Merasionalisasikan Aliran Kerja JAL: Inovasi AI Fujitsu dan Headwaters
Dalam kolaborasi yang inovatif, Fujitsu Limited dan Headwaters Co., Ltd., penyedia penyelesaian AI terkemuka, telah berjaya menyelesaikan ujian lapangan menggunakan AI generatif untuk merevolusikan penciptaan laporan penyerahan untuk Japan Airlines Co., Ltd. (JAL) anak kapal kabin. Ujian-ujian ini, yang berlangsung dari 27 Januari hingga 26 Mac 2025, telah menunjukkan dengan jelas potensi penjimatan masa yang besar dan peningkatan kecekapan.
Cabaran Laporan Penyerahan
Ahli-ahli kru kabin JAL secara tradisinya menumpukan masa dan usaha yang signifikan untuk menyusun laporan penyerahan yang komprehensif. Laporan-laporan ini berfungsi sebagai saluran penting untuk pemindahan maklumat antara anak-anak kapal kabin yang berturut-turut dan kakitangan darat, memastikan aliran operasi yang lancar. Menyedari peluang untuk memperkemas proses ini, Fujitsu dan Headwaters memulakan usaha bersama untuk memanfaatkan kuasa AI generatif.
Penyelesaian Baharu: AI Generatif Luar Talian
Untuk mengatasi batasan bergantung pada sambungan awan yang berterusan, Fujitsu dan Headwaters memilih Phi-4 Microsoft, model bahasa padat (SLM) yang dioptimumkan dengan teliti untuk persekitaran luar talian. Pilihan strategik ini membolehkan pembangunan sistem berasaskan sembang yang boleh diakses pada peranti tablet, memudahkan penjanaan laporan yang cekap semasa dan selepas penerbangan.
Ujian telah menghasilkan bukti yang meyakinkan bahawa penyelesaian inovatif ini memperkasakan anak kapal kabin untuk menjana laporan berkualiti tinggi sambil mengurangkan masa yang dilaburkan dalam penciptaan laporan dengan ketara. Ini diterjemahkan kepada peningkatan kecekapan untuk anak kapal kabin JAL, akhirnya menyumbang kepada peningkatan penyampaian perkhidmatan untuk penumpang.
Peranan dan Tanggungjawab
Kejayaan inisiatif kolaboratif ini bergantung pada kepakaran dan sumbangan yang berbeza dari setiap rakan kongsi:
Fujitsu: Syarikat ini memainkan peranan penting dalam menyesuaikan Microsoft Phi-4 dengan keperluan khusus tugas anak kapal kabin. Memanfaatkan perkhidmatan AI Fujitsu Kozuchi, Fujitsu memperhalusi model bahasa dengan teliti menggunakan data laporan sejarah JAL, memastikan prestasi dan perkaitan yang optimum.
Headwaters: Headwaters menerajui pembangunan aplikasi AI generatif khusus perniagaan yang dikuasakan oleh Phi-4. Dengan menggunakan teknologi kuantisasi, Headwaters membolehkan penciptaan laporan yang lancar pada peranti tablet walaupun dalam persekitaran luar talian. Tambahan pula, perunding AI mereka memberikan sokongan yang tidak ternilai sepanjang projek, meliputi analisis aliran kerja untuk pelaksanaan AI, pelaksanaan dan penilaian percubaan, dan pengurusan kemajuan pembangunan tangkas. Jurutera AI syarikat juga membina persekitaran penalaan halus untuk Fujitsu Kozuchi dan menyampaikan bantuan teknikal untuk pengoptimuman yang disesuaikan dengan persekitaran penggunaan unik pelanggan.
Wawasan Industri
Shinichi Miyata, Ketua Unit Perniagaan Penyelesaian Merentas Industri, Kumpulan Perniagaan Penyelesaian Global, Fujitsu Limited, menekankan kepentingan pencapaian ini, dengan menyatakan, ‘Kami berbesar hati untuk mengumumkan contoh penggunaan AI generatif ini dalam operasi kabin Japan Airlines. Bukti konsep bersama ini menyumbang kepada kemajuan AI generatif dalam persekitaran luar talian dan berpotensi untuk mengubah operasi merentas pelbagai industri dan peranan di mana akses rangkaian adalah terhad. Kejayaan kerjasama yang bermakna ini adalah hasil daripada keupayaan cadangan luar biasa Headwaters digabungkan dengan kepakaran teknologi Fujitsu. Melangkah ke hadapan, kami tetap komited untuk mengukuhkan perkongsian kami untuk menyokong pengembangan perniagaan pelanggan kami dan menangani cabaran masyarakat.’
