XiaoMi-AI文件搜索系统
World File Search System素材
2024-25 学年课程规范
关于系部 该系的主要目标是提供高质量的教学并开展国际领先的研究。该系开展广泛的主题研究，目标是科学技术的基础进步和实际应用。我们许多被高度引用的出版物、研究人员通过奖项和荣誉获得的个人认可以及我们的成果和创新的商业应用证明了我们研究的质量和影响力。我们的研究也为我们的教学提供了素材，特别是在第四年和最后一年，教职员工将他们的研究带入课堂并根据研究期望设计练习。我们认为培养下一代工程师是一项关键任务，我们的毕业生受到世界各地工业和商业的高度重视。我们的本科学位与我们的研究优势相一致，我们为我们在学位课程中提供的分析处理的深度和专业选修科目感到自豪。电子与信息工程被认为是跨学科的，因为电子与信息工程师在机器人、机器学习、通信系统和网络等广泛领域工作。系统设计和分析是本课程的核心，你将获得多种机会来发展这一领域的技能。本课程提供各种现代工程主题的技术严谨性和深度。有关该系和课程的更多信息，请访问我们的网站：www.imperial.ac.uk/electrical-engineering/about/。关于工程学硕士课程该系提供三年制工程学学士学位课程和四年制综合硕士工程学硕士课程。这两个学位课程都涉及大量的小组和个人项目工作。工程学硕士课程还具有工业实习或咨询小组项目的额外优势。在课程的最后一年，你将能够从一系列硕士级选修模块中进行选择，并进一步接触各种信息工程主题的前沿研究问题。该课程的目标是让你成为一名高素质的毕业生，无论是在电子/电气行业、信息技术、研究还是金融机构，都能超越当前的实践进行创新。 EIE 流程可帮助您了解现代联网计算机的整个堆栈，从智能手机中 CPU 的设计和架构，到将其连接到互联网的信息理论和无线协议，以及在云端提供后端支持的操作系统和数据库。本课程规范描述了下图 1 中给出的学术路径。
Wyborn 等人2020
生物多样性研究充斥着描绘未来衰退轨迹的科学研究，但这些研究未能推动变革。想象力和创造力可以促进解决长期存在的问题的新方法，为人类和地球创造更美好的未来。世界已经改变了。随着各种国际会议的召开和《生物多样性公约》十年爱知目标的达成，2020 年被定为生物多样性的“超级年”，但人们将因截然不同的原因记住这一年：灾难性的火灾、新冠肺炎疫情、洪水、蝗虫爆发、油价大幅下跌和大范围的粮食不安全。这些破坏将加剧本已相当大的贫富差距，对边缘群体——贫困人口、妇女、土著社区和有色人种——的打击将更加严重。对环境的影响好坏参半：碳排放量可能有所下降，但人们越来越担心，在重建遭受重创的经济的过程中，大自然会被遗忘。快速破坏的时代为变革创造了新的机遇。当长期存在的做事方式被打破时，新的想法、制度和相互关系方式就会占据主导地位。这些事件提醒我们，未来是不确定的，在短时间内可能会发生巨大的变化。为了利用这一时机，生物多样性社区需要发挥创造力，想象新的未来，使人类和自然在我们的星球上繁荣发展。现在是彻底改变我们倾听、思考和行动方式的时候了。生物多样性社区——那些关注自然世界及其与人类关系的研究人员、公民、当地知识持有者、从业者和决策者——正在争先恐后地利用这一机会为人类和自然创造繁荣的未来。作为正在展开的对话、战略、研究计划和决策的素材，我们提供了三种可能的未来，它们代表了生物多样性社区内部正在进行的辩论。它们设定在 2050 年，描绘了未来几年可能发生的决策或事件的后果。每个未来都位于快速变化的人类世中。它们都不是不可避免的。还有更多：零冲突、自然毁灭、社会崩溃。我们精心编造了故事，突出了对比鲜明的世界观，这些世界观决定了谁拥有权力、哪些价值观优先以及哪些生物多样性“重要”。您可能会喜欢每个未来的某些方面，同时不喜欢其他方面。我们邀请您发挥想象力，将您带到 2050 年。基本需求在公共厨房享用咖啡和当地食材烹制的早餐，观看通过视频广播播放的新闻。幸运的是，您的口粮昨天到了，所以您几周来第一次喝到新鲜的咖啡。
ROV 手册：观察级用户指南...
