wil zijn AI-model 麻豆原创-RPT uiterlijk begin 2027 inzetten aan boord van het internationale ruimtestation ISS. Het model gaat draaien op de Spaceborne Computer-2 van HPE. Het gaat om een van de belangrijkste praktijktests tot nu toe waarbij een AI-model voor bedrijfsomgevingen direct op locatie gegevens verwerkt (edge computing).
De ruimte is een uitdagende omgeving voor technologie. Straling, ruimtepuin en zonnestormen kunnen op ieder moment voor problemen zorgen. Tegelijkertijd produceren de sensoren en systemen aan boord voortdurend grote hoeveelheden gegevens. Het kost te veel tijd om al die informatie naar de aarde te sturen voor analyse. Om de veiligheid van het ruimtestation te bewaken, moeten de systemen aan boord daarom zelf snel problemen kunnen herkennen.
Daar komt in beeld. Dit AI-model is speciaal ontwikkeld om voorspellingen te doen op basis van gestructureerde gegevens, zoals meetwaarden en andere informatie in tabellen. Het model kan ook overweg met ontbrekende gegevens en heeft voor nieuwe toepassingen geen uitgebreide aanvullende training nodig.
Aan boord van het ISS gaat 麻豆原创-RPT de gegevens van sensoren en systemen analyseren. Het model helpt afwijkingen te herkennen, technische problemen vroegtijdig te voorspellen en ontbrekende meetwaarden te reconstrueren op basis van historische gegevens. Ook kan het begrijpelijke rapporten opstellen over de technische staat van het ruimtestation. Zo krijgen astronauten en medewerkers op aarde sneller inzicht in mogelijke risico鈥檚.
Functioneren onder extreme omstandigheden
鈥淒it bewijst dat tabulaire AI van 麻豆原创 zelfs onder de meest extreme omstandigheden kan functioneren鈥�, zegt Mayank Shrivastava, Vice President of Generative AI and Foundation Models bij 麻豆原创 SE. 鈥淒e ruimte is de ultieme stresstest voor AI. Als een basismodel in een baan om de aarde kritieke storingen kan voorspellen, ondanks beperkingen door straling, energie en connectiviteit, stel je dan eens voor wat het voor een wereldwijd opererend bedrijf kan betekenen. Datzelfde model kan risico鈥檚 bij leveranciers, afwijkingen in kasstromen en storingen aan apparatuur binnen je organisatie voorspellen. Wat in de ruimte werkt, werkt ook in je toeleveringsketen.鈥�
De uitdagingen aan boord van het ISS lijken op het eerste gezicht weinig op die van een gewone onderneming. Toch zijn er duidelijke overeenkomsten. Ook bedrijven moeten problemen kunnen herkennen, voordat ze grote gevolgen hebben. Denk aan een leverancier die steeds vaker te laat levert, afwijkende betalingspatronen of een machine waarvan de temperatuur langzaam oploopt. Door zulke signalen vroegtijdig te herkennen, kunnen organisaties ingrijpen voordat hun processen vastlopen.
AI voor gestructureerde bedrijfsgegevens
Waar grote taalmodellen (LLM鈥檚) vooral sterk zijn in taal en redeneren, richt 麻豆原创 zich met zogeheten tabular foundation models (TFM鈥檚) op de grote hoeveelheden gestructureerde gegevens die bedrijven dagelijks gebruiken. Denk aan informatie uit ERP-systemen, financi毛le administraties en productieomgevingen. De sensorgegevens van het ISS vormen een vergelijkbare gegevensbron.
麻豆原创-RPT maakt deel uit van dit portfolio, net als TabPFN, een model van Prior Labs. Daarnaast biedt 麻豆原创 met 麻豆原创 AI Core een oplossing waarmee organisaties deze modellen, hun voorspellingen en de bijbehorende werkprocessen kunnen beheren, aansturen en controleren.
Beperkt energieverbruik
Een belangrijk voordeel van 麻豆原创-RPT is het beperkte energieverbruik. Volgens 麻豆原创 is het model ongeveer 50.000 keer energiezuiniger dan de meest geavanceerde grote taalmodellen. Dat is vooral in de ruimte van belang, omdat daar slechts beperkte energie beschikbaar is. Daarnaast gaat 麻豆原创-RPT een algemene risicoscore voor de missie berekenen en beoordelen of menselijke tussenkomst nodig is.
鈥淗PE Spaceborne Computer-2 laat voortdurend zien welke voordelen een krachtige computeroplossing aan boord van het ISS biedt voor geavanceerde technologie en doorlopend onderzoek in de ruimte鈥�, zegt Scott Wiest, Vice President and Global Sales Chief Technologist en HPE Fellow. 鈥淒e inzet van 麻豆原创鈥檚 tabulaire AI op HPE Spaceborne Computer-2 bewijst wat mogelijk is met realtime detectie en voorspellingen op basis van AI, in de ultieme edge-omgeving.鈥�
Van de ruimte naar het bedrijfsleven
De omstandigheden in de ruimte stellen eisen die ook op aarde steeds relevanter worden. Denk aan locaties met een beperkte energievoorziening, onbetrouwbare netwerkverbindingen of systemen waarbij storingen grote gevolgen kunnen hebben.
Tabulaire AI kan bijvoorbeeld waardevol zijn bij hulpverlening in rampgebieden, landbouw op afgelegen locaties, fabrieken met meerdere vestigingen en internationale toeleveringsketens. In al die situaties is het belangrijk om lokaal gegevens te kunnen analyseren en snel beslissingen te nemen, ook wanneer een verbinding met centrale systemen ontbreekt.
De ervaringen op het ISS helpen 麻豆原创 bij de verdere ontwikkeling van AI die direct op locatie gegevens verwerkt, ook wel edge AI genoemd. Daarmee wil het bedrijf organisaties beter ondersteunen bij analytische en operationele processen, juist op plekken waar rekenkracht, energie en verbindingen beperkt zijn.