مصدر الصورةVisual China

نص تحليل الحب

تقرير هيئة التحرير

مدير التقرير

جين جيان هوا AiAnalysis الرئيس التنفيذي المؤسس

Zhang Yang AiAnalysis المؤسس المشارك ورئيس المحللين

كاتب التقرير

رئيس المحللين الشريك Li Zhe AiAiAnalysis

Huang Yong AiAnalysis كبير محللي

الخبراء الخارجيون (بالترتيب الأبجدي حسب الاسم الأخير)

Fang Lei Jiuzhang Yunji الرئيس التنفيذي المؤسس

الرئيس التنفيذي لشركة Hu Jian Lian Qunzhi

جيا يوهانج مدير عام بيانات المسح السحابي

Li Haoyang Squirrel AI 1 إلى 1 مؤسس كبير علماء تكنولوجيا التعليم

Qiao Xin Shenrui Medical الرئيس التنفيذي المؤسس المشارك

صن يو ، المؤسس المشارك والمدير التقني لشركة Chipshield Times

يانغ يونغ تشى الرئيس التنفيذي لشركة أبوتس تكنولوجي

Yin Zijie الرئيس التنفيذي لشركة Jiahe Technology

Zhao Jiehui Dipu Technology رئيس مجلس الإدارة والرئيس التنفيذي

في عام 2019 الماضي ، دخل الذكاء الاصطناعي إلى قاع منحنى النضج التكنولوجي ، وانفجرت فقاعة الضجيج التكنولوجي ، وبدأ تركيز الصناعة في التحول إلى كيفية تطبيق الذكاء الاصطناعي في الصناعة.

ومع ذلك ، نظرًا للفجوة بين التكنولوجيا واحتياجات العمل ، يواجه الذكاء الاصطناعي سلسلة من التحديات في عملية دخول الصناعة. في عملية تطبيق تقنية الذكاء الاصطناعي لتعزيز تحول الأعمال والارتقاء بها ، يجب على المؤسسات فهم هذه المشكلات والتعامل معها بفعالية.

من أجل تحليل المشكلات المذكورة أعلاه ، استعرض التقرير النظرة العامة للصناعة على الذكاء الاصطناعي ، ودمجها مع الحالات العملية لتحليل خلق القيمة المحددة التي توفرها تكنولوجيا الذكاء الاصطناعي للصناعة ، والتقدم المحرز في تنفيذ مختلف الصناعات واتجاهات التطبيق المستقبلية. في الوقت نفسه ، يحلل التقرير بشكل منهجي التحديات وطرق المواجهة التي تواجهها البيانات ونماذج الخوارزمية وفهم سيناريو الأعمال وطرق الخدمة ونسبة المدخلات والمخرجات وما إلى ذلك في عملية هبوط الذكاء الاصطناعي في الصناعة ، على أمل مساعدة الشركات تعزيز قيمة الذكاء الاصطناعي.

المحتوى

1. الذكاء الاصطناعي للتطبيقات الصناعية

2. الذكاء الاصطناعي يعزز التحول الرقمي للمؤسسات

3. تحديات هبوط الذكاء الاصطناعي واستجاباتها

4. آفاق اتجاهات تطبيقات الذكاء الاصطناعي

الخاتمة

حول تحليل الحب

إشعارات قانونية

1. الذكاء الاصطناعي للتطبيقات الصناعية

الذكاء الاصطناعي هو فرع من فروع علوم الكمبيوتر وعلم تقني يدرس ويطور النظريات والأساليب والتقنيات وأنظمة التطبيقات لمحاكاة الذكاء البشري وتوسيعه وتوسيعه.

النظرية الأساسية للذكاء الاصطناعي لها تاريخ طويل ، فالموجة الثالثة للذكاء الاصطناعي التي فجرها التعلم العميق ، بالإضافة إلى تقدم قوة الحوسبة وانفجار البيانات ، جعلت تقنية الذكاء الاصطناعي تنضج بسرعة وتهبط تدريجياً في التطبيقات الصناعية.

1.1 خريطة صناعة الذكاء الاصطناعي

من التكنولوجيا الأساسية الأساسية إلى تطبيقات الصناعة ذات المستوى الأعلى ، يمكن تقسيم صناعة الذكاء الاصطناعي إلى ثلاثة أجزاء: الطبقة الأساسية والطبقة العامة وطبقة التطبيق. توفر الطبقة الأساسية إمكانات الحوسبة مثل الرقائق وأطر الحوسبة لتقنيات الذكاء الاصطناعي الأساسية مثل الصورة والصوت ، وتوفر الطبقة العامة تقنيات عامة مثل الإدراك والحوسبة المعرفية ، وطبقة التطبيق هي التكامل العميق لتقنيات الذكاء الاصطناعي العامة و صناعات مختلفة لتوليد قيمة تطبيقية.المنتجات والخدمات.

الطبقة الأساسية: توفر دعمًا لقوة الحوسبة لتقنيات الذكاء الاصطناعي الأساسية مثل رؤية الكمبيوتر والتعرف على الكلام.إنها البنية التحتية للذكاء الاصطناعي ، بما في ذلك شرائح الذكاء الاصطناعي ومنصات الذكاء الاصطناعي وأطر حوسبة الذكاء الاصطناعي.وتعتمد بشكل أساسي على Google و Microsoft و أما شركات Amazon و Intel و IBM و Baidu و Tencent و Huawei و JD.com وغيرها من شركات الإنترنت الكبيرة وعمالقة الصناعة فهي الشركات الرئيسية.

الطبقة العامة: تنقسم تقنيات ومنتجات الذكاء الاصطناعي العامة التي تم تطويرها على أساس البنية التحتية ، مثل خوارزميات رؤية الكمبيوتر والأنظمة الروبوتية وما إلى ذلك ، بشكل أساسي إلى قسمين: التقنيات العامة للبرامج التي تمثلها الحوسبة الإدراكية وتقنيات الحوسبة المعرفية ، والآلة البشرية ، الروبوت والمنتجات العامة لتكامل البرامج والأجهزة الأخرى.

تقنيات ومنتجات الطبقة العامة هي أساسًا لمحاكاة القدرات المختلفة للبشر. بالتوافق مع الإدراك البشري وقدرات الإدراك والتنفيذ ، يمكن تقسيم الطبقة العامة إلى طبقة الإدراك لرؤية الكمبيوتر ، والتعرف على الكلام ومعالجة اللغة الطبيعية ، والطبقة المعرفية من الرسم البياني للمعرفة والتطبيق المتعمق لمعالجة اللغة الطبيعية ، والتنفيذ. طبقة من الروبوتات ، إلخ.

طبقة التطبيق: تهيمن شركات تطبيقات الذكاء الاصطناعي في الصناعات الرأسية على مجال التكامل العميق لتكنولوجيا وتطبيقات الذكاء الاصطناعي العامة في مختلف الصناعات. تقوم مؤسسات الذكاء الاصطناعي بطبقة التطبيقات بتغليف التقنيات العامة في المنتجات التي يمكن تنفيذها ، بما في ذلك المنتجات المتكاملة للبرامج والأجهزة والحلول الشاملة لسيناريوهات تطبيق محددة. مع نضوج التكنولوجيا ذات الأغراض العامة وأصبحت قيمة التطبيقات الصناعية بارزة ، فإن عددًا كبيرًا من الشركات ذات الأغراض العامة تمتد أيضًا إلى طبقة التطبيقات الخاصة بالصناعات المختلفة بناءً على قدراتها التقنية الأساسية.

1.2 نموذج عمل الذكاء الاصطناعي

في عملية انتقال الذكاء الاصطناعي نحو التطبيقات الصناعية ، من منظور توفير منتجات وخدمات الذكاء الاصطناعي للمؤسسات والمستخدمين الفرديين ، تنقسم النماذج التجارية لشركات الذكاء الاصطناعي بشكل أساسي إلى أربعة أنواع: استرجاع واجهة برمجة التطبيقات ، واشتراك / ترخيص المنتج ، " المنتج + الخدمة "الدفع مقابل الحلول والنتائج.

استدعاء واجهة برمجة التطبيقات (API): تُستخدم بشكل شائع من قبل الشركات المصنعة للطبقة الأساسية والطبقة العامة ، فهي تنتج قدراتها التقنية الخاصة في شكل واجهات برمجة التطبيقات ، مثل SenseTime في مجال رؤية الكمبيوتر ، و Baidu Apollo في مجال القيادة المستقلة ، و iFLYTEK في مجال التعرف على الكلام ، إلخ. من خلال تصدير تكنولوجيا الذكاء الاصطناعي إلى الشركات المصنعة للتطبيقات ، يكمل مصنعو التطبيقات تغليف الخطوة الأخيرة من المنتجات والحلول. ميزة هذا النموذج هي أن النموذج أخف وزنا ولديه قدرة قوية على التكرار على نطاق واسع.

اشتراك / ترخيص المنتج: إنه بشكل أساسي منتج للمستخدمين الفرديين في شكل روبوتات وتطبيقات ، ومنتج لعملاء الإنترنت والعملاء الصغار والمتوسطين في الصناعات التقليدية في نموذج SaaS قياسي. على سبيل المثال ، تتخذ شركات مثل DJI و Squirrel AI هذا النهج بشكل أساسي لخدمة المستخدمين الفرديين.

حل "المنتج + الخدمة": إنه مخصص بشكل أساسي للعملاء الكبار والمتوسطين في الصناعات التقليدية. إن سيناريوهات التطبيق لهؤلاء العملاء معقدة نسبيًا ، ومن الصعب على منتج واحد تلبية احتياجاتهم ، لذلك هناك درجة معينة من التخصيص الخدمات المطلوبة. على سبيل المثال ، تخدم شركات مثل Megvii Technology و Minglue Technology العملاء في مجال الأمن العام وتحتاج إلى توفير حلول شاملة.

الدفع مقابل التأثير: بعد دمج الذكاء الاصطناعي مع سيناريوهات العمل ، يتم تحصيله وفقًا لقيمة الأعمال الفعلية القابلة للقياس التي يولدها. غالبًا ما تكون شركات وعملاء الذكاء الاصطناعي في نموذج تعاون مماثل ، حيث يتقاضون رسومًا معينة وفقًا لحجم الأعمال. في الوقت الحالي ، هناك بعض التطبيقات المبكرة في مجالات التمويل وخدمة العملاء الذكية حيث يكون التطبيق ناضجًا نسبيًا. على سبيل المثال ، يقيس بائعو خدمة العملاء الأذكياء التأثير بناءً على مقدار تكاليف العمالة التي يساعدون عملاء المؤسسة على توفيرها ، ويمكنهم تحصيل الرسوم بناءً على عبء العمل وعدد الوكلاء.

2. الذكاء الاصطناعي يسهل التحول الرقمي للمؤسسات

منذ تطويره ، شهد الذكاء الاصطناعي تبريدًا واضحًا للفقاعات ودخل في قاع منحنى النضج التكنولوجي. بدأت الصناعة في العودة إلى العقلانية ، مع إيلاء المزيد من الاهتمام لكيفية تنفيذ الذكاء الاصطناعي في الصناعة وتعزيز التحول الرقمي للمؤسسات.

في هذا الفصل ، سنحلل القيمة التي أنشأها الذكاء الاصطناعي في التحول الرقمي للمؤسسات ، وكذلك التقدم والحالات العملية للذكاء الاصطناعي في مختلف الصناعات.

2.1 ثلاثة مستويات لخلق قيمة الذكاء الاصطناعي

يمكن تقسيم القيمة التي يجلبها تطبيق الذكاء الاصطناعي في الصناعة إلى ثلاثة مستويات: الأتمتة والذكاء والابتكار ، والقيمة التي يخلقها كل مستوى تزداد تدريجياً.

الأتمتة هي درجة الأتمتة التي تعتمد على تقنية الذكاء الاصطناعي لتحسين الأعمال. لا تغير الأتمتة عملية العمل الأصلية ، ولكنها تستبدل الأشخاص بالآلات لتنفيذ العمليات التجارية تلقائيًا ، وبالتالي تحسين الكفاءة وخفض التكاليف.

السيناريوهات النموذجية ، مثل الروبوتات الصناعية ، تحل محل العمال لأداء مهام متكررة مثل الفرز والتجميع ؛ في مجال التصوير الطبي ، تساعد أنظمة الذكاء الاصطناعي في قراءة الصور لتحسين كفاءة تشخيص الأطباء ؛ الإعلان البرنامجي في مجال الإعلان و التسويق ، إلخ. في معظم السيناريوهات ، تتضمن الأتمتة رابطًا واحدًا في سلسلة الأعمال.

يعتمد الذكاء على تقنيات الذكاء المعرفي مثل الرسوم البيانية المعرفية ، وتمكين الآلات من امتلاك قدرات التحليل وصنع القرار ، وإكمال المهام التي لا يمكن للبشر تحقيقها ، وتحويل العمليات التجارية ، وخلق قيمة إضافية.

على سبيل المثال ، في مجال الأمن ، استنادًا إلى تقنية الرسم البياني للمعرفة الصناعية لإيجاد علاقات ضمنية بين مئات الملايين من الكيانات ، واكتشاف سلوك العصابات التي ترتكب جرائم ، لا تستطيع القوى العاملة التعامل مع تحليل مثل هذا الكم الكبير من البيانات. في مجال البيع بالتجزئة ، استنادًا إلى بيانات المبيعات التاريخية للمتاجر ، يتم إنشاء نموذج توقعات المبيعات من خلال التعلم الآلي لتحقيق التنبؤ بالمبيعات ، وهو أكثر دقة بكثير من الاعتماد على التنبؤ بالخبرة ، ويقلل المخزون والخسارة.

يتضمن الذكاء بشكل أساسي التحليل والاستدلال واتخاذ القرار.غالبًا ما تتضمن سيناريوهات التطبيق التنقيب عن البيانات ، بالإضافة إلى تقنيات وخوارزميات الذكاء المعرفي مثل البرمجة اللغوية العصبية والتعلم العميق والتعلم المعزز ، والتعمق في العمليات التجارية الكاملة نسبيًا.

الابتكار هو التكامل العميق للذكاء الاصطناعي والصناعة لإعادة تشكيل العمليات التجارية والسلاسل الصناعية ، وتشكيل نماذج أعمال جديدة وحتى قطاعات فرعية جديدة. على سبيل المثال ، يمكن للحاويات الذكية القائمة على رؤية الكمبيوتر أن تقلل التكلفة بأكثر من 50 مقارنة بآلات البيع الميكانيكية التقليدية غير المأهولة ، ويمكن أن تستوعب المزيد من أنواع البضائع. القيادة بدون طيار هي الاتجاه المستقبلي للذكاء الاصطناعي مع الإمكانات الأكثر ابتكارًا.بمجرد أن تنضج تقنية القيادة بدون طيار ، سيتم قلب علاقة السلسلة الصناعية من الشركة المصنعة للمعدات الأصلية إلى مشهد استخدام السيارة في صناعة السيارات التقليدية.

2.2 الذكاء الاصطناعي يعزز ذكاء الأعمال للمؤسسات

الرقمنة هي استخدام التقنيات الرقمية لإعادة تشكيل العمليات التجارية ، مما يؤدي إلى فرص جديدة في تحقيق الإيرادات والقيمة. أصبح التحول الرقمي خيارًا لا مفر منه للمؤسسات لتحقيق نمو الأعمال.

ينقسم المسار النموذجي للرقمنة إلى ثلاث مراحل: "المعلوماتية - الذكاء عبر الإنترنت". المعلوماتية هي تحسين البنية التحتية لتكنولوجيا المعلومات ، والتي تعد أساسًا للمؤسسات لخدمة العملاء والعمل عبر الإنترنت. يشتمل الاتصال بالإنترنت على توصيل سيناريوهات تفاعل المستخدم وسيناريوهات العمليات التجارية عبر الإنترنت. يعتمد الذكاء على البيانات المتراكمة عبر الإنترنت ، بحيث يمكن تغيير عملية صنع القرار التجاري للمؤسسات من الخبرة والعملية إلى اتخاذ القرارات المؤتمتة والقائمة على البيانات ، وذلك لتقليل التكاليف وزيادة الكفاءة.

