ನಾಲ್ಕು ಅಂಶಗಳು ಕೈಗಾರಿಕಾ AIoT ಅನ್ನು ಹೊಸ ಮೆಚ್ಚಿನವುಗಳನ್ನಾಗಿ ಮಾಡುತ್ತವೆ

ಇತ್ತೀಚೆಗೆ ಬಿಡುಗಡೆಯಾದ ಇಂಡಸ್ಟ್ರಿಯಲ್ AI ಮತ್ತು AI ಮಾರುಕಟ್ಟೆ ವರದಿ 2021-2026 ರ ಪ್ರಕಾರ, ಕೈಗಾರಿಕಾ ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ AI ಅಳವಡಿಕೆ ದರವು ಕೇವಲ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ 19 ಪ್ರತಿಶತದಿಂದ 31 ಪ್ರತಿಶತಕ್ಕೆ ಏರಿದೆ.ತಮ್ಮ ಕಾರ್ಯಾಚರಣೆಗಳಲ್ಲಿ AI ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅಥವಾ ಭಾಗಶಃ ಹೊರತಂದಿರುವ 31 ಪ್ರತಿಶತದಷ್ಟು ಪ್ರತಿಕ್ರಿಯಿಸಿದವರ ಜೊತೆಗೆ, ಇನ್ನೂ 39 ಪ್ರತಿಶತದಷ್ಟು ಜನರು ಪ್ರಸ್ತುತ ತಂತ್ರಜ್ಞಾನವನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಿದ್ದಾರೆ ಅಥವಾ ಪೈಲಟ್ ಮಾಡುತ್ತಿದ್ದಾರೆ.

ವಿಶ್ವದಾದ್ಯಂತ ತಯಾರಕರು ಮತ್ತು ಇಂಧನ ಕಂಪನಿಗಳಿಗೆ AI ಪ್ರಮುಖ ತಂತ್ರಜ್ಞಾನವಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತಿದೆ ಮತ್ತು IoT ವಿಶ್ಲೇಷಣೆಯು ಕೈಗಾರಿಕಾ AI ಪರಿಹಾರಗಳ ಮಾರುಕಟ್ಟೆಯು 2026 ರ ವೇಳೆಗೆ $102.17 ಶತಕೋಟಿ ತಲುಪಲು 35% ನಷ್ಟು ಪ್ರಬಲವಾದ ನಂತರದ ಸಾಂಕ್ರಾಮಿಕ ಸಂಯುಕ್ತ ವಾರ್ಷಿಕ ಬೆಳವಣಿಗೆ ದರವನ್ನು (CAGR) ತೋರಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸುತ್ತದೆ.

ಡಿಜಿಟಲ್ ಯುಗವು ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ಗೆ ಜನ್ಮ ನೀಡಿದೆ.ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಹೊರಹೊಮ್ಮುವಿಕೆಯು ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ ಅಭಿವೃದ್ಧಿಯ ವೇಗವನ್ನು ಹೆಚ್ಚಿಸಿದೆ ಎಂದು ನೋಡಬಹುದು.

ಕೈಗಾರಿಕಾ AI ಮತ್ತು AIoT ಯ ಏರಿಕೆಗೆ ಕಾರಣವಾಗುವ ಕೆಲವು ಅಂಶಗಳನ್ನು ನೋಡೋಣ.

ಅಂಶ 1: ಕೈಗಾರಿಕಾ AIoT ಗಾಗಿ ಹೆಚ್ಚು ಹೆಚ್ಚು ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳು

