ਜਿਵੇਂ-ਜਿਵੇਂ AI ਦਾ ਨਿਵੇਸ਼ ਟੈਕਸਟ ਤੋਂ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਕੰਮਾਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ, 'Physical AI' – ਮਸ਼ੀਨਾਂ ਦੀ ਆਵਾਜ਼, ਵਾਈਬ੍ਰੇਸ਼ਨ ਅਤੇ ਗਰਮੀ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ – ਫੈਕਟਰੀਆਂ ਦੀ ਕੁਸ਼ਲਤਾ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਬਣ ਗਈ ਹੈ। ਭਾਰਤੀ ਨਿਰਮਾਣ ਫਰਮਾਂ ਲਈ, ਸੈਂਸਰ-ਆਧਾਰਿਤ ਸੂਝ-ਬੂਝ ਅਪਣਾਉਣਾ ਜਲਦੀ ਹੀ ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਖ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਉਪਕਰਨਾਂ ਦੀਆਂ ਖਰਾਬੀਆਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹਨ.
ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਵਿੱਚ ਹੋਣ ਵਾਲਾ ਮੌਜੂਦਾ ਨਿਵੇਸ਼ ਜ਼ਿਆਦਾਤਰ ਡਿਜੀਟਲ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ, ਜਿਵੇਂ ਕਿ ਐਡਵਾਂਸਡ ਚਿਪਸ ਅਤੇ ਵੱਡੇ ਡਾਟਾ ਸੈਂਟਰਾਂ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ। ਹਾਲਾਂਕਿ ਇਸ ਨੇ AI ਦੀ ਭਾਸ਼ਾ ਅਤੇ ਇੰਟਰਨੈੱਟ ਤੋਂ ਚਿੱਤਰਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਵਧਾ ਦਿੱਤਾ ਹੈ, ਪਰ ਇਸ ਨੇ ਉਦਯੋਗਿਕ ਸਮਰੱਥਾ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਖਾਮੀ ਛੱਡ ਦਿੱਤੀ ਹੈ। ਮਸ਼ੀਨਾਂ ਰਿਪੋਰਟਾਂ ਲਿਖਣ ਵਿੱਚ ਬਿਹਤਰ ਹੋ ਰਹੀਆਂ ਹਨ ਪਰ ਅਜੇ ਵੀ ਜਿਨ੍ਹਾਂ ਭੌਤਿਕ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਉਹ ਕੰਮ ਕਰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ 'ਮਹਿਸੂਸ' ਜਾਂ 'ਸੁਣਨ' ਵਿੱਚ ਬਹੁਤ ਪਿੱਛੇ ਹਨ। ਇੱਥੇ ਹੀ Physical AI ਦੀ ਭੂਮਿਕਾ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ।
ਡਿਜੀਟਲ ਸੂਝ-ਬੂਝ ਤੋਂ ਅੱਗੇ ਵਧਣਾ
ਪਰੰਪਰਾਗਤ AI ਮਾਡਲਾਂ ਦੇ ਉਲਟ ਜੋ ਇਤਿਹਾਸਕ ਇੰਟਰਨੈੱਟ ਡਾਟਾ ਤੋਂ ਸਿੱਖਦੇ ਹਨ, Physical AI ਰੀਅਲ-ਟਾਈਮ ਸੈਂਸਰੀ ਇਨਪੁਟਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ। ਇੱਕ ਉਦਯੋਗਿਕ ਸੈਟਿੰਗ ਵਿੱਚ, ਜਿਵੇਂ ਕਿ ਸਟੀਲ ਪਲਾਂਟ, ਟੈਕਸਟਾਈਲ ਮਿੱਲ, ਜਾਂ ਕੈਮੀਕਲ ਰਿਫਾਈਨਰੀ, ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਡਾਟਾ ਅਕਸਰ ਵਾਈਬ੍ਰੇਸ਼ਨ, ਆਵਾਜ਼ ਦੀਆਂ ਫ੍ਰੀਕੁਐਂਸੀ, ਗਰਮੀ ਦੇ ਸੰਕੇਤਾਂ, ਅਤੇ ਬਿਜਲੀ ਦੇ ਕਰੰਟ ਦੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਤੋਂ ਆਉਂਦਾ ਹੈ। Physical AI ਨਾਲ ਲੈਸ ਇੱਕ ਮਸ਼ੀਨ ਕਿਸੇ ਇੰਜਣ ਦੀ ਸੂਖਮ ਹਮ ਨੂੰ ਜਾਂ ਬੇਅਰਿੰਗ ਦੇ ਲੈਅਬੱਧ ਕੰਬਣ ਨੂੰ ਖੋਜ ਸਕਦੀ ਹੈ ਜੋ ਆਗਾਮੀ ਬਰੇਕਡਾਊਨ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। ਮੌਜੂਦਾ ਸਿਸਟਮ, ਜੋ ਡਿਜੀਟਲ ਸਾਰਾਂਸ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਅਕਸਰ ਇਹਨਾਂ ਭੌਤਿਕ ਸੰਕੇਤਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗੁਆ ਦਿੰਦੇ ਹਨ।
