አራት ምክንያቶች የኢንዱስትሪ AIoTን አዲስ ተወዳጅ ያደርጉታል

በቅርቡ በወጣው የኢንዱስትሪ አርቴፊሻል ኢንተለጀንስ እና አርቴፊሻል ኢንተለጀንስ የገበያ ሪፖርት 2021-2026 መሠረት፣ በኢንዱስትሪ ሴቲንግ ውስጥ የኤአይ ተቀባይነት መጠን በሁለት ዓመታት ውስጥ ከ19 በመቶ ወደ 31 በመቶ አድጓል። ሙሉ በሙሉ ወይም በከፊል በአሠራራቸው የኤአይ ምርምርን ያከናወኑ 31 በመቶ ምላሽ ሰጪዎች በተጨማሪ፣ ሌሎች 39 በመቶ የሚሆኑት በአሁኑ ጊዜ ቴክኖሎጂውን እየሞከሩ ወይም እየሞከሩ ነው።

በዓለም ዙሪያ ላሉ አምራቾች እና የኢነርጂ ኩባንያዎች ቁልፍ ቴክኖሎጂ ሆኖ ብቅ እያለ ሲሆን የአይኦቲ ትንተና የኢንዱስትሪው የአይኦቲ መፍትሄዎች ገበያ በ2026 102.17 ቢሊዮን ዶላር ለመድረስ 35% ጠንካራ የድህረ-ወረርሽኝ ውህድ አመታዊ የእድገት መጠን (CAGR) እንደሚያሳይ ይተነብያል።

የዲጂታል ዘመን የነገሮች ኢንተርኔትን ወልዷል። የአርቴፊሻል ኢንተለጀንስ ብቅ ማለት የነገሮች ኢንተርኔት እድገትን ፍጥነት እንዳፋጠነው ማየት ይቻላል።

የኢንዱስትሪ አርቴፊሻል ኢንተለጀንስ (AIoT) እና የአይኦቲ (AIoT) እድገትን የሚያባብሱትን አንዳንድ ምክንያቶች እንመልከት።

ምክንያት 1፡ ለኢንዱስትሪ AIoT የሚሆኑ ተጨማሪ የሶፍትዌር መሳሪያዎች

በ2019፣ የአይኦት አናሌቲክስ የኢንዱስትሪ አርቴፊሻል ኢንተለጀንስን መሸፈን ሲጀምር፣ ከአሠራር ቴክኖሎጂ (ኦቲ) አቅራቢዎች የተውጣጡ የአይኦቲ ሶፍትዌር ምርቶች ጥቂት ነበሩ። ከዚያን ጊዜ ጀምሮ ብዙ የኦቲ ሻጮች ለፋብሪካው ወለል የአይኦቲ ሶፍትዌር መፍትሄዎችን በማዘጋጀት እና በማቅረብ ወደ አይኦቲ ገበያ ገብተዋል።

እንደ መረጃው ከሆነ፣ ወደ 400 የሚጠጉ አቅራቢዎች የAIoT ሶፍትዌር ያቀርባሉ። ባለፉት ሁለት ዓመታት ውስጥ ወደ ኢንዱስትሪያል የAI ገበያ የሚቀላቀሉ የሶፍትዌር አቅራቢዎች ቁጥር በከፍተኛ ሁኔታ ጨምሯል። በጥናቱ ወቅት፣ የIoT አናሊቲክስ ለአምራቾች/ለኢንዱስትሪ ደንበኞች የAI ቴክኖሎጂ አቅራቢዎችን ለይቷል። ከእነዚህ ኩባንያዎች ውስጥ 389ቱ (61.4%) የAI ሶፍትዌር ያቀርባሉ።

