SLM 系列 – IBM：为什么更小的 AI 模型可以释放边缘的价值

快速阅读: 据《计算机周刊》称，制造业的传统工厂运营产生了大量实时数据，但目前仅有一小部分被利用。通过在边缘部署小型工厂模型（SFM），企业能更好地挖掘这些数据的价值。SFM还可增强计算机视觉技术的应用。例如，IBM的供应链工程团队使用边缘人工智能技术，通过小型AI模型驱动的设备，实现实时质量检查，显著提高生产效率并减少人为错误。

制造业赋予力量传统的工厂运营产生大量实时数据，但目前只有一小部分被利用起来。通过在边缘部署小型工厂模型（SFM），企业可以开始挖掘这些未被开发的数据中隐藏的价值。在边缘使用的SFM还可以增强计算机视觉技术在工业领域的应用。目前，汽车中的计算机视觉算法如果检测到车附近有类似球类的物体，可以自动停车。随着小型学习模型（SLM）和SFM的日益复杂，它们能够从经验中学习，识别模式并做出预测。例如，如果汽车能够检测并识别出足球，它可能预测几秒后会有孩子出来捡球，并做出相应的反应。再举一个相关例子，IBM的供应链工程团队开发了一套系统，该系统利用边缘人工智能（AI）技术实时检查产品质量。工程师过去需要花费几分钟来检查服务器是否所有螺丝都已经安装好，现在借助由小型AI模型驱动的设备，这项任务可以在不到一分钟内完成。这意味着提高了生产效率，减少了人为错误。

(以上内容均由Ai生成)