ਐਜ ਕੰਪਿਊਟਿੰਗ ਵੱਲ ਤਬਦੀਲੀ
Physical AI ਨੂੰ ਅਪਣਾਉਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਇੱਕ ਡਾਟਾ ਪ੍ਰਬੰਧਨ ਹੈ। ਸਭ ਕੁਝ ਰਿਕਾਰਡ ਕਰਨ ਵਾਲੇ ਸੈਂਸਰ ਸੰਚਾਰ ਨੈੱਟਵਰਕਾਂ ਨੂੰ ਜਲਦੀ ਓਵਰਲੋਡ ਕਰ ਸਕਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਬਹੁਤ ਹੌਲੀ ਰਿਕਾਰਡ ਕਰਨ ਵਾਲੇ ਸੈਂਸਰ ਕਿਸੇ ਅਚਾਨਕ ਉਪਕਰਨ ਦੀ ਖਰਾਬੀ ਨੂੰ ਗੁਆ ਸਕਦੇ ਹਨ। ਵਿਕਸਿਤ ਹੋ ਰਿਹਾ ਹੱਲ 'ਸਮਾਰਟ ਸੈਂਸਿੰਗ' ਹੈ, ਜਿੱਥੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸਰੋਤ 'ਤੇ—ਮਸ਼ੀਨ ਖੁਦ—ਹੁੰਦਾ ਹੈ, ਨਾ ਕਿ ਸਾਰੇ ਡਾਟਾ ਨੂੰ ਰਿਮੋਟ ਕਲਾਊਡ ਸਰਵਰ 'ਤੇ ਭੇਜਣ ਦੀ ਬਜਾਏ। ਇਹ ਤਬਦੀਲੀ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਵਾਤਾਵਰਣਾਂ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੱਥੇ ਸਕਿੰਟਾਂ ਦੇ ਫੈਸਲੇ ਮਹਿੰਗੇ ਉਤਪਾਦਨ ਰੁਕਾਵਟਾਂ ਜਾਂ ਸੁਰੱਖਿਆ ਖਤਰਿਆਂ ਨੂੰ ਰੋਕਦੇ ਹਨ।
ਭਾਰਤ ਦੇ ਨਿਰਮਾਣ ਖੇਤਰ 'ਤੇ ਅਸਰ
ਭਾਰਤ ਲਈ ਇੱਕ ਗਲੋਬਲ ਮੈਨੂਫੈਕਚਰਿੰਗ ਹੱਬ ਵਜੋਂ ਆਪਣੇ ਟੀਚਿਆਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਅਪਣਾਉਣਾ ਇੱਕ ਆਰਥਿਕ ਤਰਜੀਹ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਸੈਂਸਰ ਪੱਧਰ 'ਤੇ ਬੁੱਧੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਰੱਖ-ਰਖਾਅ—ਮਸ਼ੀਨ ਦੇ ਟੁੱਟਣ ਤੋਂ ਬਾਅਦ ਉਸਨੂੰ ਠੀਕ ਕਰਨਾ—ਤੋਂ ਅਨੁਮਾਨਿਤ ਰੱਖ-ਰਖਾਅ ਵੱਲ ਵਧ ਸਕਦੀਆਂ ਹਨ, ਜੋ ਮੁੱਦਿਆਂ ਨੂੰ ਵਾਪਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਹੱਲ ਕਰਦਾ ਹੈ। ਇਸ ਨਾਲ ਡਾਊਨਟਾਈਮ ਘਟਾ ਕੇ ਅਤੇ ਬਦਲੀ ਵਾਲੇ ਪਾਰਟਸ ਦੀ ਲਾਗਤ ਘਟਾ ਕੇ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ। ਉਦਯੋਗਿਕ ਖੇਤਰ ਨੂੰ ਦੇਖਣ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਨਿਗਰਾਨੀ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਕਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਸਿਰਫ਼ ਸਟੈਂਡਰਡ ਆਫ-ਦ-ਸ਼ੈਲਫ ਸਾਫਟਵੇਅਰ ਖਰੀਦਣ ਦੀ ਬਜਾਏ ਅੰਦਰੂਨੀ ਸੈਂਸਰ ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਉਦਯੋਗਿਕ ਆਟੋਮੇਸ਼ਨ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ। ਜਿਹੜੀਆਂ ਫਰਮਾਂ ਬੇਸਿਕ ਆਫਿਸ ਆਟੋਮੇਸ਼ਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਜਿਹੜੀਆਂ ਫੈਕਟਰੀ ਫਲੋਰ ਆਪਰੇਸ਼ਨਜ਼ ਨੂੰ ਆਪਟੀਮਾਈਜ਼ ਕਰਨ ਲਈ Physical AI ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ, ਉਨ੍ਹਾਂ ਵਿਚਕਾਰ ਦਾ ਅੰਤਰ ਵਧਣ ਦੀ ਉਮੀਦ ਹੈ, ਜੋ ਲੰਬੇ ਸਮੇਂ ਦੀ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਸੰਪਤੀ ਦੀ ਲੰਬੀ ਉਮਰ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ।