シーメンスとマイクロソフトが共同でAIアシスタントを立ち上げ、製造業における人間と機械の連携を強化

シーメンスとマイクロソフトが共同でAIアシスタントを立ち上げ、製造業における人間と機械の連携を強化

シーメンスとマイクロソフトは協力し、人間と機械のコラボレーションを強化し、生産性を向上させるように設計された生成 AI アシスタント、Siemens Industrial Copilot を発表しました。

シーメンスとマイクロソフトは、人工知能を活用して生産性を向上させ、生成型AIのメリットを世界中の産業にもたらす共同プロジェクトを発表しました。

両社は協力して、製造業における人間と機械の連携を改善するために共同開発されたAIアシスタント、Siemens Industrial Copilotを立ち上げました。さらに、製品ライフサイクル管理用の Siemens Teamcenter ソフトウェアと Microsoft Teams の統合のリリースにより、Industrial Metaverse の実現への道がさらに開かれ、設計エンジニア、最前線の作業員、およびビジネス機能全体の他のチーム間の仮想コラボレーションが効率化されます。

「次世代 AI により、当社は産業分野全体でイノベーションを推進するまたとない機会を手にします」と、マイクロソフト コーポレーションの会長兼 CEO、サティア ナデラは述べています。「シーメンスとの長年にわたる協力関係を基盤として、マイクロソフト クラウド全体の AI の強みと産業分野におけるシーメンスの専門知識を組み合わせ、シーメンス インダストリアル コパイロットを皮切りに、最前線の作業員と知識労働者向けに新しい AI 駆動型ツールを提供していきます。」

「当社は、ジェネレーティブ AI を採用することで顧客を支援するというビジョンをマイクロソフトと共有しています」と、シーメンス AG の社長兼 CEO であるローランド ブッシュは述べています。「これは、企業の設計、開発、製造、運用の方法を根本的に変える可能性を秘めています。人間と機械のコラボレーションが強化されれば、エンジニアはコードをより速く開発し、イノベーションを促進し、熟練労働者の不足に対処できるようになります。」

人間と機械のコラボレーションの新時代

発表によると、Siemens Industrial Copilot を使用すると、ユーザーは複雑な自動化コードを迅速に生成、最適化、デバッグし、シミュレーション時間を大幅に短縮して、以前は数週間かかっていたタスクを数分に短縮できるとのことです。 Copilot は、Siemens のオープン デジタル ビジネス プラットフォームである Siemens Xcelerator から自動化とプロセス シミュレーションの情報を取得し、Microsoft の Azure OpenAI サービスでそれを強化します。顧客は、基盤となる AI モデルのトレーニングには使用されないデータを完全に制御できます。

Siemens Industrial Copilot は、産業ライフサイクル全体にわたって生産性と効率性を向上させます。保守担当者は自然言語を使用して詳細な修理手順を入手でき、エンジニアはシミュレーション ツールにすぐにアクセスできます。

シーメンス社によると、ドイツの自動車部品サプライヤーであるシェフラー・グループがシーメンス・インダストリアル・コパイロットの現在のユーザーの一つだという。

これは、同社のエンジニアがロボットなどの産業オートメーション システムをプログラミングするための信頼性の高いコードを生成するのに役立ちます。さらに同社は、ダウンタイムを大幅に削減し、将来的に顧客にサービスを提供するために、Siemens Industrial Copilot を自社の業務に統合する予定です。

「この共同パイロットにより、私たちは生産性とイノベーションの新しい時代を迎えます」とシェフラー グループの CEO であるクラウス ローゼンフェルドは述べています。「シーメンス インダストリアル コパイロットは、私たちのチームがより効率的に作業し、反復的なタスクを減らし、創造性を発揮するのに役立ちます。私たちはこのプロジェクトでシーメンスとマイクロソフトと協力できることを嬉しく思っています。」

<<:  Google の請負業者が組合結成に投票: 権利の保護を希望

>>:  10 分で「Chen Tianqi GPT」をカスタマイズすると、多数の OpenAI 新製品がテスト用に登場します。サム・アルトマンの次元削減が起こり、何千ものAIスタートアップが葬り去られる

ブログ    
ブログ    

推薦する

...

人工知能はビッグデータ天体物理学の時代へのマスターキーとなるのでしょうか?

[[386945]]私はかつて「ウォーリーと一緒に星を見上げる」というタイトルの記事を書き、ビッグ...

2020 年のディープラーニング フレームワークの簡単な比較

ご存知のとおり、機械学習フレームワークの分野では、PyTorch と TensorFlow がそれぞ...

Deep MedicalがRSNA 2020に参加、AIによる高速イメージングが新たなホットスポットに

2020年12月4日、7日間にわたる北米放射線学会第106回年次総会(RSNA 2020)が正式に閉...

...

自動運転に関する期限の問題

少し前に、自称メディアスターの板狐仙人が「自動運転のいくつかの期限問題」を発表し、将来の自動運転の実...

ドローンのパフォーマンスはどんどん標準化されつつありますが、この4つの点はまだ改善が必要です。

近年、飛行制御、ナビゲーション、通信などの技術が継続的に進歩し、私たちの生産や生活におけるドローンの...

遅い二次アルゴリズムと高速ハッシュマップについての簡単な説明

[[424110]]こんにちは、みんな!昨日、プログラミング面接の準備をしていて、アルゴリズムの基礎...

NBA スターと機械学習が出会うと...

[[282801]]私はバスケットボールが好きです。私はバスケットボールをしたり、観戦したり、バス...

...

2018年末のAI分野におけるオープンソースフレームワークのまとめ

[[253605]] [やや活発な***四半期] 2018.3.04——OpenAIはオープンソース...

...

深度に関するあらゆる情報: 大規模なラベルなしデータから深度推定を解き放つ

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

人工知能を定義する10のキーワード

ビッグデータからChatGPTまで、人工知能を定義する10の重要な用語を紹介します。人工知能とは、機...