روی دستیار گوگل، الکسا و سیری حرکت کنید. یک دستیار دیجیتال جدید در شهر وجود دارد، اگرچه برای قدردانی از آن باید مدیر امکانات باشید.
روز سهشنبه، BrainBox AI، سازنده راهحل مدیریت امکانات مبتنی بر هوش مصنوعی، یک دستیار ساختمان مجازی به نام ARIA (دستیار هوشمند پاسخگوی مصنوعی) را معرفی کرد.
این شرکت که در مونترال واقع شده است، توضیح داد که ARIA با پشتیبانی از AWS Bedrock، برای افزایش کارایی ساختمان با جذب یکپارچه در فرآیندهای روزمره مربوط به مدیریت ساختمان طراحی شده است.
آن اشاره کرد که ARIA، که برای فضاهای تجاری و خرده فروشی ایجاد شده است، به توانایی پیش بینی برای دور زدن مشکلات عملیاتی مجهز است و در عین حال مراقب نقاط کور ساختمان است.
Jean-Simon Venne، یکی از بنیانگذاران هوش مصنوعی BrainBox و مدیر ارشد فناوری، گفت: «ما یک عامل هوش مصنوعی مستقل گرفتیم و آن را به پشته فناوری موجود خود وصل کردیم که قبلاً دارای قابلیت های پیش بینی بود.
او به TechNewsWorld گفت: “بنابراین، نه تنها به شما می گوید که در سال گذشته چه اتفاقی افتاده است، و این چیزی است که در حال حاضر اتفاق می افتد، بلکه این چیزی است که قرار است در چند ماه آینده اتفاق بیفتد.” سپس توصیه هایی در مورد آنچه که باید برای مواجهه با آن آینده نزدیک انجام دهید، ارائه خواهد کرد.
او افزود: «این به نوعی یک مشاور نهایی است که به شما میگوید برای رویارویی با موقعیتهای افق چه کاری انجام دهید.»
تقویت کننده روحیه
به گفته BrainBox، ترکیبی از هوش مصنوعی اصلی آن برای فناوری HVAC و ARIA میتواند تأثیر قابلتوجهی بر مدیریت عملیات ساختمان داشته باشد و هزینههای انرژی HVAC را تا ۲۵ درصد و انتشار گازهای گلخانهای را تا ۴۰ درصد کاهش دهد.
ARIA همچنین می تواند بر روحیه مدیران تأسیسات تأثیر بگذارد. ون توضیح داد: «مدیران ساختمان و تأسیسات آنقدر فهرست بلندی از کارهایی دارند (که) همیشه ناامید هستند. “تا زمانی که شیفت آنها تمام شود، آنها فقط زمان دارند تا 20٪ از لیست خود را انجام دهند. آنها احساس می کنند که در حال شکست هستند زیرا کارهای زیادی برای انجام دادن وجود دارد.
او گفت: “با ARIA، شما یک دستیار دارید که به شما امکان می دهد بسیاری از کارها را سریعتر انجام دهید.” “شما این شانس را دارید که بخش خوبی از لیست کارها را انجام دهید، در حالی که قبلاً غیرممکن بود.”
BrainBox خاطرنشان کرد که ARIA برای ارائه دید 360 درجه ای از داده های ساختمان به مدیران تأسیسات طراحی شده است و به طور خاص سیستم ها و اجزای آن را به صفر می رساند تا توصیه هایی دقیق و جامع برای تصمیم گیری استراتژیک ارائه دهد.
این شرکت ادامه داد که در طراحی ARIA، تعامل دو طرفه است. نه تنها به مدیران تأسیسات و اپراتورهای ساختمان برای انجام وظایف خاص ترغیب می شود، بلکه از اقدامات آتی نیز مطلع می شوند که می تواند به کارآمدترین و مؤثرترین مدیریت ساختمان آنها منجر شود.
این شرکت می بالید که مشتریان می توانند با ARIA از طریق متن یا صدا “تماس” کنند و به طور یکپارچه تعاملات خود را از دسکتاپ به تلفن همراه بدون کوتاهی انجام دهند.
علاوه بر این، موتور AI مولد ARIA 24/7 کار میکند تا به مشتریان کمک کند ساختمانهای خود را اولویتبندی و بهینهسازی کنند – ویژگیای که مدیریت ساختمان را از واکنشی به فعال تبدیل میکند، ارزش آن را افزایش میدهد و مستقیماً به تلاشهای پایداری سازمان کمک میکند.
ویدئوی زیر موارد استفاده ARIA را نشان میدهد و ظرفیت آن را برای افزایش کارایی، کاهش هزینههای انرژی و بهبود جریانهای کاری در فضاهای تجاری و خردهفروشی نشان میدهد.
اجتناب از توهمات هوش مصنوعی
نگرانی ای که اغلب در مورد ابزارهای مولد هوش مصنوعی مطرح می شود این است که آنها می توانند “توهم” کنند یا به سوالاتی پاسخ دهند که خوب به نظر می رسند اما نادرست یا حتی حواس پرت هستند. چند دلیل برای این رفتار وجود دارد.
به عنوان مثال، در حالی که مدل های زبان بزرگ (LLM) در تقلید از الگوهای زبان خوب هستند، آنها واقعاً معنای متنی را که پردازش می کنند درک نمی کنند. این محدودیت می تواند منجر به تولید متنی شود که از نظر گرامری صحیح است اما از نظر واقعی نادرست یا بی معنی است.