1970 年，当我重返大学，成为一名机械工程师时，我从未听说过 ROV 这个词。我所知道的唯一的遥控机器人基本上是绕地球运行的卫星。随着 20 世纪 70 年代初航天工业的崩溃，我的注意力转向了下一个前沿领域 — — 海洋。1973 年，我被海军水下中心招募，主要是因为那里正在开发的那些有趣的水下机器人（如 CURV III（电缆控制水下回收机器人））的吸引力。我被迷住了！我的兴趣越来越浓，技术也越来越先进，几家 ROV 公司也应运而生。这个蓬勃发展的行业，尤其是在我家乡圣地亚哥附近，促成了第一个遥控机器人会议 ROV '83 的成立，我担任了会议主席。“一种时代已经到来的技术”这一主题恰逢其时，并帮助发起了以“水下干预”为主题的系列会议，该系列会议至今仍在继续。该系列会议的首批产品之一是《ROV 操作指南》，这是海洋技术协会 (MTS) 的 ROV 委员会的开创性出版物。我很高兴与 Frank Busby 和一个专家委员会一起制作了这本书，他们也帮助启动了 ROV 系列会议。还制作了一些其他专门的出版物来介绍 ROV 的使用和维护，但没有一个涵盖早期指南的范围。MTS ROV 委员会要求我更新指南，我和负责制作的 Jack Jaeger 一起承担了这项任务。最终成果——《无人水下系统的作战效能》——涵盖了 ROV 的整个范围，从历史、设计和操作，到展望未来。这本 700 多页的书于 1999 年以 CD-ROM 形式出版，为水下航行器文献树立了另一个里程碑。感谢所有为本书提供素材的人。2005 年，我从圣地亚哥海军实验室退休，决定开始我的下一个职业生涯，担任水下系统顾问，不仅撰写技术出版物，还撰写小说。我的第一部小说《第二次日出》获奖，续集将于 2007 年出版。希望这将成为一系列海底科技惊悚小说的开端，这些小说不仅能娱乐读者，还能教育读者。现在，我们来谈谈这个出版物——ROV 手册。我再次被联系来审查并批评 Robert Christ 撰写的原始手稿。我知道准备这样一本书需要付出多少努力，因此我对这本看似优秀的出版物发表了自己的看法，该出版物针对的是专门观察类的 ROV。长话短说，我们同意共同编写手册并推动其完成，这让我们的出版商非常高兴。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
视频人工智能系统的成本和收益如何？视频人工智能：初始成本和长期收益 投资人工智能是许多公司经常谈论的事情。但您实际上投资的是什么？成本是多少？长期收益是什么？在本白皮书中，我们将解释如何以及为何投资视频人工智能。 为什么要投资视频人工智能？主要原因是视觉图像包含非常重要的数据。通过使用这些数据，您可以作为一家公司脱颖而出，目标是为您的客户提供更好的解决方案。 通过投资视频人工智能 (Video AI)，您可以从视频数据中获得正确的智能信息。简而言之，人工智能 (AI) 以高度智能的方式识别、分类和索引镜头。在此基础上，可以搜索、编辑和量化收集和分类的数据。人工智能软件实时处理视频数据，以便您可以在发生检测警报时快速评估和响应。此外，可以轻松检索现有视频片段。因此，您可以快速搜索数千小时的镜头以查找所需的事件。当 AI 系统识别、分类和索引素材时，会产生额外的数据。从长远来看，这些收集到的元数据可以成为有价值的商业智能的额外来源。可以使用各种商业智能工具清晰地以图形方式显示这一点。当您考虑实施视频 AI 系统时，重要的是要正确评估总购置成本。换句话说，就是总拥有成本 (TCO)。当然，这些成本会根据每个组织的独特需求和情况而有所不同。本白皮书将概述系统要求、基础设施、网络和实施方面的各种实施因素和相关成本考虑因素。以及该产品可以提供的巨大长期节省。系统要求视频 AI 是一种智能软件技术，但为了使软件正常运行，外围设备必须到位。提前清楚了解所需的系统要求非常重要。IP 摄像机的数量、所需的 AI 功能以及安装类型（本地、远程或云）的组合决定了所需的系统要求。一些视频 AI 平台易于与已安装的 IP 摄像机结合使用。在销售过程中提出这一点很重要，因为它会影响初始投资。一个好的视频 AI 实施合作伙伴可以就所需的硬件为您提供建议。为了达到预期的效果，确定摄像机的类型和摄像机的位置非常重要。基础设施视频 AI 解决方案的基础设施因需求而异。有些人希望为多个位置提供集成解决方案，而其他人可能会考虑将视频 AI 用于单个位置。IP 摄像机、AI 服务器和 NVR/VMS 系统都可以位于一个物理位置本地，也可以位于多个物理位置。将物理位置上的摄像机与（公共）云中的软件相结合也是可能的。同样，正确的 AI 实施合作伙伴的作用非常重要。
ROV 手册：观察级用户指南...
