ເມື່ອຄົນຖາມວ່າ AI ສົ່ງເສີມຄວາມຍືນຍົງແນວໃດ, ຄວາມຄິດທັນທີທັນໃດມັກຈະກ້າວໄປສູ່ວິໄສທັດອັນຍິ່ງໃຫຍ່: ການເພີ່ມປະສິດທິພາບຂອງຕ່ອງໂສ້ການສະໜອງທົ່ວໂລກໃນຄືນ ຫຼື ການສ້າງແບບຈໍາລອງສະພາບອາກາດຢ່າງມະຫັດສະຈັນ. ໂດຍໄດ້ເຮັດວຽກຢູ່ໃນພື້ນທີ່ກັບທີມງານການຜະລິດແລະການຂົນສົ່ງ, ຂ້າພະເຈົ້າໄດ້ເຫັນວ່າຜົນກະທົບທີ່ແທ້ຈິງແມ່ນລະອຽດອ່ອນກວ່າ, ມັກຈະສັບສົນ, ແລະໄກຈາກລູກປືນເງິນ. ຄວາມເຂົ້າໃຈຜິດແມ່ນວ່າ AI ເຮັດວຽກຢູ່ໃນສູນຍາກາດ - ມັນບໍ່ແມ່ນ. ມູນຄ່າຂອງມັນຖືກປົດລັອກພຽງແຕ່ເມື່ອມັນຝັງເລິກຢູ່ໃນຂະບວນການທີ່ມີຢູ່ແລ້ວ, ມັກຈະບໍ່ມີປະສິດທິພາບ. ມັນໜ້ອຍກວ່າກ່ຽວກັບສູດການຄິດໄລ່ອັດສະລິຍະ ແລະເພີ່ມເຕີມກ່ຽວກັບການປັບຕົວແບບປະຕິບັດຕໍ່ກັບການໄຫຼເຂົ້າຂອງວັດສະດຸ, ການບໍລິໂພກພະລັງງານ ແລະຮູບແບບຂອງສິ່ງເສດເຫຼືອ. ຂໍໃຫ້ຂ້ອຍຍ່າງຜ່ານບາງພື້ນທີ່ບ່ອນທີ່ອັນນີ້ເກີດຂຶ້ນຈິງ, ແລະບ່ອນທີ່ບາງຄັ້ງມັນສະດຸດ.

ຄອນກຣີດ: ພະລັງງານ ແລະ ການເພີ່ມປະສິດທິພາບຊັບພະຍາກອນ

ເອົາສະຖານທີ່ອຸດສາຫະກໍາປົກກະຕິ, ເຊັ່ນໂຮງງານຜະລິດ fastener. ການໂຫຼດພະລັງງານບໍ່ຄົງທີ່; ມັນ spikes ໃນລະຫວ່າງການ forging ຫຼືການປິ່ນປົວຄວາມຮ້ອນ. ພວກເຮົາໄດ້ເຮັດວຽກກັບທີມງານຢູ່ສະຖານທີ່ໃນເມືອງ Hebei—ຄິດເຖິງກຸ່ມອຸດສາຫະກຳໃນເມືອງ Yongnian—ເພື່ອນຳໃຊ້ຕົວແບບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ຂ້ອນຂ້າງງ່າຍດາຍກ່ຽວກັບຂໍ້ມູນການໃຊ້ພະລັງງານໃນປະຫວັດສາດ. ເປົ້າໝາຍບໍ່ແມ່ນການສ້າງຂະບວນການຄືນໃໝ່ ແຕ່ເພື່ອຄາດຄະເນຄວາມຕ້ອງການເພີ່ມຂຶ້ນ ແລະ ຢຸດຕິການດຳເນີນງານທີ່ບໍ່ສຳຄັນ. ຜົນໄດ້ຮັບແມ່ນການຫຼຸດຜ່ອນ 7-8% ຂອງຄ່າບໍລິການສູງສຸດ, ເຊິ່ງເຮັດໃຫ້ການຕັດຄາບອນແລະຄ່າໃຊ້ຈ່າຍໂດຍກົງ. ມັນມີສຽງເລັກນ້ອຍ, ແຕ່ໃນລະດັບ, ໃນທົ່ວຫຼາຍຮ້ອຍ furnaces ແລະກົດ, ຜົນກະທົບສະສົມແມ່ນຢ່າງຫຼວງຫຼາຍ. AI ຢູ່ທີ່ນີ້ບໍ່ໄດ້ຄິດ; ການຮັບຮູ້ຮູບແບບຂອງມັນໃຊ້ກັບຊຸດຂໍ້ມູນຂອງໂລກທີ່ແທ້ຈິງທີ່ມີສຽງດັງຫຼາຍ.

