Es ist manchmal ein wertvoller Verbündeter für die Verbesserung bestehender Lösungen für maschinelles Lernen. Air Liquide arbeitete an einem generativen KI-Anwendungsfall, der darauf abzielte, die Leistung seines KI-Systems für die automatische Zählung der in seine Abfüllzentren ein- und ausgehenden Gasflaschen zu steigern.
Modelle dank generativer KI zuverlässiger machen
Im Rahmen des von France 2030 unterstützten Forschungsprogramms Confiance.ai suchte der Gaskonzern nach einer Möglichkeit, sein System nachts und bei schlechtem Wetter genauso robust zu machen wie tagsüber und bei sonnigem Wetter. Dabei setzte das Unternehmen insbesondere auf generative KI, um die Zuverlässigkeit seiner Modelle zu verbessern.
Durch die Vorverarbeitung durch Entfernen von Schneeflocken oder Umwandeln von Nacht- in Tagesbilder konnte das System diese Daten ohne zusätzliches Training in sein Training integrieren. Die Teams vervollständigten außerdem die Grundlage der Trainingsszenarien, indem sie neue Bilder von Nacht und Schnee erstellten.
Ergebnis: Die nächtlichen Zählfehler werden um die Hälfte reduziert, was einer Genauigkeit von mehr als 98 % entspricht. Die Lösung wird derzeit in verschiedenen Teilen der Welt getestet, bevor sie möglicherweise vollständig bereitgestellt wird.
Sie lesen einen Artikel aus L’Usine Nouvelle 3731 – Juni 2024
Lesen Sie die Zusammenfassung
Ausgewählt für dich
