BrainBox مشاور هوش مصنوعی را به راهکارهای مدیریت تسهیلات خود اضافه می کند

روی دستیار گوگل، الکسا و سیری حرکت کنید. یک دستیار دیجیتالی جدید در شهر وجود دارد، اگرچه برای قدردانی از آن باید مدیر امکانات باشید.

روز سه‌شنبه، BrainBox AI، سازنده راهکار مدیریت تسهیلات مبتنی بر هوش مصنوعی، یک دستیار ساخت‌وساز مجازی به نام ARIA (دستیار هوشمند پاسخگوی مصنوعی) را معرفی کرد.

این شرکت مستقر در مونترال توضیح داد که ARIA با پشتیبانی از AWS Bedrock برای بهبود کارایی ساختمان با جذب یکپارچه در فرآیندهای روزمره مرتبط با مدیریت ساختمان طراحی شده است.

ARIA که برای فضاهای خرده فروشی و تجاری طراحی شده است، مجهز به قابلیت پیش بینی برای حل مسائل عملیاتی است و در عین حال مراقب نقاط کور ساختمان است.

Jean-Simon Venet، یکی از بنیانگذاران هوش مصنوعی BrainBox و مدیر ارشد فناوری، گفت: «ما یک عامل هوش مصنوعی مستقل گرفتیم و آن را به پشته فناوری موجود خود وصل کردیم که قبلاً دارای قابلیت های پیش بینی بود.

او به دیجیتال تو گفت: «بنابراین نه تنها به شما می‌گوید که در سال گذشته چه اتفاقی افتاده است و این چیزی است که در حال حاضر اتفاق می‌افتد، بلکه در اینجا چیزی است که قرار است در چند ماه آینده اتفاق بیفتد. سپس توصیه هایی در مورد آنچه باید انجام دهید برای مواجهه با آن آینده نزدیک ارائه خواهد کرد.

او افزود: «این مانند یک مشاور عالی است که به شما می‌گوید برای مقابله با موقعیت‌های موجود در افق چه کاری انجام دهید».

تقویت کننده روحیه

به گفته BrainBox، ترکیب هسته اصلی هوش مصنوعی آن برای فناوری HVAC و ARIA می‌تواند تأثیر قابل‌توجهی بر مدیریت عملیات ساختمان داشته باشد، هزینه‌های انرژی HVAC را تا ۲۵ درصد و انتشار گازهای گلخانه‌ای را تا ۴۰ درصد کاهش دهد.

ARIA همچنین می تواند بر روحیه مدیران تأسیسات تأثیر بگذارد. «مدیران ساختمان‌ها و تأسیسات فهرست کارهای طولانی‌تری دارند [that] آنها همیشه ناامید هستند،” ون توضیح داد. “تا زمانی که شیفت آنها به پایان برسد، آنها فقط 20 درصد از فهرست خود را دارند. آنها احساس می کنند که در حال شکست هستند زیرا کارهای زیادی برای انجام دادن وجود دارد.

او گفت: “با ARIA، شما یک دستیار دارید که به شما امکان می دهد کارهای زیادی را سریعتر انجام دهید.” “شما این شانس را دارید که بسیاری از این لیست کارها را انجام دهید، در حالی که قبلا غیرممکن بود.”

BrainBox خاطرنشان کرد که ARIA برای ارائه نمایی 360 درجه ای از داده های ساختمان به مدیران تأسیسات طراحی شده است، به طور خاص بر روی سیستم ها و اجزای آن تمرکز می کند تا توصیه هایی دقیق و جامع برای تصمیم گیری استراتژیک ارائه دهد.

این شرکت ادامه می دهد که تعامل دو طرفه در طراحی ARIA گنجانده شده است. نه تنها مدیران تأسیسات و اپراتورهای ساختمان برای انجام وظایف خاص ترغیب می شوند، بلکه از اقدامات آتی نیز مطلع می شوند که می تواند به مؤثرترین و کارآمدترین مدیریت ساختمان آنها منجر شود.

این شرکت می‌بالید که مشتریان می‌توانند با ARIA از طریق متن یا صدا تماس بگیرند و تعاملات خود را از دسک‌تاپ به تلفن همراه بدون وقفه انتقال دهند.

علاوه بر این، موتور AI مولد ARIA 24/7 کار می کند تا به مشتریان کمک کند ساختمان های خود را اولویت بندی و بهینه کنند، ویژگی که مدیریت ساختمان را از واکنشی به فعال تبدیل می کند، ارزش آن را افزایش می دهد و به طور مستقیم به تلاش های پایداری سازمان کمک می کند.

ویدئوی زیر موارد استفاده ARIA را نشان می‌دهد که توانایی آن را در افزایش کارایی، کاهش هزینه‌های انرژی و بهبود گردش کار عملیاتی در مکان‌های خرده‌فروشی نشان می‌دهد.

اجتناب از توهمات هوش مصنوعی

یک نگرانی که اغلب در مورد ابزارهای مولد هوش مصنوعی مطرح می شود این است که آنها می توانند “توهم” کنند یا به سوالاتی که خوب به نظر می رسند اما نادرست یا حتی احمقانه هستند، پاسخ دهند. دلایل مختلفی برای این رفتار وجود دارد.

برای مثال، در حالی که مدل‌های زبان بزرگ (LLM) در تقلید از الگوهای زبان خوب هستند، اما معنای متنی را که پردازش می‌کنند به درستی درک نمی‌کنند. این محدودیت می تواند باعث شود آنها متنی تولید کنند که از نظر گرامری صحیح است اما از نظر واقعی نادرست یا بی معنی است.

روشی که LLM انتخاب می کند که کدام کلمات بعدی را تولید کند نیز می تواند بر توهمات تأثیر بگذارد. برخی از تکنیک ها سیالیت را بر دقت اولویت می دهند، که می تواند منجر به نتایج خلاقانه اما غیر واقعی شود.

علاوه بر این، برخی از LLM ها بر روی حجم وسیعی از داده های استخراج شده از اینترنت آموزش دیده اند. این داده ها ممکن است حاوی خطاهای واقعی، سوگیری ها و چیزهای عجیب و غریب باشد. مدل می تواند این الگوها را تشخیص دهد و نتایجی تولید کند که آنها را منعکس کند، حتی اگر دقیق نباشند.

BrainBox با محدود کردن اینکه ARIA چه چیزی و چگونه از داده ها استفاده می کند از مشکل توهم جلوگیری می کند. ون توضیح داد: ژنرال هوش مصنوعی یک سطل خالی است. “شما باید آن را برای داده ها جعبه سندباکس کنید. سپس می تواند چیز جالبی ایجاد کند.»

او گفت: «ما آن را به پشته فناوری موجود خود وصل می کنیم که حاوی HVAC و انواع دیگر اطلاعات ساختمان است. “ما ARIA را در بالای پشته ایجاد کردیم که در آن به این اقیانوس از اطلاعات دسترسی دارد و می تواند روندهای داده ها را تجزیه و تحلیل کند.”

او ادامه داد: جعبه شنی هوش مصنوعی به مجموعه داده ما محدود شده است. می‌توانید بپرسید چرا ناپلئون در نبرد واترلو شکست خورد؟، اما پاسخ چیزی شبیه به این خواهد بود: «آیا می‌توانیم درباره مجموعه ساختمان‌های شما صحبت کنیم؟» من مورخ نیستم

بر روی بستر ساخته شده است

ون خاطرنشان کرد که ترجمه داده ها یکی از چالش برانگیزترین مسائلی بوده است که BrainBox در توسعه راه حل مبتنی بر هوش مصنوعی خود در شش سال گذشته با آن مواجه بوده است.

او گفت: «وقتی وارد این سیستم‌ها می‌شوید، به ندرت یک مجموعه داده کامل به دست می‌آورید. “شما می توانید حسگرهایی داشته باشید که خوانش های نادرست می دهند. شما می توانید شکاف داشته باشید – یک ترموستات به شما هیچ قرائتی برای یک ساعت نمی دهد. بنابراین باید می‌توانستیم داده‌های تمیز را استخراج کنیم و در صورت اشتباه بودن داده‌ها را اصلاح کنیم.»

او ادامه داد: هنگامی که مجموعه ای فوق ساختاری از داده های پاک دارید، استفاده از ابزارهایی مانند هوش مصنوعی مولد بسیار آسان تر است. ما هوش مصنوعی خود را فقط بر روی داده هایی آموزش دادیم که کنترل کامل روی آنها داریم. ما آن را تأیید می کنیم و می دانیم که دقیق است.»

بلوک اصلی ساختمان ARIA AWS Bedrock است. ون توضیح داد: «Bedrock به ما اجازه می‌دهد تا بدون نیاز به متعهد به یک راه‌حل فناوری که ممکن است در شش ماه به آن گیر بیفتیم، فوق‌العاده انعطاف‌پذیر بمانیم».

معاون AWS و معاون جهانی گفت: «Amazon Bedrock استفاده از مدل‌های پایه با کارایی بالا از شرکت‌های پیشرو هوش مصنوعی مانند Anthropic، Meta، Mistral و دیگران را با یک تماس API آسان می‌کند – همه در یک سرویس امن و کاملاً مدیریت شده.» رئیس استارت آپ هاوارد رایت.

رایت به دیجیتال تو گفت: «Amazon Bedrock برنامه‌هایی مانند ARIA را قادر می‌سازد تا پیچیده‌ترین و هوشمندترین دستیار مدیر ساختمان باشند، با استفاده از بینش‌های چند مدل و انتخاب بهترین‌ها برای یک مورد یا کار خاص.

او توضیح داد که Amazon Bedrock پیچیدگی ساخت و مقیاس‌بندی برنامه‌های هوش مصنوعی مولد را با مدل‌های پایه حذف می‌کند.

او خاطرنشان کرد: استارت‌آپ‌ها می‌توانند به سرعت بهترین مدل‌های پایه را برای موارد استفاده خاص – از Claude 3 تا Llama 2 – آزمایش و ارزیابی کنند. از آنجا، آنها می توانند به طور خصوصی آنها را با داده های خود استارتاپ با استفاده از تکنیک هایی مانند تنظیم دقیق و تولید استخراج پیشرفته سفارشی کنند. [RAG] و عواملی بسازید که وظایف را با استفاده از سیستم‌های سازمانی و منابع داده استارت‌آپ انجام می‌دهند.”

از آنجایی که ساختمان‌ها مسئول تقریباً 40 درصد از انتشار گازهای گلخانه‌ای جهانی هستند و 27 درصد از این انتشارات ناشی از انرژی مورد استفاده برای گرم کردن، خنک کردن و تأمین انرژی آنها است و انتظار می‌رود که ذخایر جهانی ساختمان تا سال 2050 دو برابر شود. رایت افزود: ایجاد انعطاف‌پذیری فقط ضروری نیست، بلکه ضروری است.

هوش مصنوعی BrainBox با استفاده از فناوری مبتنی بر هوش مصنوعی آموزش‌دیده در Amazon Bedrock برای بازنگری در سیستم‌های انرژی و کاهش اثرات بحران آب‌وهوایی، این مشکل را حل می‌کند.