BMW மற்றும் Capgemini நிர்வாகிகள் AI-ஐ வாகன உற்பத்தியாளரின் 'சூப்பர் பவர்' ஆக வரையறுக்கின்றனர்
செயற்கை நுண்ணறிவு (AI) வாகனத் தொழிலுக்குள் எவ்வாறு நுழைகிறது என்பதை நெருக்கமாகக் கவனிக்கும் இரண்டு நிர்வாகிகள், இந்தத் தொழில்நுட்பத்தின் மதிப்பை உண்மையில் கைப்பற்றுவதற்கு என்ன தேவை என்பது குறித்த தங்கள் சிந்தனையை வெளிப்படுத்தியுள்ளனர். BMW குழுமத்தில் புதிய தொழில்நுட்பங்களை வழிநடத்தும் Serena Striegel, Capgemini Invent-இன் இயக்குநர் Ferdinand Schockenhoff உடன் இணைந்து, ஒரு கவனிக்கத்தக்க முன்மொழிவை மையமாகக் கொண்ட உரையாடலில் பங்கேற்றார்: AI வாகன உற்பத்தியாளர்களுக்கு ஒரு வகையான சூப்பர் பவராக செயல்பட முடியும் — ஆனால் அதை வேண்டுமென்றே கையாளத் தெரிந்த நிறுவனங்களுக்கு மட்டுமே.
இந்த வரையறை முக்கியமானது, ஏனெனில் வாகனத் தொழில் AI-ஐப் பொறுத்தவரை பல ஆண்டுகளாக ஒரு சங்கடமான இடைநிலைக் கட்டத்தில் உள்ளது. கிட்டத்தட்ட ஒவ்வொரு பெரிய உற்பத்தியாளரும் இப்போது பைலட் திட்டங்கள், ஹேக்கத்தான்கள் மற்றும் உள் கருவி சோதனைகளை நடத்துகின்றனர். வடிவமைப்பு முடிவுகள், தொழிற்சாலை உற்பத்தித் திறன் அல்லது வாடிக்கையாளர்கள் தினமும் தொடர்பு கொள்ளும் மென்பொருளைத் தொடும் உற்பத்தி அமைப்புகளுக்குள் அந்தச் சோதனைகளைத் தள்ளியவர்கள் மிகக் குறைவே. விளக்கம் மற்றும் பயன்பாட்டுக்கு இடையிலான இந்த இடைவெளியில்தான் BMW தொழில்நுட்பத் தலைவருக்கும் Capgemini Invent இயக்குநருக்கும் இடையிலான விவாதம், வாகனத் தொழில் உத்தியைத் திட்டமிடும் எவருக்கும் பொருத்தமானதாகிறது.
யார் பேசுகிறார்கள், இந்த இணை ஏன் கவனிக்கத்தக்கது
BMW குழுமத்தில் Striegel-இன் பங்கு, ஆராய்ச்சி மற்றும் தயாரிப்பு யதார்த்தத்தின் சந்திப்பில் அவரை நிறுத்துகிறது. ஒரு பிரீமியம் வாகன உற்பத்தியாளரிடம் புதிய தொழில்நுட்பங்களை வழிநடத்துவது என்பது, எந்த வளர்ந்து வரும் கருவிகள் பொறியியல் தரநிலைகள், ஒழுங்குமுறை தேவைகள் மற்றும் உலகளாவிய விநியோகச் சங்கிலிகளுடன் தொடர்பு கொண்டு நிலைத்திருக்கும் அளவுக்கு முதிர்ச்சியடைந்துள்ளன — எவை இல்லை என்பதை மதிப்பிடுவதாகும். இது ஆய்வகத்தில் ஒரு முன்மாதிரியை உருவாக்குவதிலிருந்து வேறுபட்ட வேலை.
Capgemini-இன் ஆலோசனை மற்றும் டிஜிட்டல் புதுமைப் பிரிவான Capgemini Invent-இல் Schockenhoff-இன் பதவி, சமன்பாட்டின் மறுபக்கத்தைப் பிரதிபலிக்கிறது: பெரிய தொழில்துறை AI திட்டங்களுடன் அதிகரித்து வரும் ஆலோசனை மற்றும் அமைப்பு-ஒருங்கிணைப்புப் பணி. அந்த அளவிலான ஆலோசனை நிறுவனங்கள் பொதுவாக உற்பத்தியாளர்களுக்கு செயல்முறைகளை வரைபடமாக்கவும், தரவுக் குழாய்களை மறுசீரமைக்கவும், ஒரு நோட்புக்கில் உள்ள மாதிரி எப்போதாவது ஒரு வாகனத்தை பாதிக்குமா என்பதைத் தீர்மானிக்கும் நிறுவன மாற்றத்தை நிர்வகிக்கவும் உதவுகின்றன.