Trajektori Masa Depan
Berdasarkan hasil yang memberangsangkan daripada ujian lapangan, Fujitsu dan Headwaters komited untuk meneruskan ujian selanjutnya untuk membuka jalan bagi penggunaan pengeluaran untuk JAL. Matlamat utama mereka adalah untuk menyepadukan penyelesaian dengan lancar ke dalam platform AI generatif JAL yang sedia ada.
Selain itu, Fujitsu membayangkan untuk memasukkan SLM yang disesuaikan secara khusus untuk pelbagai jenis kerja dalam Fujitsu Kozuchi, seterusnya meningkatkan kepelbagaian dan kebolehgunaan perkhidmatan AI.
Bersama-sama, Fujitsu dan Headwaters akan terus memperjuangkan transformasi operasi JAL melalui aplikasi strategik AI, menangani cabaran kritikal, meningkatkan perkhidmatan pelanggan, dan menangani isu-isu seluruh industri.
Mendalami: Membongkar Nuansa Pelaksanaan AI
Kerjasama antara Fujitsu dan Headwaters untuk meningkatkan kecekapan operasi JAL melalui AI menawarkan kajian kes yang menarik tentang bagaimana teknologi canggih boleh dimanfaatkan untuk menangani cabaran dunia sebenar. Mari kita bedah elemen utama yang menyokong kejayaan projek ini dan meneroka implikasi yang lebih luas untuk industri penerbangan dan seterusnya.
1. Pilihan Strategik Model Bahasa Kecil (SLM)
Keputusan untuk menggunakan Phi-4 Microsoft, model bahasa kecil (SLM), dan bukannya model bahasa besar (LLM), adalah langkah bijak yang strategik. LLM, walaupun mempunyai keupayaan yang mengagumkan, biasanya memerlukan sumber pengkomputeran yang besar dan sambungan berterusan ke pelayan awan. Ini menimbulkan cabaran yang ketara dalam persekitaran di mana akses rangkaian tidak boleh dipercayai atau tidak wujud, seperti semasa penerbangan.
SLM, sebaliknya, direka untuk beroperasi dengan cekap pada peranti dengan kuasa pemprosesan dan kapasiti storan yang terhad. Phi-4, khususnya, telah dioptimumkan dengan teliti untuk persekitaran luar talian, menjadikannya pilihan yang ideal untuk projek JAL. Pendekatan ini bukan sahaja memastikan bahawa anak kapal kabin boleh mengakses sistem penjanaan laporan berkuasa AI tanpa mengira ketersediaan rangkaian tetapi juga mengurangkan pergantungan pada infrastruktur awan yang mahal.
2. Penalaan Halus untuk Kekhususan Domain
Walaupun SLM menawarkan kelebihan operasi luar talian, ia sering kekurangan keluasan pengetahuan dan pemahaman kontekstual rakan sejawatnya yang lebih besar. Untuk menangani batasan ini, Fujitsu menggunakan perkhidmatan AI Kozuchi untuk menala halus Phi-4 menggunakan data laporan sejarah JAL.
Penalaan halus melibatkan melatih model bahasa yang telah dilatih sebelumnya pada set data tertentu untuk meningkatkan prestasinya pada tugas tertentu atau dalam domain tertentu. Dalam kes ini, dengan mendedahkan Phi-4 kepada banyak laporan lampau JAL, Fujitsu membolehkan model itu mempelajari nuansa pelaporan anak kapal kabin, termasuk terminologi khusus, konvensyen pemformatan dan isu-isu biasa yang dihadapi semasa penerbangan.
Penalaan halus khusus domain ini meningkatkan ketepatan dan kaitan laporan yang dijana AI dengan ketara, memastikan ia memenuhi keperluan ketat prosedur operasi JAL.
