سیستم های موازی-هوش شبیه سازی

سیستم های موازی یک سیستم حمل و نقل بار بدون آلایندگی را طراحی می کند. این شرکت بر این باور است که آینده حمل و نقل بار باید سریع، ارزان و تمیز باشد، در حالی که ازدحام در بزرگراه ها نیز کاهش می یابد. شرکت Parallel Systems در سال 2020 تاسیس شد و دفتر مرکزی آن در لس آنجلس، کالیفرنیا قرار دارد.

ابزار دقیق جهان با استفاده از حسگرها و بینایی کامپیوتری راه‌های جدیدی را برای مشاهده، تحلیل و پیش‌بینی سیستم‌های پیچیده امروزی باز می‌کند.

Parallel یک مشاوره نوآوری است که به مشتریان خود کمک می کند تا در این منطقه حرکت کنند و محصولات، خدمات و سرمایه گذاری هایی را که آن را تعریف می کنند توسعه دهند.

ما در حال پیشروی یک دسته جدید هستیم – هوش شبیه سازی.

همانطور که به زندگی روزمره خود می پردازیم، دائماً در حال ساختن و استفاده از مدل های ذهنی از دنیای اطراف خود هستیم که به ما کمک می کند تا در مسیریابی، وزن کردن گزینه ها و تصمیم گیری باشیم.

آیا زمان کافی برای سبقت گرفتن دارم؟

“این شخص قرار است چه واکنشی نشان دهد؟”

“اگر من به این نامزد رای دهم، آیا اوضاع برای جامعه من بهتر خواهد بود یا بدتر؟”

اما از آنجایی که تصمیماتی که باید بگیریم پیچیده‌تر می‌شوند، مدل‌های دیجیتال راه‌حل‌های دقیق‌تر، دقیق‌تر و سریع‌تر از مدل‌های ذهنی خودمان ارائه می‌دهند. به همین دلیل است که مدل‌های مبتنی بر نرم‌افزار، مانند صفحات گسترده، در دنیای تجارت و مهندسی بسیار رایج شده‌اند. این تقریب‌ها از جهان – این شبیه‌سازی‌ها – به ما اجازه می‌دهد تا ایده‌ها را آزمایش کنیم، آزمایش کنیم و فرضیاتی درباره آینده بسازیم، بدون اینکه نیازی به منابع و یا شکستن چیزها باشد.

شبیه سازی یک تقلید تقریبی از عملکرد یک فرآیند یا سیستم است. که نشان دهنده عملکرد آن در طول زمان است.

با دیجیتالی شدن بیشتر کارهایی که انجام می‌دهیم، ورودی‌های جدید برای تغذیه این مدل‌ها در دسترس می‌شوند. به نوبه خود، با تکیه بیشتر انتخاب‌هایی که ما بر روی شبیه‌سازی انجام می‌دهیم، خروجی‌ها و توصیه‌های آن‌ها به طور فزاینده‌ای قابل توجه می‌شوند.

در حال حاضر، مخاطرات هرگز بالاتر نبوده است. ما با یک بحران آب و هوا، یک بیماری همه گیر ویروسی، افزایش سطوح نابرابری، رژیم سرمایه داری نظارتی و یک محیط قطبی کننده اطلاعات نادرست مواجه هستیم. در تمام این مدت، فناوری ما را به سمت دنیایی سوق می دهد که به طور فزاینده ای خودکار و مجازی می شود – که توسط داده ها هدایت می شود و با واسطه ماشین ها. همگرایی این نیروها تغییرات بزرگی را برای افراد، مشاغل و جامعه به همراه خواهد داشت.

یک ضرورت برای تغییر وجود دارد و باید تصمیماتی گرفته شود. فناوری‌های شبیه‌سازی به‌طور بالقوه ابزاری قدرتمند برای کمک به ایجاد موارد مناسب هستند، اما به همین راحتی برای بدتر کردن اوضاع هستند. ما در حال حاضر در عصری زندگی می کنیم که در آن سیاست گذاری – و زندگی مردم – توسط «الگوریتم های جهش یافته» شکل گرفته است. اگر می خواهیم در این دنیای جدید عاملیت داشته باشیم، به راه هایی نیاز داریم که انسان ها آن را درک کنند و نظارت، حکومت و کنترل را حفظ کنند.

هوش شبیه سازی چیست؟

وقتی به شبیه‌سازی‌ها فکر می‌کنیم، آنها می‌توانند کاملاً ریاضی باشند، برای مثال عملکرد یک سبد مالی در شرایط مختلف، یا صرفاً بصری، مانند پرتوهای نوری که یک صحنه CG را روشن می‌کنند. اما زمانی که هر دو با هم باشند بسیار قدرتمند هستند – با تصاویر و ریاضیات که در کنار هم کار می کنند تا چیزی را آشکار کنند که در غیر این صورت غیر قابل درک بود.

هوش شبیه‌سازی مجموعه‌ای از استراتژی‌های نوظهور برای طراحی شبیه‌سازی است که به دنبال بهبود توانایی افراد در درک و کاربرد آن‌ها در برنامه‌های دنیای واقعی است.