ஒரு வாகன உற்பத்தியாளரின் தொழில்நுட்ப நிர்வாகியை ஒரு ஆலோசனை இயக்குநருக்கு அருகில் வைப்பது அதுவே ஒரு சமிக்ஞை. இது உரையாடல் மூல மாதிரி திறனைப் பற்றியது குறைவு, செயலாக்கத்தைப் பற்றியது அதிகம் — தரவு நிர்வாகம், திறமை, செயல்முறை மறுவடிவமைப்பு மற்றும் அளவீடு ஆகிய கவர்ச்சியற்ற பணிகள், ஒரு கவர்ச்சிகரமான டெமோவை நீடித்த போட்டி நன்மையிலிருந்து பிரிக்கின்றன.
AI வாகன மதிப்புச் சங்கிலியை எங்கு மறுவடிவமைக்க முடியும்
"முழு சக்தி" என்ற சொற்றொடர் பரந்த அளவைக் குறிக்கிறது, மேலும் வாகன மதிப்புச் சங்கிலி AI செயல்பட பல மேற்பரப்புகளை வழங்குகிறது. மிகவும் நம்பகமான குறுகிய கால ஆதாயங்கள் சில பகுதிகளில் குவிந்துள்ளன.
பொறியியல் மற்றும் தயாரிப்பு மேம்பாடு
வாகன திட்டங்களில் ஏராளமான வடிவமைப்பு மறுசுழற்சிகள், உருவகப்படுத்துதல்கள் மற்றும் இணக்கச் சரிபார்ப்புகள் அடங்கும். உருவகப்படுத்துதலை விரைவுபடுத்தும், சாத்தியமான வடிவியல்களை உருவாக்கும் அல்லது தொடர்புடைய கடந்தகால வடிவமைப்புகளை மேற்பரப்புக்குக் கொண்டுவரும் கருவிகள், அடிப்படை பொறியியல் தரவு நம்பக்கூடிய அளவுக்கு சுத்தமாக இருந்தால், மேம்பாட்டுச் சுழற்சிகளைக் குறைக்கலாம்.
உற்பத்தி, தரம் மற்றும் தளவாடங்கள்
தொழிற்சாலைகள் சென்சார் மற்றும் ஆய்வுத் தரவுகளின் அடர்த்தியான ஓட்டங்களை உருவாக்குகின்றன. தரக் கட்டுப்பாடு, முன்கணிப்பு பராமரிப்பு மற்றும் உற்பத்தி திட்டமிடலுக்குப் பயன்படுத்தப்படும் AI, வேலையில்லா நேரம் மற்றும் வீணாக்கத்தைக் குறைக்கலாம். விநியோகச் சங்கிலி முன்கணிப்பு என்பது சிறந்த மாதிரிகள் வெளிப்படையான நிதி மதிப்பைக் கொண்ட மற்றொரு பகுதி, குறிப்பாக சமீபத்திய ஆண்டுகளின் இடையூறுகளுக்குப் பிறகு.
மென்பொருள், உதவியாளர்கள் மற்றும் வாடிக்கையாளர் அனுபவம்
நவீன வாகனங்கள் பெருகிய முறையில் மென்பொருள்-வரையறுக்கப்பட்டவை, அதாவது AI நேரடியாக தயாரிப்பில் தோன்றுகிறது: குரல் இடைமுகங்கள், ஓட்டுநர் உதவி அம்சங்கள், தனிப்பயனாக்கம் மற்றும் ஓவர்-தி-ஏர் சேவை புதுப்பிப்புகள். இங்கே வாகன உற்பத்தியாளரின் சவால் மாதிரி செயல்திறனைப் போலவே நம்பகத்தன்மை, பாதுகாப்பு மற்றும் தனியுரிமை பற்றியதாகவும் உள்ளது.
- மேம்பாடு: விரைவான உருவகப்படுத்துதல் மற்றும் வடிவமைப்பு ஆய்வு
- உற்பத்தி: ஆய்வு, பராமரிப்பு மற்றும் திட்டமிடல்
- விநியோகச் சங்கிலி: தேவை மற்றும் இடையூறு முன்கணிப்பு
- தயாரிப்பு: காருக்குள் உதவியாளர்கள், உதவி அமைப்புகள் மற்றும் தனிப்பயனாக்கம்
- பின்னணி அலுவலகம்: சேவை, விற்பனை மற்றும் விற்பனைக்குப் பிந்தைய ஆதரவு
உண்மையான தடை தொழில்நுட்பம் அல்ல, நிறுவனம்
இது போன்ற விவாதங்கள் பொதுவாக அதே கட்டுப்பாட்டுக்கே திரும்பி வருகின்றன: நிறுவன AI-இன் மிகக் கடினமான பகுதி ஒரு மாதிரியைப் பெறுவது அல்ல. அந்த மாதிரியை தொழில்துறை அளவில் நம்பகமானதாக்க தேவையான தரவு, நிர்வாகம் மற்றும் நபர்களை ஒன்றிணைப்பதே. வாகனத் துறை அதன் சொந்த அழுத்தங்களைச் சேர்க்கிறது — நீண்ட மேம்பாட்டு அடிவானங்கள், கடுமையான பாதுகாப்பு எதிர்பார்ப்புகள், சிக்கலான சப்ளையர் நெட்வொர்க்குகள் மற்றும் சந்தையைப் பொறுத்து மாறுபடும் ஒழுங்குமுறை சூழல்.