2019 ರಲ್ಲಿ, Iot ಅನಾಲಿಟಿಕ್ಸ್ ಕೈಗಾರಿಕಾ AI ಅನ್ನು ಒಳಗೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, ಕಾರ್ಯಾಚರಣೆಯ ತಂತ್ರಜ್ಞಾನ (OT) ಮಾರಾಟಗಾರರಿಂದ ಕೆಲವು ಮೀಸಲಾದ AI ಸಾಫ್ಟ್‌ವೇರ್ ಉತ್ಪನ್ನಗಳು ಇದ್ದವು.ಅಲ್ಲಿಂದೀಚೆಗೆ, ಕಾರ್ಖಾನೆಯ ಮಹಡಿಗೆ AI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳ ರೂಪದಲ್ಲಿ AI ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಹಾರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಮತ್ತು ಒದಗಿಸುವ ಮೂಲಕ ಅನೇಕ OT ಮಾರಾಟಗಾರರು AI ಮಾರುಕಟ್ಟೆಯನ್ನು ಪ್ರವೇಶಿಸಿದ್ದಾರೆ.

ಮಾಹಿತಿಯ ಪ್ರಕಾರ, ಸುಮಾರು 400 ಮಾರಾಟಗಾರರು AIoT ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ನೀಡುತ್ತಾರೆ.ಕಳೆದ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ಕೈಗಾರಿಕಾ AI ಮಾರುಕಟ್ಟೆಗೆ ಸೇರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಮಾರಾಟಗಾರರ ಸಂಖ್ಯೆಯು ನಾಟಕೀಯವಾಗಿ ಹೆಚ್ಚಾಗಿದೆ.ಅಧ್ಯಯನದ ಸಮಯದಲ್ಲಿ, IoT Analytics ತಯಾರಕರು/ಕೈಗಾರಿಕಾ ಗ್ರಾಹಕರಿಗೆ AI ತಂತ್ರಜ್ಞಾನದ 634 ಪೂರೈಕೆದಾರರನ್ನು ಗುರುತಿಸಿದೆ.ಈ ಕಂಪನಿಗಳಲ್ಲಿ, 389 (61.4%) AI ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ನೀಡುತ್ತವೆ.

ಹೊಸ AI ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಕೈಗಾರಿಕಾ ಪರಿಸರದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.ಅಪ್‌ಟೇಕ್, ಬ್ರೈನ್‌ಕ್ಯೂಬ್ ಅಥವಾ C3 AI ಮೀರಿ, ಹೆಚ್ಚುತ್ತಿರುವ ಕಾರ್ಯಾಚರಣೆಯ ತಂತ್ರಜ್ಞಾನ (OT) ಮಾರಾಟಗಾರರು ಮೀಸಲಾದ AI ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳನ್ನು ನೀಡುತ್ತಿದ್ದಾರೆ.ಉದಾಹರಣೆಗಳಲ್ಲಿ ABB ಯ ಜೆನಿಕ್ಸ್ ಇಂಡಸ್ಟ್ರಿಯಲ್ ಅನಾಲಿಟಿಕ್ಸ್ ಮತ್ತು AI ಸೂಟ್, ರಾಕ್‌ವೆಲ್ ಆಟೋಮೇಷನ್‌ನ ಫ್ಯಾಕ್ಟರಿಟಾಕ್ ಇನ್ನೋವೇಶನ್ ಸೂಟ್, ಷ್ನೇಡರ್ ಎಲೆಕ್ಟ್ರಿಕ್‌ನ ಸ್ವಂತ ಉತ್ಪಾದನಾ ಸಲಹಾ ವೇದಿಕೆ ಮತ್ತು ಇತ್ತೀಚೆಗೆ ನಿರ್ದಿಷ್ಟ ಆಡ್-ಆನ್‌ಗಳು ಸೇರಿವೆ.ಈ ಕೆಲವು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಬಳಕೆಯ ಸಂದರ್ಭಗಳನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿವೆ.ಉದಾಹರಣೆಗೆ, ABB ಯ Genix ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಪೂರ್ವ-ನಿರ್ಮಿತ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ಕಾರ್ಯಕ್ಷಮತೆ ನಿರ್ವಹಣೆ, ಆಸ್ತಿ ಸಮಗ್ರತೆ, ಸುಸ್ಥಿರತೆ ಮತ್ತು ಪೂರೈಕೆ ಸರಪಳಿಯ ದಕ್ಷತೆಗಾಗಿ ಸೇವೆಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಸುಧಾರಿತ ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.