طراحی، در این زمینه، باید در گسترده‌ترین شرایط آن در نظر گرفته شود – نه فقط شبیه‌سازی شبیه‌سازی، بلکه نحوه عملکرد آن، نحوه تعامل شما با آن، اطلاعاتی که منتقل می‌کند، وزنی که به پارامترهای مختلف داده می‌شود و چگونه است. بازجویی آسان است هوش شبیه سازی را می توان به عنوان پشته ای متشکل از پنج لایه متصل – استراتژی، داده، منطق، ارتباطات و تعامل مشاهده کرد.

سیستم های موازی-هوش شبیه سازی

همه این ملاحظات برای توسعه برنامه هایی که هدف خود را برآورده می کنند – که نه تنها مفید هستند، بلکه مورد استفاده قرار می گیرند – ضروری هستند. این هوش شبیه‌سازی را به یک کار چند رشته‌ای تبدیل می‌کند، کاری که از مجموعه‌های مختلف مهارتی استفاده می‌کند:

استراتژیست ها

اسکن افق، شناسایی فرصت ها، تعریف فضاهای مشکل و توسعه گزاره های ارزشی جدید.

دانشمندان داده

ساخت مدل‌هایی که سطوح مناسب انتزاع و پیچیدگی مورد نیاز برای ثبت پویایی سیستم را اتخاذ می‌کنند.

طراحان داده

توسعه چارچوب‌های بصری و استعاره‌های مورد نیاز برای پر کردن شکاف بین داده‌ها، معنا و ارزش.

طراحان بازی

مدل سازی توپوگرافی، فیزیک و مکانیک محیط های شبیه سازی شده.

طراحان تعامل

تعریف اینکه مردم چگونه در این فضاها پیمایش، کاوش و دستکاری می کنند و به آنها قدرت می دهد تا بر اساس بینش هایی که به دست می آورند عمل کنند.

مهندسین نرم افزار

گردآوری همه چیز در تجربیات دیجیتالی قوی و یکپارچه، از ابزارهای پوشیدنی گرفته تا اتاق های کنترل کامل.

← مرکز محاسبات سریع شبیه‌سازان امیرکبیر  →

اینجا کلیک کنید!

از موارد برای هوش شبیه سازی استفاده کنید

بهینه‌سازی روش‌هایی که مردم جهان فیزیکی را مشاهده، تحلیل و پیش‌بینی می‌کنند، هسته اصلی رویکرد هوش شبیه‌سازی است. همانطور که همه چیز در اطراف ما متصل تر، پیچیده تر و خودکارتر می شود، این قابلیت ها حیاتی می شوند.

ما این را در تمام بخش‌های صنعت خواهیم دید – از انرژی گرفته تا کشاورزی، از لجستیک تا مراقبت‌های بهداشتی. الزامات خاص هر کدام متفاوت خواهد بود، اما موارد استفاده رایجی وجود دارد که بر روی آن‌ها تأثیر می‌گذارد.

از موارد برای هوش شبیه سازی استفاده کنید

آگاهی از موقعیت

از زمان جنگ جهانی دوم و پناهگاه دودی چرچیل، ما مدت‌هاست که با ایده «اتاق‌های دیدنی» آشنا بوده‌ایم – فضاهای داده‌ای غوطه‌وری که تمام اطلاعات موجود را برای حمایت از تصمیم‌گیری تاکتیکی متمرکز می‌کند. مفهوم “تخته بزرگ” به شدت در سینما مطرح شده است، از دکتر استرنج لاو گرفته تا آواتار، و در هر نسل در مهارت فنی پیشرفت می کند. امروزه، با دنیایی از داده‌ها در دست ما، این فضاها مثل همیشه مرتبط هستند، اما توانایی دانستن آنچه در حال حاضر اتفاق می‌افتد دیگر محدود به بازیکنان سطح ایالت نیست. با یک دستگاه جیبی، می‌توانید ارزش یک شرکت، موقعیت کشتی یا سطح اکسیژن خون خود را در زمان واقعی بدانید.

در سال‌های اخیر، اصطلاح «دوقلو دیجیتال» به روشی رایج برای توصیف این نمایش‌ها تبدیل شده است. این ایده که عمدتاً در زمینه تولید و مهندسی استفاده می شود، در حال گسترش است تا کل شرکت ها، اقتصادها یا حتی اقیانوس ها را در بر بگیرد.

مفهوم سنتی یک دوقلو دیجیتال اغلب شامل یک فکس سه بعدی یک به یک، “به عنوان ساخته شده” از یک همتای دنیای واقعی است. همانطور که مردم با این ایده بیشتر آشنا می شوند، شاهد ظهور طیف گسترده تری از الگوهای طراحی خواهیم بود که انواع رویکردهای تجسم و تعامل را در نظر می گیرند.

