Katika ushirikiano wa kihistoria, Fujitsu Limited na Headwaters Co., Ltd., mtoa huduma mkuu wa suluhisho za AI, wamehitimisha kwa mafanikio majaribio ya shambani kwa kutumia akili bandia (AI) ili kuleta mapinduzi katika uundaji wa ripoti za makabidhiano kwa wafanyakazi wa ndege wa Japan Airlines Co., Ltd. (JAL). Majaribio haya, yaliyoanzia Januari 27 hadi Machi 26, 2025, yameonyesha wazi uwezekano wa kuokoa muda kwa kiasi kikubwa na kuongeza ufanisi.
Changamoto ya Ripoti za Makabidhiano
Wafanyakazi wa ndege wa JAL kwa kawaida hutumia muda na juhudi nyingi kukusanya ripoti za makabidhiano za kina. Ripoti hizi hutumika kama njia muhimu ya kuhamisha habari kati ya wafanyakazi wa ndege wanaofuata na wafanyakazi wa ardhini, kuhakikisha mtiririko wa uendeshaji usio na mshono. Kutambua fursa ya kurahisisha mchakato huu, Fujitsu na Headwaters walishirikiana ili kutumia nguvu ya akili bandia (AI) inayozalisha.
Suluhisho Jipya: AI Inayozalisha Nje ya Mtandao
Ili kushinda mapungufu ya kutegemea muunganisho wa mara kwa mara wa wingu, Fujitsu na Headwaters walichagua Phi-4 ya Microsoft, mfumo mdogo wa lugha (SLM) ulioundwa kwa uangalifu kwa mazingira ya nje ya mtandao. Uchaguzi huu wa kimkakati umeiwezesha uundaji wa mfumo unaotegemea mazungumzo unaoweza kufikiwa kwenye vifaa vya kompyuta kibao, kuwezesha utengenezaji wa ripoti bora wakati wa na baada ya safari za ndege.
Majaribio yametoa ushahidi thabiti kwamba suluhisho hili bunifu huwezesha wafanyakazi wa ndege kutoa ripoti za ubora wa juu huku wakipunguza kwa kiasi kikubwa muda uliowekezwa katika uundaji wa ripoti. Hii inamaanisha ufanisi ulioimarishwa kwa wafanyakazi wa ndege wa JAL, hatimaye kuchangia uboreshaji wa utoaji wa huduma kwa abiria.
Wajibu na Majukumu
Mafanikio ya mpango huu wa ushirikiano yalitegemea utaalamu na michango tofauti ya kila mshirika:
Fujitsu: Kampuni ilichukua jukumu muhimu katika kurekebisha Phi-4 ya Microsoft kwa mahitaji maalum ya kazi za wafanyakazi wa ndege. Kwa kutumia huduma yake ya Fujitsu Kozuchi AI, Fujitsu ilirekebisha kwa uangalifu mfumo wa lugha kwa kutumia data ya kihistoria ya ripoti ya JAL, kuhakikisha utendaji bora na umuhimu.
Headwaters: Headwaters iliongoza uundaji wa programu ya AI inayozalisha mahususi kwa biashara inayotumia Phi-4. Kwa kutumia teknolojia ya upimaji, Headwaters iliwezesha uundaji wa ripoti usio na mshono kwenye vifaa vya kompyuta kibao hata katika mazingira ya nje ya mtandao. Zaidi ya hayo, washauri wao wa AI walitoa msaada muhimu katika mradi wote, unaojumuisha uchambuzi wa mtiririko wa kazi kwa utekelezaji wa AI, utekelezaji wa majaribio na tathmini, na usimamizi wa maendeleo ya agile. Wahandisi wa AI wa kampuni pia waliunda mazingira ya urekebishaji mzuri kwa Fujitsu Kozuchi na kutoa usaidizi wa kiufundi kwa uboreshaji ulioandaliwa kwa mazingira ya kipekee ya matumizi ya mteja.
Maarifa ya Sekta
Shinichi Miyata, Mkuu wa Kitengo cha Biashara cha Suluhisho Mbalimbali, Kikundi cha Biashara cha Suluhisho za Kimataifa, Fujitsu Limited, alisisitiza umuhimu wa mafanikio haya, akisema, “Tunafurahi kutangaza mfano huu wa matumizi ya AI inayozalisha katika shughuli za chumba cha abiria cha Japan Airlines. Uthibitisho huu wa pamoja wa dhana huchangia maendeleo ya AI inayozalisha katika mazingira ya nje ya mtandao na ina uwezo wa kubadilisha shughuli katika tasnia na majukumu anuwai ambapo ufikiaji wa mtandao ni mdogo. Mafanikio ya ushirikiano huu muhimu ni matokeo ya uwezo bora wa pendekezo la Headwaters pamoja na utaalam wa kiteknolojia wa Fujitsu. Tukiendelea mbele, tunasalia kujitolea kuimarisha ushirikiano wetu ili kusaidia upanuzi wa biashara wa wateja wetu na kushughulikia changamoto za kijamii.”