ದೊಡ್ಡ ಕಂಪನಿಗಳು ತಮ್ಮ AI ಸಾಫ್ಟ್‌ವೇರ್ ಉಪಕರಣಗಳನ್ನು ಅಂಗಡಿ ಮಹಡಿಯಲ್ಲಿ ಇರಿಸುತ್ತಿವೆ.

AI ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳ ಲಭ್ಯತೆಯು AWS, ಮೈಕ್ರೋಸಾಫ್ಟ್ ಮತ್ತು ಗೂಗಲ್‌ನಂತಹ ದೊಡ್ಡ ಕಂಪನಿಗಳಿಂದ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ಹೊಸ ಬಳಕೆಯ ಸಂದರ್ಭದ ನಿರ್ದಿಷ್ಟ ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳಿಂದ ಕೂಡ ನಡೆಸಲ್ಪಡುತ್ತದೆ.ಉದಾಹರಣೆಗೆ, ಡಿಸೆಂಬರ್ 2020 ರಲ್ಲಿ, AWS ಅಮೆಜಾನ್ ಸೇಜ್‌ಮೇಕರ್ ಜಂಪ್‌ಸ್ಟಾರ್ಟ್ ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿತು, ಇದು ಅಮೆಜಾನ್ ಸೇಜ್‌ಮೇಕರ್‌ನ ವೈಶಿಷ್ಟ್ಯವಾಗಿದ್ದು, ಇದು PdM, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಮತ್ತು ಸ್ವಾಯತ್ತ ಚಾಲನೆಯಂತಹ ಸಾಮಾನ್ಯ ಕೈಗಾರಿಕಾ ಬಳಕೆಯ ಪ್ರಕರಣಗಳಿಗೆ ಪೂರ್ವ-ನಿರ್ಮಿತ ಮತ್ತು ಗ್ರಾಹಕೀಯಗೊಳಿಸಬಹುದಾದ ಪರಿಹಾರಗಳ ಒಂದು ಸೆಟ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ. ಕೆಲವೇ ಕ್ಲಿಕ್‌ಗಳು.

ಯೂಸ್-ಕೇಸ್-ನಿರ್ದಿಷ್ಟ ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಹಾರಗಳು ಉಪಯುಕ್ತತೆ ಸುಧಾರಣೆಗಳನ್ನು ಚಾಲನೆ ಮಾಡುತ್ತಿವೆ.

ಬಳಕೆ-ಪ್ರಕರಣ-ನಿರ್ದಿಷ್ಟ ಸಾಫ್ಟ್‌ವೇರ್ ಸೂಟ್‌ಗಳು, ಉದಾಹರಣೆಗೆ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವುದು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ.IoT Analytics ಪ್ರಕಾರ 2021 ರ ಆರಂಭದಲ್ಲಿ AI- ಆಧಾರಿತ ಉತ್ಪನ್ನ ಡೇಟಾ ನಿರ್ವಹಣೆ (PdM) ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಹಾರಗಳನ್ನು ಬಳಸುವ ಪೂರೈಕೆದಾರರ ಸಂಖ್ಯೆಯು 73 ಕ್ಕೆ ಏರಿತು, ಏಕೆಂದರೆ ವಿವಿಧ ಡೇಟಾ ಮೂಲಗಳ ಹೆಚ್ಚಳ ಮತ್ತು ಪೂರ್ವ-ತರಬೇತಿ ಮಾದರಿಗಳ ಬಳಕೆ ಮತ್ತು ವ್ಯಾಪಕವಾಗಿ ಡೇಟಾ ವರ್ಧನೆ ತಂತ್ರಜ್ಞಾನಗಳ ಅಳವಡಿಕೆ.

