ປັນຍາປະດິດອຸດສາຫະກຳແມ່ນຂົງເຂດທີ່ກວ້າງຂວາງກວ່າສະຕິປັນຍາທີ່ມີລັກສະນະເປັນຕົວຕົນ, ແລະ ຂະໜາດຕະຫຼາດທີ່ມີທ່າແຮງຂອງມັນຍັງໃຫຍ່ກວ່າ.

ສະຖານະການອຸດສາຫະກໍາແມ່ນໜຶ່ງໃນຂົງເຂດທີ່ສໍາຄັນທີ່ສຸດສໍາລັບການຄ້າຂາຍ AI. ໃນສອງປີທີ່ຜ່ານມາ, ບໍລິສັດຈໍານວນຫຼາຍໄດ້ເລີ່ມນໍາໃຊ້ເຕັກໂນໂລຊີ AI ຢ່າງກວ້າງຂວາງໃນອຸປະກອນຕ່າງໆ, ໃນສູນຂໍ້ມູນ, ແລະໃນການໂຕ້ຕອບລະຫວ່າງມະນຸດກັບເຄື່ອງຈັກອອນໄລນ໌ (HMIs). ອີງຕາມການຄາດຄະເນຂອງ IDC, ອັດຕາການເຈາະແລະສ່ວນແບ່ງຕະຫຼາດຂອງ AI ກໍາລັງເພີ່ມຂຶ້ນຢ່າງໄວວາ, ບໍ່ວ່າຈະເປັນຊອບແວທົ່ວໄປ, ຊອບແວການຂຽນໂປຣແກຣມອຸດສາຫະກໍາ, ຊອບແວວິໄສທັດອຸດສາຫະກໍາ, ຫຼືຊອບແວອຸດສາຫະກໍາອື່ນໆ. ໃນລັກສະນະດຽວກັນ, ຄວາມຕ້ອງການພະລັງງານການປະມວນຜົນ AI, ບໍ່ວ່າຈະເປັນໃນດ້ານອຸປະກອນ, ໃນດ້ານອຸປະກອນ, ຫຼືໃນສູນຂໍ້ມູນ, ກໍ່ຈະສືບຕໍ່ຂະຫຍາຍຕົວເຊັ່ນກັນ.

ນອກເໜືອໄປຈາກຄວາມສະຫຼາດທີ່ປະກົດຂຶ້ນແລ້ວ, ສະຖານະການການນຳໃຊ້ສະເພາະສຳລັບ AI ອຸດສາຫະກຳຍັງປະກອບມີດັ່ງຕໍ່ໄປນີ້:

ວິໄສທັດຂອງເຄື່ອງຈັກ: ໃນຖານະຜູ້ບຸກເບີກໃນການຈັດຕັ້ງປະຕິບັດປັນຍາປະດິດ, ເຄືອຂ່າຍປະສາດແບບ convolutional neural networks (CNNs) ໄດ້ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງມາດົນແລ້ວໃນການຈັດປະເພດ ແລະ ການກວດຈັບຕະຫຼອດການພັດທະນາຂອງມັນ. ໃນຊຸມປີມໍ່ໆມານີ້, ດ້ວຍການເພີ່ມຂຶ້ນຂອງຮູບແບບຂະໜາດໃຫຍ່, ເຕັກໂນໂລຊີ AI ຫຼາຍຂຶ້ນໄດ້ຖືກນຳສະເໜີໃຫ້ກັບວິໄສທັດຂອງເຄື່ອງຈັກ, ເຊັ່ນ: ການໃຊ້ຮູບແບບຂໍ້ມູນຂະໜາດໃຫຍ່ເພື່ອສ້າງຕົວຢ່າງ ຫຼື ກວດຈັບຄວາມຜິດປົກກະຕິ, ດັ່ງນັ້ນຈຶ່ງເອົາຊະນະຂໍ້ຈຳກັດຂອງເຄືອຂ່າຍ CNN ແບບດັ້ງເດີມ, ເຊິ່ງຕ້ອງການການຝຶກອົບຮົມຄືນໃໝ່ເມື່ອປະເຊີນກັບບັນຫາໃໝ່.

ການຄວບຄຸມອຸດສາຫະກຳ: ໃນຂົງເຂດການຄວບຄຸມ, ອັລກໍຣິທຶມແບບຄລາສສິກໄດ້ຖືກນຳໃຊ້ກ່ອນໜ້ານີ້. ເຖິງຢ່າງໃດກໍ່ຕາມ, ໃນສອງປີຜ່ານມາ, ການຮຽນຮູ້ແບບເສີມກຳລັງໄດ້ກາຍເປັນທ່າອ່ຽງການນຳໃຊ້ທີ່ໄດ້ຮັບຄວາມນິຍົມເທື່ອລະກ້າວ, ທັງໃນການຄວບຄຸມການເຄື່ອນໄຫວຂອງຫຸ່ນຍົນ ແລະ ຕົວຄວບຄຸມແບບດັ້ງເດີມອື່ນໆ.

ການຫັນເປັນດິຈິຕອນທາງອຸດສາຫະກໍາ: ກ່ອນໜ້ານີ້, ຈຸດສຸມແມ່ນຢູ່ທີ່ໜ້າທີ່ຕ່າງໆເຊັ່ນ: ການເພີ່ມປະສິດທິພາບການກຳນົດເວລາການຜະລິດ ແລະ ການດຳເນີນງານ ແລະ ການບຳລຸງຮັກສາ. ໜ້າທີ່ເຫຼົ່ານີ້, ໂດຍອີງໃສ່ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ໄດ້ຄ່ອຍໆລວມເອົາອັລກໍຣິທຶມ AI ຫຼາຍຂຶ້ນ. ໃນສອງປີທີ່ຜ່ານມາ, ການເພີ່ມຂຶ້ນຂອງຮູບແບບຂະໜາດໃຫຍ່ໄດ້ນໍາໄປສູ່ຄວາມຄືບໜ້າທີ່ສໍາຄັນໃນ RAG (Retrieval Augmentation Generation). ຜູ້ຜະລິດຊັ້ນນໍາຂອງໂລກ, ເຊັ່ນດຽວກັນກັບ ODMs ພາຍໃນປະເທດຫຼາຍແຫ່ງ ແລະ ແມ່ນແຕ່ ISVs, ໄດ້ຮັບຮອງເອົາ RAG ຢ່າງກວ້າງຂວາງໃນຜະລິດຕະພັນຊອບແວຂອງເຂົາເຈົ້າເພື່ອຫຼຸດຜ່ອນຕົ້ນທຶນ ແລະ ເພີ່ມປະສິດທິພາບ.