إن التحول الرقمي للمؤسسات يتعمق. مع تقدم المعلومات التجارية والاتصال بالإنترنت ، يستمر حجم البيانات المتراكمة من قبل الشركات في النمو ، كما أن تعقيد سيناريوهات الأعمال يزداد أيضًا. من الصعب على نماذج الأعمال التقليدية تلبية احتياجات العمليات والخدمات المحسنة ، وهو كذلك لا بد من الانتقال إلى المرحلة الذكية.

على سبيل المثال ، عندما تدرك مؤسسة البيع بالتجزئة المعاملات عبر الإنترنت وعمليات العضوية وخدمة العملاء من خلال APP والقنوات الأخرى عبر الإنترنت ، فستتاح لها الفرصة لتقديم توصيات منتجات مخصصة وخطط ترويجية بناءً على بيانات العملاء لتحسين تجربة الخدمة والمبيعات. ومع ذلك ، لا يمكن تحقيق هذا النوع من جاذبية الأعمال من خلال المطابقة اليدوية التقليدية أو ببساطة الاعتماد على قواعد الخبرة في العمل ، ويجب تحقيقه بمساعدة نمذجة التعلم الآلي.

لذلك ، فإن تقنية الذكاء الاصطناعي هي التكنولوجيا الرئيسية للمساعدة في التحول الرقمي للمؤسسات من المعلوماتية والاتصال بالإنترنت إلى الذكاء. سيصبح ذكاء الأعمال القائم على تطبيق تكنولوجيا الذكاء الاصطناعي هو القدرة التنافسية الجوهرية الجديدة للمؤسسات.

بالإضافة إلى ذلك ، احتلت بعض الشركات الرائدة في الصناعة موقع الصدارة ، فمن خلال تطبيق وممارسة سيناريوهات الأعمال الخاصة بهم ، قاموا بتجميع قدرات البحث الذاتي لتكنولوجيا الذكاء الاصطناعي تدريجياً وبدأوا في تصديرها.

2.3 تقدم تنفيذ الذكاء الاصطناعي

مع النضج المتزايد لقاعدة البيانات التي جلبتها الرقمنة الصناعية ، استمر تطبيق الذكاء الاصطناعي في التسويق والتمويل والحكومة الرقمية وتجارة التجزئة والصناعات الطبية وغيرها من الصناعات في التقدم ، وبدأ في تحقيق فوائد كبيرة ، ولكن تقدم التنفيذ تم تقسيمها إلى أولويات. في بعض الصناعات ، أدركت المؤسسات التقليدية تمامًا قيمة تطبيق الذكاء الاصطناعي وبدأت في إدخال التقنيات ذات الصلة على نطاق واسع في سيناريوهات الأعمال الفعلية.

بادئ ذي بدء ، في التنفيذ الفعلي للذكاء الاصطناعي ، تعد البنية التحتية الرقمية للصناعة عاملاً رئيسيًا يؤثر على تقدم التنفيذ. كلما ارتفعت درجة الرقمنة الصناعية ، زاد اكتمال أساس البيانات لتطبيق الذكاء الاصطناعي.

ثانيًا ، على أساس الاختلافات في البنية التحتية للبيانات ، تختلف أيضًا سيناريوهات التطبيق السائدة وعروض القيمة الناتجة عن مزيج من تكنولوجيا الذكاء الاصطناعي وسيناريوهات الأعمال المحددة في مختلف الصناعات ، وستكون في مراحل مختلفة من قيمة التطبيق.

أخيرًا ، بناءً على حجم السوق للصناعات المختلفة ، يختلف حجم السوق الناتج عن تطبيق تقنية الذكاء الاصطناعي. في الشكل أدناه ، يمثل حجم الفقاعات حجم السوق الحالي لتطبيقات الذكاء الاصطناعي في مختلف الصناعات ، بما في ذلك البرمجيات والأجهزة والخدمات.

بعد ذلك ، سنقوم بتحليل التقدم الفعلي في التنفيذ للذكاء الاصطناعي من خلال أخذ ممارسة تطبيق الذكاء الاصطناعي في بعض الصناعات مثل التسويق والتمويل والحكومة الرقمية والأمن والتعليم والصناعة كمثال.

2.3.1 التسويق

في مجال التسويق ، تكون سيناريوهات التسويق عبر الإنترنت عبر الإنترنت تمامًا وقائمة على البيانات ، كما أن سيناريوهات التسويق غير المتصلة بالإنترنت تتجه أيضًا نحو المرحلة الرقمية من خلال إضفاء الطابع الذكي على الأجهزة الطرفية مثل الكاميرات والشاشات وتعميم الهواتف الذكية. في الوقت نفسه ، تعمل مؤسسات العلامات التجارية أيضًا على تعزيز رقمنة نقاط الاتصال بالعملاء ، وتحسين تراكم أصول بيانات العملاء من خلال بناء البنية التحتية مثل المكتب الأوسط لبيانات العملاء.

بناءً على هذه الظروف ، تم استخدام الذكاء الاصطناعي على نطاق واسع في العملية التسويقية الكاملة للأعمال التجارية: من التطبيقات التلقائية المبكرة مثل إنشاء صورة المستخدم ، والتسليم الآلي ، ومنع الاحتيال المروري ، وما إلى ذلك إلى التطبيقات الذكية مثل التنبؤ بالسوق ، والتنبؤ بالمبيعات ، و خدمة عملاء ذكية تعتمد على البيانات ، ثم إلى أشكال الإعلان المبتكرة الحالية القائمة على التعرف على الصور في الفيديو والوسائط الأخرى.

تستخدم Jiahe Technology الذكاء الاصطناعي لمساعدة جنرال موتورز على تحسين كفاءة الإعلان

Jiahe Technology هي مؤسسة ذات توجه تكنولوجي تركز على توفير شبكات الأعمال الرقمية للمؤسسات. تبدأ الشركة من إدارة حركة مرور المؤسسة ، وتقوم كذلك بدمج بيانات التسويق في العمليات الداخلية وخدمات الإدارة. في الوقت نفسه ، أدخلت الشركة أيضًا تقنيات مثل البيانات الضخمة والذكاء الاصطناعي ، وهي ملتزمة بتقديم خدمات ترقية ذكية لعمليات المؤسسة وإدارتها.

تدرك Jiahe Technology ، باعتبارها الموضوع الأساسي ، تكامل الوسائط ، وتسويق العلامة التجارية ، وتسويق البيانات الضخمة ، وتحقق خدمات ذكية للتسويق الرقمي الرئيسي للعلامة التجارية من خلال أعمال تشغيل حركة مرور المجال العام للعلامة التجارية التي لا تتعامل مع ميزانيات العملاء.

بالنسبة لعملاء KA ، تمتلك Jiahe Technology بشكل أساسي قسمين من الأعمال:

(1) الارتقاء بتجربة المستهلك العالمية من خلال النظام الأساسي والخدمات الذكية لإدارة حركة المرور:

(2) مساعدة المؤسسات على ترقية التسويق الرقمي من خلال منصة التسويق الإضافية:

تركز Jiahe Technology على عملاء العلامات التجارية الرائدين في هذه الصناعة. وقد خدمت حتى الآن أكثر من 60 علامة تجارية ، بما في ذلك 20 صناعة فرعية ، من بينها السلع الاستهلاكية سريعة الحركة هي السلع الرئيسية ، ويمثل عدد العلامات التجارية 50 ؛ The سيساهم تطوير سوق صناعة السيارات في زيادة الإيرادات في عام 2019.

في مشروع نظام مركز التسويق الذكي SAIC-GM ، قامت Jiahe Technology ببناء نظام مركز تسويق ذكي حصري لـ SAIC-GM ، والذي يدير مئات الملايين من بيانات التسويق والقرارات ، ويحقق العمليات والقرارات على مستوى ميلي ثانية. يعتمد على الذكاء لتحسين كفاءة التسويق وتخصيص الميزانيات بشكل معقول. تحقيق الحد الأقصى من تخصيص موارد المؤسسة ؛ تحقيق تخطيط موارد المؤسسات التسويقية لصناعة السيارات ، معرفة أداء البيانات لكل نشاط في الوقت المناسب ، والتواصل مع العملاء المحتملين للمبيعات النهائية MQL ؛ إنشاء عملية صنع القرار التسويقي تتبع بيانات الارتباط الكامل "قمرة القيادة" وفتحها ، واتخاذ القرارات في الوقت الفعلي والتحسين وتحسين تصور الإخراج النهائي.

نظام إدارة الوسائط عبر الإنترنت

وهي تتبنى بشكل مبتكر نموذج "حزمة الدراما المشتركة للمعلنين المشتركين" ، وتشتري موارد الدراما التلفزيونية مع مالكي العلامات التجارية الدولية الآخرين لإطلاق الإعلانات بشكل مشترك.

افتح البيانات العالمية

توفير واجهات قياسية مخصصة ووحدات تخزين مصنفة مشفرة لبيانات المؤسسة الداخلية والخارجية ، مدعومة باستعادة البيانات عن بعد بعد الكوارث متعددة السحابة ، والفحص المنتظم لاختبار الاختراق ، ونظام إدارة أمان البيانات وغيرها من التدابير لتحقيق أقصى قدر من أمن البيانات. من خلال تحسين عمليات الأعمال ، وتوحيد الإرساء ، والتصحيح التقني المشترك السريع ، يمكنه تحقيق الاتصال والتكامل بسرعة مع أطراف البيانات الخارجية مثل الوسائط و DMP. من خلال تحليل البيانات للرابط التسويقي بالكامل ، تتحقق إدارة العملية بالكامل والتحكم في خط عملية الأعمال.

تحسين حملة التسويق المتمايزة

توفر Jiahe Technology خوارزميات ومنطقًا مخصصًا لتحسين حركة المرور ، وتدعم تحسين أوضاع البرامج المختلفة وموارد التسويق المختلفة.

وحدة التصور "شاشة انعكاس حركة المرور العالمية"

استخدم تحليل الذكاء الاصطناعي لعرض بيانات الأنشطة التسويقية الشاملة بأبعاد متعددة ، ومعرفة جودة دفع حركة مرور الوسائط في التسليم ، وكفاءة تفاعل المستخدمين ، والتأثير المتعمد للاحتفاظ بالوسائط على كل منصة.

"نظام تتبع البيانات في الوقت الحقيقي"

استخدم الذكاء الاصطناعي لتحليل روابط المؤشرات التي تؤثر على التأثيرات التسويقية ، وتزويد المسوقين بتقارير مخصصة وخدمات التحليل ، والمساعدة في تحسين قرارات التسويق.

استنادًا إلى الاحتياجات الفعلية للعملاء ، من خلال التطبيق المتكامل لحركة المرور ، جنبًا إلى جنب مع التطبيق الذكي للبيانات الضخمة والذكاء الاصطناعي ؛ تنتج Jiahe حلولًا مخصصة للعملاء ، وتوفر خدمات ذات قيمة مضافة للعملاء من خلال النظام والاستراتيجية وتقديم القيمة الأخرى. في الوقت الحاضر ، يرتبط نظام إدارة الوسائط عبر الإنترنت الخاص بـ SAIC-GM بأكثر من 20 وسائط رئيسية مثل قطاعات السيارات والأخبار وتطبيقات الحياة وتطبيقات الأدوات. من خلال نموذج "دراما الحزمة المشتركة للمعلنين" ، تمت زيادة عدد التعرضات غير المتكررة بشكل فعال ، ووصلت نسبة الزوار المستقلين خلال 7 حالات تعرض إلى 91 -100. بلغ معدل دفع تسجيل CPL 114 ، وزادت نسبة النقر إلى الظهور CTR بمتوسط 24.

2.3.2 التمويل

لطالما كانت عملية رقمنة الصناعة المالية في طليعة الصناعة. في ظل الطلب القوي للأعمال التجارية المالية ودعم ميزانية كافية لتكنولوجيا المعلومات ، تم استخدام تقنيات مثل الحوسبة السحابية والبيانات الضخمة على نطاق واسع ، وتراكمت بنية أساسية سليمة للبيانات. تعمل موجة "التكنولوجيا المالية" على تغيير الصناعة المالية بأكملها بشكل عميق .

أصبح تطبيق تقنية الذكاء الاصطناعي في الصناعة المالية أيضًا أكثر شمولاً ، وقد حقق درجات مختلفة من الاختراق في تصميم المنتجات والتسويق والتحكم في المخاطر وخدمة العملاء والروابط الأخرى.

من بينها ، يعد robo-Advisor تطبيقًا مبتكرًا نموذجيًا يستخدم تقنية الذكاء الاصطناعي لتنفيذ تحديد المخاطر وتخصيص الأصول (مطابقة الأموال العامة) والتحذير من مخاطر الاستثمار وأعمال أخرى للمستخدمين. على سبيل المثال ، أطلق China Merchants Bank منتج "Capricorn Smart Investment" ، الذي يزود المستخدمين بالاستثمار الشخصي وخدمات الاستشارات المالية.

تساعد تقنية Abbots بورصة هونغ كونغ على تحسين القدرة على معالجة البيانات

تركز Abbots Technology على تعزيز تطبيق الذكاء الاصطناعي في المجال المالي ، وتوفر بشكل أساسي حلول الذكاء الاصطناعي للبنوك ، والبورصات ، ومؤسسات إدارة الأصول ، إلخ.

من خلال التعاون مع العشرات من المؤسسات المالية ، قامت شركة Abbots Technology بصقل نظام حلول مالي ناضج. يعمل منتج AI + RPA من Abbots Technology "Everdroid" على أتمتة العملية بأكملها بدءًا من تحديد البيانات وحتى التحليل والتخزين. استنادًا إلى تقنيات مثل رؤية الكمبيوتر ، ومعالجة اللغات الطبيعية ، والرسم البياني المعرفي ، وما إلى ذلك ، يمكن للروبوتات الذكية من شركة Abbots Technology فهم تقارير بيانات التشغيل للشركات المدرجة ومحتوى المستندات القانونية ذات الصلة ، واستخراج البيانات المستهدفة وتحليلها تلقائيًا ، وتحليلها بكل سلاسة. أنواع البيانات لمنصة التسوية.

تعد معالجة البيانات في المجال المالي واحدة من أكبر التحديات التي تواجه الصناعة المالية الحالية. توجد معلومات وبيانات السوق في الإعلانات المختلفة ورسائل البريد الإلكتروني للشركات المدرجة بطريقة مجزأة ، وجمع المعلومات يستهلك الكثير من الموارد البشرية. ثانيًا ، معظم ملفات البيانات عبارة عن PDF بشكل أساسي ، ولا يمكن للمؤسسات المالية الاعتماد إلا على التكرار الميكانيكي اليدوي لتسجيلها ومعالجتها واحدًا تلو الآخر. في الوقت نفسه ، في عملية معالجة البيانات وتحليلها ، يجب على موظفي المؤسسة اختيار وفحص كمية كبيرة من البيانات ، مما يؤدي إلى عدم اليقين في صحة المعلومات ودقتها.

تمكّن Abbots Technology الذكاء الاصطناعي من قراءة عدد كبير من إعلانات الشركات العامة ، مما يمنحها القدرة على إدراك واستخراج البيانات من البيانات غير المنظمة ، بما في ذلك الإعلانات ورسائل البريد الإلكتروني والأخبار والصور. على سبيل المثال ، تقوم تقنية رؤية الكمبيوتر بتحويل المحتوى في الصور إلى كلمات ، أي وحدات البكسل إلى كلمات.

على المستوى المعرفي ، يتم تنفيذ تدريب النموذج في المجال المالي من خلال فهم اللغة الطبيعية لمساعدة الذكاء الاصطناعي على فهم محتوى ومعنى البيانات ، ومن ثم مساعدة العملاء على استيراد المعلومات إلى النظام أو برنامج Excel. أخيرًا ، تعرض شركة Abbots Technology نتائج التحليل للعملاء من خلال محرك بحث مرئي.

