အမြတ်အစွန်းအတွက် အရင်းအမြစ်များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း- ဒစ်ဂျစ်တယ် Twin Tech သည် လိုအပ်ပါသလား။
မည်သည့်နည်းပညာ၏တန်ဖိုးသည် ကုန်ကျစရိတ်နှင့် အရင်းအမြစ်များကို ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်နိုင်မှုတွင် အကျုံးဝင်ပါသည်။ ရလဒ်များကို ကြိုတင်ကာကွယ်နိုင်စွမ်းရှိခြင်းသည် အစားအစာစိုက်ပျိုးသူများအား လက်တွေ့ဘဝတွင် လက်တွေ့အသုံးချနိုင်သည့် ကြိုမြင်မှု၏အကျိုးကျေးဇူးကို ပေးသည်။ ဒစ်ဂျစ်တယ် Twin နည်းပညာ၏ လက်တွေ့ဘဝအသုံးချမှုနှင့် စီးပွားဖြစ်အသုံးပြုခြင်း၏ ဥပမာတစ်ခုသည် စက်ယန္တရားဖြစ်သည်။ Tom De Swaef မှ တီထွင်ဖန်တီးထားသည့် မော်ဒယ် Gantt တက္ကသိုလ်မှာ။ ဘယ်လ်ဂျီယံကုမ္ပဏီ 2Grow သည် ခရမ်းချဉ်ပင်များရှိ ရေစီးဆင်းမှုနှင့် ပင်စည်အထူကို တိုင်းတာရန် ဤပုံစံကို မြှင့်တင်ခဲ့သည်။ ဟိ ကုမ္ပဏီ၏ ရည်မှန်းချက် အပင်ထုတ်လုပ်မှုအတွက် အသုံးပြုသည့် မျက်နှာပြင်ဧရိယာ 20% ကို လျှော့ချရန်။
It အသိုက်အဝန်းသည် ဒစ်ဂျစ်တယ်အမွှာများကို မွေးစားရန် ကြိုးပမ်းနေသလား၊ ၎င်း၏လုပ်ငန်းများတွင်။ ထို့အပြင်၊ ကိစ္စအများစုတွင် ဒစ်ဂျစ်တယ် အမွှာနည်းပညာသည် အမှန်တကယ်မလိုအပ်ကြောင်း စောဒကတက်နိုင်ပါသည်။ စက်သင်ယူမှု တိုးတက်မှုများသည် ရရှိရန် စျေးကြီးသည့် အရည်အသွေးမြင့် ဒေတာအများအပြား လိုအပ်မည့် မော်ဒယ်အပြည့်အစုံကို မတည်ဆောက်ဘဲ အဓိကဖြစ်ရပ်များကို ခန့်မှန်းနိုင်စေသည်။ အချို့သောဂုဏ်သတ္တိများကို ကြိုတင်ခန့်မှန်းလိုသော အစားအစာစိုက်ပျိုးသူတစ်ဦးအနေဖြင့်၊ အောင်မြင်သောကြိုတင်ခန့်မှန်းမှုပုံစံတစ်ခုတည်ဆောက်ရန်အတွက် အဓိကပြောင်းလဲမှုများကို တိုင်းတာခြင်းနှင့် စောင့်ကြည့်ခြင်းအပေါ် အာရုံစိုက်ခြင်းသည် အားလုံးလိုအပ်ပေမည်။ ထို့အပြင်၊ ၎င်းသည် သိသိသာသာ ပိုတတ်နိုင်သောကြောင့် အစားအစာ စိုက်ပျိုးထုတ်လုပ်သူများအတွက် ကြိုတင်ခန့်မှန်းထားသော မော်ဒယ်များကို အကောင်အထည်ဖော်ရာတွင် ROI ချက်ခြင်းတွေ့ရန် လိုအပ်သော ရိက္ခာစိုက်ပျိုးသူများအတွက် ရရှိနိုင်မည်ဖြစ်သည်။
