过去十年中发展起来的传统人工智能处理数字——寻找模式，并根据可能的概率提供预测分析。在其众多功能中，生成式人工智能为数字人工智能预测和观察提供了一个门户，为高度互动的口头查询提供了可能性。
艾默生高级副总裁兼首席技术官Peter Zornio表示，生成式人工智能有助于为一系列企业功能打开以前非常晦涩的人工智能黑箱，甚至可能有助于缩小运营技术和信息技术之间的鸿沟。我最近在纽约采访了Zornio，他解释了生成AI和数值AI是如何代表一个连续体的两个端点的。这两种变体分别基于数值模型和基于语言的模型。
他说，这两种人工智能变体的技术基础是相同的，但我们使用它们的方式不同。“以数字为导向的生产模式是基于数字数据集的，”他解释说。“语言模型使用基于无数文档、图像和其他东西的数据集。”
现在，他说，人工智能的这两个端点正在融合，为传统人工智能的传统幕后方面开辟了新的领域。Zornio说:“我们看到这两种技术被结合起来使用。“在工业环境中，我们将使用基于语言的模型作为一种与我们已经拥有的基于数字的模型交互的方式。所以你能想象一个操作员说:“嘿，电脑，为什么这个装置的生产速度变慢了?”我该怎么调整呢?’”
他继续说，这具有巨大的生产力和节省时间的意义。“这是一种自然的界面方式。这就是你和一个在公司工作了30年的专家交谈的方式，对吧?你可能会问工程部的弗雷德:“发生了什么?”然后弗雷德会去查看所有的生产趋势，最后他会回来告诉你，‘通常，当这种情况发生时，发生的事情是催化剂受到污染，这就是你需要做的。你可能需要停下来做一次再生。’”
人的才能是必不可少的，工程学的弗雷德所做的是“使用他在这个地方经营了30年的头脑中建立的模型，”佐尼奥说。生成式人工智能继承了这一工作，与基于数字的人工智能的交互包括与计算机对话，就像与专业工程师对话一样，采用科学推理。它还能够“查看过去五年的行动，试图找到一个场景，在这个场景中，完全相同的一组情况将与非常相似的生产类型的印记模式匹配。”那个人会说，‘好吧，我们该怎么办?’弗雷德会这样想:‘上次发生这种事，我们就是这么做的。’”
最后，佐米奥说，人工智能“会遍历并找到所有这些不同的场景，查看反应，然后告诉你:‘这里有三个过去能产生最佳解决问题结果的行动。’”
这种端到端的人工智能方法提供了“一种构建产品支持系统的好方法，你可以把所有的手册、与支持人员的所有互动都放在一个系统中，然后你就可以问关于产品的问题，”Zornio说。
从石油化工到汽车制造，所有的离散和过程制造业都有应用。佐尼奥指出，想想酿酒行业，它也将受益于端到端的人工智能。酿酒师可以问这样的问题:“为什么今年的葡萄酒比去年的好得多?”人工智能可以评估“温度、糖含量、葡萄酸度和发酵时间等关键指标”。土壤状况如何?潮湿情况如何?那里有多少阳光?下了多少雨?”
Zornio指出，在许多方面，人工智能将在许多行业中扮演助手的角色，“这是一种很棒的互动和查询模型的方式。”“它们可能更多是由数据生成的——从数字数据生成的——但你也可以看到像操作员日志一样的擦洗。因为每次发生什么事，操作员都会把它写下来。如果你输入所有这些，然后你可以问:'这个在操作员日志中之前发生在哪里?'或者“我们做了什么来解决这个问题?”’”
这也需要公司内部的两个部门(运营技术团队和信息技术团队)之间进行更大的合作，而这两个部门往往是分开的。数据是这种合作的起点。Zornio解释说，IT和OT团队需要合理化“来自不同制造商的所有不同格式”的数据。“从历史上看，这两个组织之间并没有太多的爱。因为操作人员有自己的系统来完成所有这些。他们对如何实现和使用它有着非常不同的想法。一些更开明的公司试图提供更多的整合，但未来两者之间必须加强合作。”
这就是为什么，Zomio敦促说，“我们需要设计一个架构，使数据能够更无缝地从OT世界拉到IT世界，然后再拉回来。特别是当我们谈论使用可能在云端的人工智能系统时。每个人都将使用OpenAI或其他基于语言的AI模型。”