ບ່ອນທີ່ມັນຫຍຸ້ງຍາກແມ່ນໂຄງສ້າງຂໍ້ມູນ. ພືດຫຼາຍຊະນິດ, ເຖິງແມ່ນວ່າມີຂະຫນາດໃຫຍ່ເຊັ່ນ ບໍລິສັດບໍລິສັດຜະລິດ Fasten Fastener Handan., ມີລະບົບ SCADA ທີ່ເປັນມໍລະດົກແລະບັນທຶກຄູ່ມື. ອຸປະສັກທໍາອິດແມ່ນການໄດ້ຮັບຂໍ້ມູນທີ່ສະອາດ, ເວລາທີ່ປະທັບຕາຈາກຊັ້ນຮ້ານຄ້າ. ພວກເຮົາໃຊ້ເວລາຫຼາຍອາທິດພຽງແຕ່ຕັ້ງເຊັນເຊີ IoT ພື້ນຖານເພື່ອປ້ອນຕົວແບບ—ເປັນຂັ້ນຕອນທີ່ມັກຈະເປັນເງົາຢູ່ໃນກໍລະນີສຶກສາທີ່ເຫຼື້ອມເປັນເງົາ. ໂດຍບໍ່ມີການນີ້, ຮູບແບບ AI ແມ່ນພຽງແຕ່ການອອກກໍາລັງກາຍທາງທິດສະດີ. ເວັບໄຊທ໌ https://www.zitaiFFasters.com ອາດຈະສະແດງຜະລິດຕະພັນຂອງພວກເຂົາ, ແຕ່ການໄດ້ຮັບຄວາມຍືນຍົງເກີດຂື້ນຢູ່ເບື້ອງຫຼັງ, ໃນການເຊື່ອມໂຍງຢ່າງເຄັ່ງຄັດຂອງສາຍນ້ໍາຂໍ້ມູນຈາກເຄື່ອງຈັກທີ່ບໍ່ເຄີຍຖືກອອກແບບເພື່ອສົນທະນາກັບກັນແລະກັນ.

ອີກມຸມຫນຶ່ງແມ່ນຜົນຜະລິດວັດສະດຸ. ໃນການຜະລິດ fastener, ເຫຼັກ coil ແມ່ນ punched ແລະສ້າງຕັ້ງຂຶ້ນ. ການຂູດຂີ້ເຫຍື້ອເປັນສິ່ງທີ່ຫຼີກລ່ຽງບໍ່ໄດ້, ແຕ່ລະບົບວິໄສທັດຄອມພິວເຕີທີ່ຂັບເຄື່ອນດ້ວຍ AI ປະຈຸບັນສາມາດກວດກາວັດຖຸດິບສໍາລັບຂໍ້ບົກພ່ອງກ່ອນທີ່ຈະປະທັບຕາ, ແລະແມ້ກະທັ້ງການປັບຮູບແບບການຕັດແບບເຄື່ອນໄຫວເພື່ອຫຼຸດຜ່ອນສິ່ງເສດເຫຼືອ. ພວກເຮົາໄດ້ທົດລອງນີ້ກັບຄູ່ຮ່ວມງານ, ແລະໃນຂະນະທີ່ algorithm ເຮັດວຽກ, ROI ແມ່ນເປັນລົບສໍາລັບການດໍາເນີນການ batch ຂະຫນາດນ້ອຍກວ່າເນື່ອງຈາກຄວາມສັບສົນໃນການຕິດຕັ້ງ. ນີ້​ແມ່ນ​ຄວາມ​ແຕກ​ຕ່າງ​ທີ່​ສໍາ​ຄັນ​: AI ສໍາ​ລັບ​ຄວາມ​ຍືນ​ຍົງ​ແມ່ນ​ບໍ່​ສາ​ມາດ​ນໍາ​ໃຊ້​ທົ່ວ​ໄປ​; ມັນຮຽກຮ້ອງໃຫ້ມີຂະຫນາດທີ່ແນ່ນອນແລະການເຕີບໂຕເຕັມທີ່ໃນການດໍາເນີນງານເພື່ອຊໍາລະ.