1970 年，当我重返大学，成为一名机械工程师时，我从未听说过 ROV 这个词。我所知道的唯一的遥控机器人基本上是绕地球运行的卫星。随着 20 世纪 70 年代初航天工业的崩溃，我的注意力转向了下一个前沿领域——海洋。1973 年，我被海军水下中心招募，主要是因为那里正在开发的那些有趣的水下机器人（如 CURV III（电缆控制水下回收机器人））的吸引力。我被迷住了！我的兴趣越来越浓，技术也越来越先进，几家 ROV 公司也应运而生。这个蓬勃发展的行业，尤其是在我家乡圣地亚哥附近，促成了第一个遥控机器人会议 ROV '83 的成立，我担任了会议主席。“一项时代已到的技术”这一主题恰逢其时，并帮助发起了以“水下干预”为主题的系列会议，该系列会议至今仍在继续。该系列会议的首批产品之一是《ROV 操作指南》，这是海洋技术协会 (MTS) 的 ROV 委员会的开创性出版物。我很高兴与 Frank Busby 和一个专家委员会一起制作了这本书，他们也帮助启动了 ROV 系列会议。还制作了一些其他专门的出版物来介绍 ROV 的使用和维护，但没有一个涵盖早期指南的范围。MTS ROV 委员会要求我更新指南，我和负责制作的 Jack Jaeger 一起承担了这项任务。最终成果《无人水下系统的作战效能》涵盖了 ROV 的整个范围，从历史、设计和操作，到展望未来。这本 700 多页的书于 1999 年以 CD-ROM 形式出版，为水下航行器文献树立了另一个里程碑。感谢所有为本书提供素材的人。2005 年，我从圣地亚哥海军实验室退休，决定开始我的下一个职业生涯，担任水下系统顾问，不仅撰写技术出版物，还撰写小说。我的第一部小说《第二次日出》获奖，续集将于 2007 年出版。希望这将成为一系列海底科技惊悚小说的开端，这些小说不仅能娱乐读者，还能教育读者。现在，我们来谈谈这个出版物——ROV 手册。我再次被联系来审查并批评 Robert Christ 撰写的原始手稿。我知道准备这样一本书需要付出多少努力，因此我对这本看似优秀的出版物发表了自己的看法，该出版物针对的是专门观察类的 ROV。长话短说，我们同意共同编写手册并推动其完成，这让我们的出版商非常高兴。
新闻稿-Colorfront dis ibc 2024
colorfront IBC 2024…从斯德哥尔摩‽…再加上阿姆斯特丹IBC 2024的其他开创性的工作流新闻，阿姆斯特丹 - colorfront（colorfront.com） - 高级性能迪尔（Colorfront.com）的高级授予高性能Dailies/transcoding/thracking Systems的多名授予的开发商强大的流和掌握解决方案。这些演示文稿将通过“现场流”的“现场流” SDR/HDR素材来强调Colorfront的系统的特殊功能，质量和安全性，由Colorfront Transkoder in-in-th-cloud处理，数量嘎嘎作响，将在瑞典（Stockholm，sweden of Sweden）进行实时的宽敞宽带，在实时的范围内进行大约900英里的范围。在IBC 2024期间，该公司还将在其完整的产品组合和基于云的运营中推出新的进步，其中许多由AI提供动力，这将使电影院和电视上的最终体验变得更好。Colorfront Mastering & QC Mastering operations are further enhanced in Transkoder: Colorfront continues to make giant strides in the advancement of cinema/TV mastering and QC mastering with Transkoder, and has opened a new chapter in SDR/HDR color workflows with a multitude of color remapping tools for SDR to Dolby Vision, DCI to Dolby Vision and HDR Cinema, amongst others.