3. Teknologi Kuantisasi untuk Kecekapan yang Dipertingkatkan
Sumbangan Headwaters kepada projek itu melangkaui pembangunan aplikasi berasaskan sembang. Syarikat itu juga menggunakan teknologi kuantisasi untuk mengoptimumkan lagi prestasi Phi-4 pada peranti tablet.
Kuantisasi ialah teknik yang mengurangkan jejak memori dan keperluan pengkomputeran rangkaian saraf dengan mewakili parameternya menggunakan kurang bit. Sebagai contoh, dan bukannya menggunakan nombor titik terapung 32-bit, parameter model mungkin diwakili menggunakan integer 8-bit.
Pengurangan dalam ketepatan ini datang dengan kos yang sedikit dalam ketepatan, tetapi pertukaran itu sering berbaloi dari segi kelajuan yang lebih baik dan penggunaan memori yang dikurangkan. Dengan mengkuantisasi Phi-4, Headwaters memastikan bahawa model AI boleh berjalan dengan lancar dan cekap pada sumber terhad peranti tablet, memberikan pengalaman pengguna yang lancar untuk anak kapal kabin.
4. Pembangunan Tangkas dan Kepakaran Kolaboratif
Kejayaan projek JAL juga disebabkan oleh metodologi pembangunan tangkas yang digunakan oleh Headwaters dan semangat kerjasama perkongsian Fujitsu-Headwaters.
Pembangunan tangkas menekankan pembangunan berulang, maklum balas yang kerap dan kerjasama yang erat antara pihak berkepentingan. Pendekatan ini membolehkan pasukan projek menyesuaikan diri dengan cepat kepada perubahan keperluan dan menangani cabaran yang tidak dijangka.
Kepakaran pelengkap Fujitsu dan Headwaters juga penting kepada kejayaan projek itu. Fujitsu membawa pemahaman mendalam tentang teknologi AI dan perkhidmatan AI Kozuchi, manakala Headwaters menyumbang kepakaran dalam pembangunan aplikasi AI, analisis aliran kerja dan pengurusan projek tangkas. Sinergi kemahiran dan pengetahuan ini membolehkan pasukan membangunkan penyelesaian yang benar-benar inovatif dan berkesan.
Implikasi yang Lebih Luas untuk Industri Penerbangan
Projek JAL menawarkan gambaran masa depan AI dalam industri penerbangan. Dengan mengautomasikan tugas rutin, seperti penjanaan laporan, AI boleh membebaskan anak kapal kabin untuk menumpukan perhatian kepada tanggungjawab yang lebih penting, seperti keselamatan penumpang dan perkhidmatan pelanggan.
Selain itu, AI boleh digunakan untuk meningkatkan kecekapan operasi dalam pelbagai bidang lain, termasuk:
- Penyelenggaraan ramalan: AI boleh menganalisis data sensor daripada pesawat untuk meramalkan bila penyelenggaraan diperlukan, mengurangkan masa henti dan meningkatkan keselamatan.
- Pengoptimuman laluan: AI boleh menganalisis corak cuaca, keadaan lalu lintas dan faktor lain untuk mengoptimumkan laluan penerbangan, menjimatkan bahan api dan mengurangkan masa perjalanan.
- Perkhidmatan pelanggan: Chatbot berkuasa AI boleh memberikan sokongan segera kepada penumpang, menjawab soalan, menyelesaikan isu dan memberikan cadangan yang diperibadikan.
Memandangkan teknologi AI terus berkembang, potensinya untuk mengubah industri penerbangan adalah sangat besar. Projek JAL berfungsi sebagai contoh berharga tentang bagaimana AI boleh digunakan untuk meningkatkan kecekapan, meningkatkan keselamatan dan meningkatkan pengalaman penumpang.
Melangkaui Penerbangan: Kepelbagaian AI Luar Talian
Kejayaan projek Fujitsu-Headwaters untuk JAL menggariskan aplikasi yang lebih luas bagi penyelesaian AI luar talian merentas pelbagai industri dan sektor. Keupayaan untuk menggunakan model AI dalam persekitaran dengan sambungan rangkaian yang terhad atau tiada membuka dunia kemungkinan bagi organisasi yang ingin memanfaatkan kuasa AI dalam tetapan terpencil atau mencabar.
