நான்கு காரணிகள் தொழில்துறை AIoT-ஐ புதிய விருப்பமாக மாற்றுகின்றன.

சமீபத்தில் வெளியிடப்பட்ட தொழில்துறை செயற்கை நுண்ணறிவு மற்றும் செயற்கை நுண்ணறிவு சந்தை அறிக்கை 2021-2026-இன் படி, தொழில்துறை அமைப்புகளில் செயற்கை நுண்ணறிவைப் பயன்படுத்தும் விகிதம் இரண்டே ஆண்டுகளில் 19 சதவீதத்திலிருந்து 31 சதவீதமாக அதிகரித்துள்ளது. பதிலளித்தவர்களில் 31 சதவீதம் பேர் தங்கள் செயல்பாடுகளில் செயற்கை நுண்ணறிவை முழுமையாகவோ அல்லது பகுதியாகவோ செயல்படுத்தியுள்ளதோடு, மேலும் 39 சதவீதம் பேர் தற்போது இந்தத் தொழில்நுட்பத்தைச் சோதித்து வருகின்றனர் அல்லது முன்னோட்டமாகச் செயல்படுத்தி வருகின்றனர்.

உலகெங்கிலும் உள்ள உற்பத்தியாளர்கள் மற்றும் எரிசக்தி நிறுவனங்களுக்கு செயற்கை நுண்ணறிவு ஒரு முக்கிய தொழில்நுட்பமாக உருவெடுத்து வருகிறது. மேலும், தொழில்துறை செயற்கை நுண்ணறிவுத் தீர்வுகள் சந்தையானது, பெருந்தொற்றுக்குப் பிந்தைய காலகட்டத்தில் 35% என்ற வலுவான கூட்டு வருடாந்திர வளர்ச்சி விகிதத்தைக் (CAGR) காட்டி, 2026-ஆம் ஆண்டிற்குள் 102.17 பில்லியன் டாலர்களை எட்டும் என்று IoT பகுப்பாய்வு கணிக்கிறது.

டிஜிட்டல் யுகம் பொருட்களின் இணையத்திற்கு வழிவகுத்துள்ளது. செயற்கை நுண்ணறிவின் தோற்றம், பொருட்களின் இணையத்தின் வளர்ச்சி வேகத்தை முடுக்கிவிட்டுள்ளது என்பதைக் காண முடிகிறது.

தொழில்துறை செயற்கை நுண்ணறிவு மற்றும் AIoT ஆகியவற்றின் வளர்ச்சிக்கு உந்துசக்தியாக விளங்கும் சில காரணிகளைப் பார்ப்போம்.

காரணி 1: தொழில்துறை AIoT-க்கான மேலும் மேலும் மென்பொருள் கருவிகள்

2019-ல், IoT பகுப்பாய்வு தொழில்துறை செயற்கை நுண்ணறிவை உள்ளடக்கத் தொடங்கியபோது, ​​செயல்பாட்டுத் தொழில்நுட்ப (OT) விற்பனையாளர்களிடமிருந்து பிரத்யேக செயற்கை நுண்ணறிவு மென்பொருள் தயாரிப்புகள் குறைவாகவே இருந்தன. அதன் பிறகு, பல OT விற்பனையாளர்கள், தொழிற்சாலைத் தளத்திற்கான செயற்கை நுண்ணறிவுத் தளங்களின் வடிவில் மென்பொருள் தீர்வுகளை உருவாக்கி வழங்குவதன் மூலம் செயற்கை நுண்ணறிவுச் சந்தையில் நுழைந்துள்ளனர்.