ဥပမာအားဖြင့် အာလူးစိုက်ပျိုးပါက သင့်လျော်သောထိန်းချုပ်မှုအစီအမံများမချမှတ်ပါက အချိန်တိုအတွင်း သီးနှံပျက်ကွက်မှုများဖြစ်ပေါ်စေနိုင်သည့် မှိုကဲ့သို့သောသက်ရှိကြောင့်ဖြစ်သော နှောင်းပိုင်းရောဂါကဲ့သို့သော ပိုးမွှားများအတွက် အညွှန်းများထားရှိရန် အရေးကြီးပါသည်။ လယ်ကွင်းဧကကြီးများတွင် ဤအတန်းလိုက်သီးနှံမျိုးအတွက်၊ pivot ဆည်မြောင်းစနစ်တွင် ကင်မရာများတပ်ဆင်ထားခြင်းဖြင့် ရောဂါများ သို့မဟုတ် ပြဿနာများကို ထိထိရောက်ရောက် ဖော်ထုတ်နိုင်မည်ဖြစ်သည်။ အာလူးအဖွင့်အကွက်အတွက် ဒစ်ဂျစ်တယ်အမြွှာတစ်ခုဖန်တီးရန် လိုအပ်သည့်ဒေတာသည် ငွေကြေးကုန်ကျမည်ဖြစ်ပြီး ပိုမိုရိုးရှင်း၍ တတ်နိုင်သောနည်းပညာဖြင့် ရရှိနိုင်သော ထိုးထွင်းသိမြင်နားလည်မှုများရရှိရန် မော်ဒယ်တစ်ခုလုံးကို ဖန်တီးခြင်းသည် အဓိပ္ပာယ်မရှိပါ။
- ဗီဒီယိုဂိမ်း SimCity သည် ကစားသမားများသည် လှပပြီး စည်ကားသော မြို့ကြီးတစ်မြို့ကို ဒစ်ဂျစ်တယ်စနစ်ဖြင့် ဒီဇိုင်းရေးဆွဲဖန်တီးကာ ၎င်းတို့၏ကိုယ်ပိုင်မြို့၏သူရဲကောင်းဖြစ်လာသောကြောင့် 90 ပြည့်လွန်နှစ်များတွင် စတင်ပေါ်ပေါက်လာခဲ့သည်။ နှစ် 30 အမြန်ရှေ့ဆက်ပြီး လက်တွေ့ကမ္ဘာသစ်ပင်များ၊ လယ်ယာများ သို့မဟုတ် ဥယျာဉ်ခြံများ၏ မယုံနိုင်လောက်အောင်တိကျသော ဒစ်ဂျစ်တယ်ကိုယ်စားပြုမှုများကို ဖန်တီးရန် ကျွန်ုပ်တို့တွင် နည်းပညာရှိသည်။ SimCity တွင်ကျွန်ုပ်တို့သည်ဂိမ်းအတွင်းကျွန်ုပ်တို့ "ရင်းနှီးမြုပ်နှံထားသည်" ကိုအခြေခံ၍ မြို့ကြီးပြကြီးတစ်ခုမည်သို့ပြောင်းလဲလာပုံကိုပုံတူအောင်လုပ်နိုင်သည်၊ ယခုကျွန်ုပ်တို့မကြုံစဖူးအမြော်အမြင်ရှိသောစိုက်ပျိုးရေးဆိုင်ရာကြိုးပမ်းအားထုတ်မှုများကိုကောင်းမွန်စွာချိန်ညှိနိုင်စေမည့်ပုံစံများကိုဖန်တီးနိုင်ပါပြီ။
