Applied Computing presenta la próxima generación de Orbital en ADIPEC: el primer modelo mundial de energía

Applied Computing presenta la próxima generación de Orbital en ADIPEC: el primer modelo mundial de energía

Applied Computing ha lanzado Orbital 2.0, un sistema de inteligencia artificial diseñado para operadores del sector energético que cambia radicalmente el enfoque, pasando del reconocimiento de patrones a la comprensión causal. Mediante una arquitectura de modelo del mundo, el sistema aprende las relaciones de causa y efecto dentro de las plantas industriales, como el flujo de masa y calor a través de los equipos. Este enfoque permite a los ingenieros simular el impacto general de las decisiones antes de su implementación, lo que les posibilita maximizar la producción manteniendo la seguridad y la fiabilidad en activos energéticos complejos. Una característica crítica de esta nueva versión es su diseño descentralizado y respetuoso con la privacidad. Cada cliente recibe un modelo del mundo único que evoluciona internamente dentro de su propio entorno, garantizando que los datos operativos sensibles nunca salgan de sus instalaciones. El sistema incorpora aprendizaje automático recursivo, mejorando su precisión con cada interacción, y también ofrece paneles de control personalizables y aplicaciones automatizadas. Esto reduce significativamente el tiempo de implementación, empoderando a los ingenieros para adaptar la herramienta a sus necesidades específicas sin depender de investigadores externos. Este desarrollo es altamente relevante para open_data, ya que demuestra una alternativa sofisticada a los tradicionales almacenes de datos centralizados. Al mantener los modelos y los datos locales, Orbital 2.0 aborda las preocupaciones comunes de privacidad y seguridad asociadas con el intercambio de datos industriales, demostrando que la optimización avanzada mediante inteligencia artificial puede ocurrir sin exponer información propietaria a terceros. Esto resalta un futuro en el que los sistemas inteligentes pueden evolucionar mediante interacción local y bucles de retroalimentación, cuestionando la necesidad de agregar grandes conjuntos de datos en entornos de nube abiertos o compartidos para lograr la excelencia operativa.

Noticias relacionadas

• DeepSig inaugura el laboratorio OCUDU para acelerar el desarrollo de AI-RAN de código abierto para 6G
• Google, OpenAI y Anthropic se unen para presentar nuevos controles de extracción de datos de IA
• La demanda del New York Times acusa a Brave Browser de extraer contenido periodístico detrás de un muro de pago para grandes empresas de inteligencia artificial
• Datos de Contact Center AI: La llamada sonó perfecta, pero la cuenta era incorrecta
• Los registros muestran que 4 de los 6 proveedores del piloto de autorización previa con IA de Medicare fueron señalados en las primeras semanas