आरएजीच्या पलीकडे: कृत्रिम बुद्धिमत्तेचे वर्ष अयशस्वी झाल्यामुळे आर्टिकुल 8 92 % अचूकतेचे पुरवठा साखळी मॉडेल कसे प्राप्त करावे

व्यावसायिक ऑपरेशन्सद्वारे कृत्रिम बुद्धिमत्ता अंमलात आणण्याच्या शर्यतीत, बर्‍याच संस्थांना असे आढळले आहे की सामान्य हेतूंसाठीचे मॉडेल बर्‍याचदा विशिष्ट औद्योगिक कार्यांसह संघर्ष करतात ज्यांना खोल क्षेत्र आणि अनुक्रमे विचारांचे ज्ञान आवश्यक असते.

जरी पुष्टीकरण आणि पुनर्प्राप्ती (आरएजी) मदत करू शकते, परंतु पुरवठा साखळीसारख्या जटिल वापर प्रकरणांसाठी हे पुरेसे नाही. हे एक आव्हान आहे की आर्टिकुल 8 स्टार्टअप सोडवण्याचा विचार करीत आहे. आज, कंपनी प्रथमच प्रथमच ए-सुप्लिचिन नावाच्या पुरवठा साखळ्यांच्या निर्मितीसाठी कृत्रिम बुद्धिमत्ता मॉडेल्सची मालिका प्रथमच दिसली. नवीन आर्टिकुल 8 मॉडेल्स एआय एआय बरोबर आहेत, जे विशिष्ट कार्यांसाठी कृत्रिम बुद्धिमत्ता मॉडेलद्वारे वापरल्या जाणार्‍या वास्तविक वेळेच्या निर्णयांमध्ये घेतले जाते.

आर्टिकुल 8 असा दावा करतो की त्याचे मॉडेल जटिल सीरियल विचारांच्या कार्यांवरील सामान्य हेतूंसाठी कृत्रिम बुद्धिमत्ता मॉडेल्सला मागे टाकणारे औद्योगिक कार्याची 92 % अचूकता प्राप्त करतात.

आर्टिकल 8 इंटेलच्या अंतर्गत अंतर्गत विकास कार्यसंघ म्हणून सुरू झाला आणि 2024 मध्ये स्वतंत्र कंपनी म्हणून पसरला. तंत्रज्ञानाची उत्पत्ती इंटेलमधील कामापासून झाली, जिथे टीमने चॅटजीपीटी सुरू होण्यापूर्वी बोस्टिंग कन्सल्टिंग ग्रुपसह ग्राहकांसाठी मल्टीमीडिया मॉडेल तयार केले आणि प्रकाशित केले.

कंपनी एका मूलभूत तत्वज्ञानावर बांधली गेली होती जी एआयच्या सध्याच्या बाजारपेठेतील बहुतेक दृष्टिकोनाचा विरोध करते.

“आम्ही अशा मूलभूत विश्वासावर आधारित आहोत की असे कोणतेही मॉडेल नाही जे संस्थांचे निकाल मिळेल, आपल्याला खरोखर मॉडेल्सचा संच आवश्यक आहे,” आर्टिकएल 8 चे मुख्य कार्यकारी अधिकारी आणि संस्थापक आरोन सुपरमियन म्हणाले. “जागा, संरक्षण, उत्पादन, अर्धसंवाहक किंवा पुरवठा साखळी यासारख्या संघटित उद्योगांमध्ये वापरण्याच्या जटिल प्रकरणांमध्ये प्रत्यक्षात बदलण्यासाठी आपल्याला क्षेत्रासाठी मॉडेल्सची आवश्यकता आहे.”

एआयचे पुरवठा साखळी आव्हानः जेव्हा अनुक्रम आणि संदर्भ यश किंवा अपयश निश्चित करतो

औद्योगिक औद्योगिक आणि पुरवठा साखळी ही एक अद्वितीय आव्हाने आहेत, जी त्यांच्याशी प्रभावीपणे सामोरे जाण्यासाठी सामान्य हेतूंसाठी मॉडेल्सचा सामना करीत आहेत. या वातावरणात मल्टी -स्टेप प्रक्रिया गुंतागुंतीच्या म्हणून समाविष्ट आहेत जिथे चरणांमधील अनुक्रम, उपविभाग आणि परस्पर संबंध विशिष्ट आहेत.

“पुरवठा साखळीच्या जगात, मूलभूत मूलभूत तत्त्व म्हणजे प्रत्येक गोष्ट म्हणजे चरणांचा एक संच आहे,” सुब्रमानीयन यांनी स्पष्ट केले. “प्रत्येक गोष्ट संबंधित चरणांचा एक संच आहे, चरणांमध्ये कधीकधी संपर्क असतात आणि कधीकधी त्यांच्याकडे चिन्हे असतात.”