يشمل عملاء شركة Abbots Technology Service صندوق الثروة السيادية الوطني الصيني ، وصندوق الثروة السيادية السنغافوري ، وبورصة هونغ كونغ ، وشركة رأس المال الصينية الدولية ، وشركة هايتونج للأوراق المالية ، والصندوق العالمي الصيني ، إلخ.

شركة Hong Kong Exchanges and Clearing Limited (HKEX) هي عميل تمثيلي لشركة Abbots Technology. باعتبارها واحدة من المجموعات التجارية الرئيسية في العالم ، توفر HKEx للعملاء مجموعة كاملة من المنتجات والخدمات ، وتشمل أعمالها الرئيسية إدراج أسهم هونج كونج وتداول الأوراق المالية والتسوية.

نظرًا لاحتياجات العمل ، يحتاج HKEx إلى استخراج البيانات من التقارير التشغيلية المقدمة من الشركات المدرجة لتحليلها ، ولكن هذه البيانات مبعثرة في مصادر مختلفة ، مثل صفحات الويب والتقارير المالية والتقارير الخارجية ورسائل البريد الإلكتروني وما إلى ذلك. أدى الافتقار إلى سجلات التدقيق إلى الوصول المحدود إلى البيانات التاريخية ، وكان على HKEX أن يوظف 600 شخص لاسترداد المعلومات والتحقق من الدقة وتشغيل قواعد البيانات ذات الصلة يدويًا. هذا النهج غير فعال ولديه معدل خطأ مرتفع. تعرضت بورصة هونغ كونغ لخسائر فادحة بسبب سجلات موظف خاطئة.

استجابةً للمشكلات المذكورة أعلاه ، تعاونت بورصة هونغ كونغ مع شركة أبوتس تكنولوجي ، وساعد "إيفردرويد" بورصة هونغ كونغ على أتمتة عملية تحديد البيانات وتحليلها وتخزينها بالكامل.

تُمكِّن شركة Abbots Technology بورصة هونغ كونغ من استخراج البيانات وتحديدها تلقائيًا في التقارير التشغيلية المقدمة من الشركات المدرجة. في النهاية ، خفضت بورصة هونغ كونغ تكاليف العمالة بنسبة 80. يمكن إكمال عمل تحليل البيانات السابق لمدة 7 أيام في 15 دقيقة فقط من خلال الحل المالي لتكنولوجيا Abbots ، ويصل معدل دقة التحليل إلى أكثر من 95 ، مما يحسن كفاءة معالجة البيانات انخفاض معدل الخطأ.

استنادًا إلى تقنية الذكاء الاصطناعي ، توفر Jiao Aggregation حلولًا كاملة لدورة الحياة للائتمان

تأسست Jiao Juju في أغسطس 2012 ، وهي توفر للمؤسسات المالية حلول الذكاء الاصطناعي لكامل دورة حياة الائتمان ، بما في ذلك اكتشاف العملاء ، والتحكم الذكي في المخاطر ، ومكافحة الاحتيال ، وتقييم الائتمان ، وتحليل الاستراتيجية ، والرصد والإنذار المبكر ، وإدارة ما بعد القرض. على تكنولوجيا الذكاء الاصطناعي. تساعد العملية برمتها المؤسسات المالية على تحديد مخاطر الاحتيال بدقة ، وتقليل معدل الديون المعدومة المتأخرة بشكل فعال ، وتقليل تكاليف المؤسسة ، وتحسين الكفاءة التشغيلية والأرباح ، ومساعدة المؤسسات على التحرك نحو الذكاء الاصطناعي.

في الماضي ، اعتمدت البنوك التجارية بشكل أساسي على العمليات اليدوية لإكمال جميع جوانب الأعمال الائتمانية ، مما أدى إلى مشاكل مثل صعوبة الحصول على العملاء ، وارتفاع مخاطر الائتمان ، وانخفاض الكفاءة التشغيلية.

تنقسم مراقبة مخاطر الائتمان لدى البنوك التجارية تقريبًا إلى ثلاث مراحل: مراجعة الائتمان قبل القرض ، ومراقبة القرض ، وإدارة ما بعد القرض. تعمل مراجعة الائتمان قبل القرض بشكل أساسي على حل مشكلة وصول المستخدم وتسعير المخاطر ، وتركز مراقبة القرض بشكل أساسي على حالة السداد للعميل وتغييرات الحساب ، وتركز إدارة ما بعد القرض بشكل أساسي على المستخدمين المتأخرين في السداد لتذكير السداد لتقليل الخسائر.

كيفية جعل التمويل الشامل أكثر فائدة للجمهور في ظل ظروف المخاطر التي يمكن السيطرة عليها هو الشغل الشاغل للمؤسسات المالية الكبرى و Jiaoju. يقلل تطبيق تقنية الذكاء الاصطناعي أولاً من تكلفة العمالة وتكلفة التشغيل للأعمال الائتمانية ؛ وفي الوقت نفسه ، يمكن أن يؤدي استبدال البشر بالآلات إلى تحسين كفاءة ودقة الأعمال الائتمانية بشكل فعال ، وفي نهاية المطاف جعل أعمال الائتمان أكثر ذكاءً وأتمتة.

1) استكشاف ذكي للعملاء الخارجيين ، يقلل التفاعل بين الإنسان والحاسوب من تكاليف التشغيل. التطور السريع للأعمال المالية والائتمانية ، والأعمال التسويقية المكثفة كثيفة العمالة ، وموظفي المؤسسة أو أفراد الاستعانة بمصادر خارجية يقومون باستكشاف العملاء من خلال المكالمات الصادرة ، وتجربة العميل ضعيفة ، وكفاءة التحويل ليست عالية ، ومع المنافسة المكثفة في السوق و ارتفاع تكاليف العمالة عاما بعد عام ، وهذا التسويق التقليدي سيواجه النموذج تحديات أكبر. مع تطور ونضج تكنولوجيا الذكاء الاصطناعي ، سيحل الكشف الذكي عن العملاء القائم على التفاعل الصوتي الذكي محل وضع التشغيل اليدوي التقليدي تدريجياً. روبوت صوتي مزود بإمكانيات التعرف على الكلام ومعالجة اللغة الطبيعية وتركيب الكلام لأداء استكشاف العملاء على دفعات وبذكاء ، وإخراج نتائج التفاعل مع التسميات والتفاصيل ، وبالتالي مساعدة المؤسسات على تحقيق أهداف الإدارة والتشغيل لتحسين إنتاجية الأعمال وخفض التكاليف.

2) نظرة ثاقبة لمكافحة الاحتيال في المخاطر قبل الإقراض ، والمراقبة لاسترداد الخسائر أثناء الإقراض. في الماضي ، كانت عملية مراجعة الائتمان للمؤسسات المالية تتم يدويًا والمواد الورقية ، مما أدى إلى الاحتيال الائتماني المتكرر. تستخدم Jiao Aggregation بصمات أصابع المعدات ، ومحركات القواعد ، ومحركات الحوسبة المتدفقة ، والمحركات النموذجية وغيرها من التقنيات والمعدات لمساعدة المؤسسات المالية على إجراء تعدين شامل للنزاع وتحديد النقاط المشبوهة لمستخدمي التطبيق. في الوقت نفسه ، تبني Jiao Aggregation نموذجًا دقيقًا لتسجيل ائتمان التطبيق للعملاء استنادًا إلى تقنية الذكاء الاصطناعي ، وتبني نظامًا ذكيًا للتحكم في المخاطر وقفة واحدة للعملاء ، وذلك لتحديد مستوى مخاطر الائتمان للمستخدم بدقة وبسرعة ودقة ، ومساعدة المؤسسات المالية بشكل فعال في اتخاذ القرارات الائتمانية.

في رابط مراقبة القرض ، تستخدم Jiao Aggregation التعلم العميق ومحرك الإستراتيجية وتقنيات أخرى للتخلص بعمق من مخاطر تغييرات المستخدم والإضافات الجديدة والتقلبات غير الطبيعية ومراقبة مخاطر السداد.

3) نظام بانوراما لإدارة ما بعد القرض لضمان الامتثال التشغيلي وتعزيز التعاون الفعال قبل الإقراض وأثناءه وبعده.

استخدام تطبيقات تكنولوجيا الذكاء الاصطناعي لتمكين إدارة ما بعد القرض ، ومساعدة العملاء على تعزيز قدرات إدارة ما بعد القرض من خلال حلول ما بعد القرض ومخرجات المنتج المنتظمة ، وتقليل معدلات عدم الأداء بشكل فعال ، وتحسين معدلات استرداد الأصول المتأخرة ، وتعزيز إدارة الامتثال التشغيلي والتحكم ، وتقليل تكاليف عمليات ما بعد القرض.

يغطي نظام إدارة ما بعد القرض البانورامي الخاص بـ Jiao Aggregation تقرير تحليل معلومات بانوراما ، ومركز القرار ، وإدارة المعالجة عن بعد ، وإدارة الزيارات الخارجية و APP للزيارات الأجنبية ، وإدارة التقاضي والتحكيم ، وإدارة الامتثال ، ومراقبة مسار الوكيل ، والروبوت الصوتي الذكي وغيرها من الوظائف . تحسين الكفاءة التشغيلية ، وخفض تكاليف التشغيل ، وضمان الامتثال التشغيلي ، وتسهيل التعاون الفعال قبل الإقراض وأثناءه وبعده.

في الوقت نفسه ، بالنسبة للحالات المتأخرة على المدى القصير والمتوسط ، يمكن للروبوت الصوتي الذكي Jiao Aggregation الوصول إلى العملاء بكفاءة ودقة ، وإبلاغ المقترضين بالحالة المتأخرة والعواقب ، وتقليل تكاليف العمالة بشكل كبير ، وتحقيق كفاءة العمليات. المتأخرات المتأخرة ، وبالتالي يتحول إلى خبير.

حتى الآن ، وصل "حل دورة حياة الائتمان" الخاص بـ Ji'ao إلى تعاون عميق مع عدد من البنوك والتأمين وتمويل المستهلك المرخص والقروض الصغيرة المرخصة والمؤسسات المالية الأخرى. من منظور تأثيرات المستخدم ، ساعد التحكم الذكي للمخاطر من Jiao Aggregation المؤسسات المالية على تقليل مخاطر الاحتيال بأكثر من 65 ، وساعد المؤسسات المالية على خفض معدل الديون المعدومة من 1.9 إلى 1.1 ، وخفض معدل الديون المعدومة بنحو 50 ، أقل بكثير من متوسط مستوى الديون المعدومة في الصناعة.

2.3.3 الحكومة الرقمية

تدخل الحكومة الرقمية في الصين مرحلة التحسين الشامل ، وهي ملتزمة بالتحسين المستمر لمستوى الحوكمة والخدمات العامة من خلال استخدام التكنولوجيا الرقمية.

يُظهر تقييم مركز تقييم البرمجيات الصيني التابع لوزارة الصناعة وتكنولوجيا المعلومات أنه اعتبارًا من نوفمبر 2019 ، أصدرت 10 حكومات محلية على مستوى المقاطعات في بلدي ونشرت خطط تخطيط حكومية رقمية ؛ قامت شاندونغ والإدارات والمحليات الأخرى بالترويج لـ فتح البيانات الحكومية للمجتمع وتعزيز قدرات الحوكمة.

بفضل البناء والاستثمار على المدى الطويل في المعلوماتية الحكومية ، كانت البنية التحتية للبيانات في مجال الحكومة الرقمية مكتملة نسبيًا. يمتلك الذكاء الاصطناعي تطبيقات ناضجة في مجالات المدن الذكية ، والحكومة الذكية ، والأمن الذكي.

في مجال الخدمات الحكومية ، من خلال تطبيق التعرف على الوجوه والتعرف على الصوت والتقنيات الأخرى ، تم تحسين كفاءة وخبرة التحقق من الهوية وإدخال البيانات والاستشارة والروابط الأخرى في معالجة الأعمال المختلفة بشكل كبير ، و "رحلة واحدة على الأكثر " تم انجازه.

في مجال الأمن ، أدى الاختراق السريع لتقنية الذكاء الاصطناعي ، من هيكلة بيانات المراقبة بالفيديو الأساسية والتعرف على الهدف ، إلى أبحاث الذكاء الذكي والأمر والإرسال الذكي ، إلى المعدات الطرفية الذكية المساعدة ، إلى تحسين مستوى إدارة الأمن والتخفيف بشكل فعال ضغوط من قوة الشرطة غير الكافية.

بنظرة واحدة ، يبني Qunzhi مؤسسة فكرية دولية للوزارة

تأسست مجموعة إنسايت في نوفمبر 2015 ، لتضع نفسها كمزود حلول ومنتجات الذكاء الاصطناعي الشامل. استنادًا إلى تقنيات الذكاء المعرفي مثل البرمجة اللغوية العصبية والرسومات البيانية المعرفية ، طور Qunzhi أربعة منتجات رئيسية: اللغة الذكية والحكمة والخريطة الذكية والسياسة الذكية ، والتي يمكن أن تلبي احتياجات المؤسسات في إدارة البيانات في حالة النطاق الواسع للغاية ، متعدد المصادر وعدم التجانس ، والذكاء الاصطناعي في سيناريوهات مختلفة. لتلبية احتياجات النمذجة وتحليل القرار المعقد ، يمكن تنفيذ تقنية الذكاء الاصطناعي بسرعة في سيناريوهات العملاء ، وإنشاء منصة اتخاذ قرارات ذكية خاصة بالعميل.

نظرًا للاحتياجات المختلفة للعملاء والاختلاف الكبير في قبولهم لأدوات الذكاء الاصطناعي ، طورت Yiyi Qunzhi مصفوفة منتج كاملة ، والتي لا تقتصر على الإخراج المباشر البسيط لأدوات المنتج ، ولكنها تستخدم الحل الشامل للمنتجات والخدمات من أجل تلبية احتياجات العملاء. يمكن أن تساعد مصفوفة المنتج الكاملة من الأسفل إلى الأعلى بشكل فعال في تحسين معدل إنتاج الحل.

حلول Sigmaintell الصناعية مخصصة بشكل أساسي لمجالي التمويل والحكومة. في المجال المالي ، تُستخدم حلول IQOS بشكل أساسي في أربعة سيناريوهات: المراجعة المصرفية الذكية ، والتحكم الذكي في المخاطر ، ومكافحة غسيل الأموال الذكية ، ومكافحة الاحتيال الذكي. تعتبر نماذج الأعمال في السيناريوهات المالية قياسية نسبيًا. فمن ناحية ، يمكن أن تساعد Qunzhi الشركات بشكل فعال في تقليل تكاليف العمالة وتبسيط عمليات معالجة الأعمال. ومن ناحية أخرى ، يمكن أن تكمل القواعد الحالية وبناء نظام معرفة خبير لزيادة تحسين الدقة.

في مجال الحكومة ، تخدم Yiguangqunzhi بشكل رئيسي مجالات الدعاية الإعلامية والأمن العام ؛ في قسم الدعاية الإعلامية ، تُستخدم منتجاتها في سيناريوهات مثل الكشف الذكي للرأي العام وتحليل الذكاء عبر الإنترنت. في لمحة سريعة ، يستخدم Qunzhi البرمجة اللغوية العصبية ، والتعرف الضوئي على الحروف ، والرسم البياني المعرفي ، والمزايا التقنية الأخرى لاقتطاع السيناريوهات التي لا يمكن لشركات الرأي العام إشراكها ، وتزويد العملاء بوظائف تحليل الارتباط.

يشمل عملاؤنا قسم الدعاية باللجنة المركزية للحزب الشيوعي الصيني ، والنيابة الشعبية العليا للصين ، وبنك التعمير الصيني ، وبنك التوفير البريدي الصيني ، وبنك سيتيك الصيني ، وما يقرب من 100 مؤسسة أخرى.