以及用于调整HDR滚动和纠正HLG内容的工具，Transkoder的自动字幕检测工具通过使用户能够独立于背景图像检测和调整字幕的亮度来支持增强的生产力，以获得最佳的HDR主人。DCP验证报告现在也以PDF的形式格式化。全新，AI辅助，滚动信用检测功能还提供了提高的效率，其能力可以提取滚动信用的文本内容，从而使用户可以换下更新信用额度的耗时任务。Transkoder还提供了其他自动化工具来检测，过滤和分类，例如不正确/移动架子，黑色边缘像素，死像素，火花/数字灰尘，以及黑色和重复的框架。可操作性改进包含显着增强的时间轴标记功能，以加速QC工作流程，可容纳许多类型的QC标签和对象标签，而新的PSNR和DeltaiCTCP视频比较工具生成时间轴标记，以指示版本之间可见的差异或重新编码的交付物之间的可见差异。QC任务的其他时间轴功能包括视频文件比较，提供参考视频输出的拆分视图，以及将拖放媒体直接拖放到时间轴上的能力。品牌 - 新的综合媒体报告PDF包括手动播放的并自动检测到的问题，每个问题都有屏幕截图设施。
人工智能与音乐：历史与未来洞察
Sourav Verma DOI：https://doi.org/10.22271/allresearch.2021.v7.i2e.8286 摘要 已经开发了几种使用人工智能制作音乐的音乐软件程序。与它在其他领域的应用一样，在这种情况下，人工智能也模拟了心理任务。一个突出的特点是人工智能算法能够根据获得的信息进行学习，例如计算机伴奏技术，它能够聆听和跟随人类表演者，从而能够同步表演。人工智能还推动了所谓的交互式作曲技术，其中计算机根据现场音乐家的演奏创作音乐。音乐还有其他几种人工智能应用，不仅涵盖音乐创作、制作和表演，还涵盖音乐的营销和消费方式。除了使用人工智能制作音乐的程序外，还开发了几种音乐播放器程序，使用语音识别和自然语言处理技术进行音乐语音控制。关键词：谷歌洋红色。 Melodrive spotify brain FM 简介 人工智能 人工智能（AI）是计算机程序或机器以类似于人类的方式思考和学习的能力。它能够在一定程度上模拟人类智能，可以执行不同的任务和解决问题。 “人工智能”一词最早出现在1956年美国达特茅斯会议期间，但由于数据量的增加、算法的先进以及计算能力和存储的改进，人工智能技术和应用如今已变得更加流行和强大。 众所周知，人工智能研究已经影响了许多主要行业，而音乐产业当然是其中之一。 人工智能在音乐领域的简史 1# 1951年，英国数学家阿兰·图灵首次创作了计算机生成的音乐。艾伦·图灵是一位计算机科学家、哲学家和密码学家，在破解纳粹的恩尼格玛密码中发挥了关键作用。这段录音是 69 年前由英国广播公司 (BBC) 的一个室外广播部门在英国曼彻斯特的计算机实验室录制的。这台用来生成旋律的机器占据了实验室一楼的大部分空间，是由 A. 图灵亲自建造的。它创作了几首旋律，包括“上帝保佑国王”和“咩，咩黑羊”。虽然图灵在计算机中编写了第一个音符，但他对将它们串成曲调不感兴趣，所以这项工作由一位名叫克里斯托弗·斯特雷奇的学校老师完成。2# 1957 年，伊利诺伊大学香槟分校的作曲家 Lejaren Hiller 和数学家 Leonard Isaacson 编写了 ILLIAC I (伊利诺伊自动计算机)，这是第一台完全由美国教育机构建造和拥有的计算机，生成作曲素材，创作出完全由人工智能编写的音乐作品——《伊利亚克弦乐四重奏组曲》。3#1960年，俄罗斯研究员R.Kh.扎里波夫发表了全球第一篇利用URAL-1计算机进行算法作曲的论文——《音乐作曲过程的算法描述》。