روشی که یک LLM انتخاب می کند که کدام کلمات بعدی را تولید کند نیز می تواند بر توهمات تأثیر بگذارد. برخی از تکنیک ها روانی را بر دقت اولویت می دهند که می تواند به خروجی های خلاقانه اما غیر واقعی منجر شود.
علاوه بر این، برخی از LLM ها بر روی مقادیر انبوهی از داده های خراشیده شده از اینترنت آموزش دیده اند. این دادهها میتوانند حاوی خطاهای واقعی، سوگیریها و چیزهای عجیب و غریب باشند. مدل می تواند این الگوها را انتخاب کند و خروجی هایی تولید کند که آنها را منعکس کند، حتی اگر دقیق نباشند.
BrainBox با محدود کردن اینکه ARIA چه چیزی و چگونه از داده ها استفاده می کند، از مشکل توهم جلوگیری می کند. ون توضیح داد: «ژنرال هوش مصنوعی یک سطل خالی است. «شما باید آن را به جعبه شنی داده وصل کنید. سپس می تواند چیز جالبی ایجاد کند.»
او گفت: «ما آن را به پشته فناوری موجود خود وصل میکنیم که تهویه مطبوع و انواع دیگر اطلاعات برای یک ساختمان در آن وجود دارد. “ما ARIA را در بالای پشته ایجاد کردیم که در آن به اقیانوس اطلاعات دسترسی دارد و می تواند روند داده ها را تجزیه و تحلیل کند.”
او ادامه داد: جعبه شنی برای هوش مصنوعی محدود به مجموعه داده های ما است. میتوانید بپرسید چرا ناپلئون در نبرد واترلو شکست خورد؟ اما پاسخ چیزی شبیه به “آیا می توانیم در مورد نمونه کار ساختمان شما صحبت کنیم؟” من یک مورخ نیستم.»
بر روی بستر ساخته شده است
ون خاطرنشان کرد که ترجمه داده ها یکی از چالش برانگیزترین مشکلاتی بوده است که BrainBox در توسعه راه حل مبتنی بر هوش مصنوعی خود در شش سال گذشته با آن روبرو بوده است.
او گفت: «وقتی خودتان را به این سیستمها وصل میکنید، به ندرت مجموعه دادهای کامل به دست میآورید. “شما می توانید حسگرهایی داشته باشید که خوانش های نادرست را به شما می دهند. میتوانید شکافهایی داشته باشید – ترموستات به مدت یک ساعت به شما هیچ خواندنی نمیدهد. بنابراین باید میتوانستیم دادههای تمیز را استخراج کنیم و در صورت معیوب بودن دادهها را اصلاح کنیم.
او ادامه داد: هنگامی که مجموعه ای فوق ساختار یافته از داده های تمیز دارید، استفاده از ابزارهایی مانند هوش مصنوعی مولد بسیار آسان تر است. ما هوش مصنوعی خود را فقط بر روی داده هایی آموزش دادیم که کنترل کامل روی آنها داریم. ما آن را تأیید می کنیم و می دانیم که دقیق است.»
بلوک اصلی ساختمان ARIA AWS Bedrock است. ون توضیح داد: «Bedrock به ما این فرصت را میدهد که فوقالعاده انعطافپذیر بمانیم، بدون اینکه مجبور باشیم به یک تصمیم فناوری که ممکن است ظرف شش ماه در آن گیر بیفتیم، متعهد شویم.
معاون AWS گفت: «Amazon Bedrock استفاده از مدلهای پایه با کارایی بالا از شرکتهای پیشرو هوش مصنوعی مانند Anthropic، Meta، Mistral و دیگران را از طریق یک تماس API آسانتر میکند – همه در یک سرویس امن و کاملاً مدیریت شده.» و رئیس جهانی استارت آپ هاوارد رایت.
رایت به TechNewsWorld گفت: «Amazon Bedrock به برنامههایی مانند ARIA این امکان را میدهد که پیچیدهترین و هوشمندترین دستیار مدیر ساختمان باشند و از بینشهای چند مدل استفاده کنند و آنهایی را انتخاب کنند که مناسبترین آنها برای یک مورد یا کار خاص هستند.
او توضیح داد که Amazon Bedrock پیچیدگی ساخت و مقیاسبندی برنامههای هوش مصنوعی مولد را با مدلهای پایه حذف میکند.
او خاطرنشان کرد: استارتآپها میتوانند به سرعت مدلهای پایه برتر را برای موارد استفاده خاص – از Claude 3 تا Llama 2 – آزمایش و ارزیابی کنند. از آنجا، آنها میتوانند بهطور خصوصی آنها را با دادههای خود استارتآپ با استفاده از تکنیکهایی مانند تنظیم دقیق و تولید تقویتشده بازیابی (RAG) سفارشی کنند و عواملی بسازند که وظایف را با استفاده از سیستمهای سازمانی و منابع داده استارتآپ اجرا میکنند.»
با توجه به اینکه ساختمانها مسئول تقریباً 40 درصد از انتشار گازهای گلخانهای در سطح جهان هستند و 27 درصد از این انتشارات ناشی از انرژی مورد استفاده برای گرم کردن، خنک کردن و تأمین انرژی آنها است و انتظار میرود ذخیره جهانی ساختمانها تا سال 2050 دو برابر شود، چالش افزایش رایت افزود: ایجاد پایداری فقط ضروری نیست، بلکه ضروری است.
هوش مصنوعی BrainBox دقیقاً با استفاده از فناوری مبتنی بر هوش مصنوعی آموزشدیده در Amazon Bedrock برای بازنگری در سیستمهای انرژی و کاهش تأثیرات بحران آب و هوا، این مشکل را حل میکند.