كيف تبنت مجموعة BMW الذكاء الاصطناعي لحالات الاستخدام الإيجابي ولتحسين الاستدامة | AWS re: Invent

تحقق من الجلسات عند الطلب لقمة Low-Code / No-Code للتعرف على كيفية الابتكار واكتساب الكفاءة بنجاح من خلال تحسين وتوسيع نطاق المطورين المواطنين. شاهد الآن .

يساعد الذكاء الاصطناعي (AI) العديد من الصناعات المختلفة وله تأثير قوي بشكل خاص في صناعة السيارات. واحدة من أكثر حالات الاستخدام إثارة هي المركبات ذاتية القيادة بالكامل ، ولكن هذا ليس المجال الوحيد الذي يؤثر فيه الذكاء الاصطناعي. على سبيل المثال ، تعمل Microsoft و Mercedes-Benz معًا لتحسين كفاءة إنتاج السيارات.

في مؤتمر AWS re: Invent cloud هذا الأسبوع ، وصفت مجموعة BMW تأثير الذكاء الاصطناعي على مؤسستهم وحالات الاستخدام الناشئة بالتفصيل حيث سيؤدي الذكاء الاصطناعي إلى تحقيق نتائج تجارية إيجابية في المستقبل.

خلال إحدى الجلسات ، قال ماركو جورجمير ، المدير العام ، وتحويل البيانات والذكاء الاصطناعي ، مجموعة BMW ، إن فريقه أنشأ مكتبة تضم الآلاف من أصول البيانات عبر المؤسسة التي يمكن إعادة استخدامها للتحليلات والذكاء الاصطناعي. وقال إنه منذ عام 2019 ، تمكن فريقه من تقديم أكثر من 800 حالة استخدام حققت أكثر من مليار دولار بالدولار الأمريكي. تغطي حالات الاستخدام البحث والتطوير واللوجستيات والمبيعات والجودة وشبكة الموردين.

قال Görgmaier: "تتمثل رؤية فريقنا ومهمته في دفع وتوسيع إنشاء قيمة الأعمال من خلال استخدام الذكاء الاصطناعي عبر سلسلة القيمة بأكملها". حدث

قمة الأمان الذكية

تعرف على الدور الأساسي للذكاء الاصطناعي والتعلم الآلي في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة في 8 ديسمبر. اشترك للحصول على بطاقتك المجانية اليوم. سجل الان

من المجالات الناشئة التي تستثمر فيها BMW الآن الموارد للمساعدة في تحسين الاستدامة.

قال Görgmaier أن 60٪ من سكان العالم يعيشون في مدن ومناطق حضرية ، حيث يتم أيضًا توليد 70٪ من انبعاثات غازات الاحتباس الحراري. ما تحاول BMW فعله الآن هو مساعدة مخططي المدن في حل المشكلات للمساعدة في تقليل الانبعاثات.

تساعد BMW بالفعل في نماذج التعلم الآلي التي يمكنها التنبؤ بالكيفية التي يمكن أن تساعد بها لوائح الطرق في تقليل انبعاثات حركة المرور والوقود. تُستخدم نماذج ML أيضًا للمساعدة في تحديد الأماكن التي لا تكون فيها البنية التحتية لشحن المركبات الكهربائية كافية بعد. قال Görgmaier إن الافتقار إلى البنية التحتية للشحن يمنع الناس من التحول إلى السيارة الكهربائية ، مما يؤثر على الاستدامة.

تبذل BMW ML أيضًا جهدًا للمساعدة في التنبؤ بتأثير توافر أماكن وقوف السيارات وتسعيرها على عادات القيادة. تشمل هذه الأنماط التنقل وحركة المرور ، والتي ستؤثر أيضًا على الانبعاثات.

قال Görgmaier إن العديد من قضايا الاستدامة الحضرية التي تحاول BMW المساعدة في حلها يمكن أن تستفيد من المعلومات الجغرافية المكانية. هذا هو المكان الذي تبدأ فيه BMW في استخدام الميزات الجغرافية المكانية الجديدة لمجموعة أدوات Amazon SageMaker ML التي تم الكشف عنها علنًا هذا الأسبوع.

تتمثل إحدى المجالات التي تتطلع فيها BMW إلى الاستفادة من ML الجغرافي المكاني في المساعدة في التنبؤ عندما تكون المؤسسة التي لديها أسطول من المركبات قادرة على الانتقال إلى السيارات الكهربائية.

"لقد شرعنا في تدريب نماذج التعلم الآلي لمعرفة الارتباطات بين نوع المحرك وملفات تعريف القيادة ،" قال. "المنطق الكامن وراء ذلك هو أنه في حالة وجود مثل هذا الارتباط ، يمكن للنموذج أن يتعلم كيفية توقع تقارب بعض السائقين مع سيارة كهربائية بناءً على ملفاتهم الشخصية."

نظرًا لأن BMW كانت تعمل مع بيانات مجهولة المصدر تمامًا على مستوى الأسطول ، كان عليها استخدام مسارات GPS والبيانات الجغرافية المكانية لإنشاء الارتباطات.

قال Görgmaier: "في نهاية التدريب ، كان النموذج قادرًا على التنبؤ باحتمالية تحويل أساطيل معينة إلى مركبات كهربائية بدقة تزيد عن 80٪". ...