Logistics ແລະເຄືອຂ່າຍທີ່ເຊື່ອງໄວ້

ການຂົນສົ່ງແມ່ນການປ່ອຍອາຍຄາບອນຂະຫນາດໃຫຍ່. ທີ່ນີ້, ບົດບາດຂອງ AI ໃນການເພີ່ມປະສິດທິພາບເສັ້ນທາງແມ່ນເປັນທີ່ຮູ້ຈັກດີ, ແຕ່ຂໍ້ຈໍາກັດໃນໂລກທີ່ແທ້ຈິງແມ່ນສິ່ງທີ່ເຮັດໃຫ້ມັນຫນ້າສົນໃຈ. ສຳ​ລັບ​ຜູ້​ຜະ​ລິດ​ທີ່​ຕັ້ງ​ຢູ່​ໃກ້​ກັບ​ທາງ​ລົດ​ໄຟ​ປັກ​ກິ່ງ-ກວາງ​ໂຈ່​ວ ແລະ​ທາງ​ຫຼວງ​ແຫ່ງ​ຊາດ 107, ເຊັ່ນ Zitai, ຄຳ​ຖາມ​ບໍ່​ແມ່ນ​ພຽງ​ແຕ່​ຊອກ​ຫາ​ເສັ້ນ​ທາງ​ທີ່​ສັ້ນ​ທີ່​ສຸດ​ເທົ່າ​ນັ້ນ. ມັນແມ່ນກ່ຽວກັບການລວມເອົາການໂຫຼດບາງສ່ວນ, ການຄາດຄະເນຄວາມລ່າຊ້າຂອງທ່າເຮືອ, ແລະແມ້ກະທັ້ງປັດໄຈການຈະລາຈອນແລະຂໍ້ມູນສະພາບອາກາດໃນເວລາຈິງເພື່ອຫຼຸດຜ່ອນເວລາຫວ່າງສໍາລັບລົດບັນທຸກ. ພວກ​ເຮົາ​ໄດ້​ປະ​ຕິ​ບັດ​ລະ​ບົບ​ທີ່​ເຮັດ​ແນວ​ນີ້, ແລະ​ການ​ປະ​ຢັດ​ນໍ້າ​ມັນ​ເຊື້ອ​ໄຟ​ສະ​ເລ່ຍ​ປະ​ມານ 12%. ຢ່າງໃດກໍ່ຕາມ, ບາງຄັ້ງຄໍາແນະນໍາຂອງລະບົບໄດ້ຖືກປະຕິເສດໂດຍຜູ້ສົ່ງມອບທີ່ໄວ້ວາງໃຈປະສົບການຂອງເຂົາເຈົ້າກ່ຽວກັບສູດການຄິດໄລ່ - ເປັນສິ່ງທ້າທາຍໃນການຮ່ວມມືຂອງມະນຸດ - AI ແບບຄລາສສິກ.