چالش فقط ایجاد یک کپی از آنچه در حال حاضر وجود دارد نیست، بلکه کمک به افراد در تمرکز بر آنچه در لحظه برای آنها حیاتی است، است. این در مورد ارائه سطوح مناسب از جزئیات، زمینه و انتزاع برای کار در دست است – حتی با تغییر موقعیت. وقتی این شبیه‌سازی‌های اینجا و اکنون را می‌بینیم، نه تنها می‌خواهیم بدانیم چه اتفاقی افتاده است، بلکه می‌خواهیم دلایل چرا، چگونگی ارتباط همه چیز و احتمال وقوع چه اتفاقی را بدانیم.

مدل سازی پیش بینی

بسیاری از رویکردها برای پیش‌بینی آنچه ممکن است با استفاده از مدل‌سازی شبیه‌سازی اتفاق بیفتد، برای دهه‌ها وجود داشته است، اما به تازگی است که دسترسی به داده‌ها و توان محاسباتی لازم به طور گسترده‌تری در دسترس قرار گرفته است.

یکی از مؤلفه‌های اصلی این تکنیک‌ها مفهوم انتزاع است – کاهش پیچیدگی تقریباً بی‌نهایت دنیای واقعی به تعداد قابل کنترلی از پارامترها که تقریبی قابل اجرا از پویایی یک سیستم ارائه می‌دهد. بسته به ویژگی‌های مسئله در دست، سطوح مختلف انتزاع و رویکردهای مدل‌سازی متفاوتی را می‌توان استفاده کرد. دینامیک سیستم معمولاً برای مدل سازی استراتژیک سطح بالاتر استفاده می شود. شبیه سازی رویداد گسسته به طور گسترده در صنایع تولیدی و خدماتی برای توصیف فرآیندها استفاده می شود. مدل‌سازی مبتنی بر عامل، سیستم‌ها را از طریق رفتار عوامل فردی – از ماشین‌ها در یک شبیه‌سازی ترافیک گرفته تا سلول‌های منفرد در یک آزمایش دارویی درون سیلیکونی توصیف می‌کند.

در حال حاضر ابزارهای زیادی در دسترس هستند که به افراد در ساخت مدل‌های شبیه‌سازی کمک می‌کنند، اما اغلب اینها برنامه‌های کاربردی بسیار فنی هستند که برای افراد غیر متخصص غیرقابل نفوذ هستند و در نهایت به خروجی ساده و مبتنی بر نمودار رضایت می‌دهند. به دلیل ماهیت انتزاعی این فرآیند، برای افرادی که این مدل‌ها را توسعه می‌دهند بسیار آسان است که خود را به آن انتزاع محدود کنند، بافت وسیع‌تری از سیستمی را که مدل‌سازی می‌کنند فراموش کنند یا اثرات مرتبه دوم یا سوم را در نظر بگیرند. از سناریوهای مختلف

هوش شبیه‌سازی رویکرد متفاوتی را تشویق می‌کند. با تثبیت مدل‌سازی پیش‌بینی‌کننده به هدف استراتژیک و در نظر گرفتن اهمیت ارتباطات و تعامل برای اثربخشی آنها، هدف آن افزایش قابلیت استفاده و درک این ابزار قدرتمند است. با عمیق‌تر شدن انواع تصمیم‌گیری‌ها و پیش‌بینی‌هایی که با استفاده از شبیه‌سازی‌ها انجام می‌شود، نیاز به شفافیت، قابلیت ردیابی و انصاف حیاتی‌تر می‌شود. این مهم تر است زیرا ما به طور فزاینده ای اختیارات را به نهادهای کاملاً مجازی و خودکار واگذار می کنیم.

در حال حاضر، برخی از باارزش‌ترین شرکت‌ها در جهان درآمدهای هنگفتی از داده‌های تولید شده توسط میلیاردها نفر به دست می‌آورند. آنها نمودارهای دانشی ساخته اند که هستی شناسی های در حال تغییر جهان را منعکس و پیش بینی می کند. با افزایش تصاعدی تعداد چیزهایی که آنلاین هستند، فرصت بیشتری برای استخراج ارزش وجود خواهد داشت.

برای درک این اکوسیستم ها، باید بتوانیم آنها را درک کنیم. ما به نقشه های جدید برای این زمین جدید نیاز خواهیم داشت.

همانطور که دوقلوهای دیجیتال امروزی به ما کمک می‌کنند تا تعامل بین دارایی‌های دنیای واقعی را درک کنیم، ما شاهد ظهور محیط‌های مصنوعی خواهیم بود که راهی برای دیدن و کنترل دارایی‌های نامشهود فراهم می‌کند که از داده‌ها و کد ساخته شده‌اند. این فضاها، بنا به تعریف، به شدت انتزاعی خواهند بود. بر خلاف دوقلوهای دیجیتال، آنها هیچ همتای فیزیکی ندارند، چیزی برای ساختن فاکس ندارند. همانطور که انبوهی از پوشه‌ها و فایل‌ها استعاره‌هایی را برای رابط‌های رایانه شخصی ارائه می‌کنند، این احتمال وجود دارد که این واقعیت‌های مصنوعی جدید به‌شدت از دنیای فیزیکی وام بگیرند. طراحی این سیستم‌ها و نحوه ارتباط افراد با آنها چالش‌ها و فرصت‌هایی را برای رهبران محصول آینده به همراه خواهد داشت.