NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模
快速发展的人工智能 (AI) 领域正在出现一种新范式：更小的、垂直的生成式 AI 模型。 这种方法不同于旨在解决许多问题的传统横向模型。 相反，它开发专门的人工智能模型来解决特定行业或垂直领域的问题。 垂直导向的生成式AI模型迎合特定行业，提供更高的准确性、增强的性能和更高的效率。 这些模型解决了特定行业的独特需求和挑战。 我将重点讨论为什么垂直导向的小型生成人工智能模型有利于挖矿，以及行业如何使用它们。
1、生成式AI平台 (GaP)
这个新范式的核心是我所说的生成式AI平台（GaP）的概念。 GaP 是一种基础AI模型，旨在随着时间的推移不断改进。 与其他复杂的AI模型一样，随着新数据的出现和人工智能研究的进步，GaP 不断发展，变得更加准确、高效和强大。 这种持续改进使 GaP 能够适应不断变化的条件和要求，确保其保持相关性和有效性。
2、生成式AI应用平台 (GapA)
我称之为基于 GaP 的生成式AI应用平台 (GaPA)。 GaPA 采用基础 GaP 并使用专有和特定领域的数据对其进行微调。 这可能包括特定于行业的数据以及通过人与模型交互生成的数据。 微调过程使 GaPA 变得高度专业化，使其能够解决特定问题。
以客户服务为例。 许多公司使用AU驱动的工具来管理客户的问题和疑虑，但查询范围很大，该模型无法应对所有情况。 借助 GaPA，模型可以从每次交互中学习，以便下次做得更好。 因此，虽然当顾客第一次询问他们的酒店房间有多少个网点时，它可能会被难住，但下次就会准备好。
不过，GaPA 不仅仅是创建一个专门的人工智能模型。 它还涉及选择正确的应用程序和工作流程来利用 GaP 的输出。 通过将AI模型与正确的应用程序结合起来，实现可衡量的投资回报率是可能的。 这是垂直导向方法的一个关键优势：专注于特定问题和应用程序可以更快地看到结果。
3、采矿业案例
采矿业因其复杂的操作和庞大的数据集，为应用垂直导向的小型生成人工智能模型提供了理想的案例研究。 采矿作业会产生大量数据，从地质调查和钻探报告到设备遥测和环境影响评估。 这些数据非常有价值，但也很复杂且难以分析。
通过采用更小的、垂直的生成式AI模型，矿业公司可以将自己定位为人工智能竞赛的早期赢家。 这些模型使组织能够根据其特定采矿需求精确定制人工智能解决方案，从而赋予他们在效率、成本效益和创新方面的竞争优势。 通过利用生成式AI的功能，矿业公司可以优化勘探工作、简化生产流程、提供优质产品、展示可持续实践，并在市场上获得显着优势。
传统的横向AI模型很难理解这些数据，因为它们并不是为应对采矿业的特定挑战和细微差别而设计的。 这就是生成式AI应用平台 (GapA) 发挥作用的地方。 通过使用特定于采矿的数据对基础生成式 AI 平台 (GaP) 进行微调，可以创建了解采矿作业复杂性的 AI 模型。 采矿业数据丰富且复杂，人工智能模型非常适合解决和帮助解决特定问题。 采用并有效实施生成式人工智能应用平台 (GapA) 的公司现在拥有成为行业领导者的独特机会。
但创建专门的AI模型只是成功的一半。 为了快速实现可衡量的投资回报率，选择正确的应用程序和工作流程至关重要。 这里仅举几个例子
- 分析模拟矿藏分布的综合遥感、地质采样和岩土工程数据集，以优化目标定位、资源估算和开采。
- 将采矿作业与环境和加工参数相结合，以更好地控制试剂、品位和杂质，从而改善群落和加工结果。
- 随着矿山实现 100% 电动和自动化，根据当地电网能源平衡和可再生能源概况动态调整参数。
- 识别影响劳动力固有安全隐患的模式，并允许公司采取先发制人的控制措施。
- 将其应用到钻井作业中，可以帮助优化钻井模式，减少浪费、成本和环境影响。
- 将其应用于维护操作，可以在设备故障发生之前进行预测并安排预防性维护。
迄今为止，生成式AI应用尚未在重工业中得到广泛讨论，但采矿业实际上有巨大的机会利用这些技术。 与训练基础模型的公开互联网数据集不同，重工业运营中的数据是专有的和私有的。
这意味着矿业公司（尤其是行业老牌企业）可以独家访问大量行业特定数据，这些数据可用于将 GaP 微调为高度专业化的 GapA。 通过利用这些独特的数据，矿业公司可以开发专门适合其运营的人工智能模型。 通过主动在运营中应用生成式人工智能，矿业公司现在可以从生成式人工智能中受益。
这不仅提供了竞争优势，也为其他同行公司树立了标杆。 它向市场发出了明确的信息：通过正确的人工智能策略，可以有效且高效地解决重工业中的现实问题。
4、结束语
重工业本质上在采用新技术方面往往比较保守。 对于生成式AI等新兴技术尤其如此，其好处和风险仍待了解。 因此，大多数重工业公司可能不愿意早期采用生成式人工智能。
然而，现有的建筑和采矿公司在这一领域具有先天的优势。 他们拥有独特的专有数据，可用于根据其特定需求微调生成式人工智能模型。 尽管其本质保守，但这使他们有可能在这些模型的应用方面引领市场。 现在迈出采用生成式AI的第一步不仅仅是为了在当前获得竞争优势。 这也是为未来的发展奠定基础。 通过现在开始探索和实施生成式人工智能，公司可以随着技术的发展而学习、适应和发展。 随着生成式人工智能的成熟，这将使他们能够充分利用它的全部力量。
原文链接：How Mining Companies Can Leverage Smaller, Vertically-Oriented Generative AI Models to Gain an Edge
BimAnt翻译整理，转载请标明出处