उदाहरणार्थ, समजा वापरकर्त्याने जेट इंजिन गोळा करण्याचा प्रयत्न केला आहे, बहुतेकदा तेथे अनेक पुरावे असतात. प्रत्येक पुराव्यांपैकी कमीतकमी काही शंभर आहेत, काही हजार नसल्यास, अनुक्रमात पाळल्या पाहिजेत. ही कागदपत्रे केवळ निश्चित माहिती नाहीत – ती प्रभावीपणे टाइम चेन डेटा आहेत जी अचूकपणे अनुसरण केल्या पाहिजेत अशा अनुक्रमांक प्रक्रियेचे प्रतिनिधित्व करतात. सुब्रमणियन यांनी असा युक्तिवाद केला आहे की सामान्य कृत्रिम बुद्धिमत्ता मॉडेल, पुनर्प्राप्ती तंत्र वाढवित असतानाही, बहुतेक वेळा या वेळेचे संबंध समजण्यास अपयशी ठरतात.

या प्रकारचे जटिल विचार – एखाद्या त्रुटीचे स्थान निश्चित करण्याच्या प्रक्रियेद्वारे मागासले – मूलभूत आव्हानामुळे ग्रस्त आहे की सामान्य मॉडेल्स केवळ त्यास सामोरे जाण्यासाठी डिझाइन केलेले नाहीत.

मॉडेलमेश: एक डायनॅमिक इंटेलिजेंस लेयर, फक्त दुसरेच नाही

आर्टिकुल 8 तंत्रज्ञानाच्या मध्यभागी, एक मॉडेल आहे, जे कंपनी औद्योगिक अनुप्रयोगांसाठी “एजंट एजंट्स” म्हणून वर्णन करते ते तयार करण्यासाठी मध्यम मॉडेल फ्रेमवर्कच्या पलीकडे जाते.

“मॉडेलमेश हा एक बुद्धिमत्ता स्तर आहे जो एका वेळी एका चरणांप्रमाणेच जाताना गोष्टी निश्चित आणि मूल्यांकन करणे चालू ठेवतो आणि चालू ठेवतो.” “हे काहीतरी आपल्याला सुरवातीपासून पूर्णपणे तयार करावे लागले आहे, कारण तेथील कोणतीही साधने आपल्याकडे जे काही करायचे आहेत त्या जवळपास कोठेही जवळ येत आहेत, ज्यामुळे शेकडो, अगदी हजारो लोक ऑपरेशनच्या वेळी निर्णय घेतात.”

प्री -विशिष्ट वर्कफ्लो प्रदान करणारे लॅंगचेन किंवा लॅमेनडेक्स सारख्या सध्याच्या फ्रेमवर्कच्या विपरीत, मॉडेलमेशने आउटपुट योग्य आहेत की नाही हे निर्धारित करण्यासाठी बेसी सिस्टमला विशेष भाषा मॉडेल्ससह एकत्रित केले आहे, त्यानंतर कोणत्या उपाययोजना केल्या पाहिजेत आणि जटिल औद्योगिक प्रक्रियेद्वारे सुसंगतता कशी टिकवायची.

हे आर्किटेक्चर आर्टिकुल 8 एक औद्योगिक वर्ग-भेदभाव प्रणाली म्हणून वर्णन करते जे केवळ औद्योगिक प्रक्रियेस कारणीभूत ठरू शकत नाही तर त्यास सक्रियपणे ढकलू शकते.

रॅगच्या पलीकडे: औद्योगिक बुद्धिमत्तेकडे एक ग्राउंड दृष्टीकोन

संस्थांसाठी अनेक एआय अनुप्रयोग कॉर्पोरेट डेटाशी सार्वजनिक मॉडेल्सला जोडण्यासाठी आरएजी (आरएजी) च्या पिढीवर अवलंबून असतात, तर आर्टिकएल 8 फील्डच्या अनुभवासाठी वेगळा दृष्टीकोन ठेवतो.

“खरं तर, आम्ही मूलभूत डेटा घेतो आणि त्यास त्याच्या घटक घटकांमध्ये विभाजित करतो,” सुब्रमानीयन यांनी स्पष्ट केले. “आम्ही पीडीएफला मजकूर, चित्रे आणि सारण्यांमध्ये विभाजित करतो. ध्वनी किंवा व्हिडिओ असल्यास, आम्ही हे त्याच्या मूलभूत घटक घटकांमध्ये नष्ट करतो, नंतर त्यातील निम्मे घटक वेगवेगळ्या मॉडेल्सचा वापर करतात.”

कंपनी लामा 2.२ ला आधार म्हणून सुरू करते, मुख्यत: त्याच्या सहनशील परवान्यासाठी निवडली जाते, परंतु नंतर मल्टी -स्टेज प्रगत प्रक्रियेद्वारे त्यास रूपांतरित करते. हा मल्टी -लेयर दृष्टीकोन त्यांच्या मॉडेल्सना संबंधित डेटा कटिंगच्या पुनर्प्राप्तीपेक्षा औद्योगिक प्रक्रियेचे समृद्ध समज विकसित करण्यास अनुमती देते.

सप्लायचेन मॉडेल विशेषत: औद्योगिक संदर्भांसाठी तयार केलेल्या सुधारण्याच्या अनेक टप्प्यांच्या अधीन आहेत. चांगल्या निर्दिष्ट कार्यांसाठी ते पर्यवेक्षण नियंत्रण वापरतात. तज्ञांची आवश्यकता असलेल्या अधिक क्लिष्ट परिस्थितींसाठी, ते फील्ड तज्ञ प्रतिसादांचे मूल्यांकन करतात आणि सुधारणे प्रदान करतात म्हणून टिप्पण्या भागांची अंमलबजावणी करतात.

आर्टिकुल 8 संस्था कशा वापरायच्या

जरी हे अद्याप नवीन मॉडेल्ससाठी लवकर आहे, तरीही कंपनी आधीच आयबेस-टी, इटोचू टेक्नो-सॉल्ट्स कॉर्पोरेशन, अ‍ॅक्सनी आणि इंटेलसह अनेक ग्राहक आणि भागीदारांचा दावा करीत आहे.

बर्‍याच संस्थांप्रमाणेच, इंटेलने डिझाइन आणि उत्पादन प्रक्रियेस कसे समर्थन करावे हे एक्सप्लोर करण्यासाठी सामान्य उद्देशाने मॉडेलचे मूल्यांकन करून जनरल एआय ट्रिप सुरू केली आहे.

“ही मॉडेल्स खुल्या कामांमध्ये प्रभावी आहेत, परंतु जेव्हा ते एका विशिष्ट सेमीकंडक्टर वातावरणात लागू केले जातात तेव्हा आम्ही त्यांच्या सीमा द्रुतपणे शोधल्या.” “त्यांनी अर्ध -कंडक्टरशी संबंधित अटींच्या स्पष्टीकरण, उपकरणांच्या नोंदींच्या संदर्भात समजून घेणे किंवा जटिल बहु -व्हेरिएबल स्टॉप परिस्थितीद्वारे विचार करण्यासह संघर्ष केला आहे.”

इंटेल लिंगम-अपघात मॅन्युफॅक्चरिंग-एक स्मार्ट भाषा-आधारित प्रणाली तयार करण्यासाठी आर्टिकुल 8 प्लॅटफॉर्म प्रकाशित करते जे अभियंते आणि तंत्रज्ञांना उपकरणांच्या घटनांचे निदान करण्यास आणि इंटेलमधील फॅबमध्ये सोडविण्यात मदत करते. त्यांनी स्पष्ट केले की फील्डचे व्यासपीठ आणि मॉडेल्स दोन्ही ऐतिहासिक उत्पादन डेटा आणि रिअल टाइम या दोन्ही गोष्टींशी संबंधित आहेत, ज्यात संघटित रेकॉर्ड, नॉन -संरचित विकी लेख आणि अंतर्गत ज्ञान गोदामांचा समावेश आहे. इंटेल कार्यसंघ रूट कारणे विश्लेषण (आरसीए) आयोजित करण्यास मदत करतात, सुधारात्मक प्रक्रिया आणि कार्य ऑर्डरचे स्वयंचलित भाग स्वयंचलित करण्याची शिफारस करतात.

फाउंडेशनच्या एआयच्या रणनीतीसाठी याचा अर्थ काय आहे?

आर्टिकुल 8 दृष्टिकोन आव्हान देते की रॅगसह सामान्य हेतूंच्या एकाधिक मॉडेल्स औद्योगिक संदर्भ आणि औद्योगिक संदर्भांमध्ये कृत्रिम बुद्धिमत्ता अंमलात आणणार्‍या संस्थांच्या वापराच्या सर्व प्रकरणांना अडथळा आणतील. विशेष आणि सार्वजनिक मॉडेल्समधील कामगिरीचे अंतर सूचित करते की तांत्रिक निर्णय घेणा्यांनी महत्त्वपूर्ण महत्त्वपूर्ण अनुप्रयोगांच्या क्षेत्राच्या क्षेत्राचा विचार केला पाहिजे जेथे अचूकता खूप महत्वाची आहे.

औद्योगिक वातावरणात प्रयोग करण्यापासून ते कृत्रिम बुद्धिमत्तेसह, हा विशिष्ट दृष्टिकोन उच्च -मूल्य वापर प्रकरणांसाठी वेगवान गुंतवणूकीचा परतावा देऊ शकतो तर सार्वजनिक मॉडेल व्यापक आणि कमी विशेष गरजा पूर्ण करत राहतात.