当前制造业格局中的ChatGPT

ChatGPT如何帮助制造商

一个早期用例是帮助制造商执行基于文本的任务。

专业服务公司普华永道(PwC)的云和数字数据及人工智能合伙人布雷特?格林斯坦(Bret Greenstein)表示：”大部分产品制造过程都是由大量基于文本的工作流和文档处理的，从机器维护日志和服务条目到状态报告和警报。

此外，制造商使用文档繁重的工作流程来处理零件订单、材料移动、工人的轮班分配和日志。 所有这些业务元素都可以在生成AI的帮助下进行分析和生成。

ChatGPT的能力超越了死记硬背的任务。 生成型人工智能适用于整个制造价值链：市场研究、产品概念、设计、工程和供应链管理。 它还可以通过更好的产品配置和 推荐引擎 .

全球工程咨询公司Capgemini Engineering副总裁Raghuram Mocherla认为，ChatGPT的顶级制造用例包括以下内容:

• 综合非结构化的市场需求、监管环境变化、供应变化约束和其他进入产品设计的投入。
• 记录并应用工程师和设计师在产品设计和制造阶段使用的问题解决方法。
• 建造工程 自然语言 放大B2B的发动机 配置、价格和报价 函数。
• 通过生成测试场景并分析结果，自动化产品测试和验证。
• 根据成本、供应链约束和生产能力协助采购决策。
• 将产品性能和现场问题与产品设计和存储中的缺陷联系起来。

在制造业中使用ChatGPT的风险和挑战

制造商在让大型语言模型时面临许多风险和挑战（ 法学硕士 ）在工厂里松散。

德勤人工智能研究所执行董事Beena Ammanath表示，最令人担忧的是幻觉。 不准确和想象的信息在制造公司或其他业务中没有地位。

另一个问题是生成型AI模型受其训练数据的限制。 集成额外的数据集需要昂贵的再培训和微调。 Ammanath表示，这些限制可能会危及核心应用程序，例如数据管理和预测性维护。 后果可能与机器停机和故障一样严重。

还要考虑制造中与ChatGPT相关的法律风险。 公司必须确保工程师不会无意中将机密信息暴露给这些服务。 三星禁止使用ChatGPT 2023年发现数据泄露后。 制造商可能面临未经许可使用基于数据输入的模型的潜在责任。 当人工智能模型直接或间接对设备或人员造成人身伤害时，分配责任也可能产生类似的法律风险。 因此，在制造中采用ChatGPT和类似应用时，必须探索与处理和分析人员数据相关的安全，信息安全和隐私风险。

在制造业中采用ChatGPT的最佳实践

It服务和咨询公司塔塔咨询服务(Tata Consultancy Services)业务转型组人工智能实践全球主管卡姆莱什? 他建议仔细的用例和数据规划，安全设计，持续监控，透明度机制，用户培训和 风险管理 规划。

由于生成型AI工具依赖于数据训练，因此将重点放在改进数据上也至关重要。 “成功仍将归结为简化流程，数据和记录系统，以提供可靠，多样化和具有统计意义的培训数据集，”Mocherla说。 此外，用作ChatGPT提示的制造和业务特定语言必须标准化。

制造领域的技术专家必须与AI专家合作。 格林斯坦说：”为了使生成型人工智能工具运行良好，组织需要了解这些工具技术细节的人，并与了解人工智能正在增强的业务流程的人密切合作。”

这项工作的大部分内容是访问正确的数据或过去工作的示例，以训练LLM并促使生成型AI产生准确的结果。 在此过程中获取业务方和制造工人的输入，以评估数据或响应的质量和准确性。

制造业将不可避免地适应新趋势

正如我们所看到的 最近的GPT迭代 ，生成AI模型将变得更大。 它们将包括更多参数，以及 多式联运 和多语言能力。 他们还致力于与其他技术的更多集成，如计算机视觉，物联网和机器人技术。

格林斯坦预测，新的创新将使该技术从仅仅响应提示转变为像代理一样使用提示和响应来实现业务目标。 这些发展将扩大生成型人工智能可以做的工作类型，并扩大其可以产生的生产力和影响的程度。 如果这些预测发挥作用，ChatGPT功能将彻底改变目前在制造设备中发现的尘土飞扬的旧Ui，Mocherla说。 更自然的人机界面将捕获非结构化信息，以便在不需要大量努力的情况下纳入流程。