人工智能技術(shù)應(yīng)用AI賦能安全應(yīng)急20251.人工智能的技術(shù)現(xiàn)狀2.大模型相關(guān)技術(shù)進(jìn)展3.行業(yè)案例與落地場(chǎng)景4.人工智能的技術(shù)展望1—張圖看懂人工智能—句話說明大小模型為安全應(yīng)急提速增效人工智能將走向何處5頁14頁14頁2頁1.人工智能的技術(shù)現(xiàn)狀Part-13人工智能的技術(shù)現(xiàn)狀參考：跨媒體通用人工智能全國(guó)重點(diǎn)實(shí)驗(yàn)室，朱松純，《淺談人工智能：現(xiàn)狀、任務(wù)、構(gòu)架與統(tǒng)一》子領(lǐng)域問題樣例研究基礎(chǔ)機(jī)器學(xué)習(xí)統(tǒng)計(jì)建模、分析工具和計(jì)算方法概率論、統(tǒng)計(jì)學(xué)、線性代數(shù)計(jì)算機(jī)視覺圖像處理、模式識(shí)別圖論、信號(hào)處理、離散數(shù)學(xué)自然語言處理語音識(shí)別、合成、對(duì)話語言學(xué)、信息論、符號(hào)推理認(rèn)知與推理物理常識(shí)、社會(huì)常識(shí)認(rèn)知科學(xué)、物理學(xué)機(jī)器人機(jī)械設(shè)計(jì)、運(yùn)動(dòng)規(guī)劃、任務(wù)規(guī)劃動(dòng)力學(xué)、運(yùn)動(dòng)學(xué)、控制論多智能體多智能體的交互、對(duì)抗與合作博弈論、心理學(xué)人工智能的研究領(lǐng)域非常廣泛人工智能的行業(yè)應(yīng)用非常廣泛人工智能的技術(shù)現(xiàn)狀機(jī)器學(xué)習(xí)自然語言處理計(jì)算機(jī)視覺產(chǎn)品推薦系統(tǒng)供應(yīng)鏈優(yōu)化銷量預(yù)測(cè)用戶畫像拍照識(shí)別、刷臉支付體感游戲視覺識(shí)別視覺檢測(cè)語音輸入法翻譯軟件智能客服語音轉(zhuǎn)文本文本轉(zhuǎn)文本文本對(duì)話召回(粗篩)排序(精篩)減少庫存浪費(fèi)降低獲客成本為消費(fèi)創(chuàng)造便利提升用戶體驗(yàn)4減少重復(fù)腦力人工智能的行業(yè)應(yīng)用非常廣泛人工智能的技術(shù)現(xiàn)狀5機(jī)器人認(rèn)知與推理多智能體派單系統(tǒng)排班系統(tǒng)運(yùn)籌優(yōu)化強(qiáng)化學(xué)習(xí)建筑/工業(yè)機(jī)器人自動(dòng)化控制自動(dòng)駕駛系統(tǒng)智能NPC數(shù)字孿生多模態(tài)感知強(qiáng)化學(xué)習(xí)虛擬現(xiàn)實(shí)、物理模擬器智能營(yíng)銷(流量分發(fā))降低獲客成本因果推理減少人力浪費(fèi)提升重復(fù)勞動(dòng)的安全性人工智能的技術(shù)現(xiàn)狀（行業(yè)智能體）子領(lǐng)域代表性產(chǎn)品前沿進(jìn)展機(jī)器學(xué)習(xí)供應(yīng)鏈優(yōu)化、產(chǎn)品推薦系統(tǒng)呈現(xiàn)多學(xué)科融合趨勢(shì)虛擬人、數(shù)字分身、AIGC助手計(jì)算機(jī)視覺圖像搜索、刷臉支付、體感游戲自然語言處理語音輸入法、翻譯軟件、智能客服認(rèn)知與推理排班系統(tǒng)、派單系統(tǒng)、智能營(yíng)銷機(jī)器人建筑/工業(yè)機(jī)器人、自動(dòng)駕駛系統(tǒng)具身智能機(jī)器人多智能體智能NPC、數(shù)字孿生社會(huì)仿真(社會(huì)模擬器)人工智能的行業(yè)應(yīng)用非常廣泛6人工智能的技術(shù)現(xiàn)狀7①思維鏈(COT)人工給出步驟特定類型的問題②自問自答允許模型自行生成問題深入分析、復(fù)雜查詢③批判修正模型分飾兩角、自我迭代指出問題、解決問題④函數(shù)調(diào)用專業(yè)模塊做專業(yè)的事精準(zhǔn)操作、精準(zhǔn)計(jì)算⑤