بصفتها عميلًا تمثيليًا لـ LianQunzhi ، تحتاج الوزارة إلى إدارة التبادل والتعاون الدولي بشكل فعال ، وتنسيق عمل منظمات التبادل والتعاون ، والإعلان عن العمل ونشره ، وتقليل مخاطر الشؤون الخارجية وتحسين كفاءة العمل. ومع ذلك ، في عملية الشؤون الخارجية الدولية ، هناك صعوبات مثل تناثر الموارد ، وعدم وضوح كائنات الاتصال ، ونقص المعلومات حول قنوات التعاون ، الأمر الذي يتطلب دعم مراكز أبحاث الذكاء الاصطناعي.

في إطار عملية التعاون مع الوزارات واللجان ، يجري Lian Qunzhi تعدينًا دقيقًا لعلاقات الشخصية ، وتحليل واستخراج بيانات مختلفة مثل المعلومات العامة ، ومعلومات مركز الفكر ، والمعلومات الموضوعية للشخصيات العامة الدولية حول العالم ، باستخدام تقنية تحليل البيانات الضخمة و NLP وتكنولوجيا الرسم البياني المعرفي. يمكن لتقنيات الذكاء المعرفي مثل هذه استرداد معلومات الشخصية الدولية من بيانات ضخمة غير متجانسة ، واستخدام الشخصيات كهيئة رئيسية لبناء روابط كيانات مثل الأشخاص والآلات والأخبار ، وبناء خريطة معرفية. في الوقت نفسه ، يدمج Lian Qunzhi العديد من البيانات في الداخل والخارج ، ويؤسس نظامًا فكريًا كاملًا عن طريق الذكاء الاصطناعي ، ويوفر موارد فكرية دولية قابلة للاكتشاف والتطوير وقابلة للصيانة لصناعات مثل الدبلوماسية والتعاون والشؤون الخارجية و الأمن العام.

من خلال استخراج تكنولوجيا محرك البرمجة اللغوية العصبية NLP لذكاء النصاب لبناء مركز فكري ذو طابع دولي ، فقد عالجت ما يقرب من 50000 نوع من موارد المعلومات التي تغطي ما يقرب من 200 دولة ومنطقة حول العالم ، بشكل رئيسي في 28 لغة ، وهناك ما يقرب من مليون قطعة من بيانات الشخصية ، والتي يمكن أن تتعاون مع أنواع متعددة من قواعد بيانات الأحرف لإكمال احتياجات العمل ذات المستوى الأعلى في حقول محددة. بعد إطلاق المشروع ، أشادت وزارة معينة بمركز أبحاث العلاقات الدولية ومنصة قاعدة بيانات الشخصيات الرئيسية.

2.3.4 الأمن

مدفوعًا بالسياسة والطلب ، يفتح مجال الأمن السيبراني جولة جديدة من الفرص الذهبية. أدى تغلغل تقنيات مثل الحوسبة السحابية والبيانات الضخمة وإنترنت الأشياء إلى ظهور تحديات جديدة لأمن الشبكة ، كما أدى بشكل متزايد إلى توسيع نطاق أمان الشبكة ليشمل الحماية الأمنية لطبقة الأعمال.

يتضمن أمان الشبكة عددًا كبيرًا من عمليات معالجة البيانات وتحليلها ، وسيناريو الأعمال نفسه رقمي ، لذلك فإن تقنية الذكاء الاصطناعي لها أساس تطبيق جيد وسيناريوهات تطبيق غنية. أشار "الكتاب الأبيض حول صناعة الأمن السيبراني في الصين" الصادر عن أكاديمية تكنولوجيا المعلومات والاتصالات إلى أن مزايا تكنولوجيا الذكاء الاصطناعي في تحليل البيانات ، واستخراج المعرفة ، والتعلم المستقل ، واتخاذ القرارات الذكية ، إلخ. إدارة أمن الشبكة نحو اتجاه ذكي.

نموذج مكافحة الاحتيال AI عصر درع رقاقة ، وتحسين شامل لمستوى الأمن للأعمال المصرفية

تعد CoreShield Era مزودًا رائدًا لمنتجات وخدمات أمان الأعمال. مدفوعة بتقنيات متعددة الأبعاد مثل أمن المعلومات والذكاء الاصطناعي والبيانات الضخمة ، والاعتماد على إمكانات خدمة المؤسسة القوية ، فهي توفر للعملاء حياة كاملة قائمة على السيناريو- دورة حلول حماية أمن الأعمال لمساعدة العملاء على إنشاء نظام أعمال آمن وذكي وموثوق.

عميل CoreShield Times هو بنك تجاري مختلط الملكية. في السنوات الأخيرة ، التزم البنك بتطوير التمويل الشامل للمؤسسات الصغيرة والمتوسطة ومتناهية الصغر. مع موجة التمويل عبر الإنترنت ، نمت الأعمال التجارية للبنك عبر الإنترنت بسرعة ، ولكن معها ، ارتفعت مخاطر الاحتيال. تطور الاحتيال من سلوك فردي إلى عمل منظم جيدًا ومنقسما يشمل جميع أنواع المجرمين والصوف الأطراف. تجلب سلسلة الصناعة السوداء الواضحة تحديات خطيرة لأمان أموال العملاء ، كما تجلب تحديات خطيرة لتطوير الخدمات المالية عبر الإنترنت للبنوك.

في هذا السياق ، قرر البنك تقديم الدرع الأساسي المتمثل في "استشارات أمن الأعمال + منصة ذكية للتحكم في المخاطر + خدمة النمذجة" استنادًا إلى القواعد التقليدية للخبرة ، والتي تغطي المعاملات المصرفية قبل العملية وفي الوقت الفعلي. يتكون حل مكافحة الاحتيال متعدد القنوات متعدد السيناريوهات بعد الحدث من أربعة أجزاء:

من خلال نماذج التعلم الآلي مثل نموذج مكافحة الاحتيال في المعاملات (TOFD) ، ونموذج مكافحة الاحتيال التسويقي (MOFD) ، ونموذج مكافحة الاحتيال الائتماني (COFD) ، يتم تحليل سلوك المستخدم والمعلومات النهائية وفقًا لخصائص المخاطر المستخرجة بعد المخاطرة المختلفة سيناريوهات الأعمال. تقييم شامل للمخاطر ، وتوصيات إستراتيجية متباينة للتخلص بناءً على نتائج تقييم المخاطر ، وتحديد حوادث الاحتيال عالية المخاطر بشكل فعال مثل الاحتيال في التسويق ، وسحب الأموال ، وغسيل الأموال ، وسحب الأموال من بطاقات الائتمان ، وحماية أمن البنك الأصول وأموال العملاء.

من خلال التقنيات الأساسية الرائدة في الصناعة مع حقوق الملكية الفكرية المستقلة مثل المصادقة غير الإدراكية ، والتعرف على بصمات الأصابع ، والوعي بحالة التهديدات النهائية وخريطة ارتباط الاحتيال ، فإنه يغطي بشكل كامل احتياجات منع ومراقبة أمن الأعمال لمختلف أقسام الشركة.

من خلال النظام الأساسي لنمذجة التعلم الآلي المرئي (VAI) ، يمكن أن يؤدي التحسين المستمر والوقاية المتعمقة والتحكم في سيناريوهات الأعمال عالية المخاطر مثل غسيل الأموال وسحب الأموال من بطاقات الائتمان والغش في أنشطة التسويق إلى تقليل دورة اضمحلال مكافحة - نموذج الاحتيال وتحسين القدرة التلقائية على التحكم في المخاطر للنظام ، مع تعزيز أمن الأعمال ، فإنه يقلل من الاستثمار في الموظفين ويوفر الكثير من تكاليف العمالة.

بهدف حل مشكلة العينات غير المتوازنة وعدد قليل جدًا من البيانات المصنفة ، تم اعتماد "خوارزمية خوارزمية غير خاضعة للإشراف الباردة شبه الخاضعة للإشراف خوارزمية خاضعة للإشراف على الانتقال" كحل لتدريب النموذج ، والذي يقضي بسرعة على الآثار السلبية ويكمل المعاملة في قنوات عمل متعددة تنظيف وتمييز بيانات المياه الجارية وبيانات الدخول وبيانات التسجيل وفتح الحساب.

وفقًا لبيانات الأعمال التاريخية التي قدمها البنك ، بعد تنفيذ الحل ، تم تحسين دقة التحكم في المخاطر بشكل كبير.

في سيناريو اكتشاف عصابات الاحتيال ، حدد الحل 8 عصابات احتيال مشتبه بها من خلال خوارزمية الرسم البياني للارتباط وتحليل الارتباط لبناء شبكة علاقات ، تضم أكثر من 100 جهاز و 1500+ حساب.

في سيناريو السحب النقدي لبطاقة الائتمان ، يحدد الحل أكثر من 8000 عينة من بيانات سحب النقود من خلال صور ثنائية الأبعاد وتحليل الارتباط للمستخدمين والتجار. أخيرًا ، بعد المراجعة اليدوية من قبل خبراء الصناعة ، يبلغ معدل دقة العينات الإيجابية 98 .

2.3.5 طبي

إن مستوى الرقمنة في الصناعة الطبية له أساس معين بالفعل. في عام 2019 ، بلغ إجمالي الإنفاق الوطني على الصحة حوالي 6.38 تريليون يوان ، مثل الاستثمار في المعلوماتية الطبية حوالي 1 . لنأخذ المستشفيات كمثال ، فقد دخل إنشاء المستشفيات الذكية في المرحلة المبكرة من فرز البنية التحتية ، واكتملت المعلوماتية بشكل أساسي ، والخطوة التالية هي تحسين الترابط بين البيانات.

على وجه التحديد ، تشمل الصناعة الطبية كيانات سلسلة صناعية مختلفة مثل شركات الأدوية والمؤسسات الطبية والتأمين الطبي والتأمين التجاري ، بالإضافة إلى العمليات التجارية المقابلة مثل البحث والتطوير الدوائي والتشخيص والعلاج (مقسمة إلى التشخيص المسبق ، أثناء -التشخيص وما بعد التشخيص) والتحكم في التكاليف .. لقد اخترق الذكاء الاصطناعي كل منهم. بشكل عام ، فإن سيناريوهات تطبيق الذكاء الاصطناعي في الصناعة الطبية هي في مرحلة الأتمتة والذكاء.

من بينها ، يعد تشخيص التصوير الطبي هو المجال الأول والأسرع نموًا للذكاء الاصطناعي ، وهو سيناريو نموذجي للأتمتة. هذا لأن بيانات الصورة الطبية منظمة بشكل طبيعي ولها أساس بيانات جيد. تعمل القراءة المساعدة للصور من خلال تقنية رؤية الكمبيوتر على تحسين جودة عمل وكفاءة أخصائي الأشعة ، وتوفر خدمات في المناطق التي تفتقر إلى الموارد الطبية الكافية. في الوقت الحاضر ، تم تسويق منتجات وخدمات التصوير الطبي التشخيصي.

تعمل شركة Shenrui Medical على تمكين الرعاية الطبية باستخدام الذكاء الاصطناعي - كما تعمل على تحسين معدل الكشف وتقليل معدل التشخيص الفائت

نشأت Shenrui Medical من مركز ابتكار الذكاء الاصطناعي التابع لأكاديمية العلوم بجامعة بكين. من خلال تقنية الذكاء الاصطناعي والخوارزميات الأساسية المطورة ذاتيًا ، فإنها توفر للمستشفيات المحلية والأجنبية ومراكز الفحص البدني ومراكز التصوير التابعة لجهات خارجية ومؤسسات الخدمة الطبية الأخرى برنامج الذكاء الاصطناعي والحلول الطبية عبر الإنترنت.

Shenrui Medical هي مؤسسة رائدة في مجال التصوير الطبي لتحقيق تخطيط متعدد الأعمال. تغطي خطوط أعمالها مجالات نظام التشخيص المساعد الطبي للذكاء الاصطناعي ، ومنصة سحابة للتصوير الذكي ، ومنصة بحث علمية متعددة الوسائط ، ونظام ذكي للتشخيص المسبق ومعدات ذكية.

من بينها ، المنتج الرائد Dr. Wise تم توسيع منتجات سلسلة التشخيص الطبي بمساعدة الذكاء الاصطناعي من تحليل مرض واحد إلى الحل الشامل للنظام ، بما في ذلك الحل الشامل للجهاز التنفسي والجهاز العصبي ونظام التمرينات ورعاية النساء طب الأطفال. تغطي هذه السلسلة من المنتجات العملية الكاملة للتشخيص والعلاج ، وتحسن كفاءة تشخيص التصوير ، وتقلل بشكل فعال من حدوث التشخيص الخاطئ والتشخيص الضائع.

مستشفى لانتشو لصحة الأم والطفل مسؤول عن فحص نوعين من السرطان بين الكوادر النسائية في المدينة والنساء الريفيات في بعض المناطق. بدأ المستشفى في إجراء التصوير الشعاعي للثدي في عام 1990. بالإضافة إلى العمليات الفنية الروتينية ، يجب على كل طبيب إتقان اللمسة السريرية. من خلال الجس ، يتم إتقان الإسقاطات التكميلية ، ويتم توفير صور تصوير شعاعية دقيقة للثدي للاستخدام السريري.

في التطبيقات السريرية العملية ، تحافظ منتجات التشخيص الطبي بمساعدة الذكاء الاصطناعي في التصوير الشعاعي للثدي من Shenrui Medical على معدل اكتشاف مرتفع جدًا للتكلسات الصغيرة والكتل والظلال غير المتكافئة والتشوهات الهيكلية في أنسجة الثدي ، مما يحسن بشكل كبير اكتشاف معدل أمراض الثدي ، ويقلل من حالات التشخيص الفائت والتشخيص الخاطئ.

أشاد مدير قسم الأشعة بالمستشفى بنظام التشخيص الطبي بمساعدة التصوير الشعاعي للثدي Shenrui AI. لا يعمل النظام على تحسين كفاءة عمل القسم فحسب ، بل يحسن دقة تشخيص التصوير الشعاعي للثدي ، ويقلل من معدل التشخيص المفقود ، ولكنه يتيح أيضًا للأطباء الشباب القيام بذلك. استخدام المساعدة الطبية Shenrui AI. توحيد نظام التشخيص ومسار التشخيص الموحد ، تم تحسين مستوى التشخيص بسرعة. في الوقت الحاضر ، أصبح نظام دكتور وايز للتشخيص الطبي بمساعدة التصوير الشعاعي للثدي أداة تشخيصية روتينية لأخصائيي الأشعة.

قدم مركز الفحص الصحي Jinan Zhangqiu Jiamei رسميًا منتجات دكتور وايز للتشخيص الطبي المساعد للذكاء الاصطناعي من Shenrui Medical في أغسطس 2019 ، بما في ذلك نظام التشخيص الطبي المساعد للعقدة الرئوية AI ونظام التشخيص الطبي المساعد للسكتة الدماغية AI ونظام تقييم نمو الأطفال وتطورهم بالذكاء الاصطناعي.

من بينها ، يستخدم نظام التشخيص الطبي المساعد الدكتور وايز للعقدة الرئوية AI من Shenrui Medical صندوق ألوان واضح لتمييز إحداثيات العقدة الرئوية ، وهو مناسب لحث الأطباء على اكتشاف الآفات. بالنسبة للعقيدات الصغيرة التي يقل حجمها عن 5 مم ، فإن العقيدات الرئوية نظام التشخيص الطبي المساعد AI له أهمية كبيرة للتشخيص المبكر للمرضى حتى لا يفوتهم التشخيص والتشخيص الأسرع. تعد وظيفة المتابعة بالذكاء الاصطناعي ملائمة للأطباء للمراجعة والمتابعة ، وتحسين القدرة على القراءة ، وهي أكثر ملاءمة لمتابعة وعلاج العقيدات الرئوية الصغيرة.

يستخدم نظام دكتور وايز ستروك AI Medical Assistant لتشخيص Shenrui Medical القناة الخضراء للسكتة الدماغية في المستشفى.في مرحلة الإنقاذ بعد السباق مع الزمن ، سواء كانت سكتة نزفية أو سكتة إقفارية ، سيقوم نظام التشخيص المساعد بالذكاء الاصطناعي بالتصحيح على الفور السكتة الدماغية: يتم الكشف عن مكان الإصابة والإنذار المبكر ، ويتم قياس حجم الآفة بدقة ، مما يوفر أساسًا موثوقًا للتشخيص لأخصائيي الأشعة وأطباء الأعصاب.