አዲሱ የAI ሶፍትዌር መድረክ በኢንዱስትሪ አካባቢዎች ላይ ያተኩራል። ከአፕታክ፣ ከብራይንኩብ ወይም ከC3 AI ባሻገር ቁጥራቸው እየጨመረ የመጣ የኦፕሬሽን ቴክኖሎጂ (OT) አቅራቢዎች የተወሰኑ የAI ሶፍትዌር መድረኮችን እያቀረቡ ነው። ለምሳሌ የABB Genix Industrial analytics እና AI suite፣ የRockwell Automation's FactoryTalk Innovation suite፣ የSneader Electric የራሱ የማኑፋክቸሪንግ አማካሪ መድረክ እና በቅርብ ጊዜ የተወሰኑ ተጨማሪዎችን ያካትታሉ። ከእነዚህ መድረኮች መካከል አንዳንዶቹ ሰፊ የአጠቃቀም ጉዳዮችን ያነጣጠሩ ናቸው። ለምሳሌ፣ የABB Genix መድረክ አስቀድሞ የተገነቡ አፕሊኬሽኖችን እና ለአሰራር አፈጻጸም አስተዳደር፣ ለንብረት ታማኝነት፣ ለዘላቂነት እና ለአቅርቦት ሰንሰለት ቅልጥፍና አገልግሎቶችን ጨምሮ የላቀ ትንታኔዎችን ያቀርባል።

ትላልቅ ኩባንያዎች የ AI ሶፍትዌር መሳሪያዎቻቸውን በሱቁ ወለል ላይ እያስቀመጡ ነው።

የAI ሶፍትዌር መሳሪያዎች መገኘትም በAWS፣ እንደ ማይክሮሶፍት እና ጉግል ባሉ ትላልቅ ኩባንያዎች በተዘጋጁ አዳዲስ የአጠቃቀም ጉዳይ-ተኮር የሶፍትዌር መሳሪያዎች ላይ የተመሰረተ ነው። ለምሳሌ፣ በታህሳስ 2020፣ AWS በጥቂት ጠቅታዎች ብቻ እንደ PdM፣ የኮምፒውተር እይታ እና በራስ-ሰር መንዳት ላሉ በጣም የተለመዱ የኢንዱስትሪ አጠቃቀም ጉዳዮች አስቀድሞ የተገነቡ እና ሊበጁ የሚችሉ መፍትሄዎችን የሚያቀርብ የአማዞን SageMaker JumpStart የተባለ ባህሪ አውጥቷል።

በአጠቃቀም ጉዳይ ላይ የተመሰረቱ የሶፍትዌር መፍትሄዎች የአጠቃቀም ማሻሻያዎችን እያሳደጉ ነው።

እንደ ትንበያ ጥገና ላይ ያተኮሩ እንደ አጠቃቀም-ጉዳይ-ተኮር የሶፍትዌር ስብስቦች፣ በጣም የተለመዱ እየሆኑ መጥተዋል። የአይኦቲ አናሊቲክስ በ2021 መጀመሪያ ላይ በAI ላይ የተመሠረተ የምርት መረጃ አስተዳደር (PdM) ሶፍትዌር መፍትሄዎችን የሚጠቀሙ አቅራቢዎች ቁጥር ወደ 73 ከፍ ብሏል ምክንያቱም የውሂብ ምንጮች የተለያዩ መበራከት እና የቅድመ-ስልጠና ሞዴሎች አጠቃቀም እንዲሁም የውሂብ ማሻሻያ ቴክኖሎጂዎች በስፋት ተቀባይነት በማግኘታቸው።