தரவுகளின்படி, கிட்டத்தட்ட 400 விற்பனையாளர்கள் AIoT மென்பொருளை வழங்குகிறார்கள். கடந்த இரண்டு ஆண்டுகளில், தொழில்துறை AI சந்தையில் இணையும் மென்பொருள் விற்பனையாளர்களின் எண்ணிக்கை வியத்தகு அளவில் அதிகரித்துள்ளது. இந்த ஆய்வின் போது, ​​IoT அனலிட்டிக்ஸ் நிறுவனம், உற்பத்தியாளர்கள்/தொழில்துறை வாடிக்கையாளர்களுக்கு AI தொழில்நுட்பத்தை வழங்கும் 634 நிறுவனங்களைக் கண்டறிந்தது. இந்த நிறுவனங்களில், 389 (61.4%) நிறுவனங்கள் AI மென்பொருளை வழங்குகின்றன.

புதிய AI மென்பொருள் தளம் தொழில்துறை சூழல்களில் கவனம் செலுத்துகிறது. அப்டேக், பிரைன்க்யூப் அல்லது C3 AI-ஐத் தாண்டி, பெருகிவரும் செயல்பாட்டுத் தொழில்நுட்ப (OT) விற்பனையாளர்கள் பிரத்யேக AI மென்பொருள் தளங்களை வழங்கி வருகின்றனர். ABB-யின் ஜெனிக்ஸ் தொழில்துறை பகுப்பாய்வு மற்றும் AI தொகுப்பு, ராக்வெல் ஆட்டோமேஷனின் ஃபேக்டரிடாக் இன்னோவேஷன் தொகுப்பு, ஷ்னைடர் எலக்ட்ரிக்கின் சொந்த உற்பத்தி ஆலோசனைத் தளம், மற்றும் மிக சமீபத்தில், குறிப்பிட்ட துணை நிரல்கள் ஆகியவை இதற்கு எடுத்துக்காட்டுகளாகும். இந்தத் தளங்களில் சில பரந்த அளவிலான பயன்பாட்டு நிகழ்வுகளை இலக்காகக் கொண்டுள்ளன. உதாரணமாக, ABB-யின் ஜெனிக்ஸ் தளம், செயல்பாட்டு செயல்திறன் மேலாண்மை, சொத்து ஒருமைப்பாடு, நிலைத்தன்மை மற்றும் விநியோகச் சங்கிலித் திறன் ஆகியவற்றுக்கான முன்பே உருவாக்கப்பட்ட பயன்பாடுகள் மற்றும் சேவைகள் உட்பட மேம்பட்ட பகுப்பாய்வுகளை வழங்குகிறது.

பெரிய நிறுவனங்கள் தங்களின் செயற்கை நுண்ணறிவு மென்பொருள் கருவிகளை உற்பத்தித் தளத்தில் பயன்படுத்துகின்றன.

AWS, மைக்ரோசாப்ட் மற்றும் கூகிள் போன்ற பெரிய நிறுவனங்களால் உருவாக்கப்பட்ட புதிய, குறிப்பிட்ட பயன்பாட்டுச் சூழல்களுக்கான மென்பொருள் கருவிகளாலும் செயற்கை நுண்ணறிவு மென்பொருள் கருவிகளின் கிடைக்கும்தன்மை உந்தப்படுகிறது. உதாரணமாக, டிசம்பர் 2020-ல், AWS ஆனது அமேசான் சேஜ்மேக்கர் ஜம்ப்ஸ்டார்ட்டை வெளியிட்டது. இது அமேசான் சேஜ்மேக்கரின் ஒரு அம்சமாகும். இது PdM, கணினிப் பார்வை மற்றும் தன்னாட்சி ஓட்டுதல் போன்ற மிகவும் பொதுவான தொழில்துறை பயன்பாட்டுச் சூழல்களுக்காக, முன்பே கட்டமைக்கப்பட்ட மற்றும் தனிப்பயனாக்கக்கூடிய தீர்வுகளின் தொகுப்பை வழங்குகிறது, மேலும் இவற்றை ஒரு சில கிளிக்குகளில் நிறுவவும் முடியும்.

குறிப்பிட்ட பயன்பாட்டுச் சூழல்களுக்கான மென்பொருள் தீர்வுகள், பயன்பாட்டுத்திறன் மேம்பாடுகளை ஊக்குவிக்கின்றன.

முன்கணிப்புப் பராமரிப்பில் கவனம் செலுத்துபவை போன்ற, குறிப்பிட்ட பயன்பாட்டுச் சூழல்களுக்கான மென்பொருள் தொகுப்புகள் பெருகி வருகின்றன. தரவு மூலங்களின் பன்முகத்தன்மை அதிகரிப்பு, முன்-பயிற்சி மாதிரிகளின் பயன்பாடு, மற்றும் தரவு மேம்பாட்டுத் தொழில்நுட்பங்கள் பரவலாக ஏற்றுக்கொள்ளப்பட்டது ஆகியவற்றின் காரணமாக, செயற்கை நுண்ணறிவு அடிப்படையிலான தயாரிப்புத் தரவு மேலாண்மை (PdM) மென்பொருள் தீர்வுகளைப் பயன்படுத்தும் வழங்குநர்களின் எண்ணிக்கை 2021-ஆம் ஆண்டின் தொடக்கத்தில் 73 ஆக உயர்ந்ததாக IoT அனலிட்டிக்ஸ் கவனித்தது.

காரணி 2: செயற்கை நுண்ணறிவுத் தீர்வுகளின் உருவாக்கம் மற்றும் பராமரிப்பு எளிமையாக்கப்பட்டு வருகின்றன.

தானியங்கு இயந்திரக் கற்றல் (AutoML) ஒரு தரமான தயாரிப்பாக மாறி வருகிறது.

இயந்திரக் கற்றலுடன் (ML) தொடர்புடைய பணிகளின் சிக்கலான தன்மை காரணமாக, இயந்திரக் கற்றல் பயன்பாடுகளின் விரைவான வளர்ச்சியானது, நிபுணத்துவம் இல்லாமல் பயன்படுத்தக்கூடிய ஆயத்த இயந்திரக் கற்றல் முறைகளுக்கான தேவையை உருவாக்கியுள்ளது. இதன் விளைவாக உருவான ஆராய்ச்சித் துறையான, இயந்திரக் கற்றலுக்கான முற்போக்கான தானியக்கம் (progressive automation for machine learning), ஆட்டோஎம்எல் (AutoML) என்று அழைக்கப்படுகிறது. பல்வேறு நிறுவனங்கள், வாடிக்கையாளர்களுக்கு ML மாதிரிகளை உருவாக்கவும், தொழில்துறை பயன்பாட்டு நிகழ்வுகளை (industrial use cases) விரைவாகச் செயல்படுத்தவும் உதவுவதற்காக, தங்களின் AI சேவைகளின் ஒரு பகுதியாக இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்துகின்றன. உதாரணமாக, நவம்பர் 2020-ல், SKF நிறுவனம், செலவுகளைக் குறைக்கவும் வாடிக்கையாளர்களுக்குப் புதிய வணிக மாதிரிகளை உருவாக்கவும், இயந்திரச் செயல்முறைத் தரவுகளை அதிர்வு மற்றும் வெப்பநிலைத் தரவுகளுடன் இணைக்கும் ஒரு ஆட்டோஎம்எல் அடிப்படையிலான தயாரிப்பை அறிவித்தது.

இயந்திர கற்றல் செயல்பாடுகள் (ML Ops) மாதிரி மேலாண்மை மற்றும் பராமரிப்பை எளிதாக்குகின்றன.

இயந்திரக் கற்றல் செயல்பாடுகள் எனும் புதிய துறையானது, உற்பத்திச் சூழல்களில் செயற்கை நுண்ணறிவு மாதிரிகளின் பராமரிப்பை எளிதாக்குவதை நோக்கமாகக் கொண்டுள்ளது. ஒரு ஆலையில் உள்ள பல்வேறு காரணிகளால் (எடுத்துக்காட்டாக, தரவுப் பகிர்வு மற்றும் தர நிர்ணயங்களில் ஏற்படும் மாற்றங்கள்) ஒரு செயற்கை நுண்ணறிவு மாதிரியின் செயல்திறன் பாதிக்கப்படுவதால், அது பொதுவாகக் காலப்போக்கில் குறைகிறது. இதன் விளைவாக, தொழில்துறைச் சூழல்களின் உயர் தரத் தேவைகளைப் பூர்த்தி செய்ய, மாதிரிப் பராமரிப்பும் இயந்திரக் கற்றல் செயல்பாடுகளும் அவசியமாகிவிட்டன (எடுத்துக்காட்டாக, 99%க்கும் குறைவான செயல்திறன் கொண்ட மாதிரிகள், தொழிலாளர்களின் பாதுகாப்பிற்கு ஆபத்தை விளைவிக்கும் நடத்தைகளை அடையாளம் காணத் தவறக்கூடும்).

