Оптимизиране на работните процеси в JAL: AI иновация от Fujitsu и Headwaters
Fujitsu Limited и Headwaters Co., Ltd., водещ доставчик на AI решения, успешно приключиха полеви изпитания, използващи генеративен AI, за да революционизират създаването на доклади за предаване на смените за кабинен екипаж на Japan Airlines Co., Ltd. (JAL). Тези изпитания, които продължиха от 27 януари до 26 март 2025 г., недвусмислено демонстрираха потенциала за значителна икономия на време и повишена ефективност.
Предизвикателството на докладите за предаване на смените
Членовете на кабинния екипаж на JAL традиционно отделят значително време и усилия за съставяне на изчерпателни доклади за предаване на смените. Тези доклади служат като важен канал за трансфер на информация между последователни кабинни екипажи и наземния персонал, осигурявайки безпроблемен оперативен поток. Осъзнавайки възможността да се рационализира този процес, Fujitsu и Headwaters се заеха със съвместно усилие да използват силата на генеративния AI.
Ново решение: Офлайн генеративен AI
За да се преодолеят ограниченията на разчитането на постоянна облачна свързаност, Fujitsu и Headwaters избраха Phi-4 на Microsoft, компактен езиков модел (SLM), щателно оптимизиран за офлайн среди. Този стратегически избор даде възможност за разработване на чат-базирана система, достъпна на таблетни устройства, улесняваща ефективното генериране на доклади както по време, така и след полети.
Изпитанията предоставиха убедителни доказателства, че това иновативно решение дава възможност на кабинния екипаж да генерира висококачествени доклади, като същевременно значително намалява времето, инвестирано в създаването на доклади. Това се превръща в повишена ефективност за кабинния екипаж на JAL, което в крайна сметка допринася за подобрено обслужване на пътниците.
Роли и отговорности
Успехът на тази инициатива за сътрудничество зависеше от различните експертни познания и приноси на всеки партньор:
Fujitsu: Компанията играе ключова роля в адаптирането на Microsoft Phi-4 към специфичните изисквания на задачите на кабинния екипаж. Използвайки своята AI услуга Fujitsu Kozuchi, Fujitsu щателно настрои езиковия модел, използвайки историческите данни за докладите на JAL, осигурявайки оптимална производителност и уместност.
Headwaters: Headwaters оглави разработването на специфично за бизнеса генеративно AI приложение, задвижвано от Phi-4. Чрез използване на технология за квантуване, Headwaters даде възможност за безпроблемно създаване на доклади на таблетни устройства дори в офлайн среди. Освен това, техните AI консултанти предоставиха безценна подкрепа през целия проект, обхващаща анализ на работния процес за внедряване на AI, пробна реализация и оценка и гъвкаво управление на напредъка в развитието. AI инженерите на компанията също така изградиха среда за фина настройка за Fujitsu Kozuchi и предоставиха техническа помощ за оптимизация, съобразена с уникалната среда на използване на клиента.
Отраслови прозрения
Шиничи Мията, ръководител на бизнес отдела за междуотраслови решения, Global Solutions Business Group, Fujitsu Limited, подчерта значението на това постижение, заявявайки: ‘Радваме се да обявим този пример за използване на генеративен AI в кабинните операции на Japan Airlines. Това съвместно доказателство за концепция допринася за напредъка на генеративния AI в офлайн среди и има потенциала да трансформира операциите в различни индустрии и роли, където достъпът до мрежата е ограничен. Успехът на това значимо сътрудничество е резултат от изключителните възможности за предложения на Headwaters, съчетани с технологичния опит на Fujitsu. В бъдеще оставаме ангажирани да укрепим нашето партньорство, за да подкрепим разширяването на бизнеса на нашите клиенти и да се справим със социалните предизвикателства.’
Бъдеща траектория
Надграждайки обещаващите резултати от полевите изпитания, Fujitsu и Headwaters са ангажирани да продължат по-нататъшни тестове, за да проправят пътя за производствено внедряване за JAL. Тяхната крайна цел е безпроблемно да интегрират решението в съществуващата платформа за генеративен AI на JAL.
Освен това, Fujitsu предвижда включването на SLM, специално пригодени за различни видове работа в рамките на Fujitsu Kozuchi, което допълнително ще подобри гъвкавостта и приложимостта на AI услугата.
Заедно, Fujitsu и Headwaters ще продължат да подкрепят оперативната трансформация на JAL чрез стратегическото приложение на AI, справяйки се с критични предизвикателства, подобрявайки обслужването на клиентите и справяйки се с проблемите в цялата индустрия.