1. Penjagaan Kesihatan di Kawasan Terpencil
Di komuniti luar bandar atau kurang berkhidmat, penyedia penjagaan kesihatan sering menghadapi cabaran yang berkaitan dengan akses terhad kepada sambungan internet yang boleh dipercayai. Penyelesaian AI luar talian boleh memperkasakan penyedia ini dengan alat diagnostik, cadangan rawatan dan keupayaan pemantauan pesakit, walaupun tanpa sambungan internet yang stabil.
Sebagai contoh, algoritma pengecaman imej berkuasa AI boleh digunakan pada peranti mudah alih untuk membantu pekerja penjagaan kesihatan dalam mengenal pasti penyakit daripada imej perubatan, seperti X-ray atau imbasan CT. Begitu juga, sistem sokongan keputusan yang dipacu AI boleh memberikan panduan tentang protokol rawatan berdasarkan gejala pesakit dan sejarah perubatan, walaupun di kawasan di mana akses kepada kepakaran pakar adalah terhad.
2. Pertanian di Negara Membangun
Petani di negara membangun sering kekurangan akses kepada maklumat dan teknologi pertanian terkini. Penyelesaian AI luar talian boleh merapatkan jurang ini dengan memberikan petani dengan cadangan yang diperibadikan mengenai pemilihan tanaman, teknik pengairan dan strategi kawalan perosak, walaupun tanpa akses internet.
Alat analisis imej berkuasa AI boleh digunakan untuk menilai kesihatan tanaman, mengenal pasti penyakit tumbuhan dan mengesan serangan perosak, membolehkan petani mengambil tindakan tepat pada masanya untuk melindungi hasil mereka. Tambahan pula, model ramalan cuaca yang dipacu AI boleh memberikan petani dengan ramalan cuaca yang tepat dan setempat, membantu mereka membuat keputusan termaklum tentang penanaman, penuaian dan pengairan.
3. Bantuan Bencana dan Respons Kecemasan
Selepas bencana alam, seperti gempa bumi, banjir atau taufan, infrastruktur komunikasi sering terganggu, menyukarkan pekerja penyelamat untuk menyelaraskan usaha mereka dan memberikan bantuan kepada mereka yang memerlukan. Penyelesaian AI luar talian boleh memainkan peranan penting dalam situasi ini dengan memberikan pekerja penyelamat dengan alat untuk kesedaran situasi, penilaian kerosakan dan peruntukan sumber.
Algoritma pengecaman imej berkuasa AI boleh digunakan untuk menganalisis imej satelit atau rakaman dron untuk menilai tahap kerosakan dan mengenal pasti kawasan di mana bantuan paling diperlukan dengan segera. Begitu juga, platform komunikasi yang dipacu AI boleh membolehkan pekerja penyelamat berkomunikasi antara satu sama lain dan dengan komuniti yang terjejas, walaupun tanpa sambungan selular atau internet.
4. Pembuatan dan Automasi Perindustrian
Di kilang pembuatan dan kemudahan perindustrian, sambungan internet yang boleh dipercayai tidak selalu dijamin, terutamanya di kawasan terpencil atau dalam persekitaran dengan gangguan elektromagnet. Penyelesaian AI luar talian boleh membolehkan pengeluar mengautomasikan pelbagai proses, seperti kawalan kualiti, penyelenggaraan ramalan dan pengurusan inventori, walaupun tanpa sambungan internet yang stabil.
Sistem penglihatan berkuasa AI boleh digunakan untuk memeriksa produk untuk kecacatan, memastikan hanya item berkualiti tinggi dihantar kepada pelanggan. Begitu juga, model penyelenggaraan ramalan yang dipacu AI boleh menganalisis data sensor daripada peralatan untuk meramalkan bila penyelenggaraan diperlukan, mengurangkan masa henti dan meningkatkan produktiviti.
Projek Fujitsu-Headwaters untuk JAL berfungsi sebagai demonstrasi yang menarik tentang kuasa dan kepelbagaian penyelesaian AI luar talian. Memandangkan teknologi AI terus maju, kita boleh menjangkakan untuk melihat lebih banyak aplikasi inovatif AI luar talian merentas pelbagai industri dan sektor, memperkasakan organisasi untuk menyelesaikan masalah dunia sebenar dan meningkatkan kehidupan orang ramai, tanpa mengira akses mereka kepada sambungan internet.