AI 大模型在智慧城市 11 个行业的应用场景
人工智能是当今科技领域最前沿的课题,也是新一轮科技革命的重要代表之一。从 AlphaGo Zero 通过自我学习碾压'AI 前辈'AlphaGo,到百度智能无人汽车成功上路、苹果手机开启新的刷脸认证方式……而最近,一款名为 ChatGPT 的人工智能技术驱动的自然语言处理(NLP)工具火爆全球,自 2022 年 11 月 30 日上线至今,短短两个月内,ChatGPT 便获得 1 亿月度活跃用户,成为史上增长最快的面向消费者的应用。
与此同时,新一代人工智能技术的不断更新迭代和全方位普及渗透,正在深刻影响和改变着人们的行为方式和生产生活方式。
城市治理领域结合泛在感知、机器视觉、数据智能、数字孪生、AIGC 等技术能力,让城市会'思考',更'聪明'。顺应着城市治理到城市'智'理的发展浪潮,人工智能已从万千碎片化的小模型时代走向'百模千态'的大模型时代。
大模型的应用不是锦上添花,而是切切实实能够落地并产生显著价值。大模型赋能智慧城市的应用场景探索,要以精准识别行业痛点为原则,以提升城市治理效率为出发点,更要以辅助智慧城市的各类参与者为核心。
智慧城市的建设是一项复杂的工作,智慧城市的参与者包括城市管理、基层治理、城市安全、民生诉求、法治政府等领域相关的社会公众、话务人员、城管人员、执法人员、网格员、基层参与者、各级领导等人员。每类应用场景普遍存在'范围广、事情多、人员少、效率低'等问题。
1. 交通行业场景
AI 大模型在交通行业场景主要包括以下方面:
- 智能问答与导航:支持交通安全常识咨询、智慧导航等场景化落地。
- 出入口控制与管理:增强各类出入口控制与管理设备的交互性,优化无人值守智慧停车解决方案。
- 交通大脑与仿真:在在线仿真、智能网联、智能监检测等领域的应用,助力城市交通治理管理与运营效率的提升。
- 车载语音交互:车载语音和车内场景深度融合,培养驾驶者或乘客使用语音交互的习惯。
- 自动驾驶研发:在自动驾驶研发的过程中采用人类反馈强化学习的思想,可以训练出模型来验证、评价机器模型的输出,使其不断进步,最终达到人类的自动驾驶水平。
- 交通流量调度:通过实时监测和分析车辆、道路、信号灯等信息,智能交通系统可以智能调度交通流量,减少交通拥堵。此外,该系统还可以提前预防交通事故的发生,通过实时监测和分析交通事故。
- 轨道交通服务:可以解答乘客疑问,提升乘客出行体验的能力,还具备多元化、定制化的乘客信息展示及日常和应急场景下的引导功能,提升轨道交通的运营服务水平。
- 车辆智能安全:通过自然语言处理技术帮助车辆更好地处理安全信息,实现车辆故障诊断、交通信息提醒、道路安全预警等功能。
- 车辆能源管理:通过自然语言处理技术帮助车辆更好地管理能源,实现能源效率评估、能源路线规划、充电提醒等功能,提高驾驶经济性。
2. 水利行业场景
- 水利信息咨询:可以通过 AI 大模型获取有关水利技术、市场价格、质量等信息的咨询。
- 水利数据分析:水利机构可以使用 AI 大模型对水利生产数据进行分析,以更好地了解水资源状况。
- 智能问答求助:在水利领域智能问答求助等场景化落地。
- 水利教育培训:助力水利教育培训,加强水利人才培养,提高水利专业技术人员的素质,保障水利发展需要的人才储备。
3. 应急行业场景
- 风险感知与决策:精准感知和认知风险、构建风控知识库(有效获取、感知和描述城市管理、交通、公用事业等组成城市关键的基础设施的风险要素等)、快速进行风控决策和行为、有效控制衍生灾害等。
- 突发事故辅助:能够辅助安保工作人员提供突发事故解决方案,例如:事件现场的设备损坏、人群拥堵、文物破损、消防隐患、打架斗殴、偷窃事件等,工作人员可以立马通过语音或文字调取 AI 大模型获取解决方案,根据提示执行远程操作、监控调取、安全逃生、电话报警等行动。
4. 能源行业场景
