យោងតាមរបាយការណ៍ទីផ្សារ AI និង AI ឧស្សាហកម្មឆ្នាំ ២០២១-២០២៦ ដែលទើបចេញផ្សាយថ្មីៗនេះ អត្រានៃការទទួលយក AI នៅក្នុងការកំណត់ឧស្សាហកម្មបានកើនឡើងពី ១៩ ភាគរយដល់ ៣១ ភាគរយក្នុងរយៈពេលជាងពីរឆ្នាំ។ បន្ថែមពីលើអ្នកឆ្លើយតប ៣១ ភាគរយដែលបានដាក់ឱ្យប្រើប្រាស់ AI ទាំងស្រុង ឬដោយផ្នែកនៅក្នុងប្រតិបត្តិការរបស់ពួកគេ ៣៩ ភាគរយទៀតកំពុងសាកល្បង ឬសាកល្បងបច្ចេកវិទ្យានេះ។
បញ្ញាសិប្បនិម្មិត (AI) កំពុងលេចចេញជាបច្ចេកវិទ្យាសំខាន់មួយសម្រាប់ក្រុមហ៊ុនផលិត និងក្រុមហ៊ុនថាមពលនៅទូទាំងពិភពលោក ហើយការវិភាគ IoT ព្យាករណ៍ថាទីផ្សារដំណោះស្រាយបញ្ញាសិប្បនិម្មិតឧស្សាហកម្មនឹងបង្ហាញអត្រាកំណើនប្រចាំឆ្នាំដ៏រឹងមាំក្រោយជំងឺរាតត្បាត (CAGR) ចំនួន 35% ដើម្បីឈានដល់ 102.17 ពាន់លានដុល្លារនៅឆ្នាំ 2026។
យុគសម័យឌីជីថលបានផ្តល់កំណើតដល់អ៊ីនធឺណិតនៃវត្ថុ។ យើងអាចមើលឃើញថាការលេចចេញនូវបញ្ញាសិប្បនិម្មិតបានបង្កើនល្បឿននៃការអភិវឌ្ឍអ៊ីនធឺណិតនៃវត្ថុ។
ចូរយើងពិនិត្យមើលកត្តាមួយចំនួនដែលជំរុញឱ្យមានការកើនឡើងនៃបញ្ញាសិប្បនិម្មិតឧស្សាហកម្ម និង AIoT។
កត្តាទី 1: ឧបករណ៍សូហ្វវែរកាន់តែច្រើនឡើងៗសម្រាប់ AIoT ឧស្សាហកម្ម
នៅឆ្នាំ ២០១៩ នៅពេលដែលការវិភាគ Iot ចាប់ផ្តើមគ្របដណ្តប់លើ AI ឧស្សាហកម្ម មានផលិតផលកម្មវិធី AI ដែលឧទ្ទិសដល់ AI តិចតួចណាស់ពីអ្នកលក់បច្ចេកវិទ្យាប្រតិបត្តិការ (OT)។ ចាប់តាំងពីពេលនោះមក អ្នកលក់ OT ជាច្រើនបានចូលទីផ្សារ AI ដោយបង្កើត និងផ្តល់ដំណោះស្រាយកម្មវិធី AI ក្នុងទម្រង់ជាវេទិកា AI សម្រាប់រោងចក្រ។
យោងតាមទិន្នន័យ អ្នកលក់ជិត ៤០០ នាក់ផ្តល់ជូនកម្មវិធី AIoT។ ចំនួនអ្នកលក់កម្មវិធីដែលចូលរួមក្នុងទីផ្សារ AI ឧស្សាហកម្មបានកើនឡើងយ៉ាងខ្លាំងក្នុងរយៈពេលពីរឆ្នាំកន្លងមកនេះ។ ក្នុងអំឡុងពេលនៃការសិក្សា IoT Analytics បានកំណត់អត្តសញ្ញាណអ្នកផ្គត់ផ្គង់បច្ចេកវិទ្យា AI ចំនួន ៦៣៤ នាក់ដល់ក្រុមហ៊ុនផលិត/អតិថិជនឧស្សាហកម្ម។ ក្នុងចំណោមក្រុមហ៊ុនទាំងនេះ ៣៨៩ (៦១,៤%) ផ្តល់ជូនកម្មវិធី AI។
វេទិកាកម្មវិធី AI ថ្មីនេះផ្តោតលើបរិស្ថានឧស្សាហកម្ម។ ក្រៅពី Uptake, Braincube ឬ C3 AI អ្នកលក់បច្ចេកវិទ្យាប្រតិបត្តិការ (OT) កាន់តែច្រើនឡើងៗ កំពុងផ្តល់ជូននូវវេទិកាកម្មវិធី AI ដែលឧទ្ទិសដល់ពួកគេ។ ឧទាហរណ៍រួមមាន ឈុតវិភាគឧស្សាហកម្ម Genix និង AI របស់ ABB ឈុតច្នៃប្រឌិត FactoryTalk របស់ Rockwell Automation វេទិកាប្រឹក្សាយោបល់ផលិតកម្មផ្ទាល់ខ្លួនរបស់ Schneider Electric និងថ្មីៗនេះ កម្មវិធីបន្ថែមជាក់លាក់។ វេទិកាទាំងនេះមួយចំនួនផ្តោតលើករណីប្រើប្រាស់ជាច្រើនប្រភេទ។ ឧទាហរណ៍ វេទិកា Genix របស់ ABB ផ្តល់នូវការវិភាគកម្រិតខ្ពស់ រួមទាំងកម្មវិធី និងសេវាកម្មដែលបានបង្កើតជាមុនសម្រាប់ការគ្រប់គ្រងប្រតិបត្តិការ ភាពសុចរិតនៃទ្រព្យសកម្ម និរន្តរភាព និងប្រសិទ្ធភាពខ្សែសង្វាក់ផ្គត់ផ្គង់។
ក្រុមហ៊ុនធំៗកំពុងដាក់ឧបករណ៍សូហ្វវែរ AI របស់ពួកគេនៅនឹងកន្លែង។
ភាពអាចរកបាននៃឧបករណ៍កម្មវិធី AI ក៏ត្រូវបានជំរុញដោយឧបករណ៍កម្មវិធីជាក់លាក់សម្រាប់ករណីប្រើប្រាស់ថ្មីដែលបង្កើតឡើងដោយ AWS ក្រុមហ៊ុនធំៗដូចជា Microsoft និង Google។ ឧទាហរណ៍ នៅក្នុងខែធ្នូ ឆ្នាំ២០២០ AWS បានចេញផ្សាយ Amazon SageMaker JumpStart ដែលជាលក្ខណៈពិសេសមួយរបស់ Amazon SageMaker ដែលផ្តល់នូវសំណុំនៃដំណោះស្រាយដែលបានបង្កើតជាមុន និងអាចប្ដូរតាមបំណងបានសម្រាប់ករណីប្រើប្រាស់ឧស្សាហកម្មទូទៅបំផុត ដូចជា PdM ចក្ខុវិស័យកុំព្យូទ័រ និងការបើកបរដោយស្វ័យប្រវត្តិ ដោយគ្រាន់តែចុចពីរបីដងប៉ុណ្ណោះ។
ដំណោះស្រាយកម្មវិធីជាក់លាក់តាមករណីប្រើប្រាស់កំពុងជំរុញការកែលម្អលទ្ធភាពប្រើប្រាស់។
ឈុតកម្មវិធីជាក់លាក់តាមករណីប្រើប្រាស់ ដូចជាកម្មវិធីដែលផ្តោតលើការថែទាំព្យាករណ៍ កំពុងតែក្លាយជារឿងធម្មតា។ IoT Analytics បានសង្កេតឃើញថា ចំនួនអ្នកផ្តល់សេវាដែលប្រើប្រាស់ដំណោះស្រាយកម្មវិធីគ្រប់គ្រងទិន្នន័យផលិតផលដែលមានមូលដ្ឋានលើ AI (PdM) បានកើនឡើងដល់ 73 នៅដើមឆ្នាំ 2021 ដោយសារតែការកើនឡើងនៃភាពខុសគ្នានៃប្រភពទិន្នន័យ និងការប្រើប្រាស់គំរូបណ្តុះបណ្តាលមុន ក៏ដូចជាការអនុម័តយ៉ាងទូលំទូលាយនៃបច្ចេកវិទ្យាបង្កើនទិន្នន័យ។
