Πώς το BMW Group έχει αγκαλιάσει την τεχνητή νοημοσύνη για περιπτώσεις θετικής χρήσης και για τη βελτίωση της βιωσιμότητας |  AWS re:Invent

Πώς το BMW Group έχει αγκαλιάσει την τεχνητή νοημοσύνη για περιπτώσεις θετικής χρήσης και για τη βελτίωση της βιωσιμότητας | AWS re:Invent

Dezember 3, 2022 0 Von admin

Ρίξτε μια ματιά στις συνεδρίες κατ‘ απαίτηση από τη Σύνοδο Κορυφής Low-Code/No-Code για να μάθετε πώς να καινοτομείτε με επιτυχία και να επιτύχετε αποτελεσματικότητα, αναβαθμίζοντας και κλιμακώνοντας τους πολίτες προγραμματιστές. Παρακολουθήσετε τώρα.


Η τεχνητή νοημοσύνη (AI) βοηθά πολλές διαφορετικές βιομηχανίες και έχει ιδιαίτερα ισχυρό αντίκτυπο στην αυτοκινητοβιομηχανία. Μεταξύ των πιο συναρπαστικών περιπτώσεων χρήσης είναι για πλήρως αυτόνομα οχήματα, αλλά αυτός δεν είναι ο μόνος τομέας όπου η τεχνητή νοημοσύνη έχει αντίκτυπο. Για παράδειγμα, η Microsoft και η Mercedes-Benz συνεργάζονται για να βελτιώσουν την απόδοση της παραγωγής αυτοκινήτων.

Στη διάσκεψη AWS re:Invent cloud αυτή την εβδομάδα, BMW Group περιέγραψε τον αντίκτυπο που είχε η τεχνητή νοημοσύνη στον οργανισμό της και λεπτομερώς αναδυόμενες περιπτώσεις χρήσης όπου η τεχνητή νοημοσύνη θα αποφέρει μελλοντικά θετικά επιχειρηματικά αποτελέσματα.

Σε μια συνεδρία, ο Marco Görgmaier, GM, μετασχηματισμός δεδομένων και τεχνητή νοημοσύνη, BMW Group, είπε ότι η ομάδα του είχε δημιουργήσει μια βιβλιοθήκη με χιλιάδες στοιχεία δεδομένων σε όλη την εταιρεία που μπορούν να επαναχρησιμοποιηθούν για ανάλυση και τεχνητή νοημοσύνη. Από το 2019, είπε ότι η ομάδα του ήταν σε θέση να παραδώσει περισσότερες από 800 περιπτώσεις χρήσης που έχουν αποφέρει πάνω από 1 δισεκατομμύριο δολάρια σε αξία σε δολάρια ΗΠΑ. Οι περιπτώσεις χρήσης καλύπτουν την έρευνα και την ανάπτυξη, τα logistics, τις πωλήσεις, την ποιότητα και το δίκτυο προμηθευτών.

«Το όραμα και η αποστολή της ομάδας μας είναι να οδηγήσουμε και να κλιμακώσουμε τη δημιουργία επιχειρηματικής αξίας μέσω της χρήσης της τεχνητής νοημοσύνης σε όλη την αλυσίδα αξίας μας», δήλωσε ο Görgmaier.

Εκδήλωση

Ευφυής Σύνοδος Ασφάλειας

Μάθετε τον κρίσιμο ρόλο του AI & ML στην ασφάλεια στον κυβερνοχώρο και τις ειδικές περιπτωσιολογικές μελέτες του κλάδου στις 8 Δεκεμβρίου. Εγγραφείτε για το δωρεάν πάσο σας σήμερα.

Κάνε εγγραφή τώρα

Η BMW οδηγεί προς ένα βιώσιμο μέλλον με κάποια βοήθεια από την τεχνητή νοημοσύνη

Ένας αναδυόμενος τομέας όπου η BMW επενδύει τώρα πόρους είναι να συμβάλει στη βελτίωση της βιωσιμότητας.