ReAct模仿自動(dòng)化控制系統(tǒng)推理-行動(dòng)-觀察⑥計(jì)劃與執(zhí)行允許模型生成計(jì)劃規(guī)劃–執(zhí)行⑦多智能體協(xié)作專業(yè)的智能體做專業(yè)的事大模型只是人工智能領(lǐng)域眾多工具中的一種以大語言模型為核心的智能體架構(gòu)AI系統(tǒng)架構(gòu)行業(yè)主流技術(shù)機(jī)器人感知機(jī)器人控制感知控制規(guī)劃決策2.大模型相關(guān)技術(shù)進(jìn)展Part-2行業(yè)調(diào)研大模型相關(guān)技術(shù)進(jìn)展IDC，百度，2022《2024大模型典型示范應(yīng)用案例集》《北京市人工智能行業(yè)大模型創(chuàng)新應(yīng)用白皮書》《2022中國(guó)大模型發(fā)展白皮書》元能力引擎筑基智能底座9北京市科技委、中關(guān)村管委會(huì)，202318個(gè)代表性的應(yīng)用案例中國(guó)信通院華東分院、上海人工智能實(shí)驗(yàn)室及大模型頭部企業(yè)，99個(gè)“案例”復(fù)合年均增長(zhǎng)率24.9%數(shù)據(jù)特征高維化模態(tài)格式多樣化《2022中國(guó)大模型發(fā)展白皮書》大模型相關(guān)技術(shù)進(jìn)展（1）數(shù)據(jù)、算法、算力是AI發(fā)展的驅(qū)動(dòng)力也是瓶頸所在計(jì)算復(fù)雜度標(biāo)注難度數(shù)據(jù)噪聲數(shù)據(jù)偏見算力承壓場(chǎng)景多樣化生產(chǎn)難度清洗難度應(yīng)用場(chǎng)景多元化和復(fù)雜化增加了模型生產(chǎn)的難度例如：工業(yè)場(chǎng)景下，有工業(yè)質(zhì)檢、安全巡檢等應(yīng)用，質(zhì)檢中不同產(chǎn)線生產(chǎn)的零部件千差萬別；智能辦公場(chǎng)景下，文檔的分類、文檔OCR識(shí)別、文檔知識(shí)抽取、文檔審校也都是不同的任務(wù)類型。（2）中國(guó)人工智能的其他挑戰(zhàn)與阻礙數(shù)據(jù)互通壁壘明顯，共建生態(tài)存在阻礙技術(shù)門檻高，平臺(tái)層挑戰(zhàn)不斷人才儲(chǔ)備不足，技術(shù)發(fā)展受限大模型基于“預(yù)訓(xùn)練+精調(diào)”等新范式有效降低AI開發(fā)門檻深度學(xué)習(xí)平臺(tái)為大模型發(fā)展與應(yīng)用護(hù)航（人才復(fù)用）10《2022中國(guó)大模型發(fā)展白皮書》大模型相關(guān)技術(shù)進(jìn)展各行業(yè)技術(shù)買家都應(yīng)該盡早擁抱大模型在合作方面，主要關(guān)注大模型與自身業(yè)務(wù)的適配性與頭部廠商聯(lián)手打造行業(yè)標(biāo)桿大小模型協(xié)同進(jìn)化，推動(dòng)端側(cè)化發(fā)展大模型通用性持續(xù)加強(qiáng)，實(shí)現(xiàn)AI開發(fā)“大一統(tǒng)”模式大模型只是人工智能眾多工具中的一種頭部廠商通用能力強(qiáng)，但定制成本高在技術(shù)方面，需要持續(xù)探究大模型的生成可控性在安全性方面，主要關(guān)注倫理問題在商業(yè)化方面，大模型的路徑仍不明確，建議借鑒海外市場(chǎng)可控、可信是關(guān)鍵不要完全依賴大模型的直接輸出行業(yè)用戶大模型供應(yīng)商智能體供應(yīng)商的必經(jīng)之路11通用大模型“大數(shù)據(jù)、大任務(wù)”技術(shù)范式大模型相關(guān)技術(shù)進(jìn)展12圖像文本小型/小任務(wù)神經(jīng)網(wǎng)絡(luò)CNN