ນອກເຫນືອຈາກເສັ້ນທາງ, ມີການເພີ່ມປະສິດທິພາບຂອງສິນຄ້າຄົງຄັງ. ການຖືສິນຄ້າຄົງຄັງເກີນຈະຜູກມັດທຶນແລະພື້ນທີ່, ແລະມັກຈະເຮັດໃຫ້ສິ່ງເສດເຫຼືອ (ໂດຍສະເພາະສໍາລັບ fasteners ເຄືອບຫຼືຮັບການປິ່ນປົວທີ່ມີຄວາມກັງວົນອາຍຸ shelf). ຮູບແບບການຄາດເດົາໂດຍໃຊ້ຂໍ້ມູນການຂາຍ, ທ່າອ່ຽງຂອງລະດູການ, ແລະແມ້ແຕ່ຕົວຊີ້ວັດດ້ານເສດຖະກິດທີ່ກວ້າງກວ່າສາມາດເຮັດໃຫ້ລະດັບສິນຄ້າຄົງຄັງເຄັ່ງຄັດ. ຂ້າພະເຈົ້າຈື່ໂຄງການຫນຶ່ງທີ່ພວກເຮົາໄດ້ຫຼຸດລົງຫຼັກຊັບຄວາມປອດໄພ 15% ໂດຍບໍ່ມີການເພີ່ມຄວາມສ່ຽງຕໍ່ການອອກຫຼັກຊັບ. ແຕ່ແບບຈໍາລອງດັ່ງກ່າວໄດ້ລົ້ມເຫລວຢ່າງຫນ້າປະທັບໃຈເມື່ອການປ່ຽນແປງນະໂຍບາຍພາກພື້ນຢ່າງກະທັນຫັນໄດ້ຂັດຂວາງລະບົບຕ່ອງໂສ້ການສະຫນອງ - ມັນບໍ່ໄດ້ຖືກຝຶກອົບຮົມກ່ຽວກັບເຫດການ swan ສີດໍາດັ່ງກ່າວ. ນີ້ຊີ້ໃຫ້ເຫັນເຖິງວ່າຕົວແບບ AI ແມ່ນດີເທົ່າກັບຂໍ້ມູນປະຫວັດສາດທີ່ພວກເຂົາເຄີຍເຫັນ; ເຂົາເຈົ້າຕໍ່ສູ້ກັບການຊ໊ອກລະບົບນະວະນິຍາຍ.

ລະບົບຕ່ອງໂສ້ການສະຫນອງທີ່ຂະຫຍາຍແມ່ນບ່ອນທີ່ມັນກວ້າງຂຶ້ນ. AI ສາມາດຊ່ວຍອອກແບບວົງຈອນເສດຖະກິດວົງ. ຕົວຢ່າງເຊັ່ນ, ໂດຍການວິເຄາະຂໍ້ມູນວົງຈອນຊີວິດຂອງຜະລິດຕະພັນ, ມັນສາມາດຄາດຄະເນໄດ້ວ່າ batch ຂອງ fasteners ຈາກຟາມແສງຕາເວັນທີ່ຖືກປົດປ່ອຍອາດຈະສາມາດໃຊ້ໄດ້ສໍາລັບການນໍາໃຊ້ຄືນໃຫມ່ຫຼືການລີໄຊເຄີນ, ດັ່ງນັ້ນການຫຼຸດຜ່ອນຄວາມຕ້ອງການສໍາລັບວັດສະດຸເວີຈິນໄອແລນ. ນີ້​ແມ່ນ​ຍັງ​ບໍ່​ທັນ​ມີ​ຢູ່, ​ແຕ່​ບັນດາ​ໂຄງການ​ທົດ​ລອງ​ຢູ່ EU ພວມ​ຄົ້ນ​ຄ້ວາ​ເລື່ອງ​ນີ້. ມັນຍ້າຍຄວາມຍືນຍົງຈາກປະສິດທິພາບພຽງແຕ່ໄປສູ່ວົງຈອນຊັບພະຍາກອນລະບົບ.

