17 прогнозов на 2024 год от грязи к богатству, от времени битломании до национальных сокровищ

17 прогнозов на 2024 год от роскоши до национальной богатств и времени битломании

Отодвинься, Мерриам-Уэбстер: в этом году предприятия нашли достаточно кандидатов, чтобы добавить слово года. “Генеративное искусственное интеллекта” и “генеративное предварительно обученное трансформаторное” за которыми следуют такие термины, как “большие языковые модели” и “ретриевно-усиленное поколение” (RAG), поскольку целые отрасли обратили свое внимание на преобразовательные новые технологии.

Генеративное искусственное интеллекта началось годом отражения на радаре, но закончилось шумихой. Многие компании спешат использовать его возможность поглощения текста, голоса и видео для создания нового контента, который может изменить производительность, инновации и креативность.

Предприятия идут в ногу со временем. Глубокие алгоритмы машинного обучения, такие как ChatGPT от OpenAI, дополнительно обученные корпоративными данными, могут добавить эквивалент 2,6-4,4 трлн долларов ежегодно в 63 применениях бизнеса, согласно McKinsey & Company.

Однако управление огромными объемами внутренних данных часто называется главным препятствием для масштабирования искусственного интеллекта. Некоторые эксперты NVIDIA по искусственному интеллекту предсказывают, что 2024 год будет полностью посвящен созданию партнерств и сотрудничеству с облачными провайдерами, компаниями по хранению и анализу данных и другими участниками, обладающими опытом работы с большими данными и их эффективным использованием.

Большие языковые модели находятся в центре всего этого. Эксперты NVIDIA говорят, что достижения в исследованиях LLM будут все больше применяться в бизнесе и предприятиях. Возможности искусственного интеллекта, такие как RAG, автономные интеллектуальные агенты и мультимодальные взаимодействия, станут более доступными и смогут быть легко внедрены на практически любой платформе.

Узнайте ожидания экспертов NVIDIA на предстоящий год:

МАНУВИР ДАСВице-президент предприятий

One size doesn’t fit all: Специализация приходит в предприятия. У компаний не будет одного или двух приложений генеративного ИИ — у многих будет сотни настроенных приложений, использующих собственные данные, которые подходят различным частям их бизнеса.

Когда такие настроенные LLM работают в производстве, они будут обладать функциональностью RAG для подключения источников данных к генеративным ИИ-моделям для более точных и информированных ответов. Ведущие компании, такие как Amdocs, Dropbox, Genentech, SAP, ServiceNow и Snowflake, уже создают новые сервисы генеративного ИИ с использованием RAG и LLM.

Ведущее место занимают программное обеспечение с открытым исходным кодом: Благодаря предварительно обученным моделям с открытым исходным кодом, приложения генеративного ИИ, решающие определенные задачи в области, станут частью операционных стратегий предприятий.

Когда компании объединяют эти модели с частными или всегда актуальными данными, они могут начать видеть ускоренную производительность и экономическую выгоду по всей организации. Возможности искусственного интеллекта и программного обеспечения станут более доступными на практически любой платформе, от облачных вычислений и сервисов по созданию моделей ИИ до центров обработки данных, края и настольных компьютеров.

Использование готовых ИИ и микросервисов: Генеративное ИИ способствовало внедрению точек доступа к программным интерфейсам (API), что упрощает разработку сложных приложений.

В 2024 году наборы разработки программного обеспечения и API будут дорабатываться, поскольку разработчики настраивают готовые модели ИИ с использованием микросервисов ИИ, таких как RAG в качестве услуги. Это поможет предприятиям использовать все возможности повышения производительности на основе ИИ с помощью интеллектуальных помощников и инструментов суммирования, которые могут получать актуальную информацию о бизнесе.

Разработчики смогут встраивать эти точки доступа к API напрямую в свои приложения, не беспокоясь о поддержке необходимой инфраструктуры для работы с моделями и фреймворками. В свою очередь, конечные пользователи смогут использовать более интуитивные, отзывчивые и персонализированные приложения, которые приспосабливаются к их потребностям.

