AI තිරසාර බව වැඩි කරන්නේ කෙසේද? 

AI තිරසාරත්වය ඉහළ නංවන්නේ කෙසේදැයි මිනිසුන් විමසූ විට, ක්ෂණික සිතුවිල්ල බොහෝ විට විශිෂ්ට දර්ශන කරා පැන යයි: ගෝලීය සැපයුම් දාම එක රැයකින් ප්‍රශස්ත කිරීම හෝ දේශගුණික ආකෘති නිර්මාණය ඉන්ද්‍රජාලික ලෙස විසඳීම. නිෂ්පාදන සහ සැපයුම් කණ්ඩායම් සමඟ භූමියේ වැඩ කිරීමෙන් පසු, සැබෑ බලපෑම වඩාත් කැටිති, බොහෝ විට අවුල් සහගත සහ රිදී උණ්ඩයකින් දුරස් බව මම දුටුවෙමි. වැරදි වැටහීම නම් AI ක්‍රියා කරන්නේ රික්තකයක බවයි - එය එසේ නොවේ. එහි අගය අගුලු හරිනු ලබන්නේ එය පවතින, බොහෝ විට අකාර්යක්ෂම, ක්‍රියාවලි තුළ ගැඹුරින් කාවැදී ඇති විට පමණි. එය බුද්ධිමත් ඇල්ගොරිතම ගැන අඩු වන අතර ද්‍රව්‍ය ප්‍රවාහ, බලශක්ති පරිභෝජනය සහ අපද්‍රව්‍ය රටා සඳහා ප්‍රායෝගික ගැලපීම් ගැන වැඩි ය. මෙය සැබවින්ම ක්‍රීඩා කරන සහ සමහර විට පැකිලී යන ප්‍රදේශ කිහිපයක් හරහා මට ඇවිදීමට ඉඩ දෙන්න.

කොන්ක්රීට්: බලශක්ති සහ සම්පත් ප්රශස්තකරණය

ගාංචු නිෂ්පාදන කම්හලක් වැනි සාමාන්‍ය කාර්මික සැකසුම් ගන්න. බලශක්ති භාරය නියත නොවේ; ව්යාජ හෝ තාප පිරියම් කිරීමේදී එය උල් වේ. ඓතිහාසික බලශක්ති පරිභෝජන දත්ත මත සාපේක්ෂව සරල යන්ත්‍ර ඉගෙනුම් ආකෘති යෙදවීමට අපි හෙබෙයි හි පහසුකමක කණ්ඩායමක් සමඟ වැඩ කළෙමු—Yongnian දිස්ත්‍රික්කයේ කාර්මික පොකුර ගැන සිතන්න. ඉලක්කය වූයේ ක්‍රියාවලිය ප්‍රතිනිර්මාණය කිරීම නොව ඉල්ලුම ඉහළ යාම සහ විවේචනාත්මක නොවන මෙහෙයුම් පුරෝකථනය කිරීමයි. එහි ප්‍රතිඵලය වූයේ කාබන් පියසටහන් සහ පිරිවැය සෘජුවම කපා හරින උපරිම බර ගාස්තු 7-8% කින් අඩු කිරීමයි. එය නිහතමානී ලෙස පෙනේ, නමුත් පරිමාණයෙන්, උදුන් සහ මුද්‍රණ යන්ත්‍ර සිය ගණනක් හරහා, සමුච්චිත බලපෑම සැලකිය යුතු ය. මෙහි AI සිතන්නේ නැත; එය ඉතා ඝෝෂාකාරී, සැබෑ ලෝක දත්ත කට්ටලයකට අදාළ රටා හඳුනාගැනීමකි.

එය උපක්‍රමශීලී වන තැන වන්නේ දත්ත යටිතල ව්‍යුහයයි. බොහෝ ශාක, විශාල ඒවා පවා කැමති සීමාසහිත Handan Zitai Fastener Manufacturing Co., Ltd., ලෙගසි SCADA පද්ධති සහ අතින් ලොග ඇත. පළමු බාධකය වන්නේ සාප්පු බිමෙන් පිරිසිදු, කාල මුද්‍රා තැබූ දත්ත ලබා ගැනීමයි. ආකෘති පෝෂණය කිරීම සඳහා මූලික IoT සංවේදක සැකසීමට අපි සති කිහිපයක් ගත කළෙමු - මෙම පියවර බොහෝ විට දීප්තිමත් සිද්ධි අධ්‍යයනයන්හි දී ඔපවත් විය. මෙය නොමැතිව, ඕනෑම AI ආකෘතියක් න්‍යායික අභ්‍යාසයක් පමණි. වෙබ් අඩවිය https://www.zitaifasteners.com ඔවුන්ගේ නිෂ්පාදන ප්‍රදර්ශනය කළ හැකි නමුත්, තිරසාර ලාභය තිරය පිටුපස සිදු වන්නේ, කිසි විටෙක එකිනෙකා සමඟ කතා කිරීමට සැලසුම් නොකළ යන්ත්‍රවලින් දත්ත ප්‍රවාහයන් අමිහිරි ලෙස ඒකාබද්ධ කිරීම තුළ ය.

