ZD至顶网软件频道消息:IBM周二正在推出一种新的Watson支持的物联网(IoT)服务,旨在帮助制造商精简其装配线检验流程。
Watson IoT平台副总裁Bret Greenstein对ZDNet表示,Watson被用来处理和分析各种结构化和非结构化数据,视觉识别是其优势之一。他说,使用Watson改进制造检验流程是一个理想的用例,这是由于这项工作的重复性。在每个部件都经过了检验之后,Cognitive Visual Inspection(认知视觉检测)系统变得更加有效。
事实上,IBM发现,对包括视觉检查在内的八天生产周期进行的半天的早期测试显示,Cognitive Visual Inspection(认知视觉检测)系统可以将检测时间减少高达80%。
该系统还将制造缺陷降低了7%至10%。它可以帮助检测微小的产品缺陷,如划痕和针孔尺寸的孔。
为了部署系统,数据科学家为其提供图像并训练其查找某些类型的缺陷。Greenstein表示:作为制造商,“你知道要找什么,现在只是教会一个系统来帮你寻找这样的缺陷,只要你有更高程度的信心,效果就会更好。”
系统会在拥有了足够的信息来检测某些缺陷模式时给出通告。 Greenstein表示,培训时间因产品而异,但制造商可以在一天之内启动并达到一定程度的置信水平。
系统被训练好之后,它将使用制造商已经使用的任何UHD相机系统的图像。Cognitive Visual Inspection(认知视觉检测)系统会在发现潜在缺陷的时候向人类发出警示,并且根据其是否发现缺陷给出置信水平。
该系统易于扩展。通过基于云的培训和管理工作流程,可以部署在任意数量的制造检验站。
定价使用的是基于消耗量的模型,以及附加许可组件。
IBM目前正在与全球IT咨询和技术服务提供商Capgemini合作,为其客户测试和集成IBM Cognitive Visual Inspection(认知视觉检测)系统。Capgemini是在位于德国慕尼黑的IBM Watson 物联网总部办公的公司之一,IBM在过去二十多年中队该总部投资了2亿美元,是该公司在欧洲最大的投资。
好文章,需要你的鼓励
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
本研究针对大语言模型中普遍存在的偏见问题,提出了一套完整的数据和AI治理框架。研究发现当前主流AI模型中37.65%的输出存在偏见,其中33.7%具有中高风险。通过开发BEATS检测系统和全生命周期治理方案,为AI系统建立了从数据收集到部署监控的完整"公平性保障体系",旨在让AI技术更好地服务全人类而非延续社会偏见。
英国林肯大学正在开发一种革命性的虚拟现实环境,让非专家通过身体演示来训练AI收割机器人。这种技术已在加拿大杂货店和日本便利店试用,未来可能彻底改变工作形态。虽然能降低危险工作的风险,但也带来就业替代、工资削减等问题。许多低薪工作将被远程操控的机器人取代,影响移民模式和劳工组织。这项技术仍处于早期阶段,但将在未来几年对工作产生深远影响。
浙江大学团队开发的HarmonyGuard框架首次解决了AI网络代理的安全与效率平衡难题。该系统通过三个协作的AI代理,实现自适应安全策略更新和双目标优化,在真实测试中将策略合规率提升38%,任务完成率提升20%,为构建既高效又安全的智能助手奠定重要基础。