يعتمد نظام تقييم Dr.Wise AI لنمو الأطفال وتطورهم في Shenrui Medical معيار Tw3 المقبول دوليًا والمعيار الصيني 05 مع الأطفال الصينيين كعينات. ، مجموعة كاملة من الوظائف المتقدمة لمساعدة الأطباء والعائلات على فهم النمو والتطور بشكل أفضل من الأطفال.

2.3.6 التعليم

شهدت صناعة التعليم عملية مكثفة عبر الإنترنت ، حيث ارتفع عدد كبير من شركات التعليم عبر الإنترنت في مجالات K12 والتدريب اللغوي وتعليم العلوم والتكنولوجيا والهندسة والرياضيات ، مما أدى إلى تغيير نمط جانب العرض. مع عملية الاتصال بالإنترنت ، جمعت صناعة التعليم في البداية كمية كبيرة من البيانات. في الوقت نفسه ، فإن معظم البيانات في مجال التعليم عبارة عن بيانات غير منظمة مثل النص والصوت والفيديو. سيلعب الذكاء الاصطناعي دورًا مهمًا في تحليل البيانات وتطبيقها.

في الوقت الحالي ، لا يزال تراكم البيانات في صناعة التعليم في المرحلة المبكرة ، وتراكم البيانات المتعلقة بوصلة التدريس الأساسية صغير نسبيًا.تكنولوجيا المعالجة والتحليل للبيانات غير المهيكلة ليست ناضجة ، والنضج العام للتنفيذ لا يزال هناك مجال كبير للتحسين.

فيما يتعلق بسيناريوهات التطبيق المحددة ، بدأت تقنية الذكاء الاصطناعي في اختراق العمليات التجارية مثل تدريس المعلمين والبحث ، والتسجيل واكتساب العملاء ، وخدمات التدريس. ومن بينها ، يحتوي رابط خدمة التدريس على سيناريوهات التطبيق الأكثر وفرة وهو أيضًا الارتباط الأكثر قيمة في المستقبل. في رابط التدريس والبحث للمعلمين ، استخدمت بعض المؤسسات التعليمية الرائدة عبر الإنترنت تقنية التعرف على الكلام لتحليل عملية فصل المعلم ، واختيار أفضل الممارسات لأفضل المعلمين لتحليلها ، وإيداعها في المحتوى ، وبالتالي تحسين جودة التدريس وتوحيد التدريس.

السنجاب AI 1 إلى 1: استخدام الذكاء الاصطناعي لتحسين كفاءة التدريس

تنتقل تقنية الذكاء الاصطناعي تدريجياً من البحث النظري إلى التطبيق العملي ، مما يمكّن الصناعة من تحقيق التنمية المتسارعة. من بين الصناعات التي هبطت أولاً ، تتمثل إحدى الخصائص الرئيسية في أن العمل كثيف العمالة والمتكرر يؤدي إلى انخفاض الكفاءة ، وصناعة التعليم هي مثال نموذجي.

لدى Squirrel AI نظرة ثاقبة للقيمة الثورية للذكاء الاصطناعي في صناعة التعليم ، ونجحت في تطوير أول محرك تعلم تكيفي للذكاء الاصطناعي مع حقوق ملكية فكرية مستقلة كاملة في الصين ، وأصبحت أول شركة في الصين تطبق هذه التكنولوجيا في مجال K12 التعليم الابتدائي والثانوي شركة يونيكورن التقنية.

أساس نظام التدريس التكيفي الذكي هو تقسيم نقاط المعرفة الموضوعية إلى تفاصيل على نطاق النانو ، وإنشاء الترابط بين كل عقدة معرفية ، وبناء خريطة معرفة كاملة ، وتشكيل مجموعة من شبكة المعرفة الديناميكية والمعقدة.

وهذا يعني أن نقاط المعرفة قد تم تعيينها في الأصل كهيكل شجري تقليدي وفقًا للمنهج الدراسي.تقوم تقنية خرائط المعرفة المبتكرة من Squirrel AI بإعادة بنائها في بنية شبكة ، وتستخدم التحديث التلقائي المستمر ونمو بيانات الطلاب لتحسين الخوارزمية بشكل مستمر . المحرك.

في الوقت نفسه ، يستخدم النظام التكيفي الذكي نظام Squirrel AI الأصلي (نمط التفكير والقدرات والمنهجية) للكشف عن وضع تفكير الطلاب وقدرة التعلم وطريقة التعلم والتحليل الشامل لوضع التعلم الحالي للطلاب وتحليل المعرفة الشخصية العمياء البقع ونقاط الضعف. والتي تصور بدقة الصورة الشخصية للطالب.

بعد تحديد مشكلة الطالب ، سيستخدم النظام الرسم البياني المعرفي لتتبع المصدر وتخطيط مسار التعلم المخصص ومراقبة البيانات السلوكية المختلفة في عملية التعلم اللاحقة وحساب خطة التعلم المثلى في الوقت الفعلي ودفعها لضمان أن عملية التعلم يمكن السيطرة عليها بكفاءة.

يمكن ملاحظة أن النظام التكيفي الذكي لـ Squirrel AI Learning يغطي الحلقة التعليمية المغلقة بأكملها ، ويمكن تقسيم تنفيذها المحدد تقريبًا إلى الخطوات الثلاث التالية:

الأول هو تشخيص حالة التعلم ، وهو تقييم ديناميكي لمستوى إتقان المعرفة لدى الطلاب. يلتقط نظام Squirrel AI بيانات المستخدم الأمامية في الوقت الفعلي ، ويبني كيمياء شخصية أكثر دقة مع تراكم البيانات وتحديثها ؛

ثم هناك الطب المناسب ، حيث لن تتعلم أين لن تتعلم. لكل ثغرة في نقطة المعرفة ، أوصي بمحتوى تعلم نقطة المعرفة على مستوى النانو للطلاب ، بما في ذلك 3-5 دقائق من مقاطع الفيديو التوضيحية أو الرسوم المتحركة أو محتوى الدورة التدريبية ، و دفع المحتوى المقابل بناءً على صورة موقف التعلم ؛ بعد التعلم ، من خلال التدريبات والأسئلة لاختبار تأثير استيعاب الطلاب للمعرفة وتطبيقها ، وما إلى ذلك.

أخيرًا ، سيقوم النظام بمراقبة عملية التعلم بأكملها ، وجمع بيانات التعلم مثل المعدل الصحيح للإجابة ، والاختيارات الخاطئة ، وما إلى ذلك ، بالإضافة إلى البيانات السلوكية مثل وقت الرد ، ومشاهدة توقف الفيديو ، والتشغيل. وفقًا لنظام البيانات الهائل ، سيستمر النظام في التطور ، وتحديث خريطة المعرفة ، والحكم بشكل أكثر دقة على حالة التعلم ومسار التعلم لكل طالب.

يعاني تيان يانكينغ ، طالب في مدرسة ابتدائية في منطقة جبلية في مقاطعة فقيرة على المستوى الوطني ، من تكون العظم الناقص ، المعروف باسم "الدمية الزجاجية". مقيدًا بالوضع الاقتصادي للأسرة وصحتها الجسدية ، لم يستطع تيان يانكينغ سوى التخلي عن الدراسة والعودة إلى المنزل.

لفترة طويلة ، كانت قدرات التعلم المختلفة لـ Tian Yanqing أقل بكثير من متوسط مستوى الطلاب في عواصم المقاطعات. بعد تلقيها الدروس الخصوصية من Squirrel AI لمدة شهرين ، زودتها وظائف نظام Squirrel AI ، مثل تتبع الأصل والتعلم الأساسي ، بالتعلم المستهدف والشخصي ، مما أدى إلى تحسين قيم قدراتها المختلفة بشكل كبير.ارتفع متوسط رأس المال البالغ 47 في المائة إلى مستوى أعلى. متوسط رأس المال 84 في المائة.

2.3.7 الصناعة

الصناعة هي شريان الحياة لاقتصاد أي بلد وترتبط بالقدرة التنافسية الجوهرية للبلد. إذا أخذنا "صنع في الصين 2025" كبرنامج عام ، فإن التحول والارتقاء بالصناعة الصينية يتقدمان بسرعة. من بينها ، تطوير الإنترنت الصناعي وتحقيق ترقيات الذكاء الصناعي بمساعدة التقنيات الرقمية مثل الإنترنت وإنترنت الأشياء والحوسبة السحابية والبيانات الضخمة والذكاء الاصطناعي هي واحدة من الخطوط الرئيسية.

بشكل عام ، مستوى الرقمنة في الصناعة الصينية منخفض ، والاستثمار في تكنولوجيا المعلومات غير كافٍ ، ولا يزال أساس البيانات في طور التحسين.

في عملية الترويج للإنترنت الصناعي ، ينعكس تغلغل تقنية الذكاء الاصطناعي بشكل أساسي في الجمع بين طبقة الحافة وإنترنت الأشياء لتحسين قدرات إدراك البيانات ، والجمع بين التعلم الآلي وتحليل البيانات في طبقة النظام الأساسي لتمكين الطبقة العليا التطبيقات. لا يزال تطبيق الذكاء الاصطناعي في المجال الصناعي في مهده.

مشهد الأتمتة ناضج نسبيًا ، والتطبيق النموذجي هو الروبوتات الصناعية. على أساس الروبوتات الصناعية التقليدية ، يتم فرض تقنيات الذكاء الاصطناعي مثل رؤية الكمبيوتر والتعرف على الكلام ، ويتم تحسين المستوى الذكي للروبوتات ، والتي يمكن أن تدرك التعرف على الأشياء المتناثرة وإمساكها ، والتخطيط المستقل لمسارات الحركة ، والآلات المتعددة التعاون والسيناريوهات الأخرى ، وذلك للتعامل مع مهام الإنتاج الأكثر تعقيدًا.

فيما يتعلق بالذكاء ، يجمع الإنترنت الصناعي المعدات وخطوط الإنتاج وبيانات المؤسسات والبيانات الصناعية ، ويمكنه الجمع بين تكنولوجيا التعلم الآلي للتعدين بعمق في قيمة التطبيق الكامنة وراء البيانات. على سبيل المثال ، استنادًا إلى تشغيل المعدات وبيانات الأعطال ، يتم استخدام خوارزمية التعلم الآلي لإنشاء نموذج للتنبؤ بأعطال المعدات لتحقيق الصيانة التنبؤية للمعدات وتقليل تكاليف التشغيل والصيانة وخسائر الأعطال.

في تشغيل وإدارة المصانع ، يمكن لتكنولوجيا رؤية الكمبيوتر تحسين مستوى الذكاء لأنظمة مراقبة أمن المصنع. على سبيل المثال ، يستخدم مصنع Foxconn الذكي أنظمة المراقبة بالفيديو وتكنولوجيا الرؤية الحاسوبية لمراقبة تطفل الأشخاص المشبوهين في مناطق خاصة ومراقبة إنتاج السلامة في أرض المصنع.

تستخدم Dipu Technology منصة الإنترنت الصناعية + الذكاء الاصطناعي لبدء التحول الرقمي لمؤسسات 3C

تأسست Dipu Technology في عام 2018 ، وتم تصنيفها كمزود خدمة متكامل رقمي ذكي للمؤسسات ، مكرس للبحث والتطوير وتنفيذ حلول منتجات الإنترنت والبيانات الضخمة والذكاء الاصطناعي وإنترنت الأشياء ، وهي مؤسسة رقمية رائدة باني في الصين.

في أكثر من عام ، توسع فريق Dipu Technology ليشمل حوالي 600 شخص ، يخدمون أكثر من 40 مؤسسة كبيرة ومتوسطة الحجم ، وأنشأ حلولًا لثلاثة سيناريوهات معيارية ، وهي ذكاء الأعمال والذكاء الاصطناعي وحدائق العقارات الذكية.

يشمل التحول الرقمي في مجال الاستهلاك العديد من الصناعات مثل الملابس ، والمطاعم ، والسيارات ، والسلع الاستهلاكية سريعة الحركة ، و 3 C ، والحجم ضخم. من بينها ، 3C لديها المفهوم الأكثر تقدمًا وأعلى معدل اختراق للتحول.

العلامة التجارية المحلية المعروفة للإلكترونيات الاستهلاكية 3C هي عميل نموذجي لشركة Dipu Technology ولديها قناة مبيعات قوية غير متصلة بالإنترنت. في ظل بيئة سوق الهاتف المحمول المشبع وتأثير رئيس الصناعة الواضح ، في مواجهة التغيرات في الإنتاج وسلسلة التوريد والمبيعات الناجمة عن اتجاه التحول الرقمي ، من الضروري إجراء تحول ذكي ورشيق للسلسلة بأكملها.

تشمل نقاط الضعف الرئيسية التي تواجهها العلامة التجارية عدم القدرة على تتبع تدفق البضائع ، وعدم القدرة على فهم بيانات المبيعات الحقيقية وردود فعل السوق في الوقت الفعلي ، وعدم كفاءة تعاون سلسلة التوريد ، وصعوبة تحسين سياسات التسويق.

تتعاون العلامة التجارية مع Dipu Technology ، والهدف هو إنشاء تكامل فريد رأسي وأفقي وشامل لسلسلة الجودة وسلسلة التوريد وسلسلة رأس المال وغيرها من التكامل الرأسي والأفقي والشامل من خلال "النقطة" جذب الأعمال القائم على المشهد ، والذي سيشكل في النهاية نشاطًا تجاريًا رقميًا مغلق الحلقة وبناء هاتف محمول نموذج للتحول الرقمي للصناعة.

هذا الهدف هو طريق طويل لنقطعه ، فالمشكلة الأساسية هي إيجاد نقطة دخول جيدة ، وتقديم الخدمات الفنية بنتائج قابلة للقياس الكمي ، وتشكيل تأثير إيضاحي من نقطة واحدة ، وزيادة تعميق التحول. يعد تحسين الكفاءة وجمع البيانات في عملية التصنيع أحد السيناريوهات الأولى.

يتضمن حل منصة الإنترنت الصناعية الذي أنشأته Dipu Technology الأجهزة الأساسية والنظام الأساسي السحابي ، والذي يمكن استخدامه للكشف عن الخلايا الكهروضوئية والوحدات النمطية والشاشات الأخرى بالذكاء الاصطناعي ، ويمكنه تكرار وبناء تطبيقات عبر السيناريوهات بسرعة لخدمة الدوائر المتكاملة والمعلومات الإلكترونية و صناعات أخرى.

عند الهبوط الفعلي ، توفر الأجهزة الأساسية PLC و AVI ، بما في ذلك الكاميرات الصناعية ومشاريع الفحص البصري ، وصندوق الحوسبة الحافة مصمم على الحافة.عندما تكون كمية البيانات المرسلة كبيرة نسبيًا ، يتم استخدام صندوق الحوسبة الحافة لتوفير كشف الحواف لتقليل كمية نقل البيانات.حل مشكلة نقل البيانات ذات السعة الكبيرة في المصنع.

تُنشئ الطبقة العليا سحابة خاصة مع مجموعة GPU للعملاء. علاوة على ذلك ، توجد منصة PaaS للإنترنت الصناعي ، والتي تتضمن بشكل أساسي منصة الأعمال المتوسطة ، ومنصة البيانات المتوسطة ، ومنصة الذكاء الاصطناعي المتوسطة ، والمنصة الوسطى لإنترنت الأشياء.

تم الهبوط في سيناريوهين لاكتشاف الشاشة النهائي واكتشاف SMT ، تستخدم الطبقة السفلية الكاميرات الصناعية التقليدية لجمع البيانات ، ثم تستخدم هذه البيانات لإجراء فحص بصري في مركز الذكاء الاصطناعي.تتمثل تقنية الكشف بشكل أساسي في التعرف على الصور والتعلم العميق الخوارزميات ، وعرضها أخيرًا على تطبيقات العميل ، بما في ذلك الفحص البصري ، وصيانة المعدات ، والإدارة ، إلخ.