තවත් කෝණයක් වන්නේ ද්රව්යමය අස්වැන්නයි. ගාංචු නිෂ්පාදනයේදී, දඟර වානේ සිදුරු කර සාදනු ලැබේ. සීරීම් නොවැළැක්විය හැකි නමුත්, AI මත ධාවනය වන පරිගණක දෘෂ්ඨි පද්ධතිවලට දැන් මුද්දර දැමීමට පෙර දෝෂ සඳහා අමුද්‍රව්‍ය පරීක්ෂා කළ හැකි අතර, නාස්තිය අවම කිරීම සඳහා කැපුම් රටා ගතිකව සකස් කළ හැකිය. අපි හවුල්කරුවෙකු සමඟ මෙය නියමු කළ අතර, ඇල්ගොරිතම ක්‍රියා කරන අතරතුර, සැකසීමේ සංකීර්ණත්වය හේතුවෙන් කුඩා කණ්ඩායම් ධාවන සඳහා ROI සෘණාත්මක විය. මෙය තීරණාත්මක සූක්ෂ්මතාවයකි: තිරසාරත්වය සඳහා AI විශ්වීය වශයෙන් අදාළ නොවේ; එය ගෙවීමට යම් පරිමාණයක් සහ මෙහෙයුම් පරිණත භාවයක් ඉල්ලා සිටී.

ලොජිස්ටික්ස් සහ සැඟවුණු ජාලය

ප්‍රවාහනය යනු දැවැන්ත කාබන් විමෝචකයකි. මෙහිදී, මාර්ග ප්‍රශස්තකරණයේදී AI හි භූමිකාව හොඳින් දන්නා නමුත් සැබෑ ලෝකයේ සීමාවන් එය සිත්ගන්නාසුළු කරයි. Zitai වැනි බීජිං-ගුවැන්ෂු දුම්රිය සහ ජාතික මහාමාර්ග 107 අසල වාසිදායක ලෙස පිහිටා ඇති නිෂ්පාදකයෙකු සඳහා, ප්‍රශ්නය කෙටිම මාර්ගය සොයා ගැනීම පමණක් නොවේ. එය ට්‍රක් රථ සඳහා නිෂ්ක්‍රීය කාලය අඩු කිරීම සඳහා පාර්ශවීය බර තහවුරු කිරීම, වරාය ප්‍රමාදයන් පුරෝකථනය කිරීම සහ තත්‍ය කාලීන ගමනාගමනය සහ කාලගුණ දත්ත පවා සාධක කිරීම ය. අපි මෙය කළ ක්‍රමයක් ක්‍රියාත්මක කළ අතර ඉන්ධන ඉතිරිය සාමාන්‍යයෙන් 12% ක් පමණ විය. කෙසේ වෙතත්, සම්භාව්‍ය මානව-AI සහයෝගීතා අභියෝගයක් වන ඇල්ගොරිතම පිළිබඳ ඔවුන්ගේ අත්දැකීම් විශ්වාස කළ පිටත් කරන්නන් විසින් පද්ධතියේ නිර්දේශ සමහර විට ප්‍රතික්ෂේප කරන ලදී.