Ο Görgmaier σχολίασε ότι το 60% του παγκόσμιου πληθυσμού ζει σε πόλεις και αστικές περιοχές και εκεί δημιουργείται επίσης το 70% των εκπομπών αερίων του θερμοκηπίου. Αυτό που προσπαθεί τώρα να κάνει η BMW είναι να βοηθήσει τους πολεοδόμους στην επίλυση προβλημάτων για να συμβάλει στη μείωση των εκπομπών.

Η BMW ήδη βοηθά με μοντέλα μηχανικής εκμάθησης που είναι σε θέση να προβλέψουν πώς οι κυκλοφοριακές ρυθμίσεις μπορούν ενδεχομένως να συμβάλουν στη μείωση τόσο της κυκλοφορίας όσο και των εκπομπών βενζίνης. Τα μοντέλα ML χρησιμοποιούνται επίσης για να προσδιορίσουν πού δεν υπάρχει ακόμη επαρκής υποδομή φόρτισης ηλεκτρικών οχημάτων. Ο Görgmaier είπε ότι η έλλειψη υποδομής φόρτισης εμποδίζει τους ανθρώπους να στραφούν σε ηλεκτρικό όχημα, κάτι που με τη σειρά του έχει αντίκτυπο στη βιωσιμότητα.

Υπάρχει επίσης μια προσπάθεια BMW ML να βοηθήσει στην πρόβλεψη του αντίκτυπου της διαθεσιμότητας θέσεων στάθμευσης και της τιμολόγησης στα πρότυπα οδήγησης. Αυτά τα μοτίβα περιλαμβάνουν διαδρομές μετακίνησης και κυκλοφορία, που θα έχουν επίσης αντίκτυπο στις εκπομπές.

Οδήγηση γεωχωρικών πληροφοριών με το Amazon SageMaker

Ο Görgmaier είπε ότι πολλά από τα ζητήματα αστικής βιωσιμότητας που η BMW προσπαθεί να βοηθήσει στην επίλυση μπορούν να επωφεληθούν από τις γεωχωρικές πληροφορίες. Εκεί είναι που η BMW αρχίζει να χρησιμοποιεί νέες γεωχωρικές δυνατότητες στη σουίτα εργαλείων Amazon SageMaker ML που μόλις αποκαλύφθηκαν δημόσια αυτή την εβδομάδα.

Ένας τομέας όπου η BMW θέλει να επωφεληθεί από τη γεωχωρική ML είναι η βοήθεια στην πρόβλεψη του πότε ένας οργανισμός με στόλο οχημάτων θα είναι σε θέση να μεταβεί σε ηλεκτρικά οχήματα.

«Θέσαμε ως στόχο να εκπαιδεύσουμε μοντέλα μηχανικής εκμάθησης για να μάθουν συσχετισμούς μεταξύ του τύπου κινητήρα και των προφίλ οδήγησης», είπε. «Το σκεπτικό πίσω από αυτό ήταν εάν υπήρχε μια τέτοια συσχέτιση, τότε το μοντέλο θα μπορούσε να μάθει να προβλέπει τη συγγένεια ορισμένων οδηγών για ένα ηλεκτρικό όχημα με βάση τα προφίλ τους».

Καθώς η BMW εργαζόταν με πλήρως ανώνυμα δεδομένα σε επίπεδο στόλου, έπρεπε να χρησιμοποιήσει ίχνη GPS και γεωχωρικά δεδομένα για να κάνει τους συσχετισμούς.

«Στο τέλος της εκπαίδευσης, το μοντέλο ήταν σε θέση να προβλέψει πόσο πιθανό ήταν συγκεκριμένοι στόλοι να μετατραπούν σε EV με ακρίβεια μεγαλύτερη από 80%,» είπε ο Görgmaier.

Η αποστολή του VentureBeat πρόκειται να αποτελέσει μια ψηφιακή πλατεία της πόλης για τους τεχνικούς λήπτες αποφάσεων ώστε να αποκτήσουν γνώσεις σχετικά με τη μετασχηματιστική επιχειρηματική τεχνολογία και να πραγματοποιήσουν συναλλαγές. Ανακαλύψτε τις Ενημερώσεις μας.