人工智能(AI)模型持续支持各行各业的许多应用。虽然传统人工智能系统旨在执行图像识别或自然语言处理等特定任务，但更具创造性的应用(如生成新图像或视频)需要使用生成式人工智能。
生成式AI是AI的一个子集，专注于创建类似于人造内容的新数据，例如图像、视频、音频或文本。传统的人工智能系统依赖于基于逻辑和数学公式的预定义规则和模式，用于决策和分类等任务。
生成式AI模型使用数据驱动的方法，使用神经网络和其他机器学习算法从人类创建的数据集中学习，使它们能够创建类似于人造内容的新内容。最近，它在各种应用中的使用引起了极大的关注，包括图像和视频合成、文本生成、音乐创作和游戏开发。
除了在创意产业中的应用，生成式AI还用于许多其他行业。金融科技公司将其用于欺诈检测、信用评分和投资组合管理等任务。在医疗保健行业，它有助于分析X射线、CT扫描和MRI等图像。它还被用于制定可根据患者的病史、遗传和生活方式推荐的定制治疗计划。制造业将其用于预测性维护、质量控制和供应链优化等应用。
在本文中，我们汇总了最近发布的涉及利用生成式AI和构建支持架构以在边缘端部署生成式AI的新闻公告。
随着ChatGPT等大模型的横空出世，生成式AI成为行业热议的技术之一，那么我们可以在哪里使用它来提高制造效率？它可以帮助或接管哪些类型的工作？除了文字和图像，还有哪些其他生成式人工智能模型有助于加速工业物联网的部署？
为了帮助行业上下游企业更好地把握AIoT市场发展机遇，6月8日，全球领先的专业电子机构媒体AspenCore将携手深圳市新一代信息通信产业集群联合主办2023国际AIoT生态发展大会，其平行分论坛——工业物联网&机器人论坛，将深入探讨工业物联网的未来发展方向和趋势，以及产业发展中所存在的机遇与挑战。欢迎报名参加！
在工厂自动化方面，西门子和微软最近展示了如何结合微软的Azure机器学习和西门子的工业优势，通过机器学习系统分析摄像机捕获的图像和视频，并用于构建、部署、运行和监控AI视觉模型车间。
这是在工厂车间使用生成式AI的潜在应用的一个示例。西门子凭借其用于产品生命周期管理(PLM)的Teamscenter软件以及微软的协作平台Teams和Azure OpenAI服务中的语言模型以及其他Azure AI功能，旨在推动整个产品的设计、工程、制造、及运行生命周期的创新和效率。
西门子和微软正在合作展示机器学习系统如何分析照相机和摄像机捕获的图像，并用于在车间构建、部署、运行和监控AI视觉模型。(图片来源：西门子)
在德国汉诺威工业博览会上展示的这次合作中，两家公司表示他们希望实现三个主要目标。
首先是通过计划于2023年晚些时候推出的适用于微软Teams的新Teamcenter应用程序，加强跨业务职能的不同团队之间的沟通。借助该应用程序，服务工程师或生产操作员可以使用移动设备用自然语音记录和报告产品的设计或质量问题。通过Azure OpenAI，该应用程序可以解析非正式的语音数据，自动创建汇总报告，并在Teamcenter内将其发送给合适的设计、工程或制造专家。
第二个目标是帮助软件开发人员和自动化工程师使用生成式AI来加速可编程逻辑控制器(PLC)的代码生成，可编程逻辑控制器是当今控制工厂车间大多数机器的工业计算机。在汉诺威工业博览会上，这些团队强调了工程团队如何通过自然语言输入生成PLC代码来显着减少时间和错误的概率。这些功能还可以让维护团队更快地识别错误并生成分步的解决方案。
正如西门子股份公司管理委员会成员兼西门子数字化工业集团首席执行官Cedrik Neike所说：“强大、先进的人工智能正在成为数字化转型最重要的技术之一。西门子和微软正在携手部署ChatGPT等工具，这样我们就可以让各种规模企业的员工以新的方式进行协作和创新。”