По-задълбочено: Разкриване на нюансите на внедряването на AI
Сътрудничеството между Fujitsu и Headwaters за подобряване на оперативната ефективност на JAL чрез AI предлага убедително тематично проучване за това как най-съвременната технология може да бъде използвана за справяне с реални предизвикателства. Нека да анализираме ключовите елементи, които подкрепиха успеха на този проект, и да проучим по-широките последици за авиационната индустрия и извън нея.
1. Стратегическият избор на малък езиков модел (SLM)
Решението да се използва Phi-4 на Microsoft, малък езиков модел (SLM), вместо голям езиков модел (LLM), беше стратегически майсторски ход. LLM, макар и да се гордеят с впечатляващи възможности, обикновено изискват значителни изчислителни ресурси и постоянна връзка със сървъри в облака. Това представлява значително предизвикателство в среди, където достъпът до мрежата е ненадежден или несъществуващ, като например по време на полети.
SLM, от друга страна, са проектирани да работят ефективно на устройства с ограничена изчислителна мощност и капацитет за съхранение. По-специално, Phi-4 е щателно оптимизиран за офлайн среди, което го прави идеален избор за проекта JAL. Този подход не само гарантира, че кабинният екипаж има достъп до системата за генериране на отчети, задвижвана от AI, независимо от наличността на мрежата, но и намалява зависимостта от скъпа облачна инфраструктура.
2. Фина настройка за специфичност на домейна
Въпреки че SLM предлагат предимството на офлайн работа, те често нямат широтата на знания и контекстуалното разбиране на своите по-големи колеги. За да се справи с това ограничение, Fujitsu използва своята AI услуга Kozuchi, за да настрои фино Phi-4, използвайки историческите данни за отчетите на JAL.
Фината настройка включва обучение на предварително обучен езиков модел върху конкретен набор от данни, за да се подобри неговата производителност на конкретна задача или в рамките на конкретен домейн. В този случай, като изложи Phi-4 на изобилие от минали отчети на JAL, Fujitsu даде възможност на модела да научи нюансите на отчитането на кабинния екипаж, включително специфичната терминология, конвенциите за форматиране и често срещаните проблеми, срещани по време на полети.
Тази специфична за домейна фина настройка значително подобри точността и уместността на генерираните от AI отчети, като гарантира, че те отговарят на строгите изисквания на оперативните процедури на JAL.
3. Технология за квантуване за повишена ефективност
Приносът на Headwaters към проекта се простира отвъд разработването на чат-базираното приложение. Компанията също така използва технология за квантуване, за да оптимизира допълнително производителността на Phi-4 на таблетни устройства.
Квантуването е техника, която намалява размера на паметта и изчислителните изисквания на невронна мрежа, като представя нейните параметри с по-малко битове. Например, вместо да използва 32-битови числа с плаваща запетая, параметрите на модела може да бъдат представени с 8-битови цели числа.
Това намаляване на прецизността е свързано с лека загуба на точност, но компромисът често си заслужава по отношение на подобрена скорост и намалена консумация на памет. Чрез квантуване на Phi-4, Headwaters гарантира, че AI моделът може да работи гладко и ефективно върху ограничените ресурси на таблетните устройства, осигурявайки безпроблемно потребителско изживяване за кабинния екипаж.
4. Agile разработка и съвместен опит
Успехът на проекта JAL се дължи и на методологията за agile разработка, използвана от Headwaters, и на духа на сътрудничество на партньорството Fujitsu-Headwaters.
Agile разработката набляга на итеративното развитие, честата обратна връзка и тясното сътрудничество между заинтересованите страни. Този подход позволи на екипа на проекта бързо да се адаптира към променящите се изисквания и да се справи с непредвидени предизвикателства.
Допълващият опит на Fujitsu и Headwaters също беше от решаващо значение за успеха на проекта. Fujitsu допринесе със задълбоченото си разбиране на AI технологията и своята AI услуга Kozuchi, докато Headwaters допринесе със своя опит в разработването на AI приложения, анализа на работния поток и agile управлението на проекти. Тази синергия от умения и знания позволи на екипа да разработи наистина иновативно и ефективно решение.
По-широките последици за авиационната индустрия
Проектът JAL предлага поглед към бъдещето на AI в авиационната индустрия. Чрез автоматизиране на рутинни задачи, като генериране на отчети, AI може да освободи кабинния екипаж да се съсредоточи върху по-важни отговорности, като безопасността на пътниците и обслужването на клиенти.
Освен това, AI може да се използва за подобряване на оперативната ефективност в различни други области, включително:
- Предсказуема поддръжка: AI може да анализира сензорни данни от самолети, за да предвиди кога е необходима поддръжка, намалявайки времето за престой и подобрявайки безопасността.
- Оптимизация на маршрута: AI може да анализира метеорологичните условия, условията на трафика и други фактори, за да оптимизира полетните маршрути, спестявайки гориво и намалявайки времето за пътуване.
