《ChatGPT在工业领域的研究与应用探索-数据与工况认知》
《ChatGPT在工业领域的研究与应用探索-AI助手实验应用》
ChatGPT在工业领域的应用需要解决两个问题：（1）.私有化部署，并且保障工业企业数据资产安全；（2）.要有具体领域的基础数据，能够训练出来模型，因为有些工业企业没有自己的信息化系统，还基本靠手工纸制填报、Excel汇报的方式来处理信息，这些数据没有办法有效利用和形成数据资产。
缺少可以训练ChatGPT模型的基础数据是最难解决的问题，这不是短周期可以解决的问题，有数据积累的过程，还有工业企业规划项目不见效益不建设的特点，这也是生产型企业的特点，毕竟自己赚钱才能自己花，也是可以理解的。
一项新技术的出现，可能给大部分领域带来翻天覆地的变化，可能促进部分领域发生改变，这都是价值的体现，不能排斥新技术与领域的结合应用。例如每个项目都规划有“知识库”的功能，一开始知识库只是检索文档标题关键字；后来有文档数据库可以进行全文检索及进行内容模糊关联；ChatGPT至少可以在知识库这块完成更高层次应用，语义理解、逻辑推理、知识整合等。
有些用户或是专家在项目建设中提出来要提炼工艺库、模型库、算法库等，可能是眼界不够高及接触的比较狭窄，至今也没有看到建设比较好的**库。可以试着让ChatGPT成为每个角色的助手，例如工艺的、信息化的、设备的、电气的等角色，让ChatGPT成为自己，再不断的迭代它。基于这样的想法，从搞信息化角度，至少要考虑两个方面的内容：框架和产品应用。
从大的框架角度来考虑，ChatGPT扮演AI助手的角色，应用越来越发挥出来应有的价值，所以工业系统化项目整体框架会发生一些改变。如下图：
从产品应用角度考虑，肯定要有一套成熟的类ChatGPT产品化系统，支持私有化部署，支持不同角色的人上传自己的基础数据，并且训练出来模型，实现具体应用场景的问答。
（1）创建一个模型，用于上传基础数据和训练模型。如下图：
（2）我是一名信息化工程师，我把《工业互联平台白皮书》上传到该模型，现在支持PDF\TXT\JSON格式的文档。如下图：
（3）开始识别文档的数据及训练模型，根据文档的大小，识别和训练模型的时间长短不一样。如下图：
（4）训练结束后，可以查看模型数据集，如下图：
（5）创建一个AI助手，并且关联刚才训练好的模型，如下图：
（6）AI助手创建好后，可以发布上岗了，可以通过前端应用该AI助手，根据提问内容，按《工业互联平台白皮书》的内容进行回答。如下图：
以上是ChatGPT基本应用的整体过程，随着工艺数据、工况数据、设备数据、生产数据、经营数据越来越多，ChatGPT回答越全面、越准确，例如企业领导问当前的生产和经营情况、员工问当前工况问题及解决方案等。
物联网&大数据技术 QQ群：54256083
物联网&大数据项目 QQ群：727664080
QQ：504547114
微信：wxzz0151
博客：https://www.cnblogs.com/lsjwq
微信公众号：iNeuOS