/

RNN

/LSTM標(biāo)簽/方框/圖像標(biāo)簽/文本分類標(biāo)簽檢測(cè)框

掩膜圖特征圖...圖像編輯文驅(qū)動(dòng)作自動(dòng)駕駛CNN+19

個(gè)神經(jīng)元進(jìn)階應(yīng)用圖像+文本特征向量文本基礎(chǔ)/多任務(wù)神經(jīng)網(wǎng)絡(luò)Bert

/

GPT

/

CLIP圖像檢索：以圖搜圖完形填空/文字接龍圖像理解：圖生文一個(gè)模型只做一個(gè)預(yù)定義的小任務(wù)一個(gè)模型做多個(gè)預(yù)定義小任務(wù)一個(gè)模型+多個(gè)自定義的任務(wù)大規(guī)模/多任務(wù)神經(jīng)網(wǎng)絡(luò)GPT4/文心一言/...圖像+文本文本提示詞圖像文本分類

信息抽取內(nèi)容理解信息定位推理內(nèi)容總結(jié)長(zhǎng)上下文多任務(wù)復(fù)雜任務(wù)參考：中信建投證券，證券研究報(bào)告·

行業(yè)深度報(bào)告，《從CHAT-GPT到生成式AI（Generative

AI）：人工智能新范式，重新定義生產(chǎn)力》，2023年1月大模型相關(guān)技術(shù)進(jìn)展提取特征之后數(shù)據(jù)可用點(diǎn)來表示看圖猜物A

在心里指定一個(gè)圖中的目標(biāo)B

通過提問來猜，A

只能回答是/否行業(yè)熱點(diǎn)：通用大模型“大數(shù)據(jù)、大任務(wù)”技術(shù)范式一個(gè)模型只做一個(gè)預(yù)定義的小任務(wù)是標(biāo)志嗎?是照片嗎?否否否......三個(gè)是文字嗎?是...紅色的嗎?是...字嗎?...小型/小任務(wù)神經(jīng)網(wǎng)絡(luò)CNN

/

RNN

/LSTM圖像標(biāo)簽一個(gè)模型做多個(gè)預(yù)定義小任務(wù)AI的經(jīng)典問題：目標(biāo)分類線性分類器非線性分類器特征提取特征分類線性不可分是文字圖像+文本特征向量文本基礎(chǔ)/多任務(wù)神經(jīng)網(wǎng)絡(luò)Bert

/

GPT

/

CLIP圖像檢索：以圖搜圖完形填空/文字接龍圖像理解：圖生文通用特征提取器多用途特征分類器本質(zhì)上是在找分類函數(shù)f(x)本質(zhì)上是在做編碼，將數(shù)據(jù)變成具備區(qū)分度的特征向量識(shí)別標(biāo)志13區(qū)分文字區(qū)分外觀大模型相關(guān)技術(shù)進(jìn)展行業(yè)熱點(diǎn)：通用大模型技術(shù)原理（以ChatGPT為例）學(xué)習(xí)文字接龍人類老師引導(dǎo)文字接龍的方向建立模仿人類老師喜好的評(píng)分模型用增強(qiáng)式學(xué)習(xí)向模擬老師學(xué)習(xí)*

參考臺(tái)灣大學(xué)李宏毅老師的總結(jié)無監(jiān)督特征提取利器預(yù)訓(xùn)練生成式一個(gè)模型做多個(gè)未定義的小任務(wù)編碼器可變目標(biāo)解碼器大規(guī)模/多任務(wù)神經(jīng)網(wǎng)絡(luò)GPT4/文心一言/...圖像文本圖像+文本文本提示詞分類