- 能源信息咨询:可以通过 AI 大模型获取有关能源技术、市场价格、质量等信息的咨询。
- 能源数据分析:能源集团、新能源集团可以使用 AI 大模型对能源生产数据进行分析,以更好地了解能源发展状况。
- 碳中和智库:帮助建设能源行业碳中和智库,对全球能源行业技术发展快速预测与发展。
- 微电网与储能:帮助微电网、储能配电在配电网中提供削峰填谷、调峰平谷、负荷平衡等服务,从而降低电网的峰值负荷和提高供电的可靠性,借助储能技术来平衡能量的供需差异。
5. 乡村农业场景
- 农业信息咨询:农民可以通过 AI 大模型获取有关农业技术、市场价格、农产品质量等信息的咨询。
- 农业数据分析:农业机构可以使用 AI 大模型对农业生产数据进行分析,以更好地了解农业状况。
- 农业决策支持:农业管理者可以使用 AI 大模型来询问农业决策问题,并获得有关建议。
- 农业教育培训:农业培训机构可以使用 AI 大模型来提供农业技能培训,以提高农民的技能水平。
- 农产品销售支持:农产品销售商可以使用 AI 大模型来支持农产品销售,提供有关产品信息和销售建议。
- 作物生产:可以通过提供对天气模式、土壤健康和害虫管理等因素的数据驱动洞察,帮助农民做出有关作物的明智决策。这可以帮助农民优化作物生产并提高产量。
- 牲畜管理:还可以帮助农民更有效地管理他们的牲畜。通过分析有关饲料消耗、体重和其他因素的数据,AI 大模型可以帮助农民做出有关喂养和护理的决策,从而优化动物的健康和生产力。
- 供应链管理:可以通过提供对运输成本、库存管理和物流等因素的数据驱动洞察,帮助农业公司优化供应链运营。这可以带来更高效和更具成本效益的供应链管理。
- 农业研究:还可用于农业研究,以深入了解作物和牲畜生产的趋势和模式。通过分析大量数据,AI 大模型可以帮助研究人员确定需要改进的领域,并为未来的研究提出建议。
- 市场分析:可以提供对农业市场趋势和消费者偏好的数据驱动洞察。这可以帮助公司就产品开发和营销策略做出明智的决策,还可以帮助农民就种植什么作物和生产什么产品做出明智的决策。
- 农业金融:可以帮助金融机构做出有关农业投资的明智决策。通过分析作物产量、市场趋势和其他因素的数据,AI 大模型可以帮助金融机构识别投资机会,并就贷款和风险管理做出明智的决策。
- 气候风险管理:气候变化正在对农业产生重大影响,AI 大模型可以帮助农民和农业公司管理与这些变化相关的风险。通过提供对天气模式、土壤健康和其他因素的数据驱动洞察,AI 大模型可以帮助农民和公司就如何适应这些变化并最大限度地减少它们对农业的影响做出明智的决定。
- 农业政策:还可用于为农业行业的政策决策提供信息。通过提供对市场趋势、供应链管理和环境可持续性等主题的数据驱动洞察,AI 大模型可以帮助决策者做出明智的决策,支持农业产业的发展和成功。
- 农业数据:可以帮助政府机构、科研机构、农业企业等单位快速查找农业数据,快速解决发展思路。
6. 医疗行业场景
在医疗领域,就医导诊、内部知识库构建、互联网医院等场景是公立医院主要聚焦的方向。
- 医疗问答:基于知识图谱的知识问答,报告解读,临床决策支持等。医学知识浩如烟海,就算最好的医生也不可能完全掌握所有的疾病知识、诊疗指南等。AI 大模型可以用于回答患者的医疗问题,例如解释疾病、解释诊断或治疗方案、提供健康建议等。医疗问答系统可以通过与患者互动,为他们提供快速、个性化的医疗信息。
- 聊天机器人:可以被用作聊天机器人,这些机器人可以用于与患者交流,提供个性化的医疗建议和指导,甚至可以模拟医疗专家的诊断和治疗建议。
- 疾病诊断:可以用于疾病诊断,它可以分析患者的症状和病史,并提供可能的诊断,为医生提供参考。这种技术可以提高诊断的准确性,并帮助医生更快地做出决策。
- 医学文献检索:可以用于医学文献检索,它可以读取大量的医学文献,根据患者的病情和医疗历史,提供相关的文献,帮助医生做出更好的决策。