ການຕິດຕາມ, ການລາຍງານ, ແລະການຊຸກຍູ້ຄວາມໂປ່ງໃສ

ຄວາມຍືນຍົງໃນມື້ນີ້ຮຽກຮ້ອງໃຫ້ມີການວັດແທກຢ່າງເຂັ້ມງວດ. AI ເລັ່ງການຕິດຕາມສິ່ງແວດລ້ອມຢ່າງແຮງ. ແທນທີ່ຈະມີການກວດສອບການປ່ອຍອາຍພິດຫຼືນ້ໍາເສຍດ້ວຍມືປະຈໍາເດືອນ, ເຄືອຂ່າຍເຊັນເຊີທີ່ມີການວິເຄາະ AI ສາມາດສະຫນອງຂໍ້ມູນຢ່າງຕໍ່ເນື່ອງ, ເປັນເມັດ. ພວກ​ເຮົາ​ໄດ້​ຊ່ວຍ​ສ້າງ​ຕັ້ງ​ລະ​ບົບ​ການ​ຕິດ​ຕາມ​ການ​ລະ​ເຫີຍ​ຂອງ​ສານ​ປະ​ສົມ​ອົງ​ກອນ​ທີ່​ລະ​ເຫີຍ (VOC) ໃນ​ກອງ​ປະ​ຊຸມ​ສໍາ​ເລັດ​ຮູບ. AI ບໍ່ພຽງແຕ່ວັດແທກ; ມັນ​ໄດ້​ລະ​ບຸ​ຄວາມ​ສໍາ​ພັນ​ລະ​ຫວ່າງ batches ການ​ຜະ​ລິດ​ສະ​ເພາະ​ແລະ​ລະ​ຫວ່າງ​ການ​ລະ​ເບີດ​ແຕກ​, ອະ​ນຸ​ຍາດ​ໃຫ້​ສໍາ​ລັບ​ການ​ປັບ​ຂະ​ບວນ​ການ​. ນີ້ປ່ຽນການປະຕິບັດຕາມຈາກສູນຕົ້ນທຶນໄປສູ່ແຫຼ່ງຄວາມເຂົ້າໃຈໃນການປະຕິບັດງານ.

ຢ່າງໃດກໍ່ຕາມ, ການສ້າງຂໍ້ມູນແມ່ນສິ່ງຫນຶ່ງ; ການໄວ້ວາງໃຈມັນເປັນອີກອັນຫນຶ່ງ. ມີຄວາມເຄັ່ງຕຶງຢ່າງຕໍ່ເນື່ອງລະຫວ່າງຕົວວັດແທກຄວາມຍືນຍົງທີ່ສ້າງຂຶ້ນໂດຍ AI ແລະຄວາມຕ້ອງການສໍາລັບການບັນທຶກທີ່ສາມາດກວດສອບໄດ້, ກວດສອບໄດ້ສໍາລັບກອບວຽກເຊັ່ນການລາຍງານ ESG. ຜູ້ຄວບຄຸມແລະນັກລົງທຶນສາມາດໄວ້ວາງໃຈບົດສະຫຼຸບຂອງ AI ກ່ຽວກັບການບັນຊີຄາບອນໄດ້ບໍ? ພວກເຮົາຢູ່ໃນໄລຍະທີ່ AI ຈັດການກັບການຍົກຂໍ້ມູນຢ່າງໜັກໜ່ວງ, ແຕ່ຜູ້ຊ່ຽວຊານດ້ານມະນຸດຍັງຕ້ອງການເພື່ອກວດສອບ ແລະຕີຄວາມໝາຍ. ເຄື່ອງມືແມ່ນມີອໍານາດ, ແຕ່ມັນຍັງບໍ່ໄດ້ທົດແທນຄວາມຕ້ອງການສໍາລັບການຕັດສິນຂອງມືອາຊີບ.