بعد تنفيذ المشروع تضاعفت كفاءة التفتيش على خط إنتاج المصنع ، وزاد معدل دقة الفحص من 96.5 إلى 99.85 ، مما قلل عدد المفتشين بنحو 220.

في المستقبل ، ستوسع العلامة التجارية أيضًا أعمال تحسين سلسلة التوريد وتحسين عملية الجودة واتخاذ القرارات الذكية. في روابط المخزون واللوجستيات ، يتم دمج بيانات الفواتير والمبيعات والمخزون ، جنبًا إلى جنب مع ملاحظات تقرير المصنع الرشيقة ودفع الإستراتيجية ، لتحسين عملية الطلب النهائي ، وتحسين الكفاءة التشغيلية لسلسلة توريد السلع ومعدل دوران المخزون. في نهاية المطاف ، قم بتحسين كفاءة تسويق القنوات وتنفيذ الإدارة ، وخفض تكاليف تشغيل الأعمال ، وتحقيق هدف البناء الرقمي الكامل الارتباط.

3. تحديات هبوط الذكاء الاصطناعي واستجاباتها

في عملية الهبوط الصناعي المتعمق ، لا تزال هناك فجوة بين تكنولوجيا الذكاء الاصطناعي واحتياجات المؤسسة.

الهدف الأساسي لمستخدمي المؤسسات هو استخدام تقنية الذكاء الاصطناعي لتحقيق نمو الأعمال ، ولا يمكن لتقنية الذكاء الاصطناعي نفسها أن تلبي احتياجات العمل بشكل مباشر.من الضروري تشكيل منتجات وخدمات يمكن تنفيذها على نطاق واسع وفقًا لسيناريوهات عمل محددة و الأهداف. في هذه العملية ، يواجه الذكاء الاصطناعي سلسلة من التحديات من حيث البيانات والخوارزميات وفهم سيناريو العمل وطرق الخدمة ونسبة المدخلات والمخرجات.

3.1 البيانات

البيانات عنصر أساسي في تطبيقات الذكاء الاصطناعي. في عملية تطبيق تقنية الذكاء الاصطناعي لحل المشاكل في سيناريوهات أعمال محددة ، تشمل العمليات المتعلقة بالبيانات بشكل أساسي الحصول على البيانات ، وإدارة البيانات ، وتوسيم البيانات.

من حيث الحصول على البيانات ، جودة البيانات هي المشكلة الأولى التي يجب مواجهتها. في سيناريوهات النقطة الواحدة مثل التعرف على الصور والتعرف على النص والتعرف على الكلام ، يمكن إجراء تدريب النموذج بناءً على البيانات العامة الخارجية. ومع ذلك ، عند حل مشكلات عمل محددة ، سواء كان ذلك تدريبًا مسبقًا على النموذج أو استخدامه بعد انتقال النموذج عبر الإنترنت ، يجب استخدام البيانات من سيناريوهات العمل الفعلية ، وتكون قيمة البيانات الخارجية محدودة.

ومع ذلك ، نظرًا لعدم كفاية مستوى المعلوماتية التجارية والإنترنت ، فقد تكون هناك مشاكل تتعلق بنقص تراكم البيانات التاريخية أو ضعف جودة البيانات ، ويجب أن تمر بعملية البداية الباردة وحوكمة البيانات. بالإضافة إلى ذلك ، في الأعمال الفعلية ، تأتي الكثير من البيانات من التقارير اليدوية ، مما يؤدي أيضًا إلى ضعف دقة البيانات.من الضروري تنفيذ آلية للتحقق من البيانات أولاً للحكم على البيانات غير الطبيعية والقضاء عليها. على سبيل المثال ، يحتاج مالكو العلامات التجارية إلى جمع خطط ترويج المبيعات لقنوات مختلفة عند إجراء توقعات المبيعات ، ويتم الإبلاغ عن هذه البيانات بشكل عام بواسطة مندوبي مبيعات الخطوط الأمامية للقنوات. ومن السهل مواجهة مشكلات تتمثل في أن البيانات المبلغ عنها لا تتطابق مع التنفيذ الفعلي.

في مواجهة تحديات تراكم البيانات وعدم كفاية الجودة ، من الضروري إيجاد حلول من العمليات التجارية والخوارزميات. على سبيل المثال ، بالنسبة لمشكلة عدم كفاية بيانات العينة الفعالة ، يمكنك محاولة استخدام عينة من خوارزمية التعلم. بالنسبة لخطر ضعف جودة جمع البيانات ، من الضروري صياغة قواعد أكثر دقة بناءً على خبرة العمل في عملية جمع البيانات والحوكمة.

بالإضافة إلى ذلك ، أصبح تحدي الامتثال لاستخدام البيانات بارزًا بشكل متزايد. من ناحية أخرى ، أصبحت سياسات حماية البيانات المتعلقة بالخصوصية الشخصية أكثر صرامة. من ناحية أخرى ، عندما يتعلق الأمر بملكية البيانات ، بسبب مراعاة أمن البيانات ، غالبًا ما يكون من الصعب إدراك تدفق وتكامل البيانات التي تنتمي إلى مواضيع مختلفة. يمكن أن تحد هذه العوامل من توافر البيانات.

بالنسبة لمشكلة قيود ملكية البيانات ، تتمثل إحدى الاستراتيجيات الحالية في استخدام تقنيات جديدة مثل التعلم الموحد لإجراء تدريب على التشفير دون تبادل البيانات الأساسية ، والتي يمكن أن تحقق النمذجة المشتركة وحماية خصوصية البيانات.

فيما يتعلق بإدارة البيانات ، فإن تعقيد البيانات آخذ في الازدياد. في عملية تنفيذ الصناعة في سيناريوهات عمل فعلية ، ستصبح أنواع البيانات التي يجب جمعها وتحليلها أكثر تعقيدًا ، وغالبًا ما تتضمن بيانات غير متجانسة متعددة المصادر ، وبيانات سلاسل زمنية ، وبيانات غير منظمة ، وما إلى ذلك ، مما يزيد بشكل كبير من صعوبة تخزين البيانات والحوكمة. على سبيل المثال ، في السيناريوهات الصناعية ، تتضمن بيانات صورة المشهد الصناعي ، وبيانات نصية للعملية ، وبيانات السلاسل الزمنية لتشغيل المعدات ، مما يؤدي إلى تعقيد كبير لتنظيف البيانات والتطبيقات اللاحقة.

في مواجهة تحديات إدارة البيانات ، هناك حاجة إلى أساليب جديدة لإدارة البيانات. في الوقت الحالي ، هناك طريقة أكثر نضجًا تتمثل في استخدام نموذج بحيرة البيانات الضخمة ، مع مراعاة معالجة البيانات المهيكلة والبيانات غير المهيكلة ، ويمكن أن تحقق تخزينًا بتكلفة أقل ودعم استدعاء البيانات لخوارزميات الذكاء الاصطناعي بشكل أفضل.

فيما يتعلق بتسمية البيانات ، مع استمرار النمذجة في اختراق سيناريوهات الأعمال المجزأة للصناعات الرأسية ، يزداد تعقيد وسم البيانات.

أولاً ، يُطلب من المصممين إتقان معرفة صناعية أكثر تعقيدًا ، مما يزيد من عتبة وتكلفة تصنيف البيانات. على سبيل المثال ، يتطلب شرح الصور والنصوص الطبية في المجال الطبي وجود موظفين ذوي خبرة طبية. فيما يتعلق بأنواع البيانات ، تتزايد بيانات النص والصور ثلاثية الأبعاد ، كما أن تعقيد التعليقات التوضيحية أعلى من بيانات الصورة المسطحة السابقة.

ثانيًا ، بالنسبة لسيناريوهات التقسيم الرأسي ، من الضروري جمع "بيانات صغيرة" دقيقة لكائنات محددة في بيئات محددة وفقًا لمتطلبات النمذجة ، وهناك حاجة إلى المزيد من أساليب جمع البيانات الاحترافية. على سبيل المثال ، للتعبير الدقيق ومشاهد التعرف على التعبير المزيف ، يحتاج "ممثلون إضافيون" إلى التعاون مع الأداء كما هو مطلوب ، ويلزم جمع بيانات مشهد اصطدام السيارة في مشهد المختبر. علاوة على ذلك ، تعد بيانات سيناريو العمل المحددة هذه أحد الأصول القيمة لمالك البيانات ، ومن الضروري ضمان الأمان أثناء عملية تسمية البيانات.

في مواجهة التحدي المتمثل في تصنيف البيانات ، على مستوى الخوارزمية ، يمكن أن يؤدي نقل خوارزميات التعلم مثل التعلم شبه الخاضع للإشراف والتعلم غير الخاضع للإشراف إلى إضعاف الحاجة إلى تصنيف البيانات.

بالإضافة إلى ذلك ، من حيث التعليقات التوضيحية للبيانات ، يمكن أيضًا ملاحظة ظهور بعض منصات التعليقات التوضيحية للبيانات التابعة لجهات خارجية. من ناحية أخرى ، تعمل منصة وسم البيانات التابعة لجهة خارجية على حل مشاكل الجودة والتكلفة الخاصة بجمع البيانات ووسم البيانات من خلال فرق مهنية مدربة وخدمات مخصصة ؛ ومن ناحية أخرى ، تقوم أيضًا بتطوير بعض الأدوات المساعدة الآلية لتحسين الكفاءة من خلال الوسائل التقنية من عملية وسم البيانات.

منتج بيانات عالية الجودة ، تعمل بيانات القياس السحابية على تعزيز الذكاء الصناعي

من خلال التطوير المتعمق للذكاء الاصطناعي ، تمت ترقية الطلب على البيانات من الكمية إلى الجودة ، ويعتمد تدريب الخوارزمية على البيانات المستندة إلى السيناريو والبيانات المصقولة.

تعد بيانات الاختبار السحابية علامة تجارية لخدمة توسيم البيانات بالذكاء الاصطناعي تحت الاختبار السحابي Testin. من خلال مختبرات سيناريو البيانات المبنية ذاتيًا وقواعد وضع العلامات على البيانات ، وجمع البيانات ، وتنظيف البيانات ، ووضع العلامات على البيانات ، والنشر المخصخص لمنصات وضع العلامات ، وتخصيص خدمات وضع العلامات في الموقع خدمة البيانات وقفة واحدة.

يتم تقسيم عملاء خدمة بيانات الاختبار السحابية إلى عدة فئات. الفئة الأولى هي شركات الإنترنت 2C. هذا النوع من مجموعات العملاء لديه درجة عالية من التداخل مع مجموعة العملاء لخدمات اختبار السحابة. نظرًا لأن سيناريوهات التطبيق غنية جدًا وهناك العديد من خطوط الإنتاج ، فإن الطلب قوي نسبيًا. الفئة الثانية هي شركات الذكاء الاصطناعي ، مثل شركات التكنولوجيا التي تبحث عن القيادة الذكية ، والتعرف على الوجوه ، والتعرف على الصوت ومجالات أخرى.أساس التكرار التكنولوجي هو أكثر دقة وموارد بيانات أغنى. الفئة الثالثة هي الشركات الرائدة في الصناعات التقليدية ، مثل التمويل والتأمين والخدمات المصرفية والخدمات اللوجستية والتجزئة ، والتي لديها متطلبات كبيرة للتحول الرقمي.يمكن لتطبيقات الذكاء الاصطناعي تحسين كفاءة التشغيل الداخلية للمؤسسات وتتطلب قدرًا كبيرًا من المتخصصين في الصناعة المهيكلة البيانات. نمذجة لتعزيز تسويق الذكاء الاصطناعي.

وفقًا لخصائص كل صناعة ، تحتوي بيانات القياس السحابي على موظفين محترفين لتسمية البيانات ، وتقديم الحل الأمثل لصعوبات البيانات التي تواجهها المؤسسة. في الوقت الحالي ، أنشأت Cloud Test Data قواعد وسم البيانات في شرق الصين وجنوب الصين وشمال الصين لضمان عمليات البيانات والتسليم في الوقت المناسب ، وتقديم بيانات AI عالية الجودة للقيادة الذكية ، والمدينة الذكية ، والمنزل الذكي ، والتمويل الذكي ، والجديد. البيع بالتجزئة وغيرها من المجالات.

كمزود خدمة بيانات يوفر حلول بيانات مخصصة ، تتمتع Cloud Test Data بخصائص دقة وضع العلامات العالية وكفاءة وضع العلامات العالية والاحتراف العالي للمُلصقات.

بادئ ذي بدء ، دقة وسم البيانات لبيانات قياس السحابة عالية. في صناعة القيادة الذكية ، وبالتعاون الوثيق مع مصنعي المعدات الأصلية في المنبع ومصنعي السيارات الجديدة والعديد من الشركات التجارية في الصناعة ، من الكاميرات ثنائية الأبعاد إلى النماذج ثلاثية الأبعاد ليدار ، من سيارات الركاب إلى الشاحنات ، تعمل الصناعة باستمرار على تشكيل سيناريوهات متنوعة. وفقًا لاحتياجات السيناريوهات المختلفة ، يبني فريق القيادة الذكية لبيانات الاختبار السحابي سيناريوهات تجميع المستودعات الذكية داخل السيارة ، وينفذ سيناريوهات التطبيق السائدة مثل مجموعة إجراءات البيئة داخل السيارة.

تشمل خدمات وضع العلامات إطار الصورة العام ، ووضع العلامات على خط الممر ، والتجزئة الدلالية البانورامية ، إلخ. على سبيل المثال ، تحتاج علامات خط الحارة إلى تحديد خطوط الحارة التي يمكن تحديدها ، مثل خط متصل أبيض ، وخط منقط أبيض ، وخط متصل أصفر ، وخط منقط أصفر وطريق على طول الطريق ، بالإضافة إلى منطقة القيادة المباشرة ومنطقة القيادة غير المباشرة في السيارة والسمات المقابلة لها ، متطلبات التفاصيل الدقيقة. وفقًا للاحتياجات الدقيقة المختلفة للمؤسسات ، خدمت بيانات القياس السحابية العديد من سيارات الأجرة غير المأهولة ومصنعي السيارات الجديدة ومصانع السيارات التقليدية.

ثانيًا ، أنشأت Cloud Test Data نظام تداول تعاوني لعملية البيانات الكاملة ، مما يحسن بشكل كبير من كفاءة إنتاج عمليات البيانات. تعد صناعة المنزل الذكي بمثابة سيناريو تطبيقي مهم للذكاء الاصطناعي في مجال خدمات الحياة ، حيث تدمج منتجات المنزل الذكي بين التحكم الصوتي وتكنولوجيا إنترنت الأشياء لجعل الحياة أكثر ذكاءً وتوفير المزيد من الراحة في الحياة. هناك قدر هائل من البيانات التي يتم جمعها في هذا المجال ، بما في ذلك جمع مجموعات محددة ، وجمع تعبيرات المستخدم وأنواع المشاعر ، وما إلى ذلك.

تدعم بيانات القياس السحابية جمع المعدات الاحترافية وتجميع المشهد متعدد الوسائط. على سبيل المثال ، في مواجهة متطلبات التجميع العاطفي للابتسامات الحقيقية والابتسامات المزيفة ، يمكن جمع بيانات قياس السحابة من خلال مقارنة التعبيرات بدون عاطفة والتعبيرات بالعواطف. أولاً ، دع "فنان المجموعة" يتظاهر بأنه وجه مبتسم ، واجمع تعبيرات ابتسامة مزيفة ، ثم اعط نكتة للمجموعة ليجعله يظهر وجهًا مبتسمًا حقيقيًا ، ثم اجمعها. تساعد البيانات المجمعة العملاء على التعرف على تعبيرات الوجه وتمييز تعابير الوجه المزيفة. توفر بيانات اختبار السحابة شرحًا توضيحيًا لبيانات التفاعل المرئي والصوتي ، بما في ذلك النسخ الصوتي البشري ، والتعليق التوضيحي لنوايا السلوك ، والتعليق التوضيحي للتعرف على البصمة الصوتية ، والتعرف على المجال ، وتعميم الجملة ، والتجزئة الدلالية ، وخدمات التعليقات التوضيحية الأخرى. من أجل تحسين كفاءة وضع العلامات ، طورت Cloud Test Data بشكل مستقل نظامًا أساسيًا لتسمية البيانات ، وقوالب وضع العلامات المحددة مسبقًا لمهام وضع العلامات المختلفة بما في ذلك التجزئة الدلالية ، مما يجعل وضع العلامات أكثر دقة وتوحيدًا.