- 患者跟踪:可以用于追踪患者的健康状况,例如通过问卷调查,记录症状和健康指标,以及提供健康建议和治疗计划。
- 智能阅片:医学影像是 AI 在医疗领域应用最多且最成熟的场景。利用卷积神经网络等算法对 CT 图像、病理图像等进行阅读,识别并标注病灶,帮助医生提升效率并提高病灶检测的准确性。
- 外科辅助:会成为外科医生的一个很好的工具。但对于肿瘤的围手术期治疗,它将极大程度地取代病情咨询和分析以及提供治疗方案等常规工作。
总之,AI 大模型技术可以应用于医疗场景中的许多任务,它可以提高医疗服务的效率和质量,改善患者的医疗体验,并帮助医生更好地管理和治疗患者。
7. 金融行业场景
- 用户交互体验:为用户交互体验大幅提升提供可能性。并且,全面提升客户服务效率。替代零售客户服务中的人工基础性工作;为投顾赋能;为机构客户提供数据分析和资讯整理。
- 智能产品服务:智能投顾、知识图谱、智能语音技术、自然语言基础服务、智能金融问答等多项产品服务。
- 风险管理:金融科技的核心是风险管理,对于数据的挖掘和解读是解决风控问题的一大关键,而类 AI 大模型的特点正是能够超越传统方法对数据拥有深入挖掘的能力。将大语言模型 LLM 应用于海量互联网文本数据、行为数据、征信报告的解读,将小微企业主的信贷风险降低了 20%。
- 智能客服与催收:智能语音、智能客服、智能催收都是 AI 大模型在金融上很好的落地点,能聊得下去,比现在这种 AB 判断的智能语音要更贴近现实一些。
8. 文旅行业场景
- 数据捕捉与精准营销:首先,AI 大模型可以为文旅企业收集数据并整合行业最新动态,及时生成市场调研报告,通过大数据分析,更准确地评估市场需求,帮助管理者明确经营方向。另外,如将 AI 大模型植入景区系统(如官网、小程序、公众号、热线、票务渠道等),可自动识别来访游客身份信息及消费偏好,并录入至后台数据库,成为营销的精准流量。而且 AI 大模型可以通过收集和分析游客的行为数据,了解游客的需求和喜好,从而设计更有针对性的营销策略,协助企业实现精准营销。
- 营销智库:当下,虽然很多旅行平台早已经开始利用 AI 来推动营销,但 AI 大模型可以协助企业完成更多的营销工作,包括撰写方案、制作内容及脚本、根据描述进行 AI 绘画并生成海报等,就像企业的营销智库,随取随用,而且大大提升了效率。未来,文旅企业还可以在自有社群中引入 AI 大模型相关的智能机器人,解答群内用户的提问,甚至结合发券、产品推介等功能,保持社群的活跃度。
- 智能客服:同时,AI 大模型的存在将大大提升客服的自动化和响应效率,基于强大的数据识别能力,AI 大模型更具对话性,可以更准确地根据游客的问题给予解答,更细致、周到地解决他们的需求。而且 AI 大模型熟悉多国语言,无论是咨询、接待、游客自助查询等过程,都能轻松扫除语言障碍。
- 个性服务与体验:不仅可以帮助文旅企业提高服务效率和质量,还能提供个性化服务。例如,它可以基于用户的需求和喜好来推荐旅游目的地以及最适合的路线和玩法,创建个性化行程,并提供最优惠的购票方案。这将大大提升游客的转化率及二次消费意向。针对不同的景点,AI 大模型可以提供更有针对性的游玩攻略。而在山水景区、博物馆、研学营地等业态场景,AI 大模型还能实时提供导览与讲解服务,这里的讲解不再是单方面的标准答案输出,而是可以与游客 1V1 对话解答。
- 博物馆与展览应用:
- 协助收藏:辅助博物馆收藏文物,对即将入库的文物进行标签的设定、命名、排序、记录,对出库的文物进行检索、生成每件文物的借调数据报告等。
- 协助研究:协助科研人员进行科研资料的检索,实现知识的关联输出,还可以生成知识图谱等文献资料,最终可以提供完整的研究材料、研究报告、研究文章、研究计划等。还可以通过翻译功能,在资料调研的同时快速有效的输出翻译文本。