அந்தக் கலவை, பரந்த அளவிலான மாற்றங்களை விட படிப்படியான, நன்கு அளவிடப்பட்ட பயன்பாடுகளுக்கு வெகுமதி அளிக்கிறது. ஒரு தொழிற்சாலை வரிசையில் அல்லது ஒரு பொறியியல் பணிப்பாய்வில் அளவிடக்கூடிய முன்னேற்றத்தை நிரூபிக்கக்கூடிய ஒரு உற்பத்தியாளர், டஜன் கணக்கான தேக்கமடைந்த கருத்து சோதனைகளைக் கொண்ட ஒரு நிறுவனத்தை விட மதிப்புமிக்க ஒன்றைக் கொண்டுள்ளார். அந்த வாசிப்பில், "சூப்பர் பவர்" வரையறை மந்திரத்தைப் பற்றியது குறைவு, திரட்டப்பட்ட செயல்பாட்டு நன்மையைப் பற்றியது அதிகம்: ஒவ்வொரு வெற்றிகரமான பயன்பாடும் அடுத்ததை மலிவாகவும் விரைவாகவும் ஆக்குகிறது.
உற்பத்தியாளர்களுக்கும் ஆலோசனை நிறுவனங்களுக்கும் இடையிலான கூட்டாண்மைகள் அந்த தர்க்கத்திற்குப் பொருந்துகின்றன. வாகன உற்பத்தியாளர்கள் துறை ஆழம், தனியுரிம தரவு மற்றும் தயாரிப்பு பொறுப்புணர்வைக் கொண்டு வருகிறார்கள். வெளிப்புற கூட்டாளர்கள் குறுக்கு-தொழில் முறை அங்கீகாரம், வழங்கல் திறன் மற்றும் சிறப்பு குழுக்களை விரைவாக பணியமர்த்தும் திறனைக் கொண்டு வருகிறார்கள். பதற்றம் பரிச்சயமானது — வெளிப்புற உதவி செயலாக்கத்தை விரைவுபடுத்தும் அதே வேளையில் கவனமாக நிர்வகிக்கப்பட வேண்டிய சார்புகளையும் உருவாக்குகிறது.
அடுத்து என்ன கவனிக்க வேண்டும்
வாகனத் துறையின் பார்வையாளர்களுக்கு, பயனுள்ள கேள்வி AI முக்கியமா என்பது அல்ல — அந்த விவாதம் திறம்பட தீர்க்கப்பட்டுவிட்டது — ஆனால் அளவிடக்கூடிய முடிவுகள் முதலில் எங்கு வெளிப்படும் என்பதே. AI திட்டங்களுடன் தொடர்புடைய உறுதியான அளவீடுகளை வெளியிடும் வாகன உற்பத்தியாளர்களைக் கவனியுங்கள்: குறைக்கப்பட்ட மேம்பாட்டு நேரம், மேம்படுத்தப்பட்ட முதல்-பாஸ் தரம், குறைந்த திட்டமிடப்படாத வேலையில்லா நேரம் அல்லது வேகமான தாளத்தில் வழங்கப்படும் மென்பொருள் அம்சங்கள்.
திறமைக் கதையையும் கவனியுங்கள். இயந்திர கற்றல் மற்றும் இயற்பியல் தயாரிப்புகள் இரண்டையும் புரிந்துகொள்ளும் பொறியாளர்களுக்கான போட்டி தீவிரமானது, மேலும் இது பாரம்பரிய வாகன மையங்களுக்கு அப்பால் நீண்டுள்ளது. AI திறனை ஒரு பக்க திட்டமாக அல்லாமல் ஒரு முக்கிய பொறியியல் துறையாகக் கருதும் நிறுவனங்களே, இன்னும் சில ஆண்டுகளில் அவர்களின் நிர்வாகிகள் சூப்பர் பவர்களைப் பற்றி நம்பத்தகுந்த முறையில் பேசக்கூடிய நிறுவனங்களாக இருக்கும்.
இறுதியாக, மொழி எவ்வாறு உருவாகிறது என்பதைக் கவனியுங்கள். தொழில்நுட்பத் தலைவர்களும் ஆலோசகர்களும் ஒரே சொல்லகராதியில் ஒன்றிணையும்போது — திறன், அளவிடுதல், மதிப்பு உணர்தல் — அது பொதுவாக ஆரம்ப சோதனைக் கட்டம் மிகவும் ஒழுக்கமான ஒன்றுக்கு வழிவகுக்கிறது என்பதைக் குறிக்கிறது. அந்த ஒழுக்கம் வாக்குறுதியளிக்கப்பட்ட சூப்பர் பவர்களை உருவாக்குமா என்பது எந்த ஒரு திருப்புமுனை மாதிரியை விட செயலாக்கத்தைப் பொறுத்தே அதிகம் இருக்கும்.
இந்தக் கட்டுரை Automotive News-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.
Originally published on autonews.com