信息抽取內(nèi)容理解信息定位推理內(nèi)容總結(jié)本質(zhì)：通用特征部分答案錯(cuò)誤上下文提示詞部分答案錯(cuò)誤14通用大模型底層能力評(píng)測(cè)榜單一些常見數(shù)據(jù)集與能力指標(biāo)大模型相關(guān)技術(shù)進(jìn)展15Huggingface

leaderboard：https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboardOpen-Chinese-LLM-leaderboard：智源與HuggingFace聯(lián)合推出開放中文大語言模型榜單OpenCompass（思南）/home...不一定會(huì)研發(fā)，但一定要會(huì)選用tableQA:表格問答B(yǎng)BH:英文評(píng)測(cè)集，符號(hào)推理gsm8k:英文評(píng)測(cè)集，數(shù)學(xué)推理，小學(xué)數(shù)學(xué)應(yīng)用題IFEval-zh:中文指令遵從（prompt-level）text2sql:文本轉(zhuǎn)SQLarithmetic:算術(shù)運(yùn)算（簡(jiǎn)單加減乘除）health:康養(yǎng)知識(shí)classification:分類能力extract:信息抽取mrc:閱讀理解basic:基礎(chǔ)能力（分類能力、信息抽取、閱讀理解三者平均分）通用大模型底層能力評(píng)測(cè)tableQA:表格問答大模型相關(guān)技術(shù)進(jìn)展商用模型開源模型16數(shù)據(jù)來源：內(nèi)部評(píng)測(cè)平臺(tái)通用大模型底層能力評(píng)測(cè)9.extract:信息抽取大模型相關(guān)技術(shù)進(jìn)展商用模型開源模型17數(shù)據(jù)來源：內(nèi)部評(píng)測(cè)平臺(tái)通用大模型底層能力評(píng)測(cè)10.mrc:閱讀理解大模型相關(guān)技術(shù)進(jìn)展18商用模型開源模型數(shù)據(jù)來源：內(nèi)部評(píng)測(cè)平臺(tái)通用大模型底層能力評(píng)測(cè)：任重而道遠(yuǎn)4.中文指令遵從(AIGC)[1]大模型相關(guān)技術(shù)進(jìn)展商用模型開源模型截至2024年7月，MIT的一篇綜述論文[2]指出，如何自動(dòng)評(píng)價(jià)大模型對(duì)于指令的遵從能力

仍然是學(xué)界沒有很好解決的問題數(shù)據(jù)來源：內(nèi)部評(píng)測(cè)平臺(tái)行業(yè)大模型垂域能力評(píng)測(cè)每一個(gè)垂直行業(yè)，每一個(gè)關(guān)鍵業(yè)務(wù)環(huán)節(jié)：都值得擁有一個(gè)專屬的測(cè)試集大模型相關(guān)技術(shù)進(jìn)展20OpenCompass（思南）/home...不一定會(huì)研發(fā)，但一定要會(huì)選用現(xiàn)有的評(píng)測(cè)標(biāo)準(zhǔn)存在一定的不合理性，容易誤導(dǎo)產(chǎn)業(yè)落地時(shí)的選型AI編程能力對(duì)比大模型vs.智能體吳恩達(dá)：智能體工作流的四種設(shè)計(jì)模式大模型相關(guān)技術(shù)進(jìn)展21GPT3.5直接輸出GPT4直接輸出1.