ໃນລະດັບມະຫາພາກ, AI ກໍາລັງເຮັດໃຫ້ການຕິດຕາມຮອຍຄາບອນທີ່ຖືກຕ້ອງຫຼາຍຂຶ້ນໃນທົ່ວຕ່ອງໂສ້ການສະຫນອງທີ່ຊັບຊ້ອນ. ໂດຍການຂູດແລະການວິເຄາະຂໍ້ມູນຈາກປະຕູຜູ້ສະຫນອງ, ການສະແດງການຂົນສົ່ງ, ແລະໃບບິນຄ່າພະລັງງານ, ມັນສາມາດສ້າງແຜນທີ່ຮອຍຕີນໃນເວລາທີ່ແທ້ຈິງ. ສໍາລັບບໍລິສັດເຊັ່ນ Zitai, ເຊິ່ງເປັນສ່ວນຫນຶ່ງຂອງພື້ນຖານການຜະລິດທີ່ກວ້າງຂວາງ, ການເບິ່ງເຫັນນີ້ແມ່ນສໍາຄັນສໍາລັບລູກຄ້າລຸ່ມນ້ໍາໃນເອີຣົບຫຼືອາເມລິກາເຫນືອທີ່ຢູ່ພາຍໃຕ້ຄວາມກົດດັນໃນການລາຍງານຂອບເຂດ 3 ການປ່ອຍອາຍພິດ. ມັນປ່ຽນຄວາມຍືນຍົງຈາກຄໍາຫມັ້ນສັນຍາທີ່ບໍ່ຊັດເຈນເປັນອົງປະກອບທີ່ມີການຄຸ້ມຄອງແລະປະລິມານຂອງທຸລະກິດ.

Pitfalls ແລະຄ່າໃຊ້ຈ່າຍທີ່ຖືກມອງຂ້າມ

ມັນບໍ່ແມ່ນໃນທາງບວກທັງຫມົດ. ຄ່າ​ໃຊ້​ຈ່າຍ​ທາງ​ຄອມ​ພິວ​ເຕີ​ຂອງ​ການ​ຝຶກ​ອົບ​ຮົມ​ແລະ​ການ​ດໍາ​ເນີນ​ການ​ຕົວ​ແບບ AI ຂະ​ຫນາດ​ໃຫຍ່​ຕົວ​ມັນ​ເອງ​ແມ່ນ​ພາ​ລະ​ທາງ​ດ້ານ​ສິ່ງ​ແວດ​ລ້ອມ​. ໂຄງການທີ່ສຸມໃສ່ການປະຫຍັດພະລັງງານໃນໂຮງງານຈະຕ້ອງຊັ່ງນໍ້າຫນັກກັບພະລັງງານທີ່ໃຊ້ໂດຍເຄື່ອງແມ່ຂ່າຍຄລາວການຝຶກອົບຮົມແບບຈໍາລອງ. ໃນການເຮັດວຽກຂອງພວກເຮົາ, ພວກເຮົາໄດ້ຫັນໄປໃຊ້ແບບພິເສດທີ່ມີປະສິດທິພາບ, ຫຼາຍກວ່າການຮຽນຮູ້ເລິກຂອງ brute-force ສໍາລັບເຫດຜົນນີ້. ບາງຄັ້ງ, ຮູບແບບສະຖິຕິທີ່ງ່າຍດາຍເຮັດໃຫ້ເຈົ້າໄດ້ຮັບ 80% ຂອງຜົນປະໂຫຍດກັບ 1% ຂອງຄ່າໃຊ້ຈ່າຍໃນຄອມພິວເຕີ້. ຄວາມຍືນຍົງຜ່ານ AI ຕ້ອງກວມເອົາຮອຍຕີນຂອງຕົນເອງ.