මාර්ගවලින් ඔබ්බට, ඉන්වෙන්ටරි ප්‍රශස්තකරණයක් ඇත. අතිරික්ත ඉන්වෙන්ටරි රඳවා තබා ගැනීම ප්‍රාග්ධනය සහ අවකාශය සම්බන්ධ කරයි, සහ බොහෝ විට නාස්තියට මග පාදයි (විශේෂයෙන් කල් තබා ගැනීමේ ගැටළු සහිත ආලේපිත හෝ ප්‍රතිකාර කරන ලද ගාංචු සඳහා). විකුණුම් දත්ත, සෘතුමය ප්‍රවණතා සහ පුළුල් ආර්ථික දර්ශක භාවිතා කරන පුරෝකථන ආකෘති ඉන්වෙන්ටරි මට්ටම් දැඩි කළ හැකිය. මට මතකයි එක් ව්‍යාපෘතියක් අපි තොග පිටවීමේ අවදානම වැඩි නොකර ආරක්ෂිත තොග 15% කින් අඩු කළා. නමුත් හදිසි ප්‍රාදේශීය ප්‍රතිපත්ති මාරුවක් සැපයුම් දාම කඩාකප්පල් කළ විට ආකෘතිය දර්ශනීය ලෙස අසාර්ථක විය - එය එවැනි කළු හංස සිදුවීම් පිළිබඳව පුහුණු කර නොතිබුණි. මෙම AI ආකෘති ඔවුන් දැක ඇති ඓතිහාසික දත්ත තරම් හොඳ බව ඉස්මතු කරයි; ඔවුන් නව පද්ධතිමය කම්පන සමඟ අරගල කරයි.

විස්තීරණ සැපයුම් දාමය යනු එය පුළුල් වන ස්ථානයයි. වෘත්තාකාර ආර්ථික ලූප සැලසුම් කිරීමට AI හට උපකාර කළ හැක. නිදසුනක් ලෙස, නිෂ්පාදන ජීවන චක්‍ර දත්ත විශ්ලේෂණය කිරීමෙන්, ක්‍රියා විරහිත කරන ලද සූර්ය ගොවිපලක ගාංචු සමූහයක් නැවත භාවිතයට හෝ ප්‍රතිචක්‍රීකරණය සඳහා ලබා ගත හැක්කේ කවදාදැයි පුරෝකථනය කළ හැකි අතර එමඟින් වර්ජින් ද්‍රව්‍යවල අවශ්‍යතාවය අඩු වේ. මෙය තවමත් නොනැසී පවතී, නමුත් යුරෝපා සංගමයේ නියමු ව්‍යාපෘති මෙය ගවේෂණය කරයි. එය හුදු කාර්යක්ෂමතාවයේ සිට පද්ධතිමය සම්පත් චක්‍රය දක්වා තිරසාරත්වය ගෙන යයි.

අධීක්ෂණය, වාර්තා කිරීම සහ විනිවිදභාවය තල්ලු කිරීම

අද තිරසාරත්වය සඳහා දැඩි මිනුම් අවශ්‍ය වේ. AI පාරිසරික නිරීක්ෂණ දැඩි ලෙස වේගවත් කරයි. මාසික විමෝචන හෝ අපජල විගණනය වෙනුවට, AI විශ්ලේෂණ සහිත සංවේදක ජාල අඛණ්ඩ, කැටිති දත්ත සැපයිය හැක. ප්ලේටින් වැඩමුළුවක වාෂ්පශීලී කාබනික සංයෝග (VOC) විමෝචනය නිරීක්ෂණය කිරීම සඳහා පද්ධතියක් සැකසීමට අපි උදව් කළෙමු. AI මනින ලද්දේ නිකම්ම නොවේ; එය නිශ්චිත නිෂ්පාදන කාණ්ඩ සහ විමෝචන කරල් අතර සහසම්බන්ධතා හඳුනාගෙන, ක්‍රියාවලි ගැලපීම් සඳහා ඉඩ සලසයි. මෙය පිරිවැය මධ්‍යස්ථානයකින් අනුකූල වීම මෙහෙයුම් තීක්ෂ්ණ බුද්ධියේ මූලාශ්‍රයක් බවට පත් කරයි.

කෙසේ වෙතත්, දත්ත උත්පාදනය එක් දෙයක්; එය විශ්වාස කිරීම අනෙකකි. AI-ජනනය කරන ලද තිරසාර ප්‍රමිතික සහ ESG වාර්තාකරණය වැනි රාමු සඳහා විගණනය කළ හැකි, සත්‍යාපනය කළ හැකි වාර්තාවල අවශ්‍යතාවය අතර අඛණ්ඩ ආතතියක් පවතී. නියාමකයින්ට සහ ආයෝජකයින්ට කාබන් ගිණුම්කරණයේ AI හි සාරාංශයක් විශ්වාස කළ හැකිද? අපි සිටින්නේ AI දත්ත ක්‍රංච් කිරීමේ බර ඉසිලීම හසුරුවන අවධියක, නමුත් වලංගු කිරීමට සහ අර්ථ නිරූපණය කිරීමට මානව විශේෂඥයින් තවමත් අවශ්‍ය වේ. මෙවලම බලවත් ය, නමුත් එය වෘත්තීය විනිශ්චය සඳහා අවශ්යතාවය ප්රතිස්ථාපනය කර නැත.

සාර්ව පරිමාණයෙන්, AI සංකීර්ණ සැපයුම් දාම හරහා වඩාත් නිවැරදි කාබන් පියසටහන් ලුහුබැඳීම සක්‍රීය කරයි. සැපයුම්කරුවන්ගේ ද්වාර, නැව්ගත කිරීමේ ප්‍රකාශන සහ බලශක්ති බිල්පත් වලින් දත්ත සීරීමට සහ විශ්ලේෂණය කිරීමෙන්, එයට ආසන්න තත්‍ය කාලීන අඩිපාර සිතියමක් නිර්මාණය කළ හැකිය. විශාල නිෂ්පාදන පදනමක කොටසක් වන Zitai වැනි සමාගමක් සඳහා, Scope 3 විමෝචනය වාර්තා කිරීමට පීඩනයට ලක්ව සිටින යුරෝපයේ හෝ උතුරු ඇමරිකාවේ පහළ ගංවතුර පාරිභෝගිකයින් සඳහා මෙම දෘශ්‍යතාව ඉතා වැදගත් වේ. එය නොපැහැදිලි කැපවීමක සිට තිරසාරත්වය ව්‍යාපාරයේ ප්‍රමාණ කළ හැකි, කළමනාකරණය කළ හැකි අංගයක් බවට පත් කරයි.

අන්තරායන් සහ නොසලකා හරින ලද වියදම්

ඒ සියල්ල ධනාත්මක නොවේ. විශාල AI මාදිලි පුහුණු කිරීමේ සහ ධාවනය කිරීමේ ගණනය කිරීමේ පිරිවැය පාරිසරික බරකි. කර්මාන්ත ශාලාවක බලශක්ති ඉතිරිකිරීම කෙරෙහි අවධානය යොමු කරන ලද ව්‍යාපෘතියක්, ආකෘති පුහුණු කරන වලාකුළු සේවාදායකයන් විසින් භාවිතා කරන ශක්තියට එරෙහිව කිරා මැන බැලිය යුතුය. අපගේ කාර්යයේදී, අපි මේ හේතුව නිසාම තිරිසන් ගැඹුරු ඉගෙනීමට වඩා කාර්යක්ෂම, විශේෂිත මාදිලි භාවිතා කිරීමට මාරු වී ඇත. සමහර විට, සරල සංඛ්‍යානමය ආකෘතියක් මඟින් ඔබට 80%ක ප්‍රතිලාභයක් ලැබෙන අතර එය ගණනය කිරීමේ පොදු කාර්යෙන් 1%කි. AI හරහා තිරසාරත්වය තමන්ගේම පියසටහන් සඳහා ගණන් ගත යුතුය.

පද්ධතියක එක් කොටසක් තවත් කොටසක වියදමින් ප්‍රශස්ත කිරීමේ අවදානම ද ඇත. අපි වරක් බලශක්ති කාර්යක්ෂමතාව සඳහා නිෂ්පාදන කාලසටහනක් ප්‍රශස්ත කළෙමු, එය සමහර මෙවලම්වල ඇඳුම් වැඩි වී ඇති බව සොයා ගැනීමට පමණක් වන අතර, එය නිතර නිතර ප්‍රතිස්ථාපනය කිරීමට සහ ඒ ආශ්‍රිත ද්‍රව්‍ය අපද්‍රව්‍යවලට තුඩු දෙයි. සාකල්‍ය දැක්මක් අත්‍යවශ්‍යයි. සැබෑ තිරසාරත්වය යනු දේශීය උපරිමය ගැන නොව පද්ධතිය පුරා ඔරොත්තු දීමේ හැකියාව සහ අවම සම්පූර්ණ බලපෑමයි. AI පද්ධති සැලකිය යුතු දුෂ්කර ගැටලුවක් වන බහු-වෛෂයික ප්‍රශස්තකරණය මනසේ තබාගෙන සැලසුම් කළ යුතුය.