掌握雪松复制 - 世界广播历史
摄影曾经是富人的专属乐趣，因为只有他们才能买得起必要的设备。没有摄影，也没有时间掌握摄影和摄影技巧，摄影就离你很远。然而，随着技术的进步，摄影逐渐普及到大众。一开始进展缓慢，但速度越来越快，直到我们几乎所有人都拥有并使用相机。技术的传播使越来越多的人有机会成为该艺术的专家，甚至是专业人士。录音曾经依赖于类似的独家技术。昂贵的麦克风、录音机和其他设备的使用使它超出了普通大众的承受范围，无论他们对那些神秘录音室的产出有多么热情。正是技术让摄影变得触手可及，当技术将注意力转向音乐（以及汽车和飞机）时，它产生了同样的结果：更多的设备、更多的用户、更广泛的经验和专业知识。尽管，值得注意的是，多年前一位专业摄影师向我吐露，现在“相机越来越多，摄影师越来越少”，比以往任何时候都多。但以革命性的 Fairlight CMI 为例 - 一种突破性的但价格昂贵的基于计算机的乐器。最初，只有有限数量的熟练操作员 - 因此，这些人不仅能够因其技能而获得相当大的尊重，而且还能获得可观的收入。随着相同的设施（采样、排序）通过更便宜的仪器变得可用，Fairlight 操作员的重要性逐渐消退。今天，世界上拥有各种类型和规模的大量录音室。有些纯粹是为了娱乐；其他则表明了它们的主人对突破专业录音的信心。当然，许多都是完全专业的。但即使在这里，也存在相当大的多样性。技术不再决定专业设施比非专业设施“更好”。相反，专业有了更强大的定义 - 简单地用于专业目的。电影和视频也是如此。尽管人们的注意力已经从电影这种流行媒体上转移开，但摄像机从未如此便宜或免费提供。当然，结果是越来越多的人对使用它们产生了积极的兴趣 - 其中一些人是出于专业目的。并且进步仍在继续。Tim Goodyer尽管视频编辑技术十分复杂，但廉价视频编辑已成为现实，越来越多的广播视频素材来自普通设备。录音的民主化正在将其进一步带入预制、母带制作和复制领域。年轻乐队曾经经常制作自己的磁带。然后他们开始压制唱片。接下来他们开始制作自己的视频。现在他们正在制作 CD。曾经不得不在专业录音室录音的“签约”乐队发现他们可以将录音预付款花在自己的录音室上，他们发现 CD 制作越来越有趣 - Data Disc Robots 甚至开发了他们的系统（本期其他地方与 Starline 480 一起提到），考虑到了“初学者”。人们常说，你无法抗拒进步的步伐。那些最用心阅读文章的人——无论文章写在哪里——都会制定出最好的游戏计划，这当然是真的。目前，新手对母带制作、复制和复制领域表现出的积极兴趣持续增长，无论这些新手来自音乐、数据还是任何其他商业领域，都无关紧要；他们的兴趣才是最重要的。他们的兴趣是 MDR 推出的原因之一。这就是您阅读这篇社论的原因。而它关注的正是您。
社论：木质纤维素生物燃料的新兴原料和清洁技术
联合国可持续发展目标 (SDG) 包括提供负担得起的清洁能源（目标 7），以实现全民和平与繁荣（可持续发展目标，2022 年）。其他可持续发展目标“可持续城市和社区”（目标 11）、“负责任的消费和生产”（目标 12）和“气候行动”（目标 13）也要求寻找可持续原料和清洁技术来生产可再生燃料。木质纤维素生物质是被研究作为生物燃料生产来源的突出和新兴原料之一。自然界中木质纤维素生物质的全球年产量估计为 1815 亿吨。其中，据说目前仅利用了 82 亿吨生物质，其中 70 亿吨来自森林、农业和草类，12 亿吨来自农业残留物（Ashokkumar 等人，2022 年）。这种生物质的传统用途是烹饪、取暖、建筑材料以及纸张、纸板和纺织品的生产。随着技术和生物质管理的进步，这种有价值的木质纤维素生物质可用于生产可再生生物燃料。此外，纤维素、半纤维素和木质素材料可以用于其他有用的工业生物产品和生物化学品（Ashokkumar 等人，2022 年）。