至顶网软件频道消息: 如今,不同领域的企业都开始意识到人工智能即将带来的影响。然而,只有少数公司已经制订了周全的策略来应对业务即将发生的变化,大多数人都还不清楚何时以及如何实施人工智能?也不知道与谁合作来实现人工智能。
作为GE的子公司,Avitas Systems正在与Nvidia采取措施,使工业领域运用人工智能更加清晰化。近日,两家公司宣布将合作致力于在针对石油、天然气和运输行业的检测服务中运用人工智能。
Nvidia在最近的博客中表示:"派人去检查石油炼厂的火炬堆、在数百摄氏度的环境中工作以及做高风险的垂直爬升……其实你并不需要这么做。"
来源:Avitas Systems
AI在何处以及如何使用
事实上,无人机和爬行机器人都可以做这些工作。但是AI到底适用于工业领域这种检测流程的什么环节以及如何运用呢?
我们询问了Avitas Systems公司创始人、企业和业务开发负责人Alex Tepper,他表示:"AI可以运用于很多不同的地方。"
• 首先,AI可以为无人机收集图像和视频中的数据开发"最佳飞行模式"。
• 此外,AI可以创建"资产",例如传输塔、管道或者炼油厂的3D模型。然后将"兴趣点"堆叠在这些3D模型之上,让无人机和机器人能够发现异常状况例如裂缝或者腐蚀,从而自动执行缺陷检测过程。
Tepper表示,AI还可以帮助"融合"各种不同的传感器数据,开发的算法可辅助风险分析,预测何时进行下一次检测。
当然,有很多公司已经开始利用无人机和机器人来远程检查工业基础设施。AI还可以为无人机绘制优化的"可重复的"路径。
这里的关键词是"可重复的"。Tepper举例说,一台无人机路径的可重复性,可以为深度学习带来学习的机会。最终,AI的好处是"基于风险的数据收集"以及"为风险分析开发主算法"。
合作分工
谈到Nvidia和Avitas Systems之间的合作,两家公司将主要做什么?怎么做?
Avitas Systems的任务是提供主题专家和AI数据科学家。Nvidia提供DGX-1和DGX Station系统用于AI训练,涉及自动化缺陷识别。
"我们提供工具AI开发框架和CUDA平台帮助发挥Avitas数据科学家的技能,"Nvidia DGX Systems总经理Jim MchHugh表示。
Tepper补充说:"当我们得到了无人机收集来的大量高清图片,我们需要有个地方来保存和处理数据,运行模型和算法。因此,我们需要大量的计算能力,"这正是Nvidia提供的。
AI给检测服务行业带来的好处是显而易见的。AI可以带来比传统基于时间的检测方法更加精确、基于数据的风险分析,前者成本极高,并且可能会错过一些关键缺陷。
AI缺失的一环?
但是如今的AI有哪些局限?据Tepper称,现在仍然缺失的是AI对自身边缘设备上进行计算的能力。
他说,"目标是能够在边缘设备上运行AI算法,例如在无人机内部。然后,这个无人机就可以在飞行过程中改变飞行行为。"
Avitas Systems现在已经在使用Nvidia DGX-1在其数据中心内训练AI。此外,Avitas Systems还将AI推向现场环境,使用车载的Nvidia DGX Station。"当时我们希望更进一步推向边缘设备,"Tepper强调说。显然,这个行业还没有发展到这一步。
毫无疑问,Avitas Systems将打破AI和检测服务的界限。Nvidia公司的McHugh证实说,"Avitas Systems开创了新的领域,首次将Nvidia DXG Station带入桌面端和现场环境。"
正如McHugh解释说的,是Avitas Systems的Tepper先接触Nvidia,询问DGX Station(针对办公使用)是否耐用、用于现场环境。
这种现场环境可能是110摄氏度高温或者在冰冻的北欧海上。当然,DGX Station并不是直接放在沙漠中,而是被安置在一辆面包车上,但仍然面对着比办公室更为苛刻的条件制约。
来源:Nvidia
在现场环境中使用DGX Station是非常重要的,因为"有时候要检测的工业场所是远离人类文明的地方,"Nvidia表示。要求检测的设施往往没有强大的网络基础设施。"从野外无人机和机器人那里返回的数据量通常太大,无法反馈到数据中心进行深度学习处理。"
Avitas Systems在AI Workbench解决方案中保存深度学习模型,该解决方案可以实时处理检测数据,训练模型以适应新的用途。Tepper表示,该计划将会扩展Avitas Systems的AI Workbench的能力,使用带有Volta的新型Nvidia DGX Station。
当被问及如今工业企业领域如何拥抱AI的时候,Tepper表示:"这些企业普遍对此很兴奋,"特别是迫于成本压力。
随着开始使用无人机,他们可以更安全、更低成本进行检测。更重要的是,可重复的分析让Avitas知道到底什么时候需要检测、启动维护措施的最佳时机是什么时候。
据Avitas Systems称,工业检测是年规模在400亿的业务。"一些企业每年在检测上可能要花费高达1亿美元的成本,是维护成本的5倍。"Tepper认为,他的公司可以将检测成本降低达25%。
Avitas Systems是GE Venture孵化器创建的新业务项目,为GE全资所有,是一家100% GE所有的子公司。不过,Avitas Systems拒绝透露目前正在合作的客户名称或者数量。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。