2023-05-22
人工智慧(AI)模型持續支援各產業的許多應用。雖然傳統AI系統旨在執行影像辨識或自然語言處理等特定任務，但更具創造性的應用(如生成新影像或視訊)需要使用生成式AI。
生成式AI是AI的一個子集，專注於創建類似於人為內容的新資料，例如影像、視訊、音訊或文本。傳統的AI系統依賴於基於邏輯和數學公式的預定義規則和模式，用於決策和分類等任務。
生成式AI模型使用資料驅動的方法，使用神經網路和其他機器學習演算法從人類創建的資料集中學習，使它們能夠創建類似於人造內容的新內容。最近，它在各種應用中的使用引起了極大的關注，包括影像和視訊合成、文本生成、音樂創作和遊戲開發。
除了在創意產業中的應用，生成式AI還用於許多其他產業。金融科技公司將其用於欺詐檢測、信用評分和投資組合管理等任務。在醫療保健產業，它有助於分析X射線、CT掃描和MRI等影像。它還被用於制定可根據患者的病史、遺傳和生活方式推薦的客製治療計畫。製造業將其用於預測性維護、品質控制和供應鏈最佳化等應用。
在本文中，我們匯整了最近利用生成式AI和建構支持架構，而在邊緣部署生成式AI的相關新聞發佈。
隨著ChatGPT等較大模型的橫空出世，生成式AI成為產業熱議的技術之一，那麼我們可以在哪些領域使用它來提高製造效率？它可以幫助或接管哪些類型的工作？除了文字和影像，還有哪些其他生成式AI模型有助於加速工業物聯網(IIoT)的部署？
西門子和微軟：生成式AI導入工廠自動化和邊緣端
在工廠自動化方面，西門子和微軟最近展示了如何結合微軟的Azure機器學習和西門子的工業優勢，透過機器學習系統分析攝影機擷取的影像和視訊，並用於建構、部署、運行和監控AI視覺建模廠房。
這是在工廠廠房中使用生成式AI的潛在應用示例。西門子憑藉其用於產品生命週期管理(PLM)的Teamscenter軟體以及微軟的協作平台Teams和Azure OpenAI服務中的語言模型以及其他Azure AI功能，旨在推動整個產品的設計、工程、製造、及運行生命週期的創新和效率。
在德國漢諾威工業博覽會上展示的這次合作中，兩家公司表示希望實現三項主要目標。
首先是透過計畫於2023年稍晚推出適用於微軟Teams的新Teamcenter應用程式，加強跨業務職能的不同團隊間溝通。藉助該應用程式，服務工程師或生產操作人員可以使用行動設備用自然語音記錄和報告產品的設計或品質問題。透過Azure OpenAI，該應用程式可以解析非正式的語音資料，自動創建匯整報告，並在Teamcenter內將其發送給合適的設計、工程或製造專家。
第二個目標是協助軟體開發人員和自動化工程師使用生成式AI來加速可編程邏輯控制器(PLC)的程式碼生成，可編程邏輯控制器是當今控制工廠廠房大多數機器的工業電腦。在漢諾威工業博覽會上，這些團隊強調了工程團隊如何透過自然語言輸入產生PLC程式碼來顯著減少時間和錯誤的概率。這些功能還可以讓維護團隊更快地辨識錯誤並生成分步的解決方案。
正如西門子董事會成員兼西門子數位工業事務執行長Cedrik Neike所說的：「強大、先進的AI正成為數位化轉型最重要的技術之一。西門子和微軟正攜手部署ChatGPT等工具，這樣我們就可以讓各種規模企業的員工以新的方式進行協作和創新。」
第三個目標是在邊緣部署生成式AI，以直觀地檢測產品中的缺陷。手動執行這項任務既費時又容易出錯；因此，利用微軟Azure機器學習和西門子的工業優勢，這些公司正在尋求在邊緣端執行基於AI的預防性維護和缺陷檢測任務。
基於Esperanto的RISC-V生成式AI模型
Esperanto Technologies表示，他們最近在其低功耗RISC-V硬體上移植並運行了一系列生成式AI模型。為了實現「AI民主化」以及加速RISC-V生成式AI的開發，他們計畫為RISC-V社群和更廣泛產業的研究人員提供存取權限。這也是其將RISC-V在AI和通用應用中的優勢從雲端擴展到邊緣的計畫之一部份。Esperanto的生成式AI工作重點領域包括大型語言模型(LLM)的用例，在這些案例中，與現有產品相比，使用低功率硬體和降低總擁有成本(TCO)是關鍵。
Meta的開放式預訓練變壓器(OPT)模型的多個版本現正以多種精度和情境規模在Esperanto的硬體上運行，每個晶片進行推論的功率級低至25W。Esperanto的機器學習軟體開發套件支援將OPT模型快速移植到ET-SoC-1晶片上，該公司的商業客戶目前正在使用該套件。出於研發目的獲准存取Esperanto解決方案的研究人員將需要遵守Meta的開源授權以及其他項目條款。
自然語言驅動的電腦視覺：Groundlight
傳統上，電腦視覺解決方案需要收集資料集、標記、訓練模型，然後找到機器學習操作解決方案來維護訓練後的模型。這個過程需要幾個月的時間，並且需要大量基於資料科學的知識。
AI初創公司Groundlight開發了一種以自然語言驅動的電腦視覺服務，可以讓任何新手都能用自然語言描述視覺任務，並將其轉換為特定應用的模型。該模型的準確性會根據專門的監控員的反饋不斷改進。
該公司的平台允許開發人員，即使沒有資料科學經驗，也能快速建構強大的視覺解決方案。這克服了希望透過ML解決方案快速提高生產力的中小型企業面臨之挑戰。如果沒有這種能力，在邊緣端部署傳統AI模型就需要營運方面的專業知識和架構支持。Groundlight表示，其平台很容易整合至工業自動化、流程監控、零售分析、視訊串流分析和機器人技術等應用。
像Groundlight這樣的解決方案關鍵在於利用現成的相機和廉價的設備，根據公司的獨特資料快速建構和可靠地運行客製模型。舉例來說，凸輪扣生產商Austere Manufacturing使用Groundlight檢查其產品並監控過程，而無需承擔典型工業解決方案的開發費用。根據Austere Manufacturing創辦人Uriel Eisen的說法，Groundlight API可以讓10美元的相機和幾行式碼在幾分鐘內實現一個可行的解決方案。他補充說，「比我們花在評估昂貴工業電腦視覺產品上的時間要少得多。」
權衡利弊
生成式AI顯然有潛力為各行各業的各種應用程式帶來好處，從創意內容創作到預測性維護和邊緣端的風險分析。全球各產業都致力於提高效率和準確性，同時透過創新來獲得競爭優勢。然而，正如這篇來自《EE Times》的文章所探討的大型語言模型(例如ChatGPT)在企業環境中的潛在使用任務，它也引起了人們對這些模型準確表示現實的能力顧慮，並強調在其部署中道德考慮和人為監督的重要性。
資料來源：https://www.edntaiwan.com/20230522ta31-generative-ai-in-factory-automation-and-the-edge/