Mwelekeo wa Baadaye
Kujenga juu ya matokeo ya kuahidi ya majaribio ya shambani, Fujitsu na Headwaters wamejitolea kuendelea na majaribio zaidi ili kutengeneza njia ya kupelekwa kwa uzalishaji kwa JAL. Lengo lao kuu ni kuunganisha suluhisho kwa urahisi katika mfumo wa AI unaozalisha wa JAL.
Kwa kuongezea, Fujitsu inatarajia kuingiza SLM zilizoundwa mahsusi kwa aina anuwai za kazi ndani ya Fujitsu Kozuchi, na hivyo kuongeza zaidi uwezo na utumiaji wa huduma ya AI.
Kwa pamoja, Fujitsu na Headwaters wataendelea kutetea mabadiliko ya uendeshaji ya JAL kupitia utumiaji wa kimkakati wa AI, kushughulikia changamoto muhimu, kuinua huduma kwa wateja, na kushughulikia maswala ya tasnia nzima.
Kuingia Ndani Zaidi: Kufichua Tofauti za Utekelezaji wa AI
Ushirikiano kati ya Fujitsu na Headwaters ili kuimarisha ufanisi wa uendeshaji wa JAL kupitia AI unatoa mfano wa kuvutia wa jinsi teknolojia ya kisasa inaweza kutumika kushughulikia changamoto za ulimwengu halisi. Hebu tuchambue vipengele muhimu vilivyochangia mafanikio ya mradi huu na kuchunguza athari pana kwa tasnia ya usafiri wa anga na kwingineko.
1. Uchaguzi wa Kimkakati wa Mfumo Mdogo wa Lugha (SLM)
Uamuzi wa kutumia Phi-4 ya Microsoft, mfumo mdogo wa lugha (SLM), badala ya mfumo mkuu wa lugha (LLM), ulikuwa hatua ya kimkakati. LLM, ingawa zinajivunia uwezo wa kuvutia, kwa kawaida zinahitaji rasilimali kubwa za kompyuta na muunganisho wa mara kwa mara kwa seva za wingu. Hii inaleta changamoto kubwa katika mazingira ambapo ufikiaji wa mtandao hauwezekani au haupo, kama vile wakati wa safari za ndege.
SLM, kwa upande mwingine, zimeundwa kufanya kazi kwa ufanisi kwenye vifaa vyenye nguvu ndogo ya usindikaji na uwezo wa kuhifadhi. Phi-4, haswa, imeboreshwa kwa uangalifu kwa mazingira ya nje ya mtandao, na kuifanya kuwa chaguo bora kwa mradi wa JAL. Njia hii haihakikishi tu kwamba wafanyakazi wa ndege wanaweza kufikia mfumo wa utengenezaji wa ripoti unaoendeshwa na AI bila kujali upatikanaji wa mtandao lakini pia inapunguza utegemezi wa miundombinu ya wingu ya gharama kubwa.
2. Urekebishaji Mzuri kwa Upekee wa Eneo
Ingawa SLM zinatoa faida ya uendeshaji nje ya mtandao, mara nyingi hukosa upana wa maarifa na uelewa wa muktadha wa wenzao wakubwa. Ili kushughulikia kikwazo hiki, Fujitsu ilitumia huduma yake ya Kozuchi AI kurekebisha Phi-4 kwa kutumia data ya kihistoria ya ripoti ya JAL.
Urekebishaji mzuri unahusisha kufunza mfumo wa lugha uliotayarishwa awali kwenye hifadhidata maalum ili kuboresha utendaji wake kwenye kazi fulani au ndani ya eneo maalum. Katika kesi hii, kwa kuonyesha Phi-4 kwa wingi wa ripoti za zamani za JAL, Fujitsu iliwezesha mfumo kujifunza tofauti za kuripoti kwa wafanyakazi wa ndege, ikiwa ni pamoja na istilahi maalum, mikutano ya umbizo, na masuala ya kawaida yanayokumbana nayo wakati wa safari za ndege.
Urekebishaji mzuri huu mahususi wa eneo uliimarisha kwa kiasi kikubwa usahihi na umuhimu wa ripoti zinazozalishwa na AI, kuhakikisha kwamba zilikidhi mahitaji magumu ya taratibu za uendeshaji za JAL.
3. Teknolojia ya Upimaji kwa Ufanisi Ulioimarishwa
Mchango wa Headwaters kwa mradi ulipanuka zaidi ya uundaji wa programu inayotegemea mazungumzo. Kampuni pia ilitumia teknolojia ya upimaji ili kuboresha zaidi utendaji wa Phi-4 kwenye vifaa vya kompyuta kibao.