ИЙЕН БАКВице-президент Гипермасштабирования и ВМС

Национальное достояние: ИИ станет новой космической гонкой, когда каждая страна стремится создать свой центр превосходства для значительных достижений в области исследований и науки, а также для улучшения ВВП.

С помощью всего нескольких сотен быстрых вычислительных узлов, страны смогут быстро создавать высокоэффективные, высокопроизводительные, экзаскальные ИИ-суперкомпьютеры. Финансируемые государством центры превосходства в области генеративного ИИ повысят экономический рост стран, создавая новые рабочие места и развивая более сильные университетские программы для подготовки следующего поколения ученых, исследователей и инженеров.

Качественные скачки: Руководители предприятий запустят исследовательские инициативы в области квантовых вычислений на основе двух ключевых факторов: возможности использования традиционных ИИ-суперкомпьютеров для имитации квантовых процессоров и наличия открытой, единой платформы для гибридно-классических квантовых вычислений. Это позволяет разработчикам использовать стандартные языки программирования вместо необходимости специализированных знаний, чтобы создавать квантовые алгоритмы.

Ранее считавшееся скрытым уголком в науке о компьютерах, исследования в области квантовых вычислений станут более популярными, поскольку предприятия присоединятся к академическим и национальным лабораториям в стремлении быстро продвигаться вперед в области материаловедения, фармацевтических исследований, субатомной физики и логистики.

КАРИ БРИСКИВице-президент по программному обеспечению ИИ

От RAG к богатству: В 2024 году узнаете о все большем использовании рекуррентно-усиленного поколения при принятии предприятиями этих ИИ-фреймворков.

Поскольку компании обучают GPT-3 для создания генеративных приложений и услуг, RAG широко рассматривается как ответ на неточности или нелепые ответы, возникающие, когда моделям не хватает доступа к достаточной точной и актуальной информации для конкретного случая использования.

Используя семантический рекомендательный поиск, предприятия будут использовать базовые модели с открытым исходным кодом, загружать свои собственные данные, чтобы пользовательский запрос мог извлечь соответствующие данные из индекса, а затем передавать их модели во время выполнения.

В результате предприятия смогут использовать меньше ресурсов для достижения более точных генеративных приложений ИИ в таких секторах, как здравоохранение, финансы, розничная торговля и производство. Пользователи должны ожидать более сложных, контекстно-чувствительных и мультимодальных чат-ботов, а также систем персонализированных рекомендаций контента, которые позволят им естественно и интуитивно общаться с данными.

Мультирежимность делает себя заметной: Текстовый генеративный ИИ уже скоро станет прошлым. В то время как генеративный ИИ все еще находится в своем начале, ожидайте, что многие отрасли примут многорежимные рекуррентно-усиленные модели, которые позволят потребителям использовать комбинацию текста, речи и изображений для предоставления более контекстно-релевантных ответов на запросы о таблицах, графиках или схемах.

Компании, такие как Meta и OpenAI, будут стремиться преодолеть границы многорежимного генеративного ИИ, добавляя большую поддержку для ощущений, что приведет к прогрессу в физических науках, биологических науках и в обществе в целом. Предприятия смогут понимать свои данные не только в текстовом формате, но и в формате PDF, графиков, диаграмм, слайдов и других.

НИККИ ПОУПРуководитель ИИ и юридической этики

Блокировка цели в области безопасности ИИ: Сотрудничество ведущих организаций по ИИ ускорит исследования и разработку надежных, безопасных систем искусственного интеллекта. Ожидайте появления стандартизированных протоколов безопасности и лучших практик, которые будут приняты во всех отраслях, обеспечивая последовательный и высокий уровень безопасности моделей генеративного ИИ.

Компании уделят больше внимания прозрачности и итерпретируемости в системах искусственного интеллекта – и будут использовать новые инструменты и методологии, чтобы прояснить процессы принятия решений сложных моделей ИИ. По мере того как экосистема генеративного ИИ обращается к безопасности, можно ожидать, что технологии ИИ станут более надежными, доверительными и соответствующими человеческим ценностям.