ຍັງມີຄວາມສ່ຽງຕໍ່ການເພີ່ມປະສິດທິພາບຂອງສ່ວນຫນຶ່ງຂອງລະບົບໂດຍຄ່າໃຊ້ຈ່າຍຂອງອີກອັນຫນຶ່ງ. ເມື່ອພວກເຮົາປັບປຸງຕາຕະລາງການຜະລິດສໍາລັບປະສິດທິພາບພະລັງງານ, ພຽງແຕ່ພົບວ່າມັນເພີ່ມການສວມໃສ່ໃນເຄື່ອງມືທີ່ແນ່ນອນ, ນໍາໄປສູ່ການທົດແທນເລື້ອຍໆແລະສິ່ງເສດເຫຼືອທີ່ກ່ຽວຂ້ອງ. ທັດສະນະລວມແມ່ນຈໍາເປັນ. ຄວາມຍືນຍົງທີ່ແທ້ຈິງບໍ່ແມ່ນກ່ຽວກັບສູງສຸດໃນທ້ອງຖິ່ນແຕ່ຄວາມທົນທານຕໍ່ລະບົບແລະຜົນກະທົບທັງຫມົດຫນ້ອຍທີ່ສຸດ. ລະບົບ AI ຕ້ອງໄດ້ຮັບການອອກແບບດ້ວຍການເພີ່ມປະສິດທິພາບຫຼາຍຈຸດປະສົງຢູ່ໃນໃຈ, ເຊິ່ງເປັນບັນຫາທີ່ຍາກກວ່າ.

ສຸດທ້າຍ, ອົງປະກອບຂອງມະນຸດ. ການປະຕິບັດການປ່ຽນແປງທີ່ຂັບເຄື່ອນດ້ວຍ AI ຮຽກຮ້ອງໃຫ້ມີບຸກຄະລາກອນທີ່ມີຄວາມຊໍານິຊໍານານ, ການຄຸ້ມຄອງການປ່ຽນແປງ, ແລະເລື້ອຍໆ, ທຶນລ່ວງຫນ້າ. ສຳ​ລັບ​ວິ​ສາ​ຫະ​ກິດ​ຂະ​ຫນາດ​ນ້ອຍ ແລະ ຂະ​ຫນາດ​ກາງ​ຫຼາຍ​ແຫ່ງ​ໃນ​ສາຍ​ແອວ​ການ​ຜະ​ລິດ, ບູ​ລິ​ມະ​ສິດ​ແມ່ນ​ການ​ຢູ່​ລອດ​ແລະ​ການ​ປະ​ຕິ​ບັດ​ຄໍາ​ສັ່ງ. ການໂຕ້ຖຽງຄວາມຍືນຍົງຕ້ອງສົມທົບກັບຜົນປະໂຫຍດທາງດ້ານເສດຖະກິດທີ່ຊັດເຈນ, ໄລຍະສັ້ນຫາກາງ. ນັ້ນແມ່ນເຫດຜົນທີ່ນັກບິນທີ່ປະສົບຜົນສໍາເລັດຫຼາຍທີ່ສຸດທີ່ຂ້ອຍໄດ້ເຫັນເລີ່ມຕົ້ນດ້ວຍຫມາກຫ້ອຍຕ່ໍາ: ການບໍາລຸງຮັກສາທີ່ຄາດເດົາເພື່ອຫຼີກເວັ້ນການຢຸດພັກແລະສິ່ງເສດເຫຼືອທີ່ມີຄ່າໃຊ້ຈ່າຍ, ຫຼືການຄວບຄຸມແສງສະຫວ່າງ / ຄວາມຮ້ອນທີ່ສະຫລາດທີ່ຈ່າຍຄືນໃນເວລາຫນ້ອຍກວ່າສອງປີ.