Upimaji ni mbinu ambayo inapunguza kumbukumbu na mahitaji ya kompyuta ya mtandao wa neural kwa kuwakilisha vigezo vyake kwa kutumia biti chache. Kwa mfano, badala ya kutumia nambari za kuelea za biti 32, vigezo vya mfumo vinaweza kuwakilishwa kwa kutumia nambari kamili za biti 8.
Upunguzaji huu wa usahihi huja kwa gharama ndogo katika usahihi, lakini ubadilishaji mara nyingi unastahili katika suala la kasi iliyoimarishwa na kupunguzwa kwa matumizi ya kumbukumbu. Kwa kupima Phi-4, Headwaters ilihakikisha kwamba mfumo wa AI unaweza kufanya kazi vizuri na kwa ufanisi kwenye rasilimali ndogo za vifaa vya kompyuta kibao, kutoa uzoefu usio na mshono wa mtumiaji kwa wafanyakazi wa ndege.
4. Maendeleo ya Agile na Utaalamu wa Ushirikiano
Mafanikio ya mradi wa JAL pia yalitokana na mbinu ya maendeleo ya agile iliyoajiriwa na Headwaters na roho ya ushirikiano ya ushirikiano wa Fujitsu-Headwaters.
Maendeleo ya Agile yanasisitiza maendeleo ya mara kwa mara, maoni ya mara kwa mara, na ushirikiano wa karibu kati ya wadau. Njia hii iliruhusu timu ya mradi kubadilika haraka kwa mahitaji yanayobadilika na kushughulikia changamoto zisizotarajiwa.
Utaalamu wa ziada wa Fujitsu na Headwaters pia ulikuwa muhimu kwa mafanikio ya mradi. Fujitsu ilileta uelewa wake wa kina wa teknolojia ya AI na huduma yake ya Kozuchi AI, wakati Headwaters ilichangia utaalamu wake katika uundaji wa programu za AI, uchambuzi wa mtiririko wa kazi, na usimamizi wa mradi wa agile. Mchanganyiko huu wa ujuzi na maarifa umeiwezesha timu kuendeleza suluhisho la kweli la ubunifu na la ufanisi.
Athari Pana kwa Tasnia ya Usafiri wa Anga
Mradi wa JAL unatoa mtazamo wa siku zijazo za AI katika tasnia ya usafiri wa anga. Kwa kuendesha kazi za kawaida kiotomatiki, kama vile utengenezaji wa ripoti, AI inaweza kuwapa uhuru wafanyakazi wa ndege kuzingatia majukumu muhimu zaidi, kama vile usalama wa abiria na huduma kwa wateja.
Kwa kuongezea, AI inaweza kutumika kuboresha ufanisi wa uendeshaji katika maeneo mengine anuwai, ikiwa ni pamoja na:
- Matengenezo ya utabiri: AI inaweza kuchambua data ya sensor kutoka kwa ndege ili kutabiri wakati matengenezo yanahitajika, kupunguza muda wa kupumzika na kuboresha usalama.
- Uboreshaji wa njia: AI inaweza kuchambua mifumo ya hali ya hewa, hali ya trafiki, na mambo mengine ili kuboresha njia za ndege, kuokoa mafuta na kupunguza muda wa kusafiri.
- Huduma kwa wateja: Chatbots zinazoendeshwa na AI zinaweza kutoa usaidizi wa papo hapo kwa abiria, kujibu maswali, kutatua masuala, na kutoa mapendekezo yaliyobinafsishwa.
Kadiri teknolojia ya AI inavyoendelea kubadilika, uwezo wake wa kubadilisha tasnia ya usafiri wa anga ni mkubwa. Mradi wa JAL unatumika kama mfano muhimu wa jinsi AI inaweza kutumika kuboresha ufanisi, kuimarisha usalama, na kuinua uzoefu wa abiria.
Zaidi ya Usafiri wa Anga: Uwezo Mwingi wa AI Nje ya Mtandao
Mafanikio ya mradi wa Fujitsu-Headwaters kwa JAL yanaangazia utumiaji mpana wa suluhisho za AI nje ya mtandao katika tasnia na sekta mbalimbali. Uwezo wa kupeleka mifumo ya AI katika mazingira yenye muunganisho mdogo au usio na mtandao hufungua ulimwengu wa uwezekano kwa mashirika yanayotaka kutumia nguvu ya AI katika mazingira ya mbali au yenye changamoto.
1. Huduma ya Afya katika Maeneo ya Mbali
Katika jamii za vijijini au zisizohudumiwa, watoa huduma za afya mara nyingi hukabiliwa na changamoto zinazohusiana na ufikiaji mdogo wa muunganisho wa mtandao wa kuaminika. Suluhisho za AI nje ya mtandao zinaweza kuwawezesha watoa huduma hawa na zana za uchunguzi, mapendekezo ya matibabu, na uwezo wa ufuatiliaji wa wagonjwa, hata bila muunganisho thabiti wa mtandao.