РИЧАРД КЕРРИСВице-президент по связям с разработчиками, руководитель медиа и развлечений

Демократизация разработки: Практически любой человек, где угодно, вскоре сможет стать разработчиком. В традиционном понимании для того, чтобы разрабатывать приложения или услуги, необходимо знать и хорошо владеть определенным языком программирования. По мере того как вычислительная инфраструктура становится все больше обученной языкам программирования, любой сможет вызвать машину для создания приложений, услуг, поддержки устройств и другого.

Хотя компании и дальше будут нанимать разработчиков для создания и обучения моделей ИИ и других профессиональных приложений, стоит ожидать значительно больших возможностей для всех, обладающих соответствующими навыками, создавать индивидуальные продукты и услуги. Им помогут текстовые инструкции или голосовые команды, что делает взаимодействие с компьютером таким же простым, как устное указание.

«Тогда и сейчас» в кино и песне: Так же, как и «новая» песня, дополненная искусственным интеллектом от Фэб Фор, запустила новую волну Битлмании, заряженный искусственным интеллектом полнометражный фильм вызовет потрясение в киноиндустрии.

Представьте себе кинематографиста, снимающего на 35-мм киноаппарат. С помощью генеративного искусственного интеллекта можно скоро преобразить контент в производство 70-мм формата, сокращая значительные затраты на производство фильма в формате IMAX и позволяя более широкому кругу режиссеров участвовать в нем.

Творцы превратят красивые изображения и видео в новые виды и формы развлечений, наталкивая компьютер текстом, изображениями или видео. Некоторым профессионалам беспокойно, что их ремесло может быть заменено, но эти проблемы уйдут в прошлое по мере улучшения генеративного искусственного интеллекта, обученного определенным задачам. Это, в свою очередь, позволит освободить руки для выполнения других задач и представит новые инструменты с удобными интерфейсами для художников.

КИМБЕРЛИ ПАУЭЛЛВице-президент по медицине

Хирургические помощники-искусственный интеллект: Настал день, когда хирурги могут использовать свой голос, чтобы усилить свое видение и понимание во время и после операции.

Сочетание инструментов, изображений, робототехники и данных о пациенте в режиме реального времени с использованием искусственного интеллекта приведет к лучшему обучению хирургов, более персонализированной хирургии и повышенной безопасности с обратной связью и руководством в режиме реального времени даже во время удаленных операций. Это поможет ДШЗ сократить разрыв в 150 миллионов операций, которые требуются и, тем не менее, не выполняются, особенно в странах с низким и средним уровнем дохода.

Фабрики генеративного искусственного интеллекта для поиска лекарств: Наблюдается новый процесс открытия лекарств, при котором генеративное поколение молекул, предсказание свойств и сложное моделирование с помощью искусственного интеллекта приводят к повышению интеллектуальности лабораторной работы, сокращению времени открытия и улучшению качества клинических лекарственных препаратов.

Эти фабрики поиска лекарств с использованием огромных наборов данных в области здравоохранения с использованием полных геномов, инструментов с атомным разрешением и роботизированной лабораторной автоматизацией, способной работать 24/7, впервые позволят компьютерам узнавать закономерности и отношения в огромных и сложных наборах данных, а также генерировать, предсказывать и моделировать сложные биологические связи, которые раньше можно было обнаружить только через трудоемкое экспериментальное наблюдение и синтез человека.

ЧАРЛИ БОЙЛВице-президент платформ DGX

Поднятие специальных LLMs в облаке предприятий: Одно из того, что предприятия узнали в 2023 году, – это то, что создание LLMs с нуля не так просто. Компании, следующие этому пути, часто испытывают затруднения из-за необходимости вложений в новую инфраструктуру и технологии, а также определения того, как и когда приоритезировать другие инициативы компании.

Поставщики облачных услуг, провайдеры колокации и другие предприятия, обрабатывающие и обрабатывающие данные для других предприятий, помогут предприятиям с полнофункциональной сверхвычислительной и программной поддержкой искусственного интеллекта. Это позволит изменить предустановленные модели и развертывание их будет проще для компаний во всех отраслях.