- Обслужване на клиенти: Чатботовете, задвижвани от AI, могат да осигурят незабавна подкрепа на пътниците, отговаряйки на въпроси, разрешавайки проблеми и предоставяйки персонализирани препоръки.
Тъй като AI технологията продължава да се развива, нейният потенциал да трансформира авиационната индустрия е огромен. Проектът JAL служи като ценен пример за това как AI може да се използва за подобряване на ефективността, повишаване на безопасността и подобряване на изживяването на пътниците.
Отвъд авиацията: Гъвкавостта на офлайн AI
Успехът на проекта Fujitsu-Headwaters за JAL подчертава по-широката приложимост на офлайн AI решения в различни индустрии и сектори. Възможността за внедряване на AI модели в среди с ограничена или никаква мрежова свързаност отваря свят от възможности за организации, които се стремят да използват силата на AI в отдалечени или предизвикателни условия.
1. Здравеопазване в отдалечени райони
В селските или необслужвани общности доставчиците на здравни услуги често се сблъскват с предизвикателства, свързани с ограничен достъп до надеждна интернет връзка. Офлайн AI решенията могат да дадат възможност на тези доставчици с диагностични инструменти, препоръки за лечение и възможности за наблюдение на пациентите, дори при липса на стабилна интернет връзка.
Например, алгоритми за разпознаване на изображения, задвижвани от AI, могат да бъдат внедрени на преносими устройства, за да подпомогнат здравните работници при идентифицирането на заболявания от медицински изображения, като рентгенови снимки или CT сканирания. По същия начин, системи за поддръжка на решения, управлявани от AI, могат да предоставят насоки за протоколи за лечение въз основа на симптомите на пациента и медицинската история, дори в райони, където достъпът до специализиран опит е ограничен.
2. Селско стопанство в развиващите се страни
Фермерите в развиващите се страни често нямат достъп до най-новата селскостопанска информация и технологии. Офлайн AI решенията могат да преодолеят тази пропаст, като предоставят на фермерите персонализирани препоръки относно избора на култури, техниките за напояване и стратегиите за контрол на вредителите, дори без достъп до интернет.
Инструменти за анализ на изображения, задвижвани от AI, могат да се използват за оценка на здравето на културите, идентифициране на растителни заболявания и откриване на нашествия от вредители, което позволява на фермерите да предприемат навременни действия, за да защитят добивите си. Освен това, модели за прогнозиране на времето, управлявани от AI, могат да предоставят на фермерите точни и локализирани прогнози за времето, като им помагат да вземат информирани решения относно засаждането, прибирането на реколтата и напояването.
3. Оказване на помощ при бедствия и реагиране при спешни случаи
След природни бедствия, като земетресения, наводнения или урагани, комуникационната инфраструктура често е нарушена, което затруднява спасителите да координират усилията си и да предоставят помощ на нуждаещите се. Офлайн AI решенията могат да играят решаваща роля в тези ситуации, като предоставят на спасителите инструменти за ситуационна осведоменост, оценка на щетите и разпределение на ресурсите.
Алгоритми за разпознаване на изображения, задвижвани от AI, могат да се използват за анализиране на сателитни изображения или кадри от дронове, за да се оцени степента на щетите и да се идентифицират области, където помощта е най-спешно необходима. По същия начин, комуникационни платформи, управлявани от AI, могат да позволят на спасителите да комуникират помежду си и със засегнатите общности, дори при липса на клетъчна или интернет връзка.
4. Производство и индустриална автоматизация
В производствени заводи и индустриални съоръжения надеждната интернет връзка не винаги е гарантирана, особено в отдалечени райони или в среди с електромагнитни смущения. Офлайн AI решенията могат да позволят на производителите да автоматизират различни процеси, като контрол на качеството, предсказуема поддръжка и управление на запасите, дори без стабилна интернет връзка.
Системи за виждане, задвижвани от AI, могат да се използват за проверка на продукти за дефекти, като се гарантира, че само висококачествени артикули се доставят на клиентите. По същия начин, модели за предсказуема поддръжка, управлявани от AI, могат да анализират сензорни данни от оборудване, за да предвидят кога е необходима поддръжка, намалявайки времето за престой и подобрявайки производителността.
Проектът Fujitsu-Headwaters за JAL служи като убедителна демонстрация на силата и гъвкавостта на офлайн AI решенията. Тъй като AI технологията продължава да напредва, можем да очакваме да видим още по-иновативни приложения на офлайн AI в широк спектър от индустрии и сектори, давайки възможност на организациите да решават реални проблеми и да подобряват живота на хората, независимо от техния достъп до интернет връзка.