反思(Reflection)：LLM檢查自己的工作,以提出改進(jìn)方法。工具使用(Tooluse)：LLM擁有網(wǎng)絡(luò)搜索、代碼執(zhí)行或任何其他功能來幫助其收集信息、采取行動(dòng)或處理數(shù)據(jù)。規(guī)劃(Planning)：LLM提出并執(zhí)行一個(gè)多步驟計(jì)劃來實(shí)現(xiàn)目標(biāo)4.多智能體協(xié)作(Multiagent)：多個(gè)Al智能體一起]工作，分配任務(wù)并討論和辯論想法，以提出比單個(gè)智能體更好的解決方案在zero-shot的情況下，GPT-3.5的正確率為48.1%，GPT-4的表現(xiàn)更好，達(dá)到67.0%。加入了智能體工作流之后，GPT-3.5的正確率直接飆到了95.1%——Agent工作流效果顯著，而且

GPT-3.5比GPT-4得到的提升更加可觀智能體工作流帶來性能的大幅提升系統(tǒng)化選好模塊搭建一個(gè)AI系統(tǒng)，效果遠(yuǎn)好于直接使用大模型3.行業(yè)案例與落地場(chǎng)景Part-3行業(yè)案例與落地場(chǎng)景AI

賦能應(yīng)急指揮調(diào)度AI賦能企業(yè)安全生產(chǎn)AI賦能企業(yè)技能培訓(xùn)【事發(fā)】發(fā)現(xiàn)急情之后，處理動(dòng)作要快AI如何幫助業(yè)務(wù)提速增效？【事前】險(xiǎn)情源于異常，發(fā)現(xiàn)異常要準(zhǔn)AI如何讓實(shí)現(xiàn)準(zhǔn)確異常檢測(cè)？安全生產(chǎn)關(guān)鍵在于讓生產(chǎn)者熟悉業(yè)務(wù)AI如何評(píng)估員工的業(yè)務(wù)熟練程度？監(jiān)控調(diào)度快、功能調(diào)度快、數(shù)據(jù)分析快學(xué)習(xí)成本低、檢測(cè)種類多、準(zhǔn)確率高節(jié)省培訓(xùn)成本、提升考評(píng)效率23人工智能賦能應(yīng)急指揮調(diào)度2.視頻調(diào)度難:監(jiān)控視頻資源多，指揮調(diào)度難統(tǒng)一指揮調(diào)度交互入口統(tǒng)一應(yīng)急知識(shí)問答人機(jī)交互效率顯著提升應(yīng)急隊(duì)伍專業(yè)性提升統(tǒng)一應(yīng)急任務(wù)執(zhí)行會(huì)商組會(huì)效率提升任務(wù)執(zhí)行難:業(yè)務(wù)系統(tǒng)多，系統(tǒng)協(xié)調(diào)執(zhí)行待提升專業(yè)知識(shí)難:應(yīng)急專業(yè)屬性強(qiáng)，知識(shí)掌握不全面痛點(diǎn)分析1.復(fù)雜場(chǎng)景多:災(zāi)害事故現(xiàn)場(chǎng)復(fù)雜，難以全面分析“應(yīng)急指揮調(diào)度”AI

Agent通過統(tǒng)一人機(jī)交互入口，深入融通災(zāi)害事故統(tǒng)計(jì)、?；鹿侍幹?、執(zhí)法助手和隱患分析業(yè)務(wù)場(chǎng)景，可實(shí)現(xiàn)一鍵調(diào)系統(tǒng)、一鍵調(diào)視頻、一鍵發(fā)起會(huì)議、智能問數(shù)、圖片/視頻風(fēng)險(xiǎn)分析等應(yīng)用。統(tǒng)一應(yīng)急監(jiān)控資源調(diào)度場(chǎng)所點(diǎn)位級(jí)別精準(zhǔn)調(diào)度24人工智能賦能應(yīng)急指揮調(diào)度：統(tǒng)一交互入口秒級(jí)執(zhí)行結(jié)果反饋應(yīng)急機(jī)器視覺模型應(yīng)急多模態(tài)大模型模型調(diào)用應(yīng)急大語言模型統(tǒng)一入口人機(jī)交互問數(shù)問視頻問圖意圖分類問知識(shí)自然語言理解多輪對(duì)話內(nèi)容轉(zhuǎn)寫多模信息語義理解精準(zhǔn)匹配應(yīng)急資源應(yīng)急全域知識(shí)庫應(yīng)急監(jiān)控視頻庫應(yīng)急業(yè)務(wù)系統(tǒng)應(yīng)急數(shù)據(jù)庫成功調(diào)度應(yīng)急資源災(zāi)害事故電子地圖視頻風(fēng)險(xiǎn)監(jiān)測(cè)