ಅಂಶ 2: AI ಪರಿಹಾರಗಳ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ನಿರ್ವಹಣೆಯನ್ನು ಸರಳಗೊಳಿಸಲಾಗುತ್ತಿದೆ

ಸ್ವಯಂಚಾಲಿತ ಯಂತ್ರ ಕಲಿಕೆ (AutoML) ಪ್ರಮಾಣಿತ ಉತ್ಪನ್ನವಾಗುತ್ತಿದೆ.

ಯಂತ್ರ ಕಲಿಕೆ (ML) ಗೆ ಸಂಬಂಧಿಸಿದ ಕಾರ್ಯಗಳ ಸಂಕೀರ್ಣತೆಯಿಂದಾಗಿ, ಯಂತ್ರ ಕಲಿಕೆಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ತ್ವರಿತ ಬೆಳವಣಿಗೆಯು ಪರಿಣತಿಯಿಲ್ಲದೆ ಬಳಸಬಹುದಾದ ಆಫ್-ದಿ-ಶೆಲ್ಫ್ ಯಂತ್ರ ಕಲಿಕೆಯ ವಿಧಾನಗಳ ಅಗತ್ಯವನ್ನು ಸೃಷ್ಟಿಸಿದೆ.ಸಂಶೋಧನೆಯ ಪರಿಣಾಮವಾಗಿ, ಯಂತ್ರ ಕಲಿಕೆಗಾಗಿ ಪ್ರಗತಿಶೀಲ ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಕ್ಷೇತ್ರವನ್ನು ಆಟೋಎಂಎಲ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.ಗ್ರಾಹಕರು ML ಮಾದರಿಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಮತ್ತು ಕೈಗಾರಿಕಾ ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ವೇಗವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಸಹಾಯ ಮಾಡಲು ವಿವಿಧ ಕಂಪನಿಗಳು ತಮ್ಮ AI ಕೊಡುಗೆಗಳ ಭಾಗವಾಗಿ ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತಿವೆ.ಉದಾಹರಣೆಗೆ, ನವೆಂಬರ್ 2020 ರಲ್ಲಿ, ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ಗ್ರಾಹಕರಿಗೆ ಹೊಸ ವ್ಯಾಪಾರ ಮಾದರಿಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಲು ಕಂಪನ ಮತ್ತು ತಾಪಮಾನ ಡೇಟಾದೊಂದಿಗೆ ಯಂತ್ರ ಪ್ರಕ್ರಿಯೆ ಡೇಟಾವನ್ನು ಸಂಯೋಜಿಸುವ ಆಟೋಎಂಎಲ್-ಆಧಾರಿತ ಉತ್ಪನ್ನವನ್ನು SKF ಘೋಷಿಸಿತು.

ಯಂತ್ರ ಕಲಿಕೆ ಕಾರ್ಯಾಚರಣೆಗಳು (ML Ops) ಮಾದರಿ ನಿರ್ವಹಣೆ ಮತ್ತು ನಿರ್ವಹಣೆಯನ್ನು ಸರಳಗೊಳಿಸುತ್ತದೆ.

ಯಂತ್ರ ಕಲಿಕೆ ಕಾರ್ಯಾಚರಣೆಗಳ ಹೊಸ ವಿಭಾಗವು ಉತ್ಪಾದನಾ ಪರಿಸರದಲ್ಲಿ AI ಮಾದರಿಗಳ ನಿರ್ವಹಣೆಯನ್ನು ಸರಳಗೊಳಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.AI ಮಾದರಿಯ ಕಾರ್ಯಕ್ಷಮತೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಕಾಲಾನಂತರದಲ್ಲಿ ಕ್ಷೀಣಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಇದು ಸಸ್ಯದೊಳಗಿನ ಹಲವಾರು ಅಂಶಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಡೇಟಾ ವಿತರಣೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ಮಾನದಂಡಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳು).ಇದರ ಪರಿಣಾಮವಾಗಿ, ಕೈಗಾರಿಕಾ ಪರಿಸರದ ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸಲು ಮಾದರಿ ನಿರ್ವಹಣೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ಕಾರ್ಯಾಚರಣೆಗಳು ಅಗತ್ಯವಾಗಿವೆ (ಉದಾಹರಣೆಗೆ, 99% ಕ್ಕಿಂತ ಕಡಿಮೆ ಕಾರ್ಯಕ್ಷಮತೆ ಹೊಂದಿರುವ ಮಾದರಿಗಳು ಕಾರ್ಮಿಕರ ಸುರಕ್ಷತೆಗೆ ಅಪಾಯವನ್ನುಂಟುಮಾಡುವ ನಡವಳಿಕೆಯನ್ನು ಗುರುತಿಸಲು ವಿಫಲವಾಗಬಹುದು).

ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, ಮತ್ತು Weights & Biases ಸೇರಿದಂತೆ ಅನೇಕ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ಗಳು ML Ops ಜಾಗವನ್ನು ಸೇರಿಕೊಂಡಿವೆ.ಸ್ಥಾಪಿತ ಕಂಪನಿಗಳು ತಮ್ಮ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ AI ಸಾಫ್ಟ್‌ವೇರ್ ಕೊಡುಗೆಗಳಿಗೆ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಸೇರಿಸಿದ್ದಾರೆ, ಮೈಕ್ರೋಸಾಫ್ಟ್ ಸೇರಿದಂತೆ, ಇದು ಅಜುರೆ ML ಸ್ಟುಡಿಯೋದಲ್ಲಿ ಡೇಟಾ ಡ್ರಿಫ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಅನ್ನು ಪರಿಚಯಿಸಿತು.ಈ ಹೊಸ ವೈಶಿಷ್ಟ್ಯವು ಮಾದರಿಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕುಗ್ಗಿಸುವ ಇನ್‌ಪುಟ್ ಡೇಟಾದ ವಿತರಣೆಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಬಳಕೆದಾರರನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.

ಅಂಶ 3: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ಬಳಕೆಯ ಪ್ರಕರಣಗಳಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ

ಸಾಂಪ್ರದಾಯಿಕ ಸಾಫ್ಟ್‌ವೇರ್ ಪೂರೈಕೆದಾರರು AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸೇರಿಸುತ್ತಿದ್ದಾರೆ.

MS Azure ML, AWS SageMaker, ಮತ್ತು Google Cloud Vertex AI ನಂತಹ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ದೊಡ್ಡ ಸಮತಲ AI ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳ ಜೊತೆಗೆ, ಗಣಕೀಕೃತ ನಿರ್ವಹಣೆ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳು (CAMMS), ಮ್ಯಾನುಫ್ಯಾಕ್ಚರಿಂಗ್ ಎಕ್ಸಿಕ್ಯೂಶನ್ ಸಿಸ್ಟಮ್ಸ್ (MES) ಅಥವಾ ಎಂಟರ್‌ಪ್ರೈಸ್ ಸಂಪನ್ಮೂಲ ಯೋಜನೆ (ERP) ನಂತಹ ಸಾಂಪ್ರದಾಯಿಕ ಸಾಫ್ಟ್‌ವೇರ್ ಸೂಟ್‌ಗಳು AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಚುಚ್ಚುವ ಮೂಲಕ ಈಗ ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಬಹುದು.ಉದಾಹರಣೆಗೆ, ERP ಪೂರೈಕೆದಾರ ಎಪಿಕಾರ್ ಸಾಫ್ಟ್‌ವೇರ್ ತನ್ನ ಎಪಿಕಾರ್ ವರ್ಚುವಲ್ ಅಸಿಸ್ಟೆಂಟ್ (ಇವಿಎ) ಮೂಲಕ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಉತ್ಪನ್ನಗಳಿಗೆ AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸೇರಿಸುತ್ತಿದೆ.ಇಆರ್‌ಪಿ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಬುದ್ಧಿವಂತ ಇವಿಎ ಏಜೆಂಟ್‌ಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಉತ್ಪಾದನಾ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಮರುಹೊಂದಿಸುವುದು ಅಥವಾ ಸರಳ ಪ್ರಶ್ನೆಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು (ಉದಾಹರಣೆಗೆ, ಉತ್ಪನ್ನದ ಬೆಲೆ ಅಥವಾ ಲಭ್ಯವಿರುವ ಭಾಗಗಳ ಸಂಖ್ಯೆಯ ಬಗ್ಗೆ ವಿವರಗಳನ್ನು ಪಡೆಯುವುದು).