- 展览策展:可以与现有的景区、景点、博物馆虚拟策展、虚拟布展技术结合,深入虚拟策展、虚拟布展数据库,协助策展人进行检索和资料调研,为策展人提供文献理解、同类型展览比对、创意思路、主题构想、故事创作、展览建议,最终可以生成一场展览的策划方案、执行方案等。
- 展览导览:能够辅助参观人群查询景区、博物馆的空间布局、展览展区介绍、观众所在位置、展览评价留言,还可以推荐展览参观路线,实现个性化定制参观路线等服务。还可以基于展项设定的故事游戏,为观众提供线索和提示,帮助观众参观展览、解决难题、完成挑战。
- 展览讲解:可以与现有景区、博物馆虚拟讲解人技术结合进行展览的内容讲解,与观众互动回答观众的问题,还可以辅助观众进行知识的检索,充分调动观众对于展览的参与性。同时可以实现文字转语音、语音转语音、语音转文字等多种沟通方式。
- 展览体验:可以与景区、现有博物馆中数字全息、AR 技术、VR 技术、AI 换脸等技术进行深度结合,增强展览的体验互动,提升展项的展示深度、满足部分观众的研究型参观需求。
- 智能中控:升级现有景区、博物馆的智能中控系统。扩宽智能中控系统的功能,加强或增加语音控制、培训指导、数据更替、设备升级、技术咨询、时间管理、语言翻译、报错提醒等多种功能,促进博物馆展览的智能化管理。
- 展览测评:参加景区、博物馆的展览测评中,它可以进行测评体系的调研、创建,在展览展出前与展出后根据测评模型生成展览的测评结果并给出展览建议。最终辅助景区、博物馆、策展人评估展览的可行性,提升优化展览的展示效果。
- 推广宣传:辅助景区、博物馆进行推广宣传,可以从大方向进行背景调研、推广建议、推广方案的输出,也可以提供具体的网络资源、宣传资料、创意文案、语言翻译等工作,从而为博物馆推广宣传提供针对性的帮助和支持。
- 在线教育:辅助景区、博物馆受众人群进行在线教育,可以提供信息来源、搜索策略、知识解读和其他资源建议,来帮助观众进行博物馆相关知识的学习研究项目。
- 事务帮手:能够辅助景区、景点、博物馆工作人员完成撰写邮件、报告、提案、摘要、翻译、检查错误等工作,也可以提出工作的日程安排、执行计划、改进建议等反馈,可以充分协助博物馆工作人员完成日常的工作事务。
- 应急处理:能够辅助景区、景点、博物馆工作人员提供突发事故解决方案,例如:展览现场的设备损坏、人群拥堵、文物破损、消防隐患、打架斗殴、偷窃事件等,工作人员可以立马通过语音或文字调取 AI 大模型获取解决方案,根据提示执行远程操作、监控调取、安全逃生、电话报警等行动。
- 发展指导:能够辅助景区、景点、博物馆实时获取全球景区、博物馆的发展动向,并且关注不同国家的政策导向,可以为景区管理方、馆方提供详细的行业发展资料和指导方案,促进景区、博物馆的发展制定方向、有效决策。
9. 教育行业场景
尽管学校们反对 AI 大模型的声音与日俱增,但教育公司们已经打上了 AI 大模型技术的主意。由于担心 ChatGPT 可能会引发的作弊问题,纽约、洛杉矶和西雅图等地区的公立学校已经相继禁止学生使用 ChatGPT,斯坦福大学的研究人员则开发了 DetectGPT 以帮助教师们找出使用 ChatGPT 生成的论文。而与此同时,根据网络杂志《Intelligent》最近对 1000 名大学生进行的调查显示,近 60% 的学生在一半以上的作业中使用聊天机器人,30% 的学生在书面作业中使用 ChatGPT,学校和学生之间新一轮的'猫鼠游戏'正在上演。
- 课堂辅助:课堂上,融合了万千课堂教学名师教学经验的智能机器人将给学生辅助上课。东西部、城乡间优质教育资源分配不均衡现象将得到迅速改变。
- 教师工作减负:老师的很多工作,如作业批阅、试卷评析、跟踪指导、数据填报等将由机器人来完成。
- 教科研高效化:学校教科研将迎来更加高效的时代,已有成果理论总结,实验数据分析,实验结论提炼等许多工作将由机器人来完成,老师的主要精力将放在创造性的实验过程和实验数据的产生等方面上。
10. 国防军工行业场景