சமீபத்திய ஆண்டுகளில், டேட்டாரோபோட், கிரிட்.ஏஐ, பைன்கோன்/ஜில்லிஸ், செல்டன் மற்றும் வெயிட்ஸ் & பயாஸஸ் உள்ளிட்ட பல ஸ்டார்ட்அப் நிறுவனங்கள் எம்எல் ஆப்ஸ் (ML Ops) துறையில் இணைந்துள்ளன. மைக்ரோசாப்ட் உட்பட, நிறுவப்பட்ட நிறுவனங்கள் தங்களின் தற்போதைய ஏஐ (AI) மென்பொருள் வழங்கல்களில் இயந்திர கற்றல் செயல்பாடுகளைச் சேர்த்துள்ளன; மைக்ரோசாப்ட், அஸூர் எம்எல் ஸ்டுடியோவில் (Azure ML Studio) தரவு நகர்வு கண்டறிதலை அறிமுகப்படுத்தியது. இந்த புதிய அம்சம், மாடலின் செயல்திறனைக் குறைக்கும் உள்ளீட்டுத் தரவின் பரவலில் ஏற்படும் மாற்றங்களைக் கண்டறிய பயனர்களுக்கு உதவுகிறது.

காரணி 3: தற்போதுள்ள பயன்பாடுகள் மற்றும் பயன்பாட்டு நேர்வுகளில் பயன்படுத்தப்படும் செயற்கை நுண்ணறிவு

பாரம்பரிய மென்பொருள் வழங்குநர்கள் செயற்கை நுண்ணறிவுத் திறன்களைச் சேர்த்து வருகின்றனர்.

MS Azure ML, AWS SageMaker, மற்றும் Google Cloud Vertex AI போன்ற ஏற்கனவே உள்ள பெரிய கிடைமட்ட AI மென்பொருள் கருவிகளுடன் கூடுதலாக, கணினிமயமாக்கப்பட்ட பராமரிப்பு மேலாண்மை அமைப்புகள் (CAMMS), உற்பத்திச் செயலாக்க அமைப்புகள் (MES) அல்லது நிறுவன வளத் திட்டமிடல் (ERP) போன்ற பாரம்பரிய மென்பொருள் தொகுப்புகளையும் இப்போது AI திறன்களைச் சேர்ப்பதன் மூலம் கணிசமாக மேம்படுத்த முடியும். உதாரணமாக, ERP வழங்குநரான Epicor Software, தனது Epicor Virtual Assistant (EVA) மூலம் ஏற்கனவே உள்ள தயாரிப்புகளில் AI திறன்களைச் சேர்த்து வருகிறது. உற்பத்திச் செயல்பாடுகளை மறுதிட்டமிடுதல் அல்லது எளிய வினவல்களைச் செய்தல் (எடுத்துக்காட்டாக, தயாரிப்பு விலை அல்லது கிடைக்கக்கூடிய பாகங்களின் எண்ணிக்கை பற்றிய விவரங்களைப் பெறுதல்) போன்ற ERP செயல்முறைகளைத் தானியக்கமாக்க அறிவார்ந்த EVA முகவர்கள் பயன்படுத்தப்படுகின்றன.

AIoT-ஐப் பயன்படுத்துவதன் மூலம் தொழில்துறை பயன்பாடுகள் மேம்படுத்தப்பட்டு வருகின்றன.

