使用AI增强数字双胞胎进行实时监控
作者：Dr. William Bain
发现有75％的大型企业正在投资数字双胞胎以扩展其AI解决方案。将数字双胞胎与AI相结合，有可能提高大语模型的有效性，并在实时监控中为AI提供新的应用程序，从而提供重大的业务和运营利益。什么是数字双胞胎？
在过去的二十年中，最初开发的数字双胞胎最初是为了帮助设计复杂机械的设计。
他们通过处理设备遥测，检测转移条件并提高运营经理的情境意识来实时跟踪和分析实时系统。在内存计算的支持下，它们启用了快速，可操作的警报。除了实时监控外，数字双胞胎还可以模拟复杂的系统，例如用于航空公司和物流的系统，从而通过预测分析来支持战略计划和运营决策。
将数字双胞胎与生成AI集成为两种技术创造新的机会：协同作用可以提高生成AI的预测准确性，并可以提高数字双胞胎在系统监控和开发中的价值。
主动用AI驱动的数字双胞胎识别异常
对于管理复杂的实时系统，例如运输网络，网络安全系统和智能城市等复杂的实时系统的组织来说，连续实时监控是一项战略必要性。绝不会忽略新兴问题，因为延迟的响应可能会导致小问题成为大问题。
通过生成AI增强数字双胞胎可以重塑实时监控如何解释大量实时数据，从而使可靠，立即检测到影响操作的异常情况。生成的AI可以不断检查数字双胞胎产生的分析结果，以发现新兴趋势并减轻干扰，然后再升级。尽管AI增强了经理的情境意识，但它还可以查明优化运营和提高效率的新机会。
同时，由数字双胞胎提供的实时数据限制了生成AI的输出，以避免造成不稳定的结果，例如幻觉。在称为检索增强生成的过程中，AI始终使用有关实时系统的最新信息来分析行为并创建建议。
使用AI驱动的可视化转换数据相互作用
从数字双分析中解锁见解应该是直观的，而不是技术性的。生成的AI正在通过启用自然语言驱动的查询和可视化来重新定义团队如何与大规模数据集进行交互。用户可以简单地描述他们的需求，而不是手动构建复杂的查询，而生成的AI立即可视化相关图表和查询结果，这些图表可提供新的见解。这种能力简化了交互，并为决策者提供所需的数据。随着组织处理越来越复杂的实时系统，AI驱动的智能使他们能够有效地筛选大量的数据库，提取有意义的趋势，并以更高的精度优化操作。它消除了技术障碍，实现了具有战略性影响的更快，数据驱动的决策。
将机器学习与自动再培训合并
数字双胞胎可以跟踪许多单独的数据流，并寻找相应的物理数据源的问题。共同努力，成千上万甚至数百万个数字双胞胎可以监视非常大的复杂系统。随着消息流入，每个数字双胞胎将它们与有关特定数据源的已知信息结合在一起，并以几毫秒的数量分析数据。它可以结合机器学习算法来协助分析，并找到很难用手工编码算法来描述的微妙问题。在使用实时操作的数据进行培训之后，ML算法可以识别异常并立即为操作经理生成警报。
一旦部署用于分析实时遥测，ML算法可能会遇到其初始培训集未涵盖的新情况。它可能无法检测到异常或产生误报。自动再培训使该算法在获得体验时就可以学习，从而可以提高其性能并适应不断变化的条件。数字双胞胎可以一起检测无效的ML响应，并建立为自动再培训提供的新训练集。通过合并自动再培训，企业通过实时监控获得竞争优势，这些监视可可靠地提供可行的见解。
期待
将数字双技术与生成的AI和ML集成可以通过赋予更好的实时见解并使管理者能够做出更快，更明智的决策来改变行业如何监控复合体，实时系统。ScaleOut软件新发行的数字双胞胎4版4版使用OpenAI的大型语言模型和自动ML RETRAIND添加生成AI，以将实时监控转移到完全自主操作的目标上。”
（图像来源：Unplash）
关于《使用AI增强数字双胞胎进行实时监控》的评论
暂无评论