أخيرًا ، يتمتع المعلقون ببيانات القياس السحابية باحترافية عالية لضمان جودة التسليم وتوحيده. تُستخدم صناعة الأمن الذكي في الغالب في سيناريوهات مثل المدن الذكية ومراقبة تدفق الأشخاص وتحديد هوية السيارة. من خلال القياسات الحيوية ومراقبة السلوك والوسائل التقنية الأخرى ، يتم استخدامه على نطاق واسع في مراقبة الطرق الحضرية ، ومراقبة تدفق المركبات ، ومنع السلامة العامة وغيرها من المجالات.

تتمتع بيانات القياس السحابية بالكثير من الخبرة في المشروع في هذا المجال ولديها فهم عميق للصناعة. فهي توفر جميع أنواع التعليقات التوضيحية للبيانات وجمع البيانات المخصصة لمؤسسات الأمان الذكية ، مثل إدارة الوجه ورسم الإطار البشري وتتبع الهدف والدلالة التجزئة والتعليقات التوضيحية ، والسلوك غير الطبيعي ، والمشي ، وإعادة الهوية ، وجمع أغراض الطريق ، وما إلى ذلك ، العديد من شركات الذكاء الاصطناعي الرائدة هي عملاء لبيانات القياس السحابية. إن مشهد الأمن الذكي أكثر تعقيدًا ، فعلى سبيل المثال ، في مهمة وسم عظام الإنسان ، غالبًا ما نواجه انسداد النقاط الرئيسية في جسم الإنسان. يتطلب هذا تحديد موقع النقاط الرئيسية في دماغ الشخص لملء النقاط المحجوبة. بالنسبة للسيناريوهات كثيفة الحركة ، يحتاج المصممون إلى معرفة كافية عن محتوى وضع العلامات ومقارنة الإطارات قبل وبعد لضمان اتساق العلامات. نظرًا لأن المعلقين على بيانات قياس السحابة قد خضعوا لتدريب منهجي قبل العمل ، فيمكنهم أيضًا توحيد وتصنيف الهياكل البشرية غير السليمة بدقة.

في الوقت الحالي ، خدمت بيانات الاختبار السحابية مئات المؤسسات بنجاح. البيانات هي حجر الزاوية في تطوير تقنية الذكاء الاصطناعي. تساعد بيانات الاختبار السحابية ، مع بيانات عالية الجودة وعالية الدقة ، على الترقية الذكية للصناعة.

3.2 تفسير نموذج الخوارزمية

على مستوى نموذج الخوارزمية ، يتمثل التحدي الذي يواجهه الذكاء الاصطناعي في عملية التكامل مع أنظمة الأعمال في قابلية تفسير النموذج.

من النماذج التقليدية مثل خوارزميات الانحدار وأشجار القرار إلى الخوارزميات الناشئة مثل التعلم العميق ، يستمر تعقيد الذكاء الاصطناعي في الازدياد ، مما يجعل آليات صنع القرار الخوارزمية صعبة الفهم والوصف من قبل البشر. من حيث المبدأ ، فإن معظم الخوارزميات القائمة على التعلم العميق هي "الصناديق السوداء" ، والنماذج غير قابلة للتفسير.

ومع ذلك ، عندما يتعلق الأمر بالصناعات المالية والصناعية والطبية وغيرها ، نظرًا لعوامل مثل التحكم في المخاطر الأمنية والامتثال التنظيمي ، يجب أن يكون النموذج المطبق مباشرة على نظام الأعمال قابلاً للتفسير بما يتماشى مع منطق الأعمال ، مما يسمح لموظفي الأعمال ، يمكن لصناع القرار ومنظمي الصناعة أن يفهموا ، وإلا فسيكون من الصعب الهبوط.

على سبيل المثال ، بالنسبة لعلامات البيع بالتجزئة ، سيؤثر حجم مبيعات المنتجات في الشهر المقبل الذي توقعه نموذج توقعات مبيعات الذكاء الاصطناعي بشكل مباشر على سلسلة من الخطط مثل الإنتاج والمخزون والخدمات اللوجستية والتسويق ، بما في ذلك نشر أموال ضخمة. لذلك ، يجب أن تكون النتيجة المتوقعة قابلة للتفسير في الأعمال التجارية ، وإلا فلن يتمكن رجال الأعمال من تبنيها.

في الصناعة المالية شديدة التنظيم ، يصعب على المنظمين مواكبة شركات تكنولوجيا الذكاء الاصطناعي في فهمها وإتقانها للتكنولوجيا. لذلك ، من منطلق مبدأ الحيطة ، من أجل تجنب المخاطر المحتملة والثغرات التنظيمية ، غالبًا ما يتخذ المنظمون الماليون تدابير تنظيمية متحفظة لتطبيق تكنولوجيا الذكاء الاصطناعي في سيناريوهات الأعمال المالية ، مما يتطلب أن تكون نماذج الخوارزمية قابلة للتفسير لضمان إمكانية التحكم في المخاطر .

ولهذا السبب ، يُطلق على "الذكاء الاصطناعي القابل للتفسير" الكأس المقدسة للذكاء الاصطناعي وهي تجذب اهتمام الصناعة بشكل متزايد. الغرض من "الذكاء الاصطناعي القابل للتفسير" هو الشرح لمستخدمي التكنولوجيا والمنظمين المنطق وراء كل قرار يتخذه نموذج الذكاء الاصطناعي. بالمقارنة مع خوارزميات الصندوق الأسود غير القابلة للتفسير ، يتمتع "الذكاء الاصطناعي القابل للتفسير" بميزة زيادة شفافية الشبكات العصبية العميقة ، لذا فهو يساعد على تعزيز ثقة المستخدمين في الذكاء الاصطناعي من خلال تزويد المستخدمين بمعلومات إضافية مثل أساس الحكم. الشعور بالتحكم يمكن أن يوفر الأمن أيضًا أساسًا قويًا للإشراف اللاحق والمساءلة والتدقيق.

في التنفيذ الفعلي ، يمكن أيضًا استخدام مزيج من خوارزميات التعلم العميق والقواعد الإحصائية الكلاسيكية للنمذجة لحل مشكلة تفسير النموذج.

تسعة فصول Yunji: دمج المعرفة الصناعية لبناء "عقل AI" متكامل للمؤسسات

تأسست Jiuzhang Yunji في بكين في عام 2013 من قبل فريق من الأطباء من جامعة Tsinghua في الولايات المتحدة. وهي ملتزمة ببناء منصة علوم البيانات الرائدة في الصين ومركز صنع القرار في الوقت الفعلي ، وقد خدمت أكثر من 120 شركة كبيرة محلية وأجنبية الشركات.

توفر منصة DataCanvas لعلوم البيانات للمنتج الأساسي لشركة Jiuzhang Yunji تحليلًا موزعًا للبيانات في الوقت الفعلي ، وأعمالًا في الوقت الفعلي ، وإمكانيات إنشاء بيانات متوسطة ، وذكاء اصطناعي للصناعات المالية ، والحكومية ، والنقل ، وإنترنت الأشياء ، مع عتبة منخفضة ، ومتعددة المحركات ، وثلاثية (نمذجة الترميز ، النمذجة المرئية ، النمذجة الآلية) طرق النمذجة ، القابلة للتفسير (خوارزمية الصندوق الأبيض) ، مستودع الميزات ، مستودع النماذج ، النشر بنقرة واحدة ، التحديث السريع لمنظمة العفو الدولية في الوقت الحقيقي ، وما إلى ذلك ، تساعد عملاء المؤسسات على بناء تطبيقات البيانات الذكية بسهولة ، لاستكمال تحويل ذكاء البيانات.

بنك Shanghai Pudong Development هو العميل الممثل ل Jiuzhang Yunji في الصناعة المالية. من أجل تلبية احتياجات تطبيقات الذكاء الاصطناعي ، قام بنك Shanghai Pudong Development Bank سابقًا بشراء منصة نمذجة تجارية من شركة تصنيع أجنبية ، والتي لا يمكنها دعم النمذجة في الوقت الفعلي للبيانات الموزعة والواسعة النطاق ، وجميع النماذج تستخدم نموذج الصندوق الأسود ، التي لا يمكن تعجيلها وتحسينها بشكل أكبر كأصول مؤسسية. ومع ذلك ، هناك العديد من أنواع الخدمات المصرفية والمتطلبات المعقدة ، بما في ذلك متطلبات الوقت الحقيقي العالية ، ومعالجة البيانات على نطاق واسع ، والتقنيات المستقلة والقابلة للتحكم وحقوق الملكية الفكرية.من الصعب مطابقة منصة النمذجة الأصلية مع هذه المتطلبات بشكل جيد.

تعاون SPDB مع Jiuzhang Yunji لأول مرة منذ عام 2017 ، واستمر في توسيع التعاون لبناء عقل الذكاء الاصطناعي الخاص بـ SPDB ، وسيصل إلى تعاون استراتيجي في عام 2020. تستخدم Jiuzhang Yunji DataCanvas ، وهو محرك تدفق بيانات عالي الإنتاجية وزمن وصول منخفض ، لبناء نظام أساسي لنمذجة دورة الحياة الكاملة لعلوم البيانات ، وتوفير بيانات دفق في الوقت الفعلي وخدمات معالجة البيانات الدفعية للتسويق وأنظمة التحكم في المخاطر ، وتلبية الاحتياجات تحليل بصمة عملاء الخدمات المصرفية الإلكترونية ، وتحليل البيانات الضخمة لخدمة العملاء ، والتحذير من المخاطر في الوقت الفعلي ، وتسويق تغيير رأس المال ، وسيناريوهات الأعمال الأخرى.

الصناعة المالية هي صناعة شديدة التنظيم ولديها متطلبات عالية للامتثال للأعمال ، بما في ذلك أمان تطبيق التقنيات المتطورة مثل الذكاء الاصطناعي ؛ بالإضافة إلى ذلك ، يحتاج موظفو الأعمال إلى فهم جيد لمبادئ منصة النمذجة ، وتعزيز الثقة وتحديد ومنع الانحرافات وتحسين النموذج. لذلك ، أصبحت إمكانية تفسير النمذجة (مكتبة خوارزمية الصندوق الأبيض) استنادًا إلى النظام الأساسي لعلوم البيانات طلبًا صارمًا في الصناعة.

يشتمل النظام الأساسي لعلوم البيانات في الفصول التسعة على مستودع الميزات ومستودع المشغل ومستودع قالب خوارزمية سيناريو الأعمال ومستودع AutoML Recipe.

يحتوي مستودع الميزات على العديد من المعارف الصناعية الشائعة في الصناعة المصرفية لحل مشكلة تكامل الخبرة الصناعية والمعرفة التجارية: يمكن استخدام معرفة وخبرة مسؤولي القروض كميزات موسعة ، ويتم استخراج الميزات من خلال خوارزميات التعلم الآلي لتحسين النموذج وتحسين دقة مجموعة التدريب. يوفر مستودع خوارزمية المشغل خوارزميات مشغل التعلم الآلي ، بما في ذلك نماذج البرمجة Bayesian التي يمكن تفسيرها بشكل أكبر ، لتلبية "متطلبات الصندوق الأبيض" لعملاء البنك.

يحل مستودع قالب المشهد مشكلة المشهد عبر الصناعة ونقل المعرفة: يتم تنقيح المعرفة بسيناريوهات التسويق في الصناعات الأخرى إلى قوالب يتم تطبيقها على سيناريوهات تسويق مماثلة في الصناعة المصرفية ، مثل وظائف "اعرف عميلك" ووظائف تجميع العملاء للتوصية بها المنتجات المالية. يدمج مستودع AR إطار عمل Auto ML ، ويمكنه إعادة استخدام ميزات مماثلة لنماذج مماثلة عند بناء النماذج ، مما يقلل من الاعتماد على الأنظمة الأساسية لعلوم البيانات.

بعد اكتمال المشروع ، يمكن لموظفي بنك Shanghai Pudong Development وضع النماذج عن طريق السحب والإسقاط بيانياً ، مما يقلل من حد استخدام النظام الأساسي. تتجاوز قدرة معالجة البيانات للمجموعة الموزعة مليار قطعة / يوم ، مع ذروة تبلغ 500000 قطعة / ثانية ، والتي تلبي متطلبات الوقت الفعلي لإدارة مخاطر البنك ، ومراقبة تدفق رأس المال ، والتسويق الدقيق والخدمات الأخرى ، والأداء بعيدًا يفوق توقعات العملاء. على هذا الأساس ، زاد عدد سيناريوهات الأعمال المدعومة أيضًا من 6 سيناريوهات أصلية إلى 62 حاليًا ، مما يحسن بشكل كبير من كفاءة معالجة الأعمال.

3.3 فهم سيناريو الأعمال

من خلال التنفيذ المتعمق للذكاء الاصطناعي في مختلف الصناعات الرأسية ، ستتطور مشاكل العمل التي يتعين حلها من السيناريوهات العامة والمشكلات أحادية النقطة إلى سيناريوهات محددة وعملية الأعمال بأكملها. في الوقت نفسه ، أصبح تعقيد سيناريوهات الأعمال والحواجز التي تحول دون الدخول أعلى ، واستمرت متطلبات فهم سيناريوهات الأعمال في الازدياد ، مما يشكل تحديات أكبر لمصنعي الذكاء الاصطناعي المدفوعين بالتكنولوجيا.

في هذا السياق ، يعتمد مصنعو الذكاء الاصطناعي فقط على تقنية الخوارزمية وتراكم الخبرات ، ومن الصعب تلبية احتياجات فهم سيناريوهات الأعمال. لذلك ، يجب دمج خوارزميات الذكاء الاصطناعي مع خبرة الخبراء وقواعد العمل لحل المشكلات معًا ، وتصبح تقنية الرسم البياني المعرفي هي المفتاح.

بمساعدة تقنية الرسم البياني المعرفي ، يمكن إيداع خبرة الصناعة في رسم بياني للمعرفة الصناعية ، وعلى هذا الأساس ، يمكن للخوارزمية فهم الأعمال بشكل أفضل. في عملية التنفيذ الفعلية ، إنها طريقة أكثر جدوى لحل مشكلة فهم سيناريوهات الأعمال من خلال إنشاء رسم بياني معرفي موحد أولاً لتحقيق اندماج المعرفة ، ثم تعزيز التطبيق السريع للذكاء الاصطناعي.

3.4 وضع الخدمة

في عملية هبوط الذكاء الاصطناعي ، من الضروري أيضًا مراعاة مشكلة وضع الخدمة.

من ناحية أخرى ، غالبًا ما لا تتمتع المؤسسات التقليدية بقدرات تقنية قوية ولا يمكنها تطبيق التكنولوجيا بشكل مباشر. لذلك ، لا يمكن لمخرجات تقنية الذكاء الاصطناعي المعيارية أو طريقة خدمة استدعاء API تلبية الاحتياجات النهائية لموظفي الأعمال في المؤسسة. يحتاج مصنعو الذكاء الاصطناعي إلى توفير حلول مخصصة بناءً على القدرات التقنية وفقًا لسيناريوهات أعمال محددة ، وتجميعها في منتجات يمكن تطبيقها مباشرة على أنظمة الأعمال ، والتي تتطلب "منتجات AI +".