- ဒစ်ဂျစ်တယ် အမွှာတစ်ခုသည် လက်တွေ့ကမ္ဘာတစ်ခု၏ ဒစ်ဂျစ်တယ်ကိုယ်စားပြုမှုတစ်ခုဖြစ်သည်။ အစစ်အမှန် 'အရာ' ကို အဝေးမှ စောင့်ကြည့်ရန် ၎င်းကို အသုံးပြုနိုင်သည်။ တကယ့်ကမ္ဘာ့အမွှာအတွက် တိကျပြီး လက်တွေ့ကျသော အငှားကိုယ်ဝန်ကို ပေးဆောင်ရန်အတွက်၊ ဒစ်ဂျစ်တယ်အမွှာသည် အစစ်အမှန်အဖွဲ့အစည်း၏ ဒစ်ဂျစ်တယ်တိုင်းတာခြင်းမှတစ်ဆင့် ဒေတာကို အသိပေးရမည်ဖြစ်သည်။ စိုက်ပျိုးရေးတွင် ၎င်းသည် မြေဆီလွှာအာရုံခံကိရိယာများ၊ အပင်ပုံရိပ်ဖော်ခြင်း၊ ရာသီဥတုဒေတာစသည်ဖြင့် ရောက်ရှိလာသည့် အချက်အလက်ဖြစ်နိုင်သည်။
- ဒစ်ဂျစ်တယ်ကိုယ်စားပြုမှုအသစ် သို့မဟုတ် ဒစ်ဂျစ်တယ်အမွှာသည် စိုက်ပျိုးရေးဆိုင်ရာကြိုးပမ်းအားထုတ်မှု တစ်ခုလုံးကို ထင်ဟပ်စေသင့်သည်- ရုပ်ပိုင်းဆိုင်ရာပိုင်ဆိုင်မှုများ၊ လုပ်ငန်းစဉ်များ၊ စနစ်များ၊ အရင်းအမြစ်များ၊ အရာအားလုံး။ အပြန်အလှန်အားဖြင့်၊ ၎င်းသည် ကျွန်ုပ်တို့အား ယခင်က မထင်မှတ်ထားသော အတိုင်းအတာဖြင့် စိုက်ပျိုးရေးလုပ်ငန်းစဉ်များကို ပုံဖော်ခြင်း၊ အစီအမံ၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် မြှင့်တင်နိုင်စေပါသည်။ သို့သော်၊ ဤစျေးကြီးသော ခေတ်မီဆန်းပြားသည့်နည်းပညာကို အကောင်အထည်ဖော်ရန် အစားအစာစိုက်ပျိုးထုတ်လုပ်သူများအတွက် အမှန်တကယ်လိုအပ်ပါသလော — သို့မဟုတ် ၎င်းတို့လိုအပ်သော ပိုမိုလက်လှမ်းမီနိုင်သောနှင့် တတ်နိုင်သောအာရုံခံကိရိယာများမှ ၎င်းတို့လိုအပ်သော ထိုးထွင်းသိမြင်မှုများအား စောင့်ကြည့်ကာ အဓိကရလဒ်များကို ခန့်မှန်းနိုင်မည်ဖြစ်သည်။
ဒစ်ဂျစ်တယ်အမွှာများ၏ ကြီးထွားမှုနှင့် မွေးစားမှုနှင့် စိုက်ပျိုးရေးတွင် ၎င်းတို့၏ အလားအလာ
2021 တွင် ကြီးမားသော စက်မှုကုမ္ပဏီများ၏ ထက်ဝက်ကို အသုံးပြုမည်ဟု Gartner က ခန့်မှန်းထားသည်။ ဒစ်ဂျစ်တယ်အမွှာများ၎င်းသည် ထိုအဖွဲ့အစည်းများအတွက် ထိရောက်မှု 10% တိုးတက်မှုအဖြစ် ဘာသာပြန်ဆိုပါမည်။ သို့သော်၊ ဒစ်ဂျစ်တယ်အမွှာများ၏ အယူအဆသည် ဆယ်စုနှစ်များစွာကြာခဲ့ပြီ။ နှစ်ပေါင်း 30 ကျော်ကြာ၊ ထုတ်ကုန်နှင့် လုပ်ငန်းစဉ် အင်ဂျင်နီယာအဖွဲ့များသည် 3D ပုံဖေါ်ခြင်းကို အသုံးပြုခဲ့ကြသည်။ ကွန်ပြူတာဖြင့်ဆွဲထားသောဒီဇိုင်း (CAD) မော်ဒယ်များ၊ ပိုင်ဆိုင်မှုမော်ဒယ်များနှင့် ထုတ်လုပ်မှုစွမ်းရည်ကို သေချာစေရန်နှင့် မှန်ကန်ကြောင်း သက်သေပြရန် လုပ်ငန်းစဉ်များ။ ဥပမာအားဖြင့်၊ NASA သည် ရှုပ်ထွေးသော အာကာသယာဉ် သရုပ်ဖော်မှုများကို ဆယ်စုနှစ်များစွာ လုပ်ဆောင်ခဲ့သည်။ သို့သော်လည်း စက်သင်ယူမှုနှင့် AI တို့တွင် ဆန်းသစ်တီထွင်မှုများသည် ဒစ်ဂျစ်တယ်အမွှာ၏ အယူအဆကို ရှေ့တန်းသို့ ဆောင်ကြဉ်းလာကာ မဝေးတော့သော အနာဂတ်တွင် ပိုမိုကျယ်ပြန့်သော အကျိုးသက်ရောက်မှုများနှင့်အတူ အနှောင့်အယှက်ဖြစ်စေသော လမ်းကြောင်းတစ်ခုအဖြစ် ပျံ့နှံ့သွားစေသည်။
ဒစ်ဂျစ်တယ် အမွှာများကို အသုံးပြု၍ စိုက်ပျိုးရေး လုပ်ငန်းစဉ်များနှင့် ပတ်သက်လာလျှင် လယ်ယာစီမံခန့်ခွဲမှုအတွက် ဗဟိုနည်းလမ်းအဖြစ် ၎င်း၏ စီစဉ်မှုနှင့် ထိန်းချုပ်မှုမှ ရုပ်ပိုင်းဆိုင်ရာ စီးဆင်းမှုများကို ခွဲထုတ်နိုင်သည်။ ရလဒ်အနေဖြင့်၊ လယ်သမားများသည် တိုက်ရိုက်ကြည့်ရှုလေ့လာခြင်းနှင့် ဆိုက်ပေါ်ရှိ လက်စွဲလုပ်စရာများကို အားကိုးရမည့်အစား (အနီး) အချိန်နှင့်တပြေးညီ ဒစ်ဂျစ်တယ်အချက်အလက်ပေါ်အခြေခံ၍ လုပ်ငန်းဆောင်ရွက်မှုများကို အဝေးမှစီမံခန့်ခွဲနိုင်သည်။ ၎င်းသည် ၎င်းတို့အား (မျှော်လင့်ထားသည်) သွေဖည်မှုများရှိပါက ချက်ချင်းလုပ်ဆောင်နိုင်ပြီး လက်တွေ့ဘဝဒေတာပေါ်အခြေခံ၍ ကြားဝင်ဆောင်ရွက်ပေးမှုများ၏ အကျိုးသက်ရောက်မှုများကို အတုယူနိုင်စေပါသည်။ ဥပမာအားဖြင့်၊ ဥယျာဉ်ခြံတစ်ခု၏ ဒစ်ဂျစ်တယ်ညီနောင်သည် ထိုလယ်သမားအား စစ်ဆေးရန်မလိုဘဲ ဆည်ရေပိုလျှံနေသော ခြံကို သတိပေးနိုင်သည်။