第三个目标是在边缘部署生成式人工智能，以直观地检测产品中的缺陷。手动执行这项任务既费时又容易出错；因此，利用微软Azure机器学习和西门子的工业优势，这些公司正在寻求在边缘端执行基于AI的预防性维护和缺陷检测任务。
Esperanto Technologies表示，他们最近在其低功耗RISC-V硬件上移植并运行了一系列生成式人工智能模型。为了实现“AI民主化”以及加速RISC-V生成式AI的开发，他们计划为RISC-V社区和更广泛的行业的研究人员提供访问权限。这也是其将RISC-V在人工智能和通用应用中的优势从云端扩展到边缘的计划的一部分。Esperanto的生成式AI工作的重点领域包括大型语言模型(LLM)的用例，在这些案例中，与现有产品相比，使用低功率硬件和降低总拥有成本(TCO)是关键。
Meta的开放式预训练变压器(OPT)模型的多个版本现在以多种精度水平和上下文规模在Esperanto的硬件上运行，每个芯片进行推理的功率水平低至25W。Esperanto的机器学习软件开发套件支持将OPT模型快速移植到ET-SoC-1芯片上，该公司的商业客户目前正在使用该套件。出于研发目的获准访问Esperanto解决方案的研究人员将需要遵守Meta的开源许可以及其他项目条款。
传统上，计算机视觉解决方案需要收集数据集、标记它们、训练模型，然后找到机器学习操作解决方案来维护训练后的模型。这个过程需要几个月的时间，并且需要大量基于数据科学的知识。
人工智能初创公司Groundlight开发了一种以自然语言驱动的计算机视觉服务，可以让任何新手都能用自然语言描述视觉任务，并将其转换为特定应用的模型。该模型的准确性会根据专门的监控员的反馈不断改进。
Groundlight的平台允许使用自然语言进行查询以构建自定义视觉模型。(图片来源：Groundlight)
该公司的平台允许开发人员，即使没有数据科学经验，也能快速构建强大的视觉解决方案。这克服了希望通过ML解决方案快速提高生产力的中小型企业面临的挑战。如果没有这种能力，在边缘端部署传统人工智能模型就需要运营方面的专业知识和架构支持。Groundlight表示，其平台很容易集成到工业自动化、过程监控、零售分析、视频流分析和机器人技术等应用中。
像Groundlight公司这样的解决方案的关键是利用现成的相机和廉价的设备，根据公司的独特数据快速构建和可靠地运行定制模型。举个例子，凸轮扣生产商Austere Manufacturing使用Groundlight检查其产品并监控过程，而无需承担典型工业解决方案的开发费用。根据Austere Manufacturing的创始人Uriel Eisen的说法，Groundlight API可以让一个10美元的相机和几行代码在几分钟内实现一个可行的解决方案。他补充说，“比我们花在评估昂贵的工业计算机视觉产品上的时间要少得多。”
生成式人工智能显然有潜力为各行各业的各种应用程序带来好处，从创意内容创作到预测性维护和边缘端的风险分析。全球各行各业都致力于提高效率和准确性，同时通过创新来获得竞争优势。然而，正如这篇来自EETimes的文章所探讨的大型语言模型(例如ChatGPT)在企业环境中的潜在使用任务，它也引起了人们对这些模型准确表示现实的能力的担忧，并强调了在其部署中道德考虑和人为监督的重要性。
(原文刊登于EDN姊妹网站embedded，参考链接：Generative AI in factory automation and the edge，由Ricardo Xie编译。)
随着ChatGPT等大模型的横空出世，生成式AI成为行业热议的技术之一，那么我们可以在哪里使用它来提高制造效率？它可以帮助或接管哪些类型的工作？除了文字和图像，还有哪些其他生成式人工智能模型有助于加速工业物联网的部署？
最前沿的电子设计资讯