កត្តាទី 2: ការអភិវឌ្ឍ និងការថែទាំដំណោះស្រាយ AI កំពុងត្រូវបានធ្វើឱ្យសាមញ្ញ
ការរៀនម៉ាស៊ីនដោយស្វ័យប្រវត្តិ (AutoML) កំពុងក្លាយជាផលិតផលស្តង់ដារមួយ។
ដោយសារតែភាពស្មុគស្មាញនៃភារកិច្ចដែលទាក់ទងនឹងការរៀនម៉ាស៊ីន (ML) ការរីកចម្រើនយ៉ាងឆាប់រហ័សនៃកម្មវិធីរៀនម៉ាស៊ីនបានបង្កើតតម្រូវការសម្រាប់វិធីសាស្រ្តរៀនម៉ាស៊ីនដែលមានស្រាប់ ដែលអាចប្រើប្រាស់បានដោយមិនចាំបាច់មានជំនាញ។ វិស័យស្រាវជ្រាវលទ្ធផល គឺស្វ័យប្រវត្តិកម្មវឌ្ឍនភាពសម្រាប់ការរៀនម៉ាស៊ីន ត្រូវបានគេហៅថា AutoML។ ក្រុមហ៊ុនជាច្រើនកំពុងទាញយកអត្ថប្រយោជន៍ពីបច្ចេកវិទ្យានេះជាផ្នែកមួយនៃការផ្តល់ជូន AI របស់ពួកគេ ដើម្បីជួយអតិថិជនអភិវឌ្ឍគំរូ ML និងអនុវត្តករណីប្រើប្រាស់ឧស្សាហកម្មបានលឿនជាងមុន។ ជាឧទាហរណ៍ នៅក្នុងខែវិច្ឆិកា ឆ្នាំ២០២០ SKF បានប្រកាសផលិតផលដែលមានមូលដ្ឋានលើ automL ដែលរួមបញ្ចូលគ្នានូវទិន្នន័យដំណើរការម៉ាស៊ីនជាមួយនឹងទិន្នន័យរំញ័រ និងសីតុណ្ហភាព ដើម្បីកាត់បន្ថយថ្លៃដើម និងអាចឱ្យគំរូអាជីវកម្មថ្មីសម្រាប់អតិថិជន។
ប្រតិបត្តិការរៀនសូត្ររបស់ម៉ាស៊ីន (ML Ops) ធ្វើឱ្យការគ្រប់គ្រងគំរូ និងការថែទាំមានភាពសាមញ្ញ។
មុខវិជ្ជាថ្មីនៃប្រតិបត្តិការរៀនម៉ាស៊ីនមានគោលបំណងធ្វើឱ្យការថែទាំគំរូ AI នៅក្នុងបរិយាកាសផលិតកម្មមានភាពសាមញ្ញ។ ការអនុវត្តនៃគំរូ AI ជាធម្មតាធ្លាក់ចុះតាមពេលវេលា ដោយសារវាត្រូវបានប៉ះពាល់ដោយកត្តាជាច្រើននៅក្នុងរោងចក្រ (ឧទាហរណ៍ ការផ្លាស់ប្តូរនៅក្នុងការចែកចាយទិន្នន័យ និងស្តង់ដារគុណភាព)។ ជាលទ្ធផល ការថែទាំគំរូ និងប្រតិបត្តិការរៀនម៉ាស៊ីនបានក្លាយជាចាំបាច់ដើម្បីបំពេញតាមតម្រូវការគុណភាពខ្ពស់នៃបរិយាកាសឧស្សាហកម្ម (ឧទាហរណ៍ គំរូដែលមានការអនុវត្តក្រោម 99% អាចបរាជ័យក្នុងការកំណត់អត្តសញ្ញាណឥរិយាបថដែលបង្កគ្រោះថ្នាក់ដល់សុវត្ថិភាពកម្មករ)។