தற்போதுள்ள வன்பொருள்/மென்பொருள் உள்கட்டமைப்பில் செயற்கை நுண்ணறிவுத் திறன்களைச் சேர்ப்பதன் மூலம் பல தொழில்துறைப் பயன்பாடுகள் மேம்படுத்தப்படுகின்றன. தரக்கட்டுப்பாட்டுப் பயன்பாடுகளில் உள்ள இயந்திரப் பார்வை இதற்கு ஒரு சிறந்த எடுத்துக்காட்டாகும். பாரம்பரிய இயந்திரப் பார்வை அமைப்புகள், சிறப்பு மென்பொருளைக் கொண்ட ஒருங்கிணைந்த அல்லது தனித்தனி கணினிகள் மூலம் படங்களைச் செயலாக்குகின்றன. இந்த மென்பொருள், பொருள்களில் குறைபாடுகள் உள்ளதா என்பதைத் தீர்மானிக்க, முன்னரே தீர்மானிக்கப்பட்ட அளவுருக்கள் மற்றும் வரம்புகளை (எ.கா., அதிக மாறுபாடு) மதிப்பிடுகிறது. பல சந்தர்ப்பங்களில் (எடுத்துக்காட்டாக, வெவ்வேறு வயரிங் வடிவங்களைக் கொண்ட மின்னணு பாகங்கள்), தவறான நேர்மறை முடிவுகளின் எண்ணிக்கை மிக அதிகமாக உள்ளது.

இருப்பினும், இந்த அமைப்புகள் செயற்கை நுண்ணறிவு மூலம் புத்துயிர் பெறுகின்றன. உதாரணமாக, தொழில்துறை இயந்திரப் பார்வை வழங்குநரான காக்னெக்ஸ், ஜூலை 2021-ல் ஒரு புதிய ஆழ்நிலைக் கற்றல் கருவியை (விஷன் ப்ரோ டீப் லேர்னிங் 2.0) வெளியிட்டது. இந்தக் புதிய கருவிகள் பாரம்பரியப் பார்வை அமைப்புகளுடன் ஒருங்கிணைந்து, கீறல்கள், மாசு மற்றும் பிற குறைபாடுகளைத் துல்லியமாக அளவிட வேண்டிய சவாலான மருத்துவ மற்றும் மின்னணுச் சூழல்களைப் பூர்த்தி செய்வதற்காக, இறுதிப் பயனர்கள் ஆழ்நிலைக் கற்றலை பாரம்பரியப் பார்வை கருவிகளுடன் ஒரே பயன்பாட்டில் இணைக்க உதவுகின்றன.

காரணி 4: தொழில்துறை AIoT வன்பொருள் மேம்படுத்தப்பட்டு வருகிறது

செயற்கை நுண்ணறிவு சிப்புகள் மிக வேகமாக மேம்பட்டு வருகின்றன.

உட்பொதிக்கப்பட்ட வன்பொருள் AI சிப்கள் வேகமாக வளர்ந்து வருகின்றன, மேலும் AI மாதிரிகளின் உருவாக்கம் மற்றும் வரிசைப்படுத்தலை ஆதரிக்க பல்வேறு விருப்பங்கள் கிடைக்கின்றன. எடுத்துக்காட்டாக, மார்ச் 2021-இல் அறிமுகப்படுத்தப்பட்ட என்விடியாவின் சமீபத்திய கிராபிக்ஸ் செயலாக்க அலகுகளான (Gpus) A30 மற்றும் A10 ஆகியவை, பரிந்துரை அமைப்புகள் மற்றும் கணினிப் பார்வை அமைப்புகள் போன்ற AI பயன்பாடுகளுக்கு ஏற்றவையாகும். மற்றொரு எடுத்துக்காட்டு, கூகிளின் நான்காம் தலைமுறை டென்சர் செயலாக்க அலகுகள் (TPus) ஆகும். இவை சக்திவாய்ந்த சிறப்பு நோக்க ஒருங்கிணைந்த சுற்றுகள் (ASics) ஆகும். இவை குறிப்பிட்ட AI பணிச்சுமைகளுக்கான (எ.கா., பொருள் கண்டறிதல், பட வகைப்பாடு மற்றும் பரிந்துரை அளவுகோல்கள்) மாதிரி உருவாக்கம் மற்றும் வரிசைப்படுத்தலில் 1,000 மடங்கு அதிக செயல்திறனையும் வேகத்தையும் அடையக்கூடியவை. பிரத்யேக AI வன்பொருளைப் பயன்படுத்துவது, மாதிரி கணக்கீட்டு நேரத்தை நாட்களிலிருந்து நிமிடங்களாகக் குறைக்கிறது, மேலும் பல சந்தர்ப்பங்களில் இது ஒரு திருப்புமுனையாக நிரூபிக்கப்பட்டுள்ளது.