Рыбалка на LLM золото в озерах данных предприятий: Не стоит недооценивать количество информации, которую хранит среднее предприятие – для крупных корпораций это может быть в сотни петабайтов. Тем не менее, многие компании сообщают, что они используют менее половины этой информации для получения действенных результатов.

В 2024 году предприятия начнут использовать генеративный искусственный интеллект для использования этой неистребимой информации при построении и настройке LLMs. Благодаря использованию суперкомпьютеров, оснащенных искусственным интеллектом, бизнес начнет майнить свою неструктурированную информацию – включая чаты, видео и код – для расширения развития генеративного искусственного интеллекта и обучения мультимодальным моделям. Этот шаг последует за возможностями майнить таблицы и другие структурированные данные, позволяющие компаниям давать более конкретные ответы на вопросы и находить новые возможности. Это включает помощь в обнаружении аномалий на медицинских сканах, выявление новых тенденций в розничной торговле и обеспечение безопасности бизнес-операций.

АЗИТА МАРТИНВице-президент по розничной торговле, потребительским товарам и ресторанам быстрого питания

Генеративные AI-советники по шопингу: Розничные компании сталкиваются с двойными требованиями, связанными с тем, чтобы связывать клиентов с товарами, которые они хотят, и при этом предоставлять элитарный, расширенный, человекоподобный шопинг, который соответствует их индивидуальным потребностям и предпочтениям.

Для достижения этих целей розничные компании подготавливаются к внедрению передовых, генеративных AI-советников по шопингу, которые будут проходить тщательную тренировку на основе уникальных бренда, продуктов и данных о клиентах розничных компаний, чтобы обеспечить соответствие марке, управляемое, персонализированное шопинг-путешествие, которое будет имитировать тонкую экспертизу человеческого помощника. Этот инновационный подход поможет выделить бренды и повысить лояльность клиентов, предоставляя персонализированную помощь.

Обеспечение безопасности: Розничные компании во всем мире сталкиваются с растущей проблемой, связанной с организованной розничной преступностью, которая становится все более сложной и согласованной. Национальная розничная федерация сообщила, что розничные компании испытывают потрясающий рост на 26,5% таких инцидентов с начала постпандемического подъема в розничных кражах.

Для повышения безопасности клиентов и сотрудников розничные компании начнут использовать компьютерное зрение и программное обеспечение управления физической безопасностью для сбора и корреляции событий из различных систем безопасности. Это позволит AI обнаруживать оружие и необычное поведение, такое как массовое захватывание товаров с полок. Это также поможет розничным компаниям проактивно противодействовать преступной деятельности и поддерживать безопасную среду для шопинга.

РЕВ ЛЕБАРЕДИАНВице-президент Omniverse и технологии симуляции

Промышленная цифровизация встречает генеративный AI: Слияние промышленной цифровизации с генеративным AI готово повлечь за собой промышленную трансформацию. Генеративный AI значительно облегчит превращение аспектов физического мира, таких как геометрия, свет, физика, материя и поведение, в цифровые данные. Демократизация цифровизации физического мира ускорит промышленные предприятия, позволяя им проектировать, оптимизировать, производить и продавать товары более эффективно. Это также позволяет им создавать виртуальные площадки для обучения и синтетические данные для обучения нового поколения ИИ, которые будут взаимодействовать и работать в физическом мире, такие как автономные роботы и автомобили без водителя.

Интероперабельность 3D взлетает: С работы над чертежным столом на производственный пол исключения будут взаимосвязаны впервые.

Самые влиятельные компании-разработчики программного обеспечения и практические компании в отрасли производства, дизайна продуктов, розничной торговли, электронной коммерции и робототехники присоединяются к только что созданному Альянсу OpenUSD. OpenUSD, универсальный язык между инструментами 3D и данными, разобьет силосы данных, позволяя промышленным предприятиям сотрудничать через озера данных, системы инструментов и специализированные команды быстрее и легче, чем когда-либо для ускорения цифровизации ранее громоздких, ручных промышленных процессов.

