感器,結果是大量的觀察結果。然而,應該做的是使用描述所涉及的物理過程的輸入,通過確定性方程匯集,以減少它們的維數,同時還創建具有智能組合傳感器信息的特征。

      應用機器學習

      工業過程具有確定性和隨機性成分?;诘谝辉淼奶卣魈峁┐_定性組件,機器學習隨機性。因此評估特征以評估其重要性和解釋力。理想情況下,最重要的應該是專家設計的功能。

      工廠改進應該是模型的重點,而不是實現最大的預測準確性。高相關性是所有過程數據的一個特征。因此,相關性可能毫無意義。需要的是隔離因果要素和可控變量。

    人工智能是第四次數字革命的關鍵組成部分

      人工智能系統

      實施和驗證模型

      為了真正享受預期的有意義的影響,必須實施模型。需要通過檢查關鍵特征來不斷評估結果,以確保它們與物理過程相匹配。還必須審查部分依賴圖,以便我們了解因果關系并且必須確認可控元素。

      必須咨詢運營團隊并使其成為流程的關鍵成員,以更好地了解什么是可實施的以及什么績效期望是有意義的??刂剖抑械牟僮鲉T需要在生成模型結果時獲得模型結果,或者團隊必須進行開關測試,以便管理層可以確定是否值得將資金投入到全面的解決方案中。

      結論

      人工智能有著巨大的前景,當然,隨著今天傳播和收集的大量數據,建議圍繞這些數據設置限制或護欄是違反直覺的。然而,大數據往往無法產生有意義的人工智能洞察力。智能數據可以確保人工智能能夠產生我們期望的有意義的影響。

      責任編輯:張華

    機房360微信公眾號訂閱
    掃一掃,訂閱更多數據中心資訊

    本文地址:http://www.hedgehogfx.com/news/2022519/n0646145951.html 網友評論: 閱讀次數:
    版權聲明:凡本站原創文章,未經授權,禁止轉載,否則追究法律責任。
    轉載聲明:凡注明來源的文章其內容和圖片均為網上轉載,非商業用途,如有侵權請告知,會刪除。
    相關評論
    正在加載評論列表...
    評論表單加載中...
    • 我要分享
    推薦圖片
    国产精品成人va,久久伊人精品青青草原高清,老师爽到高潮潮喷视频大全
  • <bdo id="k6k2k"><center id="k6k2k"></center></bdo>
    <td id="k6k2k"></td>
    <bdo id="k6k2k"><center id="k6k2k"></center></bdo>