တစ် ဦး ၏စိတ်ကူး ဒစ်ဂျစ်တယ်ဥယျာဉ် အသီးအနှံပင်များ၏ ကျန်းမာရေးနှင့် ၎င်းတို့၏ အသီးအနှံများ၏ အရည်အသွေးကို စောင့်ကြည့်ခြင်း၊ ခန့်မှန်းခြင်းနှင့် ထိန်းချုပ်ခြင်း၏ လုပ်အားအလွန်အမင်း သဘောသဘာဝကို နားလည်သော တောင်သူလယ်သမားများအတွက် အလွန်ဆွဲဆောင်မှုရှိပါသည်။ Queensland တက္ကသိုလ်မှ သိပ္ပံပညာရှင်များသည် သရက်သီးနှင့် Macadamia ကဲ့သို့သော ကြီးထွားမှုနှေးကွေးသော သီးနှံများပါသည့် ဥယျာဉ်ခြံအတွက် စံပြတစ်ခုကို တီထွင်ခဲ့သည်။ ၎င်းသည် အသုံးပြုသူများအား စိတ်ကူးသစ်များကို လျင်မြန်စွာ စမ်းသပ်နိုင်စေပြီး ထုတ်လုပ်မှုစနစ်များကို အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်နည်းကို ထိုးထွင်းသိမြင်နိုင်စေပါသည်။ ပရောဂျက်မှ သုတေသီများသည် အဆိုပါ လက်ငင်း သရုပ်ဖော်မှုများသည် အထူးသဖြင့် သီးပင်များကဲ့သို့သော ကြီးထွားမှုနှေးကွေးသော သီးနှံများကို မည်သို့အကျိုးဖြစ်ထွန်းစေနိုင်ကြောင်း အလေးပေးဖော်ပြခဲ့သည်။
အပင်ပေါက်ပွားခြင်းကဲ့သို့သော ဒစ်ဂျစ်တယ်အမြွှာတစ်ခုကို တည်ဆောက်ရန် ငွေကြေးဆိုင်ရာ အဓိပ္ပါယ်ရှိသည့် တိကျသောအသုံးပြုမှုကိစ္စများရှိပါသည်။ မော်ဒယ်တစ်ခုသည် တိကျသောမျိုးစိတ်တစ်ခုသည် စီးပွားဖြစ်မအောင်မြင်ပါက အစောပိုင်းတွင် ကြိုတင်ခန့်မှန်းနိုင်စေမည့် သီးသန့်အသုံးပြုမှုကိစ္စများရှိပါသည်။ သို့သော်များစွာသောကိစ္စများတွင်, sledgehammer နှင့် nut ကိုကွဲရန်မလိုအပ်ပါဘူး။
- Raviv Itzhaky သည် Co-Founder နှင့် CTO ဖြစ်သည်။ Prospera နည်းပညာများဒေတာသိပ္ပံနှင့် AI တို့ကို အသုံးပြု၍ အစားအစာ ကြီးထွားမှုပုံစံကို ပြောင်းလဲရန် ကုမ္ပဏီ၏ နည်းပညာဆိုင်ရာ အမြင်ကို ဦးဆောင်ခဲ့သည်။ သူသည် လက်တွေ့ကမ္ဘာပြဿနာများကိုဖြေရှင်းရန်အတွက် algorithm ဖွံ့ဖြိုးတိုးတက်မှု၊ သင်္ချာနှင့် စက်သင်ယူမှုတွင် သူ၏ကျွမ်းကျင်မှုကို အသုံးပြုသည်။ Prospera မတိုင်မီတွင် Raviv သည် ဆိုက်ဘာလုံခြုံရေးကုမ္ပဏီ BioCatch တွင် algorithms ကိုတီထွင်ခဲ့ပြီး IDF နှင့်အတူ Signal Processing Engineer အဖြစ်တာဝန်ထမ်းဆောင်ခဲ့သည်။ သူသည် The Hebrew University မှ Applied Physics တွင် BSc နှင့် MSc ရရှိထားသူဖြစ်သည်။