СИНЖОУ УВице-президент и генеральный директор по автомобилям

Модернизация жизненного цикла производства автомобилей: Автомобильная отрасль будет еще больше внедрять генеративный AI, чтобы предоставлять физически точные, фотореалистичные изображения, показывающие, как будет выглядеть транспортное средство как внутри, так и снаружи, тем самым увеличивая скорость обзора дизайна, экономя затраты и повышая эффективность.

Больше автопроизводителей будут использовать эту технологию в своих умных фабриках, связывая инструменты дизайна и инженерии для создания цифровых двойников производственных помещений. Это позволит снизить затраты и оптимизировать операции без необходимости останавливать линии производства.

Генеративный AI сделает исследования и покупки потребителей более интерактивными. От конфигураторов автомобилей и 3D-визуализаций до демонстраций с помощью дополненной реальности и виртуальных тест-драйвов, потребители смогут получить более привлекательный и интересный опыт шопинга.

Безопасность – не случайность: Помимо жизненного цикла автомобильной продукции, генеративный AI также позволяет достигнуть прорыва в развитии автономных транспортных средств (AV), включая превращение записанных сенсорных данных в полностью интерактивные 3D-симуляции. Эти окружения цифровых двойников, а также создание синтетических данных, будут использоваться для безопасной разработки, тестирования и валидации AV в виртуальной среде еще до того, как они будут задействованы в реальном мире.

Генеративные модели искусственного интеллекта также будут поддерживать системы искусственного интеллекта автомобиля для создания новых персонализированных пользовательских впечатлений, возможностей и функций безопасности внутри и снаружи автомобиля.

Водительский опыт станет безопаснее, умнее и приятнее.

BOB PETTEВице-президент по предприятий платформы

Новые возможности с помощью генеративного ИИ: Генеративный ИИ позволит организациям разрабатывать автомобили просто говоря с большой языковой моделью или создавать города с нуля, используя новые методы и принципы дизайна.

Промышленность архитектуры, инженерии, строительства и эксплуатации (AECO) реализует будущее с помощью генеративного ИИ в качестве ориентира. Сотни стартапов и клиентов в области AECO и производства сосредоточатся на создании решений практически для любого случая, включая оптимизацию дизайна, анализ рынка, управление строительством и прогнозирование физических явлений. ИИ ускорит эволюцию производства, обещающую повышенную эффективность, сокращение отходов и полностью новые подходы к производству и устойчивости.

Разработчики и предприятия обращают особое внимание на анализ данных облака точек, который использует технологию LIDAR для создания представлений о созданных и естественных окружениях с высокой детализацией. Это может привести к получению точных деталей и анализу благодаря ускоренным рабочим процессам генеративного ИИ.

GILAD SHAINERВице-президент по сетям

Рост спроса на соединяемость благодаря ИИ: Повышенное внимание к эффективности и производительности сетей локальной связи (LAN) начнется с тех пор, как предприятия будут искать необходимую пропускную способность сети для ускоренных вычислений с использованием графических процессоров (GPU) и систем на основе GPU.

Трлн-параметровые языковые модели (LLM) покажут необходимость в более быстрой передаче данных и более широком охвате зоны сигнала. Предприятия, желающие быстро внедрить генеративные приложения на основе ИИ, должны инвестировать в ускоренные технологии сетевого взаимодействия или выбрать облачного провайдера услуг, который это предоставляет. Ключевым фактором для оптимальной соединяемости является ее внедрение в полноценные системы с использованием следующего поколения аппаратного и программного обеспечения.

Определяющий элемент проектирования центров обработки данных: Предприятия узнают, что все центры обработки данных не должны быть одинаковыми. Определение цели центра обработки данных является первым шагом к выбору соответствующей сети передачи данных. Традиционные центры обработки данных ограничены пропускной способностью, тогда как центры, способные работать с большими нагрузками ИИ, требуют тысячи графических процессоров (GPU) для работы с высокой детерминированной задержкой низкого уровня.