Kwa mfano, algorithms za utambuzi wa picha zinazoendeshwa na AI zinaweza kupelekwa kwenye vifaa vinavyobebeka ili kusaidia wafanyakazi wa afya katika kutambua magonjwa kutoka kwa picha za matibabu, kama vile X-rays au CT scans. Vile vile, mifumo ya usaidizi wa uamuzi inayoendeshwa na AI inaweza kutoa mwongozo juu ya itifaki za matibabu kulingana na dalili za mgonjwa na historia ya matibabu, hata katika maeneo ambayo upatikanaji wa utaalamu wa wataalamu ni mdogo.
2. Kilimo katika Nchi Zinazoendelea
Wakulima katika nchi zinazoendelea mara nyingi hawana ufikiaji wa taarifa na teknolojia za hivi karibuni za kilimo. Suluhisho za AI nje ya mtandao zinaweza kuziba pengo hili kwa kuwapa wakulima mapendekezo yaliyobinafsishwa juu ya uteuzi wa mazao, mbinu za umwagiliaji, na mikakati ya kudhibiti wadudu, hata bila ufikiaji wa mtandao.
Zana za uchambuzi wa picha zinazoendeshwa na AI zinaweza kutumika kutathmini afya ya mazao, kutambua magonjwa ya mimea, na kugundua uvamizi wa wadudu, kuwawezesha wakulima kuchukua hatua kwa wakati ili kulinda mavuno yao. Zaidi ya hayo, mifumo ya utabiri wa hali ya hewa inayoendeshwa na AI inaweza kuwapa wakulima utabiri sahihi na wa eneo la hali ya hewa, kuwasaidia kufanya maamuzi sahihi juu ya upandaji, uvunaji, na umwagiliaji.
3. Usaidizi wa Maafa na Kukabiliana na Dharura
Baada ya majanga ya asili, kama vile matetemeko ya ardhi, mafuriko, au vimbunga, miundombinu ya mawasiliano mara nyingi huvurugika, na kuifanya kuwa vigumu kwa wafanyakazi wa uokoaji kuratibu juhudi zao na kutoa msaada kwa wale wanaohitaji. Suluhisho za AI nje ya mtandao zinaweza kuchukua jukumu muhimu katika hali hizi kwa kuwapa wafanyakazi wa uokoaji zana za ufahamu wa hali, tathmini ya uharibifu, na ugawaji wa rasilimali.
Algorithms za utambuzi wa picha zinazoendeshwa na AI zinaweza kutumika kuchambua picha za satelaiti au picha za drone ili kutathmini kiwango cha uharibifu na kutambua maeneo ambayo msaada unahitajika haraka zaidi. Vile vile, majukwaa ya mawasiliano yanayoendeshwa na AI yanaweza kuwawezesha wafanyakazi wa uokoaji kuwasiliana na kila mmoja na na jamii zilizoathirika, hata bila muunganisho wa simu za mkononi au mtandao.
4. Utengenezaji na Uendeshaji wa Viwanda Kiotomatiki
Katika mimea ya utengenezaji na vituo vya viwanda, muunganisho wa mtandao wa kuaminika hauhakikishiwi kila wakati, haswa katika maeneo ya mbali au katika mazingira yenye usumbufu wa sumaku-umeme. Suluhisho za AI nje ya mtandao zinaweza kuwawezesha watengenezaji kuendesha michakato anuwai kiotomatiki, kama vile udhibiti wa ubora, matengenezo ya utabiri, na usimamizi wa hesabu, hata bila muunganisho thabiti wa mtandao.
Mifumo ya maono inayoendeshwa na AI inaweza kutumika kukagua bidhaa kwa kasoro, kuhakikisha kwamba vitu vya ubora wa juu pekee ndivyo vinasafirishwa kwa wateja. Vile vile, mifumo ya matengenezo ya utabiri inayoendeshwa na AI inaweza kuchambua data ya sensor kutoka kwa vifaa ili kutabiri wakati matengenezo yanahitajika, kupunguza muda wa kupumzika na kuboresha tija.
Mradi wa Fujitsu-Headwaters kwa JAL unatumika kama onyesho la kulazimisha la nguvu na uwezo mwingi wa suluhisho za AI nje ya mtandao. Kadiri teknolojia ya AI inavyoendelea kusonga mbele, tunaweza kutarajia kuona matumizi mengi zaidi ya ubunifu ya AI nje ya mtandao katika tasnia na sekta mbalimbali, kuwawezesha mashirika kutatua matatizo ya ulimwengu halisi na kuboresha maisha ya watu, bila kujali ufikiaji wao wa muunganisho wa mtandao.