ምክንያት 2፡ የ AI መፍትሄዎች ልማት እና ጥገና እየተቃለለ ነው

አውቶማቲክ የማሽን መማሪያ (AutoML) መደበኛ ምርት እየሆነ መጥቷል።

ከማሽን ለርኒንግ (ML) ጋር የተያያዙ ተግባራት ውስብስብ በመሆናቸው፣ የማሽን ለርኒንግ አፕሊኬሽኖች ፈጣን እድገት ያለ እውቀት ጥቅም ላይ ሊውሉ የሚችሉ ከመደርደሪያ ውጭ የሆኑ የማሽን ለርኒንግ ዘዴዎች አስፈላጊነት ፈጥሯል። የተገኘው የምርምር መስክ፣ ለማሽን ለርኒንግ ተራማጅ አውቶሜሽን፣ AutoML ይባላል። የተለያዩ ኩባንያዎች ደንበኞች የML ሞዴሎችን እንዲያዳብሩ እና የኢንዱስትሪ አጠቃቀም ጉዳዮችን በፍጥነት እንዲተገብሩ ለመርዳት ይህንን ቴክኖሎጂ እንደ የAI አቅርቦታቸው አካል አድርገው እየተጠቀሙበት ነው። ለምሳሌ፣ በኖቬምበር 2020፣ SKF ወጪዎችን ለመቀነስ እና ለደንበኞች አዳዲስ የንግድ ሞዴሎችን ለማንቃት የማሽን ሂደት ውሂብን ከንዝረት እና የሙቀት መጠን መረጃ ጋር የሚያጣምር አውቶማቲክ ላይ የተመሠረተ ምርት አስታውቋል።

የማሽን ለርኒንግ ኦፕሬሽንስ (ML Ops) የሞዴል አስተዳደርን እና ጥገናን ቀላል ያደርገዋል።

አዲሱ የማሽን ለርኒንግ ኦፕሬሽንስ ዲሲፕሊን በማኑፋክቸሪንግ አካባቢዎች የAI ሞዴሎችን ጥገና ለማቃለል ያለመ ነው። የAI ሞዴል አፈፃፀም በፋብሪካው ውስጥ ባሉ በርካታ ምክንያቶች (ለምሳሌ፣ በውሂብ ስርጭት እና በጥራት ደረጃዎች ላይ በሚደረጉ ለውጦች) ስለሚጎዳ በጊዜ ሂደት እየቀነሰ ይሄዳል። በዚህም ምክንያት የሞዴል ጥገና እና የማሽን ለርኒንግ ኦፕሬሽኖች የኢንዱስትሪ አካባቢዎችን ከፍተኛ ጥራት ያላቸውን መስፈርቶች ለማሟላት አስፈላጊ ሆነዋል (ለምሳሌ፣ ከ99% በታች አፈጻጸም ያላቸው ሞዴሎች የሰራተኛ ደህንነትን አደጋ ላይ የሚጥል ባህሪን መለየት ላይችሉ ይችላሉ)።

በቅርብ ዓመታት ውስጥ፣ ብዙ ጅምር ኩባንያዎች ከኤምኤል ኦፕስ ቦታ ጋር ተቀላቅለዋል፣ ከእነዚህም ውስጥ DataRobot፣ Grid.AI፣ Pinecone/Zilliz፣ Seldon እና Weights & Biases ይገኙበታል። የተቋቋሙ ኩባንያዎች አሁን ባሉት የAI ሶፍትዌር አቅርቦቶቻቸው ላይ የማሽን መማሪያ ስራዎችን አክለዋል፣ ይህም ማይክሮሶፍትን ጨምሮ፣ ይህም በ Azure ML Studio ውስጥ የውሂብ ተንሸራታች ማወቂያን አስተዋውቋል። ይህ አዲስ ባህሪ ተጠቃሚዎች የሞዴል አፈጻጸምን የሚያበላሹ የግብዓት ውሂብ ስርጭት ላይ ለውጦችን እንዲለዩ ያስችላቸዋል።