AIoT ಬಳಸಿಕೊಂಡು ಕೈಗಾರಿಕಾ ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡಲಾಗುತ್ತಿದೆ.

ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಹಾರ್ಡ್‌ವೇರ್/ಸಾಫ್ಟ್‌ವೇರ್ ಮೂಲಸೌಕರ್ಯಕ್ಕೆ AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಹಲವಾರು ಕೈಗಾರಿಕಾ ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ಹೆಚ್ಚಿಸಲಾಗುತ್ತಿದೆ.ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಯಂತ್ರ ದೃಷ್ಟಿ ಒಂದು ಎದ್ದುಕಾಣುವ ಉದಾಹರಣೆಯಾಗಿದೆ.ಸಾಂಪ್ರದಾಯಿಕ ಯಂತ್ರ ದೃಷ್ಟಿ ವ್ಯವಸ್ಥೆಗಳು ವಿಶೇಷ ಸಾಫ್ಟ್‌ವೇರ್‌ನೊಂದಿಗೆ ಸುಸಜ್ಜಿತವಾದ ಸಂಯೋಜಿತ ಅಥವಾ ಪ್ರತ್ಯೇಕ ಕಂಪ್ಯೂಟರ್‌ಗಳ ಮೂಲಕ ಚಿತ್ರಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತವೆ, ಅದು ಪೂರ್ವನಿರ್ಧರಿತ ನಿಯತಾಂಕಗಳು ಮತ್ತು ಮಿತಿಗಳನ್ನು (ಉದಾಹರಣೆಗೆ, ಹೆಚ್ಚಿನ ಕಾಂಟ್ರಾಸ್ಟ್) ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಮೂಲಕ ವಸ್ತುಗಳು ದೋಷಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತವೆಯೇ ಎಂದು ನಿರ್ಧರಿಸುತ್ತದೆ.ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ (ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ವೈರಿಂಗ್ ಆಕಾರಗಳನ್ನು ಹೊಂದಿರುವ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಘಟಕಗಳು), ತಪ್ಪು ಧನಾತ್ಮಕ ಸಂಖ್ಯೆಯು ತುಂಬಾ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ.

ಆದಾಗ್ಯೂ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಮೂಲಕ ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಪುನರುಜ್ಜೀವನಗೊಳಿಸಲಾಗುತ್ತಿದೆ.ಉದಾಹರಣೆಗೆ, ಇಂಡಸ್ಟ್ರಿಯಲ್ ಮೆಷಿನ್ ವಿಷನ್ ಪ್ರೊವೈಡರ್ ಕಾಗ್ನೆಕ್ಸ್ ಜುಲೈ 2021 ರಲ್ಲಿ ಹೊಸ ಡೀಪ್ ಲರ್ನಿಂಗ್ ಟೂಲ್ (ವಿಷನ್ ಪ್ರೊ ಡೀಪ್ ಲರ್ನಿಂಗ್ 2.0) ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಹೊಸ ಪರಿಕರಗಳು ಸಾಂಪ್ರದಾಯಿಕ ದೃಷ್ಟಿ ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ ಸಂಯೋಜನೆಗೊಳ್ಳುತ್ತವೆ, ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ಅದೇ ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ದೃಷ್ಟಿ ಪರಿಕರಗಳೊಂದಿಗೆ ಆಳವಾದ ಕಲಿಕೆಯನ್ನು ಸಂಯೋಜಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಗೀರುಗಳು, ಮಾಲಿನ್ಯ ಮತ್ತು ಇತರ ದೋಷಗಳ ನಿಖರವಾದ ಮಾಪನದ ಅಗತ್ಯವಿರುವ ವೈದ್ಯಕೀಯ ಮತ್ತು ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಪರಿಸರಗಳನ್ನು ಬೇಡಿಕೆಯಿರುವಂತೆ ಪೂರೈಸುವುದು.