ក្នុងរយៈពេលប៉ុន្មានឆ្នាំចុងក្រោយនេះ ក្រុមហ៊ុនចាប់ផ្តើមអាជីវកម្មជាច្រើនបានចូលរួមក្នុងវិស័យ ML Ops រួមមាន DataRobot, Grid.AI, Pinecone/Zilliz, Seldon និង Weights & Biases។ ក្រុមហ៊ុនដែលមានស្រាប់បានបន្ថែមប្រតិបត្តិការរៀនម៉ាស៊ីនទៅក្នុងការផ្តល់ជូនកម្មវិធី AI ដែលមានស្រាប់របស់ពួកគេ រួមទាំង Microsoft ដែលបានណែនាំការរកឃើញការរសាត់ទិន្នន័យនៅក្នុង Azure ML Studio។ មុខងារថ្មីនេះអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់រកឃើញការផ្លាស់ប្តូរនៅក្នុងការចែកចាយទិន្នន័យបញ្ចូលដែលធ្វើឱ្យខូចដំណើរការគំរូ។
កត្តាទី 3: បញ្ញាសិប្បនិម្មិតត្រូវបានអនុវត្តចំពោះកម្មវិធី និងករណីប្រើប្រាស់ដែលមានស្រាប់
អ្នកផ្តល់សេវាកម្មវិធីបែបប្រពៃណីកំពុងបន្ថែមសមត្ថភាព AI។
បន្ថែមពីលើឧបករណ៍កម្មវិធី AI ផ្ដេកធំៗដែលមានស្រាប់ដូចជា MS Azure ML, AWS SageMaker និង Google Cloud Vertex AI ឈុតកម្មវិធីប្រពៃណីដូចជាប្រព័ន្ធគ្រប់គ្រងការថែទាំកុំព្យូទ័រ (CAMMS) ប្រព័ន្ធប្រតិបត្តិផលិតកម្ម (MES) ឬផែនការធនធានសហគ្រាស (ERP) ឥឡូវនេះអាចត្រូវបានកែលម្អគួរឱ្យកត់សម្គាល់ដោយការចាក់បញ្ចូលសមត្ថភាព AI។ ឧទាហរណ៍ អ្នកផ្តល់សេវា ERP Epicor Software កំពុងបន្ថែមសមត្ថភាព AI ទៅក្នុងផលិតផលដែលមានស្រាប់របស់ខ្លួនតាមរយៈ Epicor Virtual Assistant (EVA) របស់ខ្លួន។ ភ្នាក់ងារ EVA ឆ្លាតវៃត្រូវបានប្រើដើម្បីធ្វើស្វ័យប្រវត្តិកម្មដំណើរការ ERP ដូចជាការកំណត់ពេលវេលាឡើងវិញនូវប្រតិបត្តិការផលិតកម្ម ឬការអនុវត្តសំណួរសាមញ្ញ (ឧទាហរណ៍ ការទទួលបានព័ត៌មានលម្អិតអំពីតម្លៃផលិតផល ឬចំនួនគ្រឿងបន្លាស់ដែលមាន)។
ករណីប្រើប្រាស់ឧស្សាហកម្មកំពុងត្រូវបានធ្វើឱ្យប្រសើរឡើងដោយប្រើប្រាស់ AIoT។
ករណីប្រើប្រាស់ឧស្សាហកម្មជាច្រើនកំពុងត្រូវបានបង្កើនដោយការបន្ថែមសមត្ថភាព AI ទៅក្នុងហេដ្ឋារចនាសម្ព័ន្ធផ្នែករឹង/សូហ្វវែរដែលមានស្រាប់។ ឧទាហរណ៍ដ៏រស់រវើកមួយគឺចក្ខុវិស័យម៉ាស៊ីននៅក្នុងកម្មវិធីគ្រប់គ្រងគុណភាព។ ប្រព័ន្ធចក្ខុវិស័យម៉ាស៊ីនបែបប្រពៃណីដំណើរការរូបភាពតាមរយៈកុំព្យូទ័ររួមបញ្ចូលគ្នា ឬដាច់ដោយឡែកដែលបំពាក់ដោយកម្មវិធីឯកទេសដែលវាយតម្លៃប៉ារ៉ាម៉ែត្រ និងកម្រិតកំណត់ជាមុន (ឧទាហរណ៍ ភាពផ្ទុយគ្នាខ្ពស់) ដើម្បីកំណត់ថាតើវត្ថុបង្ហាញពីពិការភាពឬអត់។ ក្នុងករណីជាច្រើន (ឧទាហរណ៍ សមាសធាតុអេឡិចត្រូនិចដែលមានរាងខ្សែភ្លើងផ្សេងៗគ្នា) ចំនួននៃលទ្ធផលវិជ្ជមានក្លែងក្លាយគឺខ្ពស់ណាស់។
ទោះជាយ៉ាងណាក៏ដោយ ប្រព័ន្ធទាំងនេះកំពុងត្រូវបានរស់ឡើងវិញតាមរយៈបញ្ញាសិប្បនិម្មិត។ ឧទាហរណ៍ ក្រុមហ៊ុន Cognex ដែលជាអ្នកផ្តល់សេវាចក្ខុវិស័យម៉ាស៊ីនឧស្សាហកម្ម បានចេញផ្សាយឧបករណ៍ Deep Learning ថ្មីមួយ (Vision Pro Deep Learning 2.0) ក្នុងខែកក្កដា ឆ្នាំ 2021។ ឧបករណ៍ថ្មីនេះរួមបញ្ចូលជាមួយប្រព័ន្ធចក្ខុវិស័យបែបប្រពៃណី ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់ចុងក្រោយផ្សំការរៀនសូត្រស៊ីជម្រៅជាមួយឧបករណ៍ចក្ខុវិស័យបែបប្រពៃណីនៅក្នុងកម្មវិធីដូចគ្នា ដើម្បីបំពេញតម្រូវការបរិស្ថានវេជ្ជសាស្ត្រ និងអេឡិចត្រូនិកដែលទាមទារការវាស់វែងត្រឹមត្រូវនៃស្នាមឆ្កូត ការបំពុល និងពិការភាពផ្សេងទៀត។
កត្តាទី 4: ផ្នែករឹង AIoT ឧស្សាហកម្មកំពុងត្រូវបានកែលម្អ
បន្ទះឈីប AI កំពុងមានភាពប្រសើរឡើងយ៉ាងឆាប់រហ័ស។
បន្ទះឈីប AI ផ្នែករឹងដែលបានបង្កប់កំពុងរីកចម្រើនយ៉ាងឆាប់រហ័ស ជាមួយនឹងជម្រើសជាច្រើនដែលអាចរកបានដើម្បីគាំទ្រដល់ការអភិវឌ្ឍ និងការដាក់ពង្រាយម៉ូដែល AI។ ឧទាហរណ៍រួមមាន ឯកតាដំណើរការក្រាហ្វិក (Gpus) ចុងក្រោយបំផុតរបស់ NVIDIA គឺ A30 និង A10 ដែលត្រូវបានណែនាំនៅក្នុងខែមីនា ឆ្នាំ 2021 ហើយវាសមស្របសម្រាប់ករណីប្រើប្រាស់ AI ដូចជាប្រព័ន្ធណែនាំ និងប្រព័ន្ធចក្ខុវិស័យកុំព្យូទ័រ។ ឧទាហរណ៍មួយទៀតគឺ ឯកតាដំណើរការ Tensors ជំនាន់ទីបួន (TPus) របស់ Google ដែលជាសៀគ្វីរួមបញ្ចូលគ្នាពិសេស (ASics) ដ៏មានអានុភាព ដែលអាចសម្រេចបានប្រសិទ្ធភាព និងល្បឿនរហូតដល់ 1,000 ដងក្នុងការអភិវឌ្ឍ និងការដាក់ពង្រាយម៉ូដែលសម្រាប់បន្ទុកការងារ AI ជាក់លាក់ (ឧទាហរណ៍ ការរកឃើញវត្ថុ ការចាត់ថ្នាក់រូបភាព និងស្តង់ដារអនុសាសន៍)។ ការប្រើប្រាស់ផ្នែករឹង AI ដែលឧទ្ទិសដល់ការកាត់បន្ថយពេលវេលាគណនាម៉ូដែលពីថ្ងៃមកត្រឹមនាទី ហើយបានបង្ហាញថាជាការផ្លាស់ប្តូរហ្គេមក្នុងករណីជាច្រើន។
ផ្នែករឹង AI ដ៏មានអានុភាពអាចរកបានភ្លាមៗតាមរយៈគំរូបង់ប្រាក់តាមការប្រើប្រាស់។
សហគ្រាសខ្នាតធំកំពុងធ្វើបច្ចុប្បន្នភាពម៉ាស៊ីនបម្រើរបស់ពួកគេជានិច្ច ដើម្បីធ្វើឱ្យធនធានកុំព្យូទ័រអាចប្រើបាននៅក្នុងពពក ដូច្នេះអ្នកប្រើប្រាស់ចុងក្រោយអាចអនុវត្តកម្មវិធី AI ឧស្សាហកម្ម។ ជាឧទាហរណ៍ ក្នុងខែវិច្ឆិកា ឆ្នាំ២០២១ AWS បានប្រកាសពីការចេញផ្សាយជាផ្លូវការនៃឧទាហរណ៍ផ្អែកលើ GPU ចុងក្រោយបំផុតរបស់ខ្លួន គឺ Amazon EC2 G5 ដែលដំណើរការដោយ NVIDIA A10G Tensor Core GPU សម្រាប់កម្មវិធី ML ជាច្រើនប្រភេទ រួមទាំងម៉ាស៊ីនចក្ខុវិស័យកុំព្យូទ័រ និងម៉ាស៊ីនណែនាំ។ ជាឧទាហរណ៍ អ្នកផ្តល់សេវាប្រព័ន្ធរកឃើញ Nanotronics ប្រើប្រាស់ឧទាហរណ៍ Amazon EC2 នៃដំណោះស្រាយត្រួតពិនិត្យគុណភាពផ្អែកលើ AI របស់ខ្លួន ដើម្បីបង្កើនល្បឿនកិច្ចខិតខំប្រឹងប្រែងដំណើរការ និងសម្រេចបានអត្រារកឃើញកាន់តែត្រឹមត្រូវក្នុងការផលិតមីក្រូឈីប និងណាណូធូប។
សេចក្តីសន្និដ្ឋាន និងការរំពឹងទុក
បញ្ញាសិប្បនិម្មិត (AI) កំពុងចេញពីរោងចក្រ ហើយវានឹងមានគ្រប់ទីកន្លែងនៅក្នុងកម្មវិធីថ្មីៗ ដូចជា PdM ដែលមានមូលដ្ឋានលើបញ្ញាសិប្បនិម្មិត (AI) និងជាការបង្កើនប្រសិទ្ធភាពដល់កម្មវិធី និងករណីប្រើប្រាស់ដែលមានស្រាប់។ សហគ្រាសធំៗកំពុងដាក់ចេញករណីប្រើប្រាស់បញ្ញាសិប្បនិម្មិតជាច្រើន និងរាយការណ៍ពីភាពជោគជ័យ ហើយគម្រោងភាគច្រើនមានផលចំណេញខ្ពស់លើការវិនិយោគ។ ជារួម ការកើនឡើងនៃពពក វេទិកា iot និងបន្ទះឈីបបញ្ញាសិប្បនិម្មិតដ៏មានអានុភាព ផ្តល់នូវវេទិកាសម្រាប់ជំនាន់ថ្មីនៃកម្មវិធី និងការបង្កើនប្រសិទ្ធភាព។
ពេលវេលាបង្ហោះ៖ ថ្ងៃទី ១២ ខែមករា ឆ្នាំ ២០២២