Группа Lubrizol, специализирующаяся на химии специальных продуктов, объединяет ученых, специалистов по данным и ИТ-команды в рамках «слитых команд» для внедрения искусственного интеллекта. Согласно опубликованному материалу, эта организация направлена на согласование этих профилей для достижения общих целей, начиная с небольших пилотных проектов, призванных укрепить доверие. Данный текст был подготовлен Insights, сервисом персонализированного контента MIT Technology Review, в партнерстве с Infosys, а не редакцией журнала.
Взаимодополняющие компетенции
Ученые, специалисты по данным и ИТ-команды подходят к проблемам с разных сторон, отдавая приоритет соответственно экспериментальной валидности, производительности моделей, а также безопасности и масштабируемости платформ. Объединяя их, Lubrizol направляет их к общим целям. «Как только между членами команды устанавливается доверие и они понимают, какую ценность собираются создать, все идет гораздо лучше», — утверждает Рао.
Облачная инфраструктура также предоставляет компании необходимую гибкость для доступа к вычислительным ресурсам и современным инструментам без значительных инвестиций, которые требуются для строительства и обслуживания собственных центров обработки данных.
Устойчивое развитие в фокусе
Эти возможности могут оказаться особенно полезными для устойчивого развития. Цифровое моделирование может помочь исследователям оценить большее количество рецептур, изучить такие материалы, как крахмал, или альтернативы на основе кукурузы, и проанализировать компромиссы на протяжении всего жизненного цикла продукта.
Но обещание материала в лаборатории — это лишь первый шаг. Переход к производству с соблюдением ожиданий по производительности, нормативных требований и финансовых ограничений остается сложной задачей. Однако способность ИИ моделировать множество переменных может помочь командам находить баланс между этими конкурирующими требованиями.
К более умным лабораториям и заводам
Рао ожидает, что ИИ, автоматизация, передовое моделирование, цифровые двойники (виртуальные копии процессов или установок) и связанные данные будут конвергировать по мере того, как лаборатории становятся умнее, а производственные предприятия — эффективнее. По его словам, задача заключается в том, чтобы объединить эти возможности ответственно и в больших масштабах.
«Это не какая-то одна технология. Я думаю, что это комбинация всех этих технологий, и именно способность связать все эти процессы будет генерировать огромные объемы данных».