互聯(lián)網(wǎng)+執(zhí)法指揮調(diào)度一張圖

音視頻融合會(huì)議系統(tǒng)……作為應(yīng)急指揮調(diào)度中心人機(jī)交互統(tǒng)一入口，歸集多個(gè)行業(yè)大模型的能力?？梢酝ㄟ^路由模型選擇不同的模型能力，打破系統(tǒng)壁壘，一句話幫助應(yīng)急用戶完成復(fù)雜任務(wù)，提升應(yīng)急救援隊(duì)伍專業(yè)性和快速反應(yīng)能力。面向業(yè)務(wù)需求搭建智能體系統(tǒng)25人工智能賦能應(yīng)急指揮調(diào)度：統(tǒng)一視頻監(jiān)控資源調(diào)度調(diào)度前：視頻監(jiān)控畫面多模信息抽取調(diào)度時(shí)：多模意圖識(shí)別值班值守場(chǎng)景，需要找出江蘇奧克化學(xué)儲(chǔ)罐有人作業(yè)監(jiān)控，并記錄在冊(cè)26靜態(tài)點(diǎn)位：罐體靜態(tài)點(diǎn)位：泵棚業(yè)務(wù)場(chǎng)景：?；瘓?chǎng)所：奧克化學(xué)地點(diǎn)：揚(yáng)州市、儀征市結(jié)果反饋意圖識(shí)別多模態(tài)大模型實(shí)時(shí)識(shí)別監(jiān)控抽幀語音指令識(shí)別精確到場(chǎng)所點(diǎn)位百萬路視頻5秒內(nèi)響應(yīng)人工智能賦能應(yīng)急指揮調(diào)度：統(tǒng)一知識(shí)問答煤礦作業(yè)人員乘坐人車應(yīng)遵守哪些規(guī)定？如何確定礦山事故的事故等級(jí)？去年全國(guó)一共接到多少起礦山事故？圖中/視頻中是否存在安全風(fēng)險(xiǎn)？為應(yīng)急救援隊(duì)伍提供?；?、煤礦、林火等應(yīng)急領(lǐng)域?qū)I(yè)知識(shí)參考、事故數(shù)據(jù)參考、隱患參考、安全風(fēng)險(xiǎn)分析等。27任務(wù)路由精準(zhǔn)判斷，分發(fā)任務(wù)專業(yè)知識(shí)問答，專業(yè)性提升圖片/視頻隱患精準(zhǔn)識(shí)別，保障安全人工智能賦能應(yīng)急指揮調(diào)度：視頻會(huì)商一鍵組，從5分鐘到數(shù)秒的跨越性提升一句話發(fā)起會(huì)議AI語義理解音視頻智能調(diào)度完成語音組會(huì)幫我馬上發(fā)起廣州、深圳的防汛防澇緊急會(huì)議AI追問：請(qǐng)說出參會(huì)單位廣州市應(yīng)急指揮中心和深圳市應(yīng)急指揮中心廣州市應(yīng)急指揮中心深圳市應(yīng)急指揮中心廣東省應(yīng)急指揮中心①會(huì)議主題：防汛緊急會(huì)議②時(shí)間：馬上③參會(huì)單位：未知示例：“幫我馬上發(fā)起廣州、深圳的防汛防澇緊急會(huì)議”示例：接入廣東省應(yīng)急指揮中心會(huì)議ID接入廣州市應(yīng)急指揮中心會(huì)議ID接入深圳市應(yīng)急指揮中心會(huì)議ID會(huì)商組會(huì)從5分鐘提升到數(shù)秒(提速數(shù)十倍)282.態(tài)勢(shì)分析精度差:安全生產(chǎn)分析要素點(diǎn)多，無法靈活按需，及時(shí)高效呈現(xiàn)1.事故預(yù)警能力需提升:對(duì)生產(chǎn)過程異常數(shù)據(jù)進(jìn)行分析，識(shí)別潛在危險(xiǎn)3.專業(yè)知識(shí)傳承難:歷史經(jīng)驗(yàn)沉淀難、新員工學(xué)習(xí)成本高痛點(diǎn)分析人工智能賦能企業(yè)安全生產(chǎn)設(shè)備異常診斷分析異常行為分析智能工單生成智能問數(shù)洞察專業(yè)知識(shí)問答29人工智能賦能安全生產(chǎn)應(yīng)用針對(duì)企業(yè)安全生產(chǎn)存在事故預(yù)警需提升、態(tài)勢(shì)分析精度差、專業(yè)知識(shí)傳承難等需求痛點(diǎn)，提供異常行為分析、設(shè)備診斷分析、智能工單、智能問知、問數(shù)等應(yīng)用，使企業(yè)安全生產(chǎn)更智能、更高效。基于通用異常檢測(cè)技術(shù)學(xué)習(xí)成本更低、檢測(cè)種類更多，模型部署成本更低人工智能賦能企業(yè)安全生產(chǎn)：異常行為的智能化管控30人員脫崗識(shí)別人員超限識(shí)別睡崗識(shí)別漏鋁聲音識(shí)別安全帽識(shí)別工服識(shí)別危險(xiǎn)區(qū)域闖入識(shí)別漏鋁熱成像識(shí)別僅需數(shù)小時(shí)的正常監(jiān)控視頻

