Consultez les sessions à la demande du sommet Low-Code/No-Code pour apprendre à innover avec succès et à gagner en efficacité en améliorant et en faisant évoluer les développeurs citoyens. Regarde maintenant.
L’intelligence artificielle (IA) aide de nombreuses industries différentes et a un impact particulièrement fort dans l’industrie automobile. L’un des cas d’utilisation les plus excitants concerne les véhicules entièrement autonomes, mais ce n’est pas le seul domaine où l’IA a un impact. Par exemple, Microsoft et Mercedes-Benz travaillent ensemble pour améliorer l’efficacité de la production automobile.
Lors de la conférence sur le cloud AWS re:Invent cette semaine, BMW Group a décrit l’impact que l’IA a eu sur son organisation et a détaillé les cas d’utilisation émergents où l’IA produira de futurs résultats commerciaux positifs.
Lors d’une session, Marco Görgmaier, GM, transformation des données et intelligence artificielle, BMW Group, a déclaré que son équipe avait constitué une bibliothèque de milliers d’actifs de données dans toute l’entreprise qui peuvent être réutilisés pour l’analyse et l’IA. Depuis 2019, il a déclaré que son équipe avait été en mesure de fournir plus de 800 cas d’utilisation qui ont rapporté plus d’un milliard de dollars en dollars américains. Les cas d’utilisation couvrent la recherche et le développement, la logistique, les ventes, la qualité et le réseau de fournisseurs.
“La vision et la mission de notre équipe sont de stimuler et d’étendre la création de valeur commerciale grâce à l’utilisation de l’IA dans notre chaîne de valeur”, a déclaré Görgmaier.
Événement
Sommet sur la sécurité intelligente
Découvrez le rôle critique de l’IA et du ML dans la cybersécurité et des études de cas spécifiques à l’industrie le 8 décembre. Inscrivez-vous pour votre laissez-passer gratuit aujourd’hui.
S’inscrire maintenant
BMW se dirige vers un avenir durable avec l’aide de l’IA
Un domaine émergent dans lequel BMW investit désormais des ressources est d’aider à améliorer la durabilité.
Görgmaier a fait remarquer que 60 % de la population mondiale vit dans des villes et des zones urbaines et que c’est également là que 70 % des émissions de gaz à effet de serre sont générées. Ce que BMW essaie maintenant de faire, c’est d’aider les urbanistes à résoudre des problèmes pour aider à réduire les émissions.
BMW aide déjà avec des modèles d’apprentissage automatique capables de prédire comment les réglementations routières peuvent potentiellement contribuer à réduire à la fois le trafic et les émissions d’essence. Les modèles ML sont également utilisés pour aider à identifier les endroits où l’infrastructure de recharge des véhicules électriques n’est pas encore suffisante. Görgmaier a déclaré qu’un manque d’infrastructure de recharge empêche les gens de passer à un véhicule électrique, ce qui a un impact sur la durabilité.
Il existe également un effort de BMW ML pour aider à prévoir l’impact de la disponibilité et de la tarification des places de stationnement sur les habitudes de conduite. Ces schémas incluent les itinéraires de navettage et le trafic, qui auront également un impact sur les émissions.
Génération d’informations géospatiales avec Amazon SageMaker
Görgmaier a déclaré que bon nombre des problèmes de durabilité urbaine que BMW tente d’aider à résoudre peuvent bénéficier des informations géospatiales. C’est là que BMW commence à utiliser les nouvelles capacités géospatiales de la suite d’outils Amazon SageMaker ML qui viennent d’être révélées publiquement cette semaine.
L’un des domaines dans lesquels BMW cherche à tirer parti du ML géospatial est d’aider à prédire quand une organisation disposant d’une flotte de véhicules pourra passer aux véhicules électriques.
“Nous avons fixé l’objectif de former des modèles d’apprentissage automatique pour apprendre les corrélations entre le type de moteur et les profils de conduite”, a-t-il déclaré. “La logique derrière cela était que si une telle corrélation existait, alors le modèle pourrait apprendre à prédire l’affinité de certains conducteurs pour un véhicule électrique en fonction de leurs profils.”
Comme BMW travaillait avec des données entièrement anonymisées au niveau de la flotte, elle devait utiliser des traces GPS et des données géospatiales pour établir les corrélations.
“À la fin de la formation, le modèle était capable de prédire la probabilité de conversion de flottes spécifiques en véhicules électriques avec une précision de plus de 80 %”, a déclaré Görgmaier.
La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur la technologie d’entreprise transformatrice et d’effectuer des transactions. Découvrez nos Briefings.