ಅಂಶ 4: ಕೈಗಾರಿಕಾ AIoT ಯಂತ್ರಾಂಶವನ್ನು ಸುಧಾರಿಸಲಾಗುತ್ತಿದೆ

AI ಚಿಪ್‌ಗಳು ವೇಗವಾಗಿ ಸುಧಾರಿಸುತ್ತಿವೆ.

ಎಂಬೆಡೆಡ್ ಹಾರ್ಡ್‌ವೇರ್ AI ಚಿಪ್‌ಗಳು ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿವೆ, AI ಮಾದರಿಗಳ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ನಿಯೋಜನೆಯನ್ನು ಬೆಂಬಲಿಸಲು ವಿವಿಧ ಆಯ್ಕೆಗಳು ಲಭ್ಯವಿದೆ.ಉದಾಹರಣೆಗಳಲ್ಲಿ NVIDIA ನ ಇತ್ತೀಚಿನ ಗ್ರಾಫಿಕ್ಸ್ ಪ್ರೊಸೆಸಿಂಗ್ ಯೂನಿಟ್‌ಗಳು (Gpus), A30 ಮತ್ತು A10 ಸೇರಿವೆ, ಇವುಗಳನ್ನು ಮಾರ್ಚ್ 2021 ರಲ್ಲಿ ಪರಿಚಯಿಸಲಾಯಿತು ಮತ್ತು ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ವ್ಯವಸ್ಥೆಗಳಂತಹ AI ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ.ಇನ್ನೊಂದು ಉದಾಹರಣೆಯೆಂದರೆ Google ನ ನಾಲ್ಕನೇ ತಲೆಮಾರಿನ ಟೆನ್ಸರ್ ಪ್ರೊಸೆಸಿಂಗ್ ಯೂನಿಟ್‌ಗಳು (TPus), ಇದು ಶಕ್ತಿಯುತವಾದ ವಿಶೇಷ ಉದ್ದೇಶದ ಇಂಟಿಗ್ರೇಟೆಡ್ ಸರ್ಕ್ಯೂಟ್‌ಗಳು (ASics) 1,000 ಪಟ್ಟು ಹೆಚ್ಚು ದಕ್ಷತೆ ಮತ್ತು ವೇಗವನ್ನು ಸಾಧಿಸಬಹುದು ಮತ್ತು ನಿರ್ದಿಷ್ಟ AI ಕೆಲಸದ ಹೊರೆಗಳಿಗೆ (ಉದಾ, ವಸ್ತು ಪತ್ತೆ , ಚಿತ್ರದ ವರ್ಗೀಕರಣ ಮತ್ತು ಶಿಫಾರಸು ಮಾನದಂಡಗಳು).ಮೀಸಲಾದ AI ಯಂತ್ರಾಂಶವನ್ನು ಬಳಸುವುದರಿಂದ ಮಾದರಿಯ ಕಂಪ್ಯೂಟೇಶನ್ ಸಮಯವನ್ನು ದಿನಗಳಿಂದ ನಿಮಿಷಗಳಿಗೆ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಆಟದ ಬದಲಾವಣೆಯೆಂದು ಸಾಬೀತಾಗಿದೆ.

ಶಕ್ತಿಯುತ AI ಯಂತ್ರಾಂಶವು ಪೇ-ಪರ್-ಯೂಸ್ ಮಾದರಿಯ ಮೂಲಕ ತಕ್ಷಣವೇ ಲಭ್ಯವಿರುತ್ತದೆ.

ಸೂಪರ್‌ಸ್ಕೇಲ್ ಎಂಟರ್‌ಪ್ರೈಸ್‌ಗಳು ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡಲು ತಮ್ಮ ಸರ್ವರ್‌ಗಳನ್ನು ನಿರಂತರವಾಗಿ ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡುತ್ತಿವೆ ಇದರಿಂದ ಅಂತಿಮ ಬಳಕೆದಾರರು ಕೈಗಾರಿಕಾ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು.ಉದಾಹರಣೆಗೆ, ನವೆಂಬರ್ 2021 ರಲ್ಲಿ, AWS ತನ್ನ ಇತ್ತೀಚಿನ GPU-ಆಧಾರಿತ ನಿದರ್ಶನಗಳ ಅಧಿಕೃತ ಬಿಡುಗಡೆಯನ್ನು ಘೋಷಿಸಿತು, Amazon EC2 G5, NVIDIA A10G ಟೆನ್ಸರ್ ಕೋರ್ GPU ನಿಂದ ಚಾಲಿತವಾಗಿದೆ, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಮತ್ತು ಶಿಫಾರಸು ಎಂಜಿನ್‌ಗಳು ಸೇರಿದಂತೆ ವಿವಿಧ ML ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ.ಉದಾಹರಣೆಗೆ, ಸಂಸ್ಕರಣಾ ಪ್ರಯತ್ನಗಳನ್ನು ವೇಗಗೊಳಿಸಲು ಮತ್ತು ಮೈಕ್ರೋಚಿಪ್‌ಗಳು ಮತ್ತು ನ್ಯಾನೊಟ್ಯೂಬ್‌ಗಳ ತಯಾರಿಕೆಯಲ್ಲಿ ಹೆಚ್ಚು ನಿಖರವಾದ ಪತ್ತೆ ದರಗಳನ್ನು ಸಾಧಿಸಲು ಪತ್ತೆ ವ್ಯವಸ್ಥೆಗಳ ಪೂರೈಕೆದಾರ ನ್ಯಾನೊಟ್ರಾನಿಕ್ಸ್ ತನ್ನ AI-ಆಧಾರಿತ ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣ ಪರಿಹಾರದ Amazon EC2 ಉದಾಹರಣೆಗಳನ್ನು ಬಳಸುತ್ತದೆ.

ತೀರ್ಮಾನ ಮತ್ತು ನಿರೀಕ್ಷೆ

AI ಫ್ಯಾಕ್ಟರಿಯಿಂದ ಹೊರಬರುತ್ತಿದೆ, ಮತ್ತು ಇದು AI-ಆಧಾರಿತ PdM ನಂತಹ ಹೊಸ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ವರ್ಧನೆಗಳಲ್ಲಿ ಸರ್ವತ್ರವಾಗಿರುತ್ತದೆ.ದೊಡ್ಡ ಉದ್ಯಮಗಳು ಹಲವಾರು AI ಬಳಕೆಯ ಪ್ರಕರಣಗಳನ್ನು ಹೊರತರುತ್ತಿವೆ ಮತ್ತು ಯಶಸ್ಸನ್ನು ವರದಿ ಮಾಡುತ್ತಿವೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಯೋಜನೆಗಳು ಹೂಡಿಕೆಯ ಮೇಲೆ ಹೆಚ್ಚಿನ ಲಾಭವನ್ನು ಹೊಂದಿವೆ.ಒಟ್ಟಾರೆಯಾಗಿ, ಕ್ಲೌಡ್, ಐಒಟಿ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ಮತ್ತು ಶಕ್ತಿಯುತ AI ಚಿಪ್‌ಗಳ ಏರಿಕೆಯು ಹೊಸ ಪೀಳಿಗೆಯ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್‌ಗೆ ವೇದಿಕೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ.