È stato annunciato il lancio di Worlds, una piattaforma innovativa progettata per ridefinire l’uso dell’intelligenza artificiale nel monitorare e migliorare le operazioni fisiche aziendali. Worlds, noto per essere un pioniere nel concetto di Large World Model (LWM), è stato sviluppato per funzionare con dati del mondo reale provenienti da telecamere e sensori IoT, promettendo una comprensione più dinamica e accurata dell’ambiente in movimento.
Secondo quanto riportato, durante lo sviluppo su Worlds NQ, è stato sviluppato un nuovo approccio chiamato Large World Models. Questi modelli, costruiti utilizzando Worlds NQ, trasformano automaticamente i dati dei sensori in un modello conciso ed efficiente della realtà, imitando l’apprendimento umano attraverso l’osservazione.
Si è affermato che con Worlds, il processo di addestramento, perfezionamento e mantenimento dei modelli di intelligenza artificiale può essere completato in un solo giorno anziché sei mesi, senza la necessità di annotazioni umane e con una formazione completamente automatizzata. Ogni modello diventa un sistema a circuito chiuso che apprende costantemente nel tempo man mano che l’ambiente cambia.
Si è sottolineato che la sfida più grande per le organizzazioni nell’adozione dell’intelligenza artificiale è rappresentata dal tempo e dai costi necessari per rendere operativi i modelli. Worlds NQ si propone di risolvere questo problema offrendo una piattaforma basata sui dati che apprende costantemente e non diventa mai obsoleta.
Worlds NQ è stata presentata da Accenture, Microsoft e Chevron al Future of AI Salon di Capital Factory il 20 febbraio. Inoltre, sono state annunciate due nuove partnership commerciali con Accenture e Chevron, miranti a sbloccare il potenziale dell’intelligenza artificiale generativa nell’automazione del mondo reale.
Dave Copps, CEO di Worlds, ha dichiarato che la visione con Worlds NQ è quella di consentire ai clienti e ai partner di creare modelli dinamici dei loro ambienti operativi che si adattano continuamente ai nuovi dati senza intervento umano costante. Ross Bates, CTO di Worlds, ha aggiunto che i Large World Models trasformano automaticamente i dati dei sensori in modelli concisi ed efficienti della realtà, imitando l’apprendimento umano attraverso l’osservazione.