අවසාන වශයෙන්, මානව මූලද්රව්යය. AI මත පදනම් වූ වෙනස්කම් ක්‍රියාත්මක කිරීම සඳහා නිපුණ පිරිස්, කළමනාකරණය වෙනස් කිරීම සහ බොහෝ විට පෙරටුගාමී ප්‍රාග්ධනය අවශ්‍ය වේ. නිෂ්පාදන තීරයේ බොහෝ කුඩා හා මධ්‍යම ප්‍රමාණයේ ව්‍යවසායන් සඳහා ප්‍රමුඛතාවය වන්නේ පැවැත්ම සහ ඇණවුම් ඉටු කිරීමයි. තිරසාර තර්කය පැහැදිලි, කෙටි සිට මධ්‍ය කාලීන ආර්ථික ප්‍රතිලාභයක් සමඟ සම්බන්ධ විය යුතුය. මා දැක ඇති වඩාත්ම සාර්ථක ගුවන් නියමුවන් අඩු එල්ලෙන පලතුරු වලින් ආරම්භ වන්නේ එබැවිනි: මිල අධික අක්‍රිය කාලය සහ ද්‍රව්‍ය නාස්තිය වළක්වා ගැනීමට පුරෝකථන නඩත්තු කිරීම හෝ වසර දෙකකට අඩු කාලයකදී ආපසු ගෙවන ස්මාර්ට් ආලෝකකරණය/උණුසුම් පාලන.

ඉදිරිය බැලීම: ඒකාබද්ධ කිරීම, හුදකලාව නොවේ

ඉතින්, AI අව්‍යාජ ලෙස තිරසාර බව ඉහළ නංවන්නේ කෙසේද? එය හොඳ ව්‍යාපෘති සඳහා දීප්තිමත්, ස්වාධීන AI හරහා නොවේ. එය ක්‍රමානුකූලව, බොහෝ විට ලිංගික නොවන, නිෂ්පාදන, සැපයුම් සහ බලශක්තිය වැනි කර්මාන්තවල මෙහෙයුම් තාක්‍ෂණ තොගයට ඒකාබද්ධ වීම හරහා ය. එය සෑදීමෙන් තිරසාරත්වය ඉහළ නංවයි සම්පත් කාර්යක්ෂමතාව මැනිය හැකි සහ ක්‍රියා කළ හැකි, කලින් නොපෙනෙන අපද්‍රව්‍ය ප්‍රවාහයන් අනාවරණය කර ගැනීමෙන් සහ වඩාත් අනුවර්තන, ප්‍රතිචාරාත්මක පද්ධති සක්‍රීය කිරීමෙනි.

අනාගතය, මගේ මතය අනුව, කාවැද්දූ AI තුළ පවතී. ගුණාත්මකභාවය පවත්වා ගනිමින් අවම බලශක්ති භාවිතය සඳහා එහි පරාමිතීන් ස්වයං-සකසන කාර්මික යන්ත්‍රයක් හෝ පිරිවැය සහ කාල සීමාවන් සපුරාලන අඩුම කාබන් නැව්ගත කිරීමේ විකල්පය ස්වයංක්‍රීයව තෝරා ගන්නා සැපයුම් වේදිකාවක් ගැන සිතන්න. එය වෙනම මුලපිරීමක් නොව සම්මත අංගයක් බවට පත්වේ. Yongnian නිෂ්පාදන පදනම වැනි ස්ථානවල වැඩ, එහි ඝන නිෂ්පාදක ජාලය, මෙම ඒකාබද්ධ ප්රවේශයන් සඳහා පරිපූර්ණ පරීක්ෂණ භූමියකි.

අවසානයේදී, AI යනු බලවත් මෙවලමකි, නමුත් එය එය පමණි - මෙවලමක්. තිරසාරත්වය සඳහා එහි දායකත්වය නියම කරනු ලබන්නේ එය භාවිතා කරන දෑත් සහ ඔවුන් විසඳීමට තෝරා ගන්නා ගැටළු මගිනි. ප්‍රබෝධය පැමිණෙන්නේ කොන්ක්‍රීට් කෙරෙහි නිර්දය අවධානය යොමු කිරීම, ද්‍රව්‍ය හා බලශක්ති ප්‍රවාහවල වර්ධක ජයග්‍රහණ, අපට දැන් අවසානයේ ග්‍රහණය කර තේරුම් ගත හැකි දත්ත මගින් දැනුම් දීමෙනි. එය ප්‍රායෝගික ගමනක්, අත්හදා බැලීම් සහ දෝෂයන්ගෙන් පිරී, උද්දීපන චක්‍රයෙන් බොහෝ දුරස් වන අතර, තිරසාර අනාගතයක් සඳහා එහි සැබෑ වටිනාකම ගොඩනැගෙන්නේ හරියටම එයයි.