Наилучшим показателем производительности является то, на что сеть способна при полной нагрузке и масштабе. Будущее соединяемости центров обработки данных предполагает наличие отдельной системы управления (так называемой сети север-юг) и системы искусственного интеллекта (так называемой сети восток-запад), где в сети ИИ применяется вычисление внутри сети, специально предназначенное для высокопроизводительных вычислений, ИИ и гипермасштабной облачной инфраструктуры.

DAVID REBER JR.Главный архитектор по безопасности

Четкость в приспособлении модели безопасности к ИИ: Сдвиг от приложений, акцентированных на приложении, к данных, акцентированным на данных, находится в полном разгаре. Данные являются основным элементом проектирования языковых моделей, а также будущего генеративного ИИ. Предприятия только сейчас видят, как проблема разворачивается на практике. Компаниям предстоит переоценить людей, процессы и технологии для переопределения жизненного цикла безопасной разработки (SDLC). В индустрии в целом будет переопределен подход к доверию и прояснятся значения прозрачности.

Рождаются новое поколение киберинструментов. SDLC ИИ будет описываться новыми рыночными лидерами инструментов и ожиданиями для решения проблемы перехода от интерфейса командной строки к интерфейсу человеческого языка. Этот требование особенно важно, когда все больше предприятий переходят к использованию открытых языковых моделей, таких как Llama 2 от Meta, для ускорения генеративного вывода ИИ.

Масштабирование безопасности с помощью ИИ: Применение ИИ для заполнения неоткрытой ранее области в области кибербезопасности позволит обнаруживать угрозы, неизвестные ранее. В настоящее время только часть глобальных данных используется для киберобороны. В то же время злоумышленники продолжают использовать все возможности неправильной конфигурации.

Экспериментирование поможет предприятиям раскрыть потенциал ИИ в выявлении новых угроз и рисков. Кибер-помощники помогут пользователям предприятий в борьбе с фишингом и проблемами конфигурации. Для эффективного использования технологии компаниям потребуется разобраться с проблемами конфиденциальности, присущими пересечению рабочей и личной жизни, чтобы обеспечить коллективную защиту в центрах обработки данных, акцентированных на данных.

Вместе с демократическим доступом к технологиям ИИ возникнет новое поколение киберзащитников в условиях растущих угроз. Как только компании получат ясность по каждой угрозе, ИИ будет использоваться для создания огромных объемов данных, которые обучат системы обнаружения на предмет защиты и обнаружения этих угроз.

РОННИ ВАСИШТАСтарший вице-президент по телекоммуникациям

Уходите или подходите к RAN: Ожидайте большой переоценки инвестиционных предложений для 5G.

После пяти лет 5G охват сети и ее пропускная способность резко возросли, но рост выручки замедлился, а затраты на в основном проприетарную и неизменяемую инфраструктуру выросли. В то же время использование 5G RAN остается ниже 40%.

Новый год будет о жестком преследовании новых источников доходов на существующей спектральной полосе для обнаружения новых монетизируемых приложений. Также телекоммуникационные компании пересмотрят структуру капитальных затрат, больше сосредоточившись на гибкой, высокоэффективной инфраструктуре, построенной на общих компонентах. И ожидайте комплексного снижения операционных расходов, поскольку компании будут использовать средства искусственного интеллекта для повышения производительности, улучшения эффективности и сокращения затрат. Результаты этих инициатив определат, насколько много операторов связи инвестируют в технологию 6G.

От чат-ботов до управления сетью: Телекоммуникационные компании уже используют порождающий (generative) искусственный интеллект для чат-ботов и виртуальных помощников, чтобы улучшить обслуживание клиентов и поддержку. В новом году они усилят свою работу, увеличивая использование порождающего искусственного интеллекта для операционных усовершенствований в областях таких, как планирование и оптимизация сети, выявление сбоев и мошенничества, прогнозная аналитика и обслуживание, операции в области кибербезопасности и оптимизация энергии.