சக்திவாய்ந்த AI வன்பொருள், பயன்பாட்டிற்கு ஏற்ப கட்டணம் செலுத்தும் மாதிரியின் மூலம் உடனடியாகக் கிடைக்கிறது.

இறுதிப் பயனர்கள் தொழில்துறை செயற்கை நுண்ணறிவுப் பயன்பாடுகளைச் செயல்படுத்தும் வகையில், கிளவுடில் கணினி வளங்களைக் கிடைக்கச் செய்வதற்காக, மிகப்பெரிய நிறுவனங்கள் தங்கள் சேவையகங்களைத் தொடர்ந்து மேம்படுத்தி வருகின்றன. உதாரணமாக, நவம்பர் 2021-ல், AWS நிறுவனம், கணினிப் பார்வை மற்றும் பரிந்துரை இயந்திரங்கள் உள்ளிட்ட பல்வேறு இயந்திர கற்றல் (ML) பயன்பாடுகளுக்காக, NVIDIA A10G டென்சர் கோர் GPU-ஆல் இயக்கப்படும் தனது சமீபத்திய GPU-அடிப்படையிலான இன்ஸ்டன்ஸ்களான Amazon EC2 G5-ஐ அதிகாரப்பூர்வமாக வெளியிட்டது. உதாரணமாக, கண்டறிதல் அமைப்புகளை வழங்கும் நிறுவனமான நானோட்ரோனிக்ஸ், மைக்ரோசிப்கள் மற்றும் நானோகுழாய்களின் உற்பத்தியில் செயலாக்க முயற்சிகளை விரைவுபடுத்தவும், மேலும் துல்லியமான கண்டறிதல் விகிதங்களை அடையவும், தனது செயற்கை நுண்ணறிவு அடிப்படையிலான தரக்கட்டுப்பாட்டுத் தீர்வின் Amazon EC2 இன்ஸ்டன்ஸ்களைப் பயன்படுத்துகிறது.

முடிவு மற்றும் எதிர்கால நோக்கு

செயற்கை நுண்ணறிவு (AI) தொழிற்சாலையிலிருந்தே உருவாகி வருகிறது, மேலும் AI-அடிப்படையிலான PdM போன்ற புதிய பயன்பாடுகளிலும், ஏற்கனவே உள்ள மென்பொருள் மற்றும் பயன்பாட்டு நிகழ்வுகளுக்கான மேம்பாடுகளாகவும் இது எங்கும் நிறைந்திருக்கும். பெரிய நிறுவனங்கள் பல AI பயன்பாட்டு நிகழ்வுகளைச் செயல்படுத்தி, வெற்றியைப் பதிவுசெய்து வருகின்றன, மேலும் பெரும்பாலான திட்டங்கள் முதலீட்டின் மீதான அதிக வருவாயைக் கொண்டுள்ளன. மொத்தத்தில், கிளவுட், IoT தளங்கள் மற்றும் சக்திவாய்ந்த AI சிப்களின் எழுச்சியானது, ஒரு புதிய தலைமுறை மென்பொருள் மற்றும் உகப்பாக்கத்திற்கான தளத்தை வழங்குகிறது.