Νέο αφεντικό της Υποθαλάσσιας Επιθεώρησης

© Volodymyr / Adobe Stock

Η IBM εξήγησε πρόσφατα γιατί η ενορχήστρωση τεχνητής νοημοσύνης είναι σημαντική: Καθώς τα συστήματα τεχνητής νοημοσύνης εξελίσσονται πιο προηγμένα, ένα μόνο μοντέλο ή πράκτορας τεχνητής νοημοσύνης μπορεί να είναι ανεπαρκής για το χειρισμό πολύπλοκων εργασιών. Τα αυτόνομα συστήματα συχνά δυσκολεύονται να συνεργαστούν επειδή είναι χτισμένα σε πολλαπλά σύννεφα και εφαρμογές, οδηγώντας σε αποσιωπημένες λειτουργίες και αναποτελεσματικότητα.

Η ενορχήστρωση πρακτόρων τεχνητής νοημοσύνης γεφυρώνει αυτά τα κενά, επιτρέποντας σε πολλούς πράκτορες τεχνητής νοημοσύνης να συνεργάζονται αποτελεσματικά και διασφαλίζοντας ότι οι εξελιγμένες εργασίες εκτελούνται απρόσκοπτα.

Στην πράξη, η ενορχήστρωση πράκτορα AI λειτουργεί σαν μια ψηφιακή συμφωνία, λέει η IBM.

Η ιδέα έχει ήδη οραματιστεί για υποθαλάσσιες εργασίες επιθεώρησης.

Ο καθηγητής Eyad Elyan και ο Dr Thanh Nguyen του Πανεπιστημίου Robert Gordon και ο Martin Longmuir του AquaTerra παρείχαν πρόσφατα ένα άρθρο που δημοσιεύθηκε από το National Subsea Center στο Aberdeen σχετικά με την ιδέα για την αυτοματοποίηση των διαδικασιών επιθεώρησης και την αναφορά για σωληνοειδείς δομές όπως τα κιβώτια και οι θαλάσσιοι σωροί.

Οι επιθεωρήσεις συνήθως περιλαμβάνουν αριθμητικά δεδομένα και δεδομένα εικόνας, έτσι ένας πράκτορας όρασης υπολογιστή θα μπορούσε να επεξεργάζεται δεδομένα απεικόνισης για ανίχνευση ανωμαλιών, ενώ ένας άλλος πράκτορας θα μπορούσε να επικεντρωθεί στην ανάλυση αριθμητικών δεδομένων για την πρόβλεψη πιθανής αστοχίας.

«Ένας ενορχηστρωτής τεχνητής νοημοσύνης επιβλέπει τη διαδικασία, αναθέτοντας καθήκοντα σε πράκτορες με βάση την τεχνογνωσία τους και συνδυάζοντας τα αποτελέσματά τους για να εξασφαλίσουν συνεκτικές ιδέες», λένε οι ερευνητές. «Για παράδειγμα, στην υποθαλάσσια παρακολούθηση, ο ενορχηστρωτής μπορεί να συγχρονίσει παράγοντες απεικόνισης που εντοπίζουν δομικές ζημιές με αριθμητικούς παράγοντες που αναλύουν περιβαλλοντικά δεδομένα, διασφαλίζοντας έγκαιρες και ακριβείς εκτιμήσεις κινδύνου».

Ένας εξειδικευμένος φορέας αναφοράς θα μπορούσε στη συνέχεια να δημιουργήσει αυτόνομα αναφορές επιθεώρησης ερμηνεύοντας αποτελέσματα από συστήματα πολλαπλών πρακτόρων. Θα μπορούσε να προσαρμόσει τον τόνο και το επίπεδο λεπτομέρειάς του για να ταιριάζει σε διάφορους ενδιαφερόμενους και να ενσωματώσει πληροφορίες συμφραζομένων, όπως πρότυπα ειδικά για τον κλάδο ή προηγούμενα αρχεία επιθεωρήσεων.

Θα μπορούσε να είναι διαδραστικό και θα μπορούσε να μάθει από ειδικούς ανθρώπινους μηχανικούς. Αυτό θα παρείχε μια ισχυρή ισορροπία μεταξύ προσαρμοστικότητας και ακρίβειας, λένε οι ερευνητές.

Η IBM ορίζει τέσσερις τύπους ενορχηστρωτή:

Κεντρική ενορχήστρωση: Ένας ενορχηστρωτής τεχνητής νοημοσύνης ενεργεί ως ο «εγκέφαλος» του συστήματος.

Αποκεντρωμένη ενορχήστρωση: Οι πράκτορες της τεχνητής νοημοσύνης λαμβάνουν ανεξάρτητες αποφάσεις ή καταλήγουν σε συναίνεση ως ομάδα.

Ιεραρχική ενορχήστρωση: Εδώ, οι πράκτορες AI είναι διατεταγμένοι σε επίπεδα, που μοιάζουν με μια δομή εντολών σε επίπεδα.

Ομοσπονδιακή ενορχήστρωση: Ανεξάρτητοι πράκτορες AI συνεργάζονται χωρίς να μοιράζονται πλήρως δεδομένα ή να παραιτούνται από τον έλεγχο των επιμέρους συστημάτων τους.

Καθώς τα συστήματα τεχνητής νοημοσύνης συνεχίζουν να εξελίσσονται, η ενορχήστρωση πρακτόρων τεχνητής νοημοσύνης θα γίνεται ολοένα και πιο απαραίτητη για την αξιοποίηση του πλήρους δυναμικού τους.