Учитывая распространенность и стратегическую важность порождающего искусственного интеллекта, создание нового типа инфраструктуры фабрики искусственного интеллекта для поддержки его роста станет также ключевой необходимостью. Всё больше и больше телекоммуникационных компаний будут создавать фабрики искусственного интеллекта для внутреннего использования, а также развертывать эти фабрики в виде платформы для разработчиков. Та же самая инфраструктура будет способна обслуживать RAN как дополнительного арендатора.

МАЛЬКОЛЬМ ДЕМАЙОВице-президент по финансовым услугам

Финансовые услуги на основе искусственного интеллекта: С развитием искусственного интеллекта в геометрической прогрессии финансовые услуги предоставят вычислительную мощность непосредственно к данным, а не наоборот.

Компании будут переходить к стратегическому смешанному использованию инфраструктуры на месте и облачных вычислений, приводимому необходимостью снижения риска концентрации и обеспечения гибкости в условиях быстрого технологического развития. Ведущую роль при этом будет играть компания, обрабатывающая важнейшие рабочие нагрузки, включая ассистентов по обслуживанию клиентов на базе искусственного интеллекта, выявление мошенничества, управление рисками и т. д.

Marc Spieler

МАРК ШПИЛЕРСтарший директор по энергетике

Физика и ML для быстрого моделирования: Энергетические компании всё чаще обращаются к физически основанному машинному обучению (физика-ML) для ускорения моделирования, оптимизации промышленных процессов и улучшения принятия решений.

Физика-ML объединяет традиционные модели, основанные на физике, с передовыми алгоритмами машинного обучения, предлагая мощный инструмент для быстрого и точного моделирования сложных физических явлений. Например, в области поиска и добычи энергии, физика-ML способен быстро моделировать подземные геологические формации, что помогает определить потенциальные месторождения и оценить операционные и экологические риски.

В секторе возобновляемой энергии, такой как ветро- и солнечная энергетика, физика-ML будет играть важную роль в предиктивном обслуживании, позволяя энергетическим компаниям прогнозировать отказы оборудования и планировать проактивное техническое обслуживание для сокращения простоев и затрат. Поскольку вычислительные ресурсы и доступность данных продолжают расти, физика-ML готова трансформировать подход энергетических компаний к задачам моделирования и симуляции, в результате чего производство энергии будет станет более эффективным и устойчивым.

Анализ для более эффективных операционных результатов: Вместе с физика-ML, анализ больших данных (LLM) анализирует обширные исторические данные и данные реального времени с сенсоров энергетического оборудования для предсказания потенциальных отказов и необходимости технического обслуживания до их возникновения. Такой предупредительный подход снизит неожиданные простои и продлит срок службы турбин, генераторов, солнечных панелей и другой важной инфраструктуры. Анализ LLM также поможет оптимизировать графики технического обслуживания и распределение ресурсов, гарантируя эффективное проведение ремонтных и инспекционных работ. В результате использование LLM в предиктивном обслуживании позволит энергетическим компаниям экономить затраты и способствовать стабильности энергоснабжения для потребителей.

ДИПУ ТАЛЛАВице-президент по встроенным и реберным вычислениям

Рост программистов-роботов: LLM приведет к быстрым улучшениям для инженеров-робототехников. Распознавающее ИИ будет разрабатывать код для роботов и создавать новые симуляции для их тестирования и обучения.

LLM-модели будут ускорять разработку симуляций автоматическим построением трехмерных сцен, созданием окружающей среды и генерацией ресурсов из входных данных. Полученные симуляционные ресурсы будут критически важны для таких рабочих процессов, как создание синтетических данных, тренировка навыков роботов и тестирование приложений робототехники.

Помимо помощи инженерам-робототехникам, модели трансформаторного ИИ, являющиеся основой LLM, сделают самих роботов умнее, чтобы они лучше понимали сложные среды и более эффективно выполняли различные навыки.

Для масштабирования робототехнической отрасли роботы должны стать более обобщенными – то есть они должны осваивать навыки быстрее или приводить их в новые среды. Модели распознавающего ИИ, обученные и протестированные в симуляции, будут ключевым фактором в стремлении к более мощным, гибким и простым в использовании роботам.