من ناحية أخرى ، فإن احتياجات مستخدمي المؤسسات هي تحقيق هدف العمل النهائي ، ومن الضروري ضمان التشغيل المستمر لنظام الأعمال ، بحيث يمكن لمنتجات الذكاء الاصطناعي أن تمارس قيمتها حقًا ، ولكن قدراتها التشغيلية محدودة أيضًا . لذلك ، غالبًا ما يُطلب من مصنعي الذكاء الاصطناعي تقديم خدمات عمليات تجارية مستمرة لضمان تحقيق نتائج الأعمال النهائية ، ويلزم وجود "خدمات الذكاء الاصطناعي +".

التحدي الذي يواجه مصنعي الذكاء الاصطناعي هو مشكلة نماذج الأعمال الخاصة بهم ، وهم بحاجة إلى التفكير في كيفية تجنب الإفراط في التخصيص والخدمة الثقيلة. على سبيل المثال ، يمكن تمكين موظفي الأعمال الأمامية لحل مشاكل العمل للعملاء معًا عن طريق Zhongtai. تتمتع طبقة المكاتب الوسطى بجميع القدرات العامة في المكتب الأوسط ، بناءً على دعم المكتب الأوسط وتمكين موظفي الواجهة الأمامية لخدمة العمليات التجارية للعميل ، والترويج المشترك لتنفيذ الحل وتحقيق الأعمال الأهداف.

3.5 نسبة المدخلات والمخرجات

في الوقت الحالي ، لا يزال مستخدمو المؤسسات يواجهون مشكلة التكلفة الإجمالية العالية للملكية عند الاستثمار في تطبيقات تكنولوجيا الذكاء الاصطناعي ، مما يؤدي إلى انخفاض نسبة المدخلات والمخرجات ، مما يؤثر بدوره على اعتماد تقنية الذكاء الاصطناعي.

من أجل تنفيذ تطبيقات تكنولوجيا الذكاء الاصطناعي في الأعمال التجارية ، تشمل التكلفة الإجمالية لملكية المؤسسة على الأقل العناصر التالية: من ناحية ، تتضمن المنتجات الذكية بما في ذلك الرقائق ومنصات الخوارزميات والأجهزة الأخرى. من ناحية أخرى ، تعتمد تطبيقات الذكاء الاصطناعي بشكل كبير على المحترفين ، ومن الضروري إدخال مواهب الذكاء الاصطناعي مثل مهندسي الخوارزميات. تكلفة منتجات الذكاء الاصطناعي ومواهب الذكاء الاصطناعي مرتفعة نسبيًا ، مما يؤدي إلى حقيقة أنه بالنسبة لبعض الصناعات ، أصبحت نسبة المدخلات والمخرجات أكبر عقبة أمام التنفيذ الواسع النطاق لتطبيقات الذكاء الاصطناعي.

من حيث التكلفة ، يمكننا أن نرى ظهور منتجات مثل منصات علوم البيانات ومنصات التعلم الآلي ، والتي تعمل على تحسين أتمتة نمذجة الذكاء الاصطناعي. يمكن لمنصة علوم البيانات أتمتة إعداد البيانات ، وبناء النماذج ، ونشر القرار ، وإدارة النماذج ، وما إلى ذلك ، مما يقلل من اعتماد عملية الأعمال بأكملها على مهندسي الخوارزميات ، وبالتالي تقليل التكلفة الإجمالية لملكية تطبيقات الذكاء الاصطناعي.

بالإضافة إلى ذلك ، تكمن فرصة تحسين نسبة المدخلات والمخرجات للذكاء الاصطناعي في المستقبل في تقليل متطلبات الأجهزة الناتجة عن تقدم الخوارزميات ، فضلاً عن تقليل تكاليف الأجهزة مثل رقائق الذكاء الاصطناعي.

4. آفاق اتجاهات تطبيقات الذكاء الاصطناعي

التطلع إلى المستقبل ، يعد تطوير البنية التحتية والتطور التكنولوجي من اتخاذ القرار إلى العمل وتوسيع سيناريوهات التطبيق من ذكاء المؤسسة إلى الذكاء الصناعي العديد من الاتجاهات الرئيسية الجديرة بالاهتمام في تطبيقات الذكاء الاصطناعي.

4.1 ترقية البنية التحتية وتوسيع سيناريوهات تطبيقات الذكاء الاصطناعي

في عام 2019 ، دخلت الصين رسميًا في العام الأول من الاستخدام التجاري لشبكات الجيل الخامس. كجيل جديد من تكنولوجيا الاتصالات ذات النطاق الترددي العالي ، والكمون المنخفض ، والاتصال الواسع ، أصبحت 5G بنية تحتية جديدة للتحول الصناعي والربط بين جميع الأشياء.

بادئ ذي بدء ، يمكن لـ 5G دعم النقل عبر الإنترنت في الوقت الفعلي لعدد كبير من الأجهزة ونقل البيانات الضخمة ، مما يزيد بشكل كبير من كمية البيانات المتاحة للمؤسسات وأداء البيانات في الوقت الفعلي ، ويوفر إمكانية المزيد من تطبيقات الذكاء الاصطناعي. ثانيًا ، مع توسيع نطاق نشر 5G ، ستدخل التطبيقات مثل الفيديو فائق الدقة المستند إلى 5G في النمو ، وسوف يلعب الذكاء الاصطناعي دورًا كبيرًا فيه.

على سبيل المثال ، في عدد كبير من مواقع الإنتاج الصناعي ، لا تتوفر شروط إنشاء شبكات سلكية ذات نطاق ترددي عالٍ ، والشبكات اللاسلكية التقليدية مثل Wi-Fi لا تفي بمتطلبات النطاق الترددي. المراقبة في الوقت الحقيقي وتحديد الهوية والإنذار المبكر الظروف غير الطبيعية مثل شبكات 5G توفر حلولًا جديدة. استنادًا إلى شبكة 5G ، يمكن أيضًا دمجها مع تقنية AR / VR لإجراء تشخيص خبير عن بُعد وتشغيل وصيانة أعطال المعدات.

بالإضافة إلى ذلك ، تعد الحوسبة المتطورة أيضًا ميزة مهمة في عصر 5G. أدى انفجار عدد كبير من الأجهزة الطرفية الذكية على الحافة إلى جعل طريقة معالجة البيانات المركزية التقليدية التي تتمحور حول السحابة غير قادرة على تلبية الطلب ، وتظهر الحوسبة المتطورة. مع معالجة المزيد من البيانات وتطبيقها على الجهاز ، سيتم تطبيق الذكاء الاصطناعي على نطاق واسع على الجانب الجانبي ، وسوف يرتفع ذكاء الحافة (Edge Intelligence).

4.2 يجلب التعاون بين الإنسان والآلة نموذج عمل جديدًا

وفقًا للقدرة على حل المشكلات ، من منظور سلسلة تحديد الهوية - الفهم - التحليل - اتخاذ القرار ، يمكن تقسيم تطوير الذكاء الاصطناعي إلى ثلاث مراحل - الذكاء الإدراكي والذكاء المعرفي وذكاء العمل.

الهدف من تقنية الذكاء الاصطناعي هو السماح للآلات بمحاكاة أو حتى تجاوز القدرات البشرية في السلسلة بأكملها من الإدراك إلى العمل ، ولكن في العديد من السيناريوهات المعقدة ، من غير الواقعي الاعتماد فقط على الآلات لتحل محل البشر تمامًا لحل المشكلات. مع الأخذ في الاعتبار عوامل مثل نطاق القدرة وكفاءة الوقت وتحسين التكلفة ، فإن نموذج التعاون بين الإنسان والآلة الذي ينشر البشر والآلات ككل سيصبح هو الاتجاه السائد في المستقبل.

التعاون بين الإنسان والحاسوب هو مزيج من الذكاء البشري وذكاء الآلة من خلال التفاعل بين الإنسان والحاسوب. على وجه التحديد ، يعتمد نموذج التعاون بين الإنسان والآلة على الرسوم البيانية المعرفية لدعم الاستدلال والتوصية ، ولتخصيص الموارد البشرية والآلية بشكل عقلاني لحل المشكلات المعقدة. وفقًا لمتطلبات المشهد المختلفة ، تشتمل طرق التفاعل المحددة بين الإنسان والحاسوب على طرق متكررة ومتكاملة ومختلطة.

بدأ التعاون بين الإنسان والآلة في الاختراق والهبوط في العديد من الصناعات.

على سبيل المثال ، في سيناريو مطعم ذكي ، يمكن استخدام التفاعل بين الإنسان والآلة لتحسين رضا العملاء. يمكن للروبوت أن يتعاون مع النادل لإكمال روابط الخدمة مثل الترحيب والاستقبال والطلب والتسليم والاستقبال.

في مشهد الأمن العام ، هناك 1.6 مليار كيان في الرسم البياني المعرفي ، ومن الضروري استخراج العلاقات الضمنية والقرائن المحتملة منه. نظرًا للكم الهائل من البيانات ، سيستغرق الاعتماد ببساطة على الآلات وقتًا طويلاً للبحث البانورامي. إذا تم اعتماد وضع التعاون بين الإنسان والآلة ، جنبًا إلى جنب مع خبرة خبراء التحقيق الجنائي وبصيرةهم ، فيمكن الحكم على أن الاتجاهات الرئيسية المشبوهة يتم البحث عنها بعمق بواسطة الآلة ، مما قد يؤدي إلى تحسين الكفاءة بشكل كبير.

في هذه المرحلة ، لا يزال تقدم التعاون بين الإنسان والآلة يهيمن عليه الأشخاص الذين يحكمون على احتياجات المشهد ويتوافقون مع قدرات الآلة. يتمثل الاتجاه المستقبلي في تمكين الآلات من الحكم بشكل مستقل على السيناريوهات وجدولة الموارد والتعاون مع البشر.

4.3 الربط الصناعي الذكي

مع التحول الرقمي للمؤسسات والتقدم المستمر للإنترنت الصناعي ، تم تحسين البنية التحتية لبيانات الترابط الذكي الصناعي بشكل مستمر. أدرك الإنترنت الصناعي اتصال البيانات في جميع روابط السلسلة الصناعية. وعلى هذا الأساس ، سوف يمتد تطبيق الذكاء الاصطناعي من الذكاء الداخلي للمؤسسات إلى الذكاء الصناعي ، وتحقيق التنسيق الذكي للمشتريات والتصنيع والتوزيع وغير ذلك. الروابط ، وإفساح المجال كاملاً للإنترنت الصناعي.قيمة وتحسين الكفاءة الإجمالية للصناعة.

على سبيل المثال ، منصة استدعاء السيارات التي يمثلها Didi هي عينة مبسطة من التوصيل البيني الذكي الصناعي. كل سائق لاستدعاء السيارات عبر الإنترنت هو مشغل صغير. من خلال منصة الإرسال الذكية الخاصة بـ Didi ، يتم إنشاء الاتصال بالمستخدمين النهائيين. يدرك توقع الذكاء الاصطناعي للمنصة والتوصية والإرسال والخوارزميات الأخرى المطابقة الفعالة للطلب على السيارة وقدرة النقل. هذا هو شيء لا يستطيع سائق واحد القيام به.

في صناعة البيع بالتجزئة ، "Double Eleven" هي ممارسة ربط ذكي صناعي نموذجي. يشارك فيها عشرات الملايين من التجار ومئات الملايين من المستهلكين. بدعم من البنية التحتية للربط الصناعي مثل التصنيع والتجارة الإلكترونية والخدمات اللوجستية والدفع المالية ، وما إلى ذلك ، جنبًا إلى جنب مع الذكاء الاصطناعي ، وما إلى ذلك. مع تمكين التكنولوجيا ، يمكن إكمال عدد كبير من المعاملات عبر الإنترنت وأداء العقود بكفاءة. على سبيل المثال ، يمكن للتجار الرجوع إلى بيانات توقعات اتجاه المبيعات لمنصة التجارة الإلكترونية للتخزين مقدمًا ، والجمع بين نظام جدولة المخزون وشبكة الخدمات اللوجستية لتخصيص الطلبات بذكاء إلى المستودعات والمتاجر غير المتصلة بالإنترنت مع أقصر مسار توزيع للتسليم .

مع نضج البنية التحتية واختراق التكنولوجيا ، ستتجه المزيد من الصناعات نحو الترابط الذكي الصناعي في المستقبل.

الخاتمة

في عشرينيات القرن الحالي ، ستصبح كيفية تنفيذ الصناعة هي الاقتراح الرئيسي للذكاء الاصطناعي.

بشرط أن تكون التكنولوجيا الأساسية العامة ناضجة بشكل أساسي ، ومتكاملة بشكل وثيق مع تطبيقات الصناعة لتعزيز التحول الرقمي وتحسين الإنتاجية في الصناعة ، يمكن لتقنية الذكاء الاصطناعي أن تدرك قيمتها حقًا. في الوقت نفسه ، يعد تحويل تكنولوجيا الذكاء الاصطناعي إلى منتجات وخدمات يمكن تنفيذها على نطاق واسع في التطبيقات الصناعية هو أيضًا المفتاح لمصنعي الذكاء الاصطناعي لزيادة تعميق قدراتهم التقنية وإنشاء حواجز تنافسية.

بالنسبة للمؤسسات في موجة التحول الرقمي ، من الضروري اعتماد تقنية الذكاء الاصطناعي لتعزيز الترقية الذكية للأعمال.المفتاح هو العثور على أفضل مشهد هبوط مع أفضل نسبة المدخلات والمخرجات.

ستعمل AiAnalysis أيضًا بشكل مستمر وعميق على تتبع التقدم وأفضل ممارسات الذكاء الاصطناعي في مختلف الصناعات.

حول تحليل الحب

AiAnalysis هي مؤسسة بحثية واستشارية رقمية رائدة في الصين. وهي تخدم صانعي القرار في الشركات والمستثمرين المؤسسيين من خلال الحكم على تطبيقات التكنولوجيا واتجاهات تطوير الصناعة ، مع اعتبار أبحاث قيمة الشركة جوهرها. تركز AiAnalytics على التكنولوجيا والابتكار في البيانات ، ونموذج الأعمال الناتج ، والصناعة والسوق ، وفرص إصلاح السلسلة الصناعية ، والتي تغطي مجالات مثل التمويل وخدمات الشركات والتعليم والسيارات وتجارة التجزئة والعقارات والرعاية الطبية والصناعة.

حتى الآن ، حققت AiAnalysis في أكثر من 3000 شركة عالية الجودة في المجالات المذكورة أعلاه ، والتي تغطي الأسواق الأولية والثانوية ، وكتبت أكثر من 100 قائمة وتقرير صناعي.وقد جمعت بشكل منهجي أساليب البحث وأنظمة التقييم لمختلف الصناعات و الشركات ، وأنشأت مجموعة واسعة من النفوذ المهني. في الوقت نفسه ، خدمت AiAnalysis العديد من العملاء ، بما في ذلك الشركات المعيارية في مختلف الصناعات والشركات المدرجة والمستثمرين المؤسسيين من الدرجة الأولى والثانية.

إشعارات قانونية

تم إعداد هذا التقرير بواسطة AiAnalysis. حقوق النشر للنص والصور والجداول في التقرير مملوكة لشركة AiAnalysis. تم جمع بعض الكلمات والصور والجداول من المعلومات العامة وحقوق النشر مملوكة للمؤلف الأصلي. بدون موافقة خطية وصريحة مسبقة من iAnalytics ، لا يجوز لأي منظمة أو فرد تغيير أو نقل أو نسخ أو توزيع المواد والمحتويات ونسخ هذا التقرير إلى أي شخص آخر بأي شكل من الأشكال.

يُعتقد أن مصادر المعلومات والآراء الواردة في هذا التقرير موثوقة من قبل iAnalytics ، لكن iAnalytics لا تضمن دقتها أو اكتمالها. لا تشكل المعلومات أو الآراء الواردة في التقرير نصيحة استثمارية ، ومحتوى التقرير مخصص مرجع فقط. لا تتحمل iAnalytics أي مسؤولية عن أي خسارة تنشأ عن استخدام المواد الواردة في هذا التقرير ، ما لم تنص القوانين واللوائح صراحةً على ذلك. لا يعتمد العملاء فقط على هذا التقرير كبديل لممارسة الحكم المستقل.