支持多種異常的同時(shí)檢出單個(gè)邊緣盒子(<1萬元)可支持8路信號(hào)的實(shí)時(shí)分析人工智能賦能企業(yè)安全生產(chǎn)：智能問知?dú)v史事件描述對(duì)企業(yè)積累碎片化資料進(jìn)行管理，并智能抽取關(guān)鍵內(nèi)容，形成行業(yè)知識(shí)庫提供基于企業(yè)沉淀知識(shí)的專業(yè)問答，原文溯源、智能總結(jié)服務(wù)。核心價(jià)值經(jīng)驗(yàn)沉淀知識(shí)抽取行業(yè)沉淀智能歸類知識(shí)應(yīng)用知識(shí)總結(jié)原文溯源精準(zhǔn)定位安全監(jiān)管責(zé)任問答31重大危險(xiǎn)源評(píng)估人工智能賦能企業(yè)人才技能培訓(xùn)：技能人才數(shù)字化測(cè)評(píng)引擎面向復(fù)雜的電力技能實(shí)訓(xùn)場(chǎng)景，基于概率語法模型實(shí)現(xiàn)對(duì)考評(píng)行為的智能化分析、統(tǒng)計(jì)、評(píng)分，提供可信、可追溯的考評(píng)結(jié)果，提升考評(píng)效率。精準(zhǔn)語音識(shí)別/行為檢測(cè)智能分析自動(dòng)評(píng)分異議追溯有據(jù)可依多視角捕捉動(dòng)作細(xì)節(jié)32落地場(chǎng)景一：職業(yè)技能實(shí)訓(xùn)室故障案例學(xué)習(xí)技能模擬實(shí)操o

事故分析以3D場(chǎng)景+操作分析的形式o對(duì)事故的發(fā)生過程進(jìn)行分析，事故分析完成后并可自動(dòng)進(jìn)入至事故處置模塊，學(xué)生根據(jù)情景開展事故處置操作。o

3D情景化作業(yè)場(chǎng)景/標(biāo)準(zhǔn)作業(yè)流程指引/智能作業(yè)表單模擬o系統(tǒng)提供可配置的3D作業(yè)指導(dǎo)手冊(cè)，學(xué)生根據(jù)流程指引開展技能模擬實(shí)操。學(xué)員可通過語音、勾選等表單工具快速錄入模擬作業(yè)表單數(shù)據(jù)采集。o

3D電力設(shè)備模型調(diào)取/設(shè)備拆解/設(shè)備組裝/3D設(shè)備原理認(rèn)知o通過平板端，學(xué)生可以自由對(duì)電力設(shè)備模型及相關(guān)工器具進(jìn)行結(jié)構(gòu)拆解、調(diào)整，進(jìn)行結(jié)構(gòu)認(rèn)知學(xué)習(xí)，測(cè)試，系統(tǒng)自動(dòng)生成分值評(píng)估結(jié)果。設(shè)備認(rèn)知訓(xùn)練33落地場(chǎng)景二：職業(yè)技能等級(jí)認(rèn)定34識(shí)別多路視頻AI崗位測(cè)評(píng)工作流 考點(diǎn)結(jié)構(gòu)化包含人、場(chǎng)景、準(zhǔn)備區(qū)的檢測(cè)現(xiàn)場(chǎng)操作加工典型工件生產(chǎn)作業(yè)項(xiàng)目模擬操作考核內(nèi)容為具備職業(yè)鑒定資質(zhì)的職業(yè)院校、社會(huì)評(píng)價(jià)組織配置數(shù)字化人才技能認(rèn)定系統(tǒng)和硬件設(shè)備，推動(dòng)技能認(rèn)定從“專家評(píng)審，手動(dòng)打分”逐步向“AI工作流，智能打分”過度，提質(zhì)增效，助力認(rèn)證過程更加公開透明。配置終端感知設(shè)備場(chǎng)景三：崗位技能考評(píng)對(duì)技能場(chǎng)景即時(shí)、非集中的評(píng)價(jià)，支持遠(yuǎn)程監(jiān)督，智能化分析、統(tǒng)計(jì)、評(píng)分，實(shí)現(xiàn)技能考核數(shù)字化、自動(dòng)化以及智慧化。變電、配電、輸電3D交互式賽事要求名稱對(duì)象類型內(nèi)容說明《主變壓器及其主件拆解》初級(jí)技能人員作業(yè)流程類通過對(duì)主變壓器的認(rèn)識(shí)，能夠?qū)χ髯儔浩鞯慕Y(jié)構(gòu)和拆解流程進(jìn)行詳細(xì)了解和掌握，并清晰了解相關(guān)操作風(fēng)險(xiǎn)和安全措施。《變電一次設(shè)備講解》初級(jí)技能人員設(shè)備認(rèn)知類通過對(duì)變電一次設(shè)備的認(rèn)識(shí)，了解

變電一次設(shè)備包括哪些器具。同時(shí)，能夠清晰地區(qū)別變電一次設(shè)備與變電二次設(shè)備的差異、特點(diǎn)?！?20kV

電容式電壓互感器之絕緣電阻》初級(jí)技能人員設(shè)備認(rèn)知類通過對(duì)220kV

電容式電壓互感器的認(rèn)識(shí)，對(duì)絕緣電阻的工作原理、試驗(yàn)測(cè)試方法進(jìn)行了解和掌握?！?20kV

電容式電壓互感器之電容分壓器電容值、介損測(cè)量》初級(jí)技能人員設(shè)備測(cè)量類通過對(duì)220kV

電容式電壓互感器的認(rèn)識(shí)，了解電容分壓器電容值和介損測(cè)量的相關(guān)方法和實(shí)施要點(diǎn)。遠(yuǎn)程多視角巡考巡查遠(yuǎn)程多視角考評(píng)打分考評(píng)標(biāo)準(zhǔn)3D可視化考分差異預(yù)警處理對(duì)標(biāo)技能實(shí)操賽事要求配置算法調(diào)度中心部署攝像及穿戴終端崗位測(cè)評(píng)工作流平臺(tái)35行業(yè)案例與落地場(chǎng)景：小結(jié)AI

賦能應(yīng)急指揮調(diào)度AI賦能企業(yè)安全生產(chǎn)AI賦能企業(yè)技能培訓(xùn)與應(yīng)急指揮調(diào)度深度融合，可實(shí)現(xiàn)統(tǒng)一人機(jī)交互入口、一鍵調(diào)系統(tǒng)、一鍵調(diào)視頻、一鍵發(fā)起會(huì)議、智能問數(shù)等應(yīng)用與企業(yè)安全生產(chǎn)實(shí)戰(zhàn)相結(jié)合，提供異常行為分析、設(shè)備診斷分析、智能問知等應(yīng)用，使企業(yè)安全生產(chǎn)更智能。面向復(fù)雜的電力技能實(shí)訓(xùn)場(chǎng)景，實(shí)現(xiàn)對(duì)考