详细内容或原文请订阅后点击阅览
Ravi Teja Alchuri — 为生产规模车队系统设计值得信赖的人工智能
执行摘要。 Ravi Teja Alchuri 解释了为什么在车队远程信息处理平台中部署人工智能需要架构规范、治理护栏和系统信任才能在生产规模上可靠运行。车队远程信息处理平台是对人工智能操作要求最高的环境之一。系统必须从数以万计的移动资产中获取高频遥测数据，维持 [...]
来源:AI Time Journal执行摘要。Ravi Teja Alchuri 解释了为什么在车队远程信息处理平台中部署人工智能需要架构规范、治理护栏和系统信任才能在生产规模上可靠运行。
车队远程信息处理平台是对人工智能操作要求最高的环境之一。系统必须从数以万计的移动资产中获取高频遥测数据，保持设备到云基础设施的可靠性，并支持正确性和可审核性至关重要的合规性敏感工作流程。
在本次对话中，Assured Techmatics 技术总监 Ravi Teja Alchuri 讨论了如何在车队规模的生产中部署人工智能。他支持为美国和加拿大大约 100,000 名驾驶员和车辆提供服务的平台，解释了为什么成功的人工智能部署较少依赖于模型的复杂性，而更多地依赖于系统规则。讨论探讨了大容量遥测摄取、设备到云弹性、事件驱动集成以及在现实环境中安全运行人工智能所需的治理护栏的架构模式。
AITJ：Ravi，您的工作涉及远程信息处理、人工智能和合规性关键系统。是什么让车队管理成为在实际运营环境中部署生产级人工智能的复杂环境？
车队管理对于生产人工智能来说是一个艰难的环境，因为它结合了现实世界的运营挑战，并且几乎没有犯错的空间。您可以同时处理移动资产、边缘设备、不稳定的连接、驾驶员行为、维护事件、客户期望和监管要求。这不是实验室环境，数据很少是干净的或可预测的。
车队环境中的生产人工智能是一门系统学科，其中可靠性和信任比模型新颖性更重要。
如果做得好，这种方法可以减少路边故障、更好的规划和更高效的维护周期。