IA à l'échelle de l'industrie: Comment les marchés industriels peuvent débloquer des billions

Quand je dis "adopteurs précoces de l'intelligence artificielle", que voyez-vous? De gros robots brillants sur la chaîne de montage d'un fabricant? Des réseaux intelligents qui détournent automatiquement les ressources énergétiques pour éviter les pannes d'électricité? Les voitures autonomes «conduisent» sur l'autoroute?

Le fait est que ce sont surtout les applications d'IA grand public qui ont visiblement révolutionné notre maison et nos expériences mobiles au cours des dernières années. Mais les fabricants, les fournisseurs d'énergie et les services de transport commencent également à débloquer des milliards de dollars en valeur industrielle grâce à une efficacité accrue, une productivité accrue et une amélioration de la qualité des biens et des infrastructures.

NVIDIA, "Pendant des années, les gens ont utilisé une variété de méthodes mathématiques et numériques pour construire des solutions d'automatisation industrielle. Mais ces approches traditionnelles n'étaient généralement pas robustes, et elles nécessitaient également beaucoup d'ingénierie manuelle pour être efficaces. Imaginez à quel point ce serait formidable s'il existait une méthode capable non seulement d'apprendre automatiquement les caractéristiques les plus importantes qui décrivent le mieux les données, mais aussi d'obtenir une précision et une robustesse supérieures aux méthodes traditionnelles. Cela semble trop beau pour être vrai – mais c'est exactement ce que l'apprentissage en profondeur a prouvé ces dernières années sur plusieurs applications et plusieurs types de données. "

Calmer la tempête de la volatilité mondiale pour les entreprises industrielles

cette année donne aux cadres industriels beaucoup de raisons de perdre le sommeil. Des accords commerciaux politiquement brisés, l'incertitude économique, la raréfaction des ressources naturelles, des événements naturels imprévisibles, des réglementations plus strictes et l'évolution des compétences de la main-d'œuvre – tous ces problèmes doivent être résolus par des travailleurs humains expérimentés assistés par les meilleurs outils d'IA. année, la recherche en intelligence artificielle et en apprentissage profond évolue de plus en plus vite – et les entreprises innovent avec une explosion cambrienne des architectures de réseaux neuronaux », a observé Chen. "Pour les systèmes industriels, l'impact de cette technologie, en particulier à mesure qu'elle arrive à maturité, peut changer la donne. Mais le rythme de l'innovation nécessite non seulement une puissante architecture HPC parallèle mais aussi un modèle de programmation général extrêmement flexible pour le rendre utile. "

Et il semble que certaines entreprises industrielles commencent à se faire remarquer. Par exemple, la filiale de GE Baker Hughes utilise l'IA pour aider l'industrie pétrolière et gazière à optimiser son efficacité opérationnelle et à effectuer une maintenance préventive sur des sites éloignés et des plateformes offshore. En adoptant une combinaison de technologies GPU permettant l'intelligence artificielle et de centres de données, la société traite l'apprentissage en profondeur à la fois localement et, si possible, dans le nuage.

Autres possibilités d'apprentissage en profondeur :

• Inspection d'usine: Les entreprises peuvent améliorer la production de nouveaux produits dans une usine. Les capacités d'apprentissage en profondeur peuvent améliorer la précision des inspections de qualité afin de détecter les défauts et d'automatiser la classification des inventaires

• Inspection de terrain: Assurer l'état des infrastructures sur le terrain est essentiel pour la sécurité environnementale et humaine. Les entreprises peuvent appliquer l'IA pour prédire la durée de vie utile restante des actifs et planifier le moment optimal pour effectuer une maintenance préventive.

• Maintenance prédictive: Les algorithmes IA sophistiqués détectent et évitent les pannes d'équipement tout en prédisant le reste de l'actif. vie utile. L'analyse des données chronologiques générées par les capteurs peut être utile pour défendre les opérations contre les opérations retardées et la perturbation.

Façonner l'avenir avec une base solide de connaissances acquises

Certaines entreprises peuvent choisir d'attendre et de voir où concurrents, mais une telle approche conservatrice peut s'avérer catastrophique à long terme. Comme Chen l'a mentionné, "l'évolution de l'IA ne ralentira pas de sitôt – et attendre ne fera que rendre plus difficile de rattraper un marché très perturbateur et instable."

Cette deuxième vague d'IA peut être technologiquement différent du premier, mais une réalité fondamentale reste la même: les entreprises industrielles se concurrencent pour injecter des niveaux croissants d'automatisation et d'intelligence dans leurs processus d'affaires. Ils découvriront non seulement de nouvelles façons de fournir des produits et services de meilleure qualité, moins chers et plus rapides que jamais, mais ils constitueront également une puissante source d'informations apprises qui mettra au défi chaque concurrent dans le futur.

votre entreprise peut débloquer la valeur inexploitée avec les dernières innovations en matière d'intelligence artificielle. Rejoignez-nous le 22 mai pour entendre les idées de Jerry Chen, développement des affaires dans l'apprentissage automatique et la science des données chez NVIDIA, lors du Webcast du groupe des utilisateurs SAP (ASUG) des Amériques " AI industrielle pour l'entreprise intelligente . 19659018]