ChatGPT在工業領域的研究與應用探索-產品化部署及應用

ChatGPT在工業領域的應用需要解決兩個問題：（1）.私有化部署，並且保障工業企業資料資產安全；（2）.要有具體領域的基礎資料，能夠訓練出來模型，因為有些工業企業沒有自己的資訊化系統，還基本靠手工紙製填報、Excel彙報的方式來處理資訊，這些資料沒有辦法有效利用和形成資料資產。

缺少可以訓練ChatGPT模型的基礎資料是最難解決的問題，這不是短週期可以解決的問題，有資料積累的過程，還有工業企業規劃專案不見效益不建設的特點，這也是生產型企業的特點，畢竟自己賺錢才能自己花，也是可以理解的。

一項新技術的出現，可能給大部分領域帶來翻天覆地的變化，可能促進部分領域發生改變，這都是價值的體現，不能排斥新技術與領域的結合應用。例如每個專案都規劃有「知識庫」的功能，一開始知識庫只是檢索檔案標題關鍵字；後來有檔案資料庫可以進行全文檢索及進行內容模糊關聯；ChatGPT至少可以在知識庫這塊完成更高層次應用，語意理解、邏輯推理、知識整合等。

有些使用者或是專家在專案建設中提出來要提煉工藝庫、模型庫、演演算法庫等，可能是眼界不夠高及接觸的比較狹窄，至今也沒有看到建設比較好的**庫。可以試著讓ChatGPT成為每個角色的助手，例如工藝的、資訊化的、裝置的、電氣的等角色，讓ChatGPT成為自己，再不斷的迭代它。基於這樣的想法，從搞資訊化角度，至少要考慮兩個方面的內容：框架和產品應用。

從大的框架角度來考慮，ChatGPT扮演AI助手的角色，應用越來越發揮出來應有的價值，所以工業系統化專案整體框架會發生一些改變。如下圖：

從產品應用角度考慮，肯定要有一套成熟的類ChatGPT產品化系統，支援私有化部署，支援不同角色的人上傳自己的基礎資料，並且訓練出來模型，實現具體應用場景的問答。

（1）建立一個模型，用於上傳基礎資料和訓練模型。如下圖：

（2）我是一名資訊化工程師，我把《工業互聯平臺白皮書》上傳到該模型，現在支援PDF\TXT\JSON格式的檔案。如下圖：

（3）開始識別檔案的資料及訓練模型，根據檔案的大小，識別和訓練模型的時間長短不一樣。如下圖：

（4）訓練結束後，可以檢視模型資料集，如下圖：

（5）建立一個AI助手，並且關聯剛才訓練好的模型，如下圖：

（6）AI助手建立好後，可以釋出上崗了，可以通過前端應用該AI助手，根據提問內容，按《工業互聯平臺白皮書》的內容進行回答。如下圖：

以上是ChatGPT基本應用的整體過程，隨著工藝資料、工況資料、裝置資料、生產資料、經營資料越來越多，ChatGPT回答越全面、越準確，例如企業領導問當前的生產和經營情況、員工問當前工況問題及解決方案等。

物聯網&巨量資料技術 QQ群：54256083

物聯網&巨量資料專案 QQ群：727664080
QQ：504547114
微信：wxzz0151
部落格：https://www.cnblogs.com/lsjwq
微信公眾號：iNeuOS