木质纤维素生物质由木质素、纤维素和半纤维素组成，全球储量丰富。纤维素是自然界中最丰富的有机物质，其次是木质素。纤维素、半纤维素和木质素的百分比组成在软木、硬木、农业残留物和草类等木质纤维素材料中有所不同。木质纤维素生物质来自各种原料，如糖料作物、淀粉作物、农业残留物、草本生物质、木质生物质、油籽和微藻 ( Yuan et al., 2018 )。木质纤维素生物质的纤维素和半纤维素成分中存在的碳水化合物被认为适合生产生物燃料。然而，木质纤维素材料难以转化，因为木质纤维素生物质中的木质素会抑制生物质中碳水化合物的糖化和水解，从而给生物燃料转化带来挑战。将木质纤维素生物质中的聚合物转化为单体的主要挑战在于其结构中的强共价键和非共价键、结晶度和木质素结垢，需要克服这些才能将其用作生物燃料生产材料（Preethi 等人，2021 年）。木质纤维素材料的顽固性可以通过预处理步骤来克服，这些步骤会扰乱生物质中的木质素成分。此后，可以对纤维素和半纤维素进行酶水解。预处理方法可以是物理的、化学的、物理化学的或生物的。预处理导致木质纤维素材料碎裂，进一步增加其表面积和溶解度，并降低生物质中纤维素和木质素含量的结晶度（Hoang 等人，2021 年；Kumar 等人，2022 年）。原料选择、原料混合、高效预处理
物料处理中的人工智能：机器如何……
简介 人工智能 (AI) 技术和工具曾经只是科幻电影的素材，如今已被全球各行各业广泛接受和实施。从新概念到具有无数经过验证的实际应用的有价值的商业工具这一过程最近才发生，并且仍在快速发展。在本文中，作者使用了麻省理工学院运输和物流中心的 Daniel Merchán 博士提出的人工智能的广义定义：人工智能是机器执行与人类思维相关的认知功能的能力，由一组计算技术组成，旨在感知、学习、推理和采取适当的行动。人工智能已被广泛记录在文献中，作为一种降低成本、增加收入和提高资产利用率的方法。1 在人工智能的其他子集中，机器学习 (ML)（本质上是机器使用过去数据构建能够对未来数据进行预测的模型的能力）已被证明对预测性供应链建模有效。因此，人工智能和机器学习解决方案在所有行业尤其是供应链管理领域越来越受欢迎也就不足为奇了。全球分析公司 RELX 最近的研究表明，整个商业领域人工智能技术的整体实施连续第三年增加。RELX 跟踪人工智能的崛起，报告使用人工智能技术的商业领袖数量从 2019 年的 72% 和 2018 年的 48% 上升到 81%。全球研究公司麦肯锡的 2020 年年度报告《人工智能现状》发现，50% 的受访者组织至少在一项职能中采用了人工智能。该公司还报告称，71% 的公司预计在短期至中期内将增加对 AI 的投资（2018 年）。具体来说，在供应链领域，2019 年麦肯锡调查的 76% 受访者同意供应链管理将从采用 AI 中受益匪浅。该公司认为，供应链管理/制造是 AI 将产生最大影响的功能领域之一，包括潜在的 1.2 万亿至 2 万亿美元的价值（2019 年）。然而，AI 在供应链中的整体渗透率仍然相对较低。MHI 在 2020 年调查的供应链专业人士中，只有 12% 表示他们目前正在运营中使用人工智能，而 60% 的人预计未来五年内会这样做。在商业中采用人工智能的驱动因素已在文献中得到充分审查。这为供应链从业者留下了充足的空间来探索人工智能的潜在优势，并作为早期采用者拥抱这项技术。人工智能在研究和实践中的重要性日益增加 研究公司德勤在其《2020 年企业人工智能状况》报告中指出，人工智能技术的采用者继续对人工智能推动价值和优势的能力充满信心，几乎所有人工智能采用者都在使用人工智能来提高效率，而成熟的采用者也在利用这些技术来提升差异化。主要吸引力可以简洁地归类为以下几类：创造竞争优势、推出和改进新产品、降低成本和改善运营。2