Applied Computing

រោងចក្រចម្រាញ់ប្រេងមួយមានដំឡើង სែនស័រ (sensor) រាប់ម៉ឺនគ្រឿង ប៉ុន្តែយោងតាមក្រុមហ៊ុន ទិន្នន័យដែលយកមកប្រើប្រាស់ពិតប្រាកដក្នុងការសម្រេចចិត្តគឺមានតិចជាង 8% ប៉ុណ្ណោះ។ ផលិតផល Orbital របស់ Applied Computing ចង់យក 92% ដែលនៅសល់មកប្រើប្រាស់—ហើយការទស្សន៍ទាយរបស់វាត្រូវតែឆ្លងកាត់ការត្រួតពិនិត្យនៃគោលការណ៍អភិរក្សម៉ាស និងឌីណាមិកប្រតិកម្ម មិនមែនគ្រាន់តែមើលទៅសមហេតុផលក្នុងផ្នែកស្ថិតិប៉ុណ្ណោះទេ។

មុខងារពិសេស និងសេណារីយ៉ូនៃការប្រើប្រាស់

Orbital ត្រូវបានបង្កើតឡើងដោយការដាក់ត្រួតលើគ្នានូវម៉ូដែលចំនួនបី។ ម៉ូដែលស៊េរីពេលវេលា (Time-series) ភ្ជាប់ទៅនឹងប្រព័ន្ធគ្រប់គ្រង និងបណ្ណាល័យប្រវត្តិទិន្នន័យ (Data historian) ដើម្បីទស្សន៍ទាយនិន្នាការ និងរកឃើញភាពខុសប្រក្រតី។ ម៉ូដែលរូបវិទ្យាធ្វើតួនាទីជាអ្នកត្រួតពិនិត្យ ដើម្បីធានាថាផលវិជ្ជមាននៃការទស្សន៍ទាយគឺស្របតាមតុល្យភាពម៉ាស អភិរក្សថាមពល និងឌីណាមិកប្រតិកម្ម ដែលនេះជាចំណុចខុសគ្នារវាងវា និង AI ឧស្សាហកម្មទូទៅ។ ម៉ូដែលភាសាត្រូវបានបណ្តុះបណ្តាលដោយចំណេះដឹងវិស្វកម្មគីមី ដែលអាចបកស្រាយឯកសារក្នុងរោងចក្រ និងផ្តល់យោបល់លើសកម្មភាព។ អតិថិជនគោលដៅគឺក្រុមហ៊ុនថាមពលដែលគ្រប់គ្រងហេដ្ឋារចនាសម្ព័ន្ធសំខាន់ៗ ជាពិសេសប្រេង ឧស្ម័ន រោងចក្រចម្រាញ់ប្រេង និងរោងចក្រគីមី។ ក្រុមហ៊ុនមានទីស្នាក់ការកណ្តាលនៅទីក្រុងឡອນដ៍ ចក្រភពអង់គ្លេស ផ្តល់អាទិភាពដល់ការធ្វើការពីចម្ងាយ ស្ថាបនិកគឺជាศิษย์เก่า មកពី Imperial College London ដោយមានលោក Dan Jeavons អតីតប្រធានគម្រោង AI របស់ Shell ធ្វើជាប្រធាន ហើយបានបញ្ចប់ការរៃអង្គាសថវិកា Seed ចំនួន 9 លានផោនរួចហើយ។

ស័ក្តិសមសម្រាប់ផ្នែកវិស្វកម្មដំណើរការ និងផ្នែកប្រតិបត្តិការនៃរោងចក្រចម្រាញ់ប្រេង គីមី និងឧស្ម័ន។ ការរចនាដ៏គួរឱ្យកត់សម្គាល់បំផុតនៃផលិតផលនេះគឺ "ម៉ូដែលរូបវិទ្យាធ្វើជាអ្នកចាំទី": ម៉ូដែលដែលជំរុញដោយទិន្នន័យសុទ្ធសាធ តែងតែមិនត្រូវបានទុកចិត្តនៅក្នុងឧស្សាហកម្មដំណើរការនោះទេ ព្រោះវាអាចផ្តល់នូវអនុសាសន៍ដែលល្មើសនឹងរូបវិទ្យា ដែលធ្វើឱ្យវិស្វករមិនกล้าធ្វើតាម។ ការប្រើប្រាស់កម្រិតកំណត់រូបវិទ្យាដើម្បីจำกัดលទ្ធផលរបស់ AI ให้อยู่ក្នុងដែនកំណត់ដែលសមហេតុផលគឺជាគន្លឹះដែលធ្វើឱ្យវិស្វករពេញចិត្តក្នុងការទទួលយក។