AI 智能聊天工具 ChatGPT 在全球范围内掀起了一阵'人工智能飓风',而这一场飓风所涉及的范围甚至延申到了国家军事技术领域。根据有关军事媒体报道,美军方最新研制的 VISTA X-62A 战术战斗机最近完成了一系列飞行测试,期间,该战机在完全由人工智能控制的情况下,飞行了 17 个小时以上。种种迹象表明,AI 大模型的出现意味着'人工智能 + 军事'的武器装备技术进一步成熟完善,一层空前绝后的以 AI 领跑的军事变革在不久的未来将逐渐浮出水面。
随着人工智能时代的加速到来,其在各行各业的应用也即将迎来爆发性增长。尤其是军事领域,在人工智能技术的加持下,各种自主化的无人机、无人舰艇、无人战车及作战机器人将更快从实验室走向演训场和作战前线,推动战争形态和作战方式发生深刻变化。
- 自动目标识别与控制:军事科技技术可以帮助军事科技实现自动目标识别、自动导航、自动控制等功能,从而提高军事科技的效率和精确度。
- 智能决策与规划:人工智能技术可以帮助军事科技实现智能决策、智能规划、智能控制等功能,从而提高军事科技的智能水平。
- 无人系统应用:可以预见,各类智能化无人系统与作战平台将在地面、空中、水面、水下、太空、网络空间以及人的认知空间获得越来越多的应用,深刻改变着未来战争人工智能的技术比重。
- 新型武器装备:可利用人工智能技术控制的以实现高精度攻击任务为目标的智能导弹、以人工智能技术控制的可以独立实现侦察、搜索、攻击等军事任务的机器人以及智能作战系统等全新的武器装备。
11. 新工业制造场景
- 自动机器人控制:基于 AI 大模型的自动机器人控制系统可以提供基于自然语言的控制以及增强机器人的能力,使其能够完成更多的任务。
- 自动机器人技术:可以用于开发自动机器人技术,帮助自动化制造过程,提高生产效率,减少生产成本。
- 自动化质量控制:可以用于实现自动质量控制,自动检测产品质量,并及时发出质量报告。
- 智能物料检测:可以用于实现智能物料检测,检测原材料的质量,确保产品质量。
- 智能装配:基于 AI 大模型的智能装配系统可以实现自动装配,提高装配效率。
- 智能测试:可以用于实现智能测试,根据测试结果快速确定产品是否符合要求。
- 智能检修:可以用于实现智能检修,快速发现机器故障,以及提供维护建议。
- 智能优化:可以用于实现智能优化,帮助优化生产流程,提高生产效率。
- 智能监控:可以用于实现智能监控,实时监测生产状态,实现远程监控。
- 智能预测:可以用于智能预测,根据历史数据和实时数据预测未来的生产状况。
- 智能报表:可以用于智能报表,自动生成可视化的报表,便于管理者快速了解生产状况。
- 智能调度:可以用于实现智能调度,自动根据当前生产状况调整生产计划,提高生产效率。
- 智能交互:可以用于实现智能交互,为管理者提供友好的自然语言界面,方便管理者操作。
- 智能优化设计:可以用于实现智能优化设计,根据客户需求快速优化产品设计,提高产品质量。
- 智能故障诊断:可以用于实现智能故障诊断,自动诊断并发现设备故障,提供故障解决方案。
- 智能物流:可以用于实现智能物流,自动跟踪物料流向,提高物流效率。
- 智能供应链:可以用于实现智能供应链,帮助企业管理供应链,提高供应链的效率和可靠性。
- 智能生产:可以用于实现智能生产,自动控制生产线,并给出最优生产方案。
- 智能安全:可以用于实现智能安全,实时监控安全情况,防止安全风险。
结语
AI 大模型在智慧城市的 11 个行业场景中展现出了巨大的潜力和价值。从提升基础设施运行效率到优化公共服务体验,再到辅助关键领域的决策制定,大模型技术正在逐步重塑各行各业的运作模式。然而,技术的落地也面临着数据安全、隐私保护、伦理规范以及人才短缺等挑战。未来,随着技术的不断成熟和生态的完善,AI 大模型有望在更多细分领域实现深度集成,推动智慧城市向更高水平的智能化迈进,真正实现以人为本、高效协同的城市治理愿景。