ምክንያት 3፡ በነባር አፕሊኬሽኖች እና የአጠቃቀም ጉዳዮች ላይ አርቲፊሻል ኢንተለጀንስ ተተግብሯል

ባህላዊ የሶፍትዌር አቅራቢዎች የ AI ችሎታዎችን እያከሉ ነው።

እንደ MS Azure ML፣ AWS SageMaker እና Google Cloud Vertex AI ካሉ ነባር ትላልቅ አግድም የAI ሶፍትዌር መሳሪያዎች በተጨማሪ፣ እንደ ኮምፒውተር የዳበረ ጥገና አስተዳደር ስርዓቶች (CAMMS)፣ የማኑፋክቸሪንግ አፈፃፀም ስርዓቶች (MES) ወይም የኢንተርፕራይዝ ሀብት ዕቅድ (ERP) ያሉ ባህላዊ የሶፍትዌር ስብስቦች አሁን የAI ችሎታዎችን በማስገባት በእጅጉ ሊሻሻሉ ይችላሉ። ለምሳሌ፣ የERP አቅራቢው Epicor ሶፍትዌር በEpicor Virtual Assistant (EVA) በኩል ለነባር ምርቶቹ የAI ችሎታዎችን እያከለ ነው። ብልህ የEVA ወኪሎች የERP ሂደቶችን በራስ-ሰር ለማካሄድ ያገለግላሉ፣ ለምሳሌ የማኑፋክቸሪንግ ስራዎችን እንደገና መርሐግብር ማስያዝ ወይም ቀላል ጥያቄዎችን (ለምሳሌ፣ ስለ ምርት ዋጋ ወይም ስለሚገኙ ክፍሎች ብዛት ዝርዝሮችን ማግኘት)።

የኢንዱስትሪ አጠቃቀም ጉዳዮች AIoTን በመጠቀም እየተሻሻሉ ነው።

በርካታ የኢንዱስትሪ አጠቃቀም ጉዳዮች አሁን ባለው የሃርድዌር/ሶፍትዌር መሠረተ ልማት ላይ የAI ችሎታዎችን በመጨመር እየተሻሻሉ ነው። አንድ ግልጽ ምሳሌ በጥራት ቁጥጥር አፕሊኬሽኖች ውስጥ የማሽን ራዕይ ነው። ባህላዊ የማሽን እይታ ስርዓቶች ምስሎች የሚከናወኑት በልዩ ሶፍትዌር በተገጠሙ ወይም በተለዩ ኮምፒውተሮች ሲሆን እነዚህም ነገሮች ጉድለቶችን ማሳየት አለመኖራቸውን ለመወሰን የተወሰኑ መለኪያዎችን እና ገደቦችን (ለምሳሌ፣ ከፍተኛ ንፅፅር) የሚገመግሙ ናቸው። በብዙ አጋጣሚዎች (ለምሳሌ፣ የተለያዩ የሽቦ ቅርጾች ያላቸው የኤሌክትሮኒክስ ክፍሎች) የውሸት አወንታዊዎች ብዛት በጣም ከፍተኛ ነው።

ይሁን እንጂ፣ እነዚህ ስርዓቶች በአርቴፊሻል ኢንተለጀንስ አማካኝነት እየተሻሻሉ ነው። ለምሳሌ፣ የኢንዱስትሪ ማሽን ቪዥን አቅራቢ ኮግኔክስ በጁላይ 2021 አዲስ የጥልቅ ትምህርት መሳሪያ (Vision Pro Deep Learning 2.0) አውጥቷል። አዲሶቹ መሳሪያዎች ከባህላዊ የእይታ ስርዓቶች ጋር ይዋሃዳሉ፣ ይህም የመጨረሻ ተጠቃሚዎች ጥልቅ ትምህርትን በተመሳሳይ መተግበሪያ ውስጥ ከባህላዊ የእይታ መሳሪያዎች ጋር በማጣመር ጭረቶችን፣ ብክለትን እና ሌሎች ጉድለቶችን በትክክል መለካት የሚያስፈልጋቸውን አስቸጋሪ የሕክምና እና የኤሌክትሮኒክስ አካባቢዎችን እንዲያሟሉ ያስችላቸዋል።

ምክንያት 4፡ የኢንዱስትሪ AIoT ሃርድዌር እየተሻሻለ ነው

የ AI ቺፖች በፍጥነት እየተሻሻሉ ነው።

የተከተቱ የሃርድዌር AI ቺፖች በፍጥነት እያደጉ ሲሆን የAI ሞዴሎችን ልማት እና ማሰማራትን ለመደገፍ የተለያዩ አማራጮች አሉ። ለምሳሌ በማርች 2021 የተዋወቁት የNVIDIA የቅርብ ጊዜ የግራፊክስ ማቀነባበሪያ ክፍሎች (ጂፒዩስ)፣ A30 እና A10፣ እንደ የምክር ስርዓቶች እና የኮምፒውተር እይታ ስርዓቶች ላሉ የAI አጠቃቀም ጉዳዮች ተስማሚ ናቸው። ሌላው ምሳሌ የGoogle አራተኛ ትውልድ Tensors Processing Units (TPus) ሲሆን እነዚህም ኃይለኛ ልዩ ዓላማ ያላቸው የተቀናጁ ሰርኪዩቶች (ASics) ሲሆኑ ለተወሰኑ የAI የስራ ጫናዎች (ለምሳሌ የነገር ለይቶ ማወቅ፣ የምስል ምደባ እና የምክር መለኪያዎች) በሞዴል ልማት እና በማሰማራት እስከ 1,000 እጥፍ የበለጠ ቅልጥፍና እና ፍጥነት ሊያሳድጉ ይችላሉ። የተወሰነ የAI ሃርድዌር መጠቀም የሞዴል ስሌት ጊዜን ከቀናት ወደ ደቂቃዎች ይቀንሳል፣ እና በብዙ አጋጣሚዎች የጨዋታ ለውጥ መሆኑን አረጋግጧል።

ኃይለኛ የAI ሃርድዌር ወዲያውኑ በክፍያ-በ-አጠቃቀም ሞዴል በኩል ይገኛል።

ሱፐርስኬል ኢንተርፕራይዞች የኮምፒውተር ግብዓቶችን በደመና ውስጥ እንዲገኙ ለማድረግ አገልጋዮቻቸውን በየጊዜው እያሻሻሉ ሲሆን ይህም የመጨረሻ ተጠቃሚዎች የኢንዱስትሪ AI አፕሊኬሽኖችን ተግባራዊ ማድረግ ይችላሉ። ለምሳሌ፣ በኖቬምበር 2021፣ AWS የቅርብ ጊዜውን በጂፒዩ ላይ የተመሰረቱ አብነቶችን ማለትም Amazon EC2 G5ን በይፋ መልቀቁን አስታውቋል፣ ይህም በ NVIDIA A10G Tensor Core GPU የተጎላበተ ሲሆን ለተለያዩ የML አፕሊኬሽኖች፣ የኮምፒውተር እይታ እና የምክር ሞተሮችን ጨምሮ። ለምሳሌ፣ የፍተሻ ስርዓቶች አቅራቢ ናኖትሮኒክስ የማቀነባበሪያ ጥረቶችን ለማፋጠን እና ማይክሮቺፖችን እና ናኖቱቦችን በማምረት ረገድ የበለጠ ትክክለኛ የመለየት መጠን ለማግኘት በAI ላይ የተመሰረተ የጥራት ቁጥጥር መፍትሄውን Amazon EC2 ምሳሌዎችን ይጠቀማል።

መደምደሚያ እና ተስፋ

AI ከፋብሪካው እየወጣ ነው፣ እና እንደ AI-based PdM ባሉ አዳዲስ አፕሊኬሽኖች ውስጥ በስፋት ይኖራል፣ እና ለነባር ሶፍትዌሮች እና የአጠቃቀም ጉዳዮች ማሻሻያ ሆኖ ያገለግላል። ትላልቅ ድርጅቶች በርካታ የ AI አጠቃቀም ጉዳዮችን እያወጡ እና ስኬትን ሪፖርት እያደረጉ ነው፣ እና አብዛኛዎቹ ፕሮጀክቶች በኢንቨስትመንት ላይ ከፍተኛ ትርፍ አላቸው። በአጠቃላይ የደመናው መነሳት፣ የ iot መድረኮች እና ኃይለኛ የ AI ቺፖች ለአዲስ ትውልድ ሶፍትዌር እና ማመቻቸት መድረክ ይሰጣሉ።