ຊອກຫາລ່ວງຫນ້າ: ການປະສົມປະສານ, ບໍ່ແມ່ນການໂດດດ່ຽວ

ດັ່ງນັ້ນ, AI ຈະຊ່ວຍເພີ່ມຄວາມຍືນຍົງໄດ້ແນວໃດ? ມັນບໍ່ແມ່ນຜ່ານ flashy, standalone AI ສໍາລັບໂຄງການທີ່ດີ. ມັນຜ່ານການປັບປຸງເທື່ອລະກ້າວ, ມັກຈະບໍ່ເຊັກຊີ່, ການເຊື່ອມໂຍງເຂົ້າໃນກຸ່ມເຕັກໂນໂລຊີປະຕິບັດງານຂອງອຸດສາຫະກໍາເຊັ່ນ: ການຜະລິດ, ການຂົນສົ່ງ, ແລະພະລັງງານ. ມັນເພີ່ມຄວາມຍືນຍົງໂດຍການເຮັດ ປະສິດທິພາບຊັບພະຍາກອນ ສາມາດວັດແທກໄດ້ ແລະສາມາດປະຕິບັດໄດ້, ໂດຍການເປີດເຜີຍກະແສສິ່ງເສດເຫຼືອທີ່ເບິ່ງບໍ່ເຫັນໃນເມື່ອກ່ອນ, ແລະໂດຍການເຮັດໃຫ້ລະບົບຕອບສະໜອງໄດ້ປັບຕົວໄດ້ຫຼາຍຂຶ້ນ.

ອະນາຄົດ, ໃນທັດສະນະຂອງຂ້ອຍ, ແມ່ນຢູ່ໃນ AI ຝັງ. ຄິດເຖິງເຄື່ອງຈັກອຸດສາຫະກໍາທີ່ປັບຕົວກໍານົດການຂອງຕົນເອງສໍາລັບການນໍາໃຊ້ພະລັງງານຫນ້ອຍທີ່ສຸດໃນຂະນະທີ່ຮັກສາຄຸນນະພາບ, ຫຼືເວທີການຂົນສົ່ງທີ່ອັດຕະໂນມັດເລືອກເອົາທາງເລືອກການຂົນສົ່ງຄາບອນຕ່ໍາສຸດທີ່ຕອບສະຫນອງຄ່າໃຊ້ຈ່າຍແລະເວລາຈໍາກັດ. ມັນກາຍເປັນລັກສະນະມາດຕະຖານ, ບໍ່ແມ່ນການລິເລີ່ມແຍກຕ່າງຫາກ. ການເຮັດວຽກຢູ່ໃນສະຖານທີ່ຕ່າງໆເຊັ່ນພື້ນຖານການຜະລິດ Yongnian, ທີ່ມີເຄືອຂ່າຍຜູ້ຜະລິດທີ່ມີຄວາມຫນາແຫນ້ນ, ເປັນບ່ອນທົດສອບທີ່ສົມບູນແບບສໍາລັບວິທີການປະສົມປະສານເຫຼົ່ານີ້.

ໃນທີ່ສຸດ, AI ເປັນເຄື່ອງມືທີ່ມີປະສິດທິພາບ, ແຕ່ມັນກໍ່ເປັນເຄື່ອງມື. ການປະກອບສ່ວນຂອງຕົນຕໍ່ຄວາມຍືນຍົງແມ່ນກໍານົດໂດຍມືທີ່ຖືມັນແລະບັນຫາທີ່ພວກເຂົາເລືອກທີ່ຈະແກ້ໄຂ. ການຊຸກຍູ້ແມ່ນມາຈາກການສຸມໃສ່ຢ່າງບໍ່ຢຸດຢັ້ງກ່ຽວກັບສີມັງ, ຜົນປະໂຫຍດເພີ່ມຂຶ້ນໃນການໄຫຼເຂົ້າຂອງວັດສະດຸແລະພະລັງງານ, ແຈ້ງໃຫ້ຊາບໂດຍຂໍ້ມູນທີ່ພວກເຮົາສາມາດເກັບກໍາແລະເຂົ້າໃຈໃນທີ່ສຸດ. ມັນເປັນການເດີນທາງທີ່ປະຕິບັດໄດ້, ເຕັມໄປດ້ວຍການທົດລອງແລະຄວາມຜິດພາດ, ຫ່າງໄກຈາກວົງຈອນ hype, ແລະນັ້ນແມ່ນບ່ອນທີ່ມູນຄ່າທີ່ແທ້ຈິງຂອງມັນສໍາລັບອະນາຄົດທີ່ຍືນຍົງຈະຖືກສ້າງຂື້ນ.