論文の概要: An AI-Driven Data Mesh Architecture Enhancing Decision-Making in Infrastructure Construction and Public Procurement

• arxiv url: http://arxiv.org/abs/2412.00224v1
• Date: Fri, 29 Nov 2024 19:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:41:57.698278
• Title: An AI-Driven Data Mesh Architecture Enhancing Decision-Making in Infrastructure Construction and Public Procurement
• Title（参考訳）: AI駆動型データメッシュアーキテクチャによるインフラ構築と調達の意思決定
• Authors: Saurabh Mishra, Mahendra Shinde, Aniket Yadav, Bilal Ayyub, Anand Rao,
• Abstract要約: Data MeshとService Meshアーキテクチャを利用した統合ソフトウェアエコシステムを導入します。 このシステムには、インフラストラクチャと調達のための最大のトレーニングデータセットが含まれており、1000億以上のトークンを含んでいる。 そのWebスケーリング可能なアーキテクチャは、ドメインキュレーションされた情報を提供し、AIエージェントが推論と不確実性の管理を容易にする。
• 参考スコア（独自算出の注目度）: 1.4843690728082002
• License:
• Abstract: Infrastructure construction, often dubbed an "industry of industries," is closely linked with government spending and public procurement, offering significant opportunities for improved efficiency and productivity through better transparency and information access. By leveraging these opportunities, we can achieve notable gains in productivity, cost savings, and broader economic benefits. Our approach introduces an integrated software ecosystem utilizing Data Mesh and Service Mesh architectures. This system includes the largest training dataset for infrastructure and procurement, encompassing over 100 billion tokens, scientific publications, activities, and risk data, all structured by a systematic AI framework. Supported by a Knowledge Graph linked to domain-specific multi-agent tasks and Q&A capabilities, our platform standardizes and ingests diverse data sources, transforming them into structured knowledge. Leveraging large language models (LLMs) and automation, our system revolutionizes data structuring and knowledge creation, aiding decision-making in early-stage project planning, detailed research, market trend analysis, and qualitative assessments. Its web-scalable architecture delivers domain-curated information, enabling AI agents to facilitate reasoning and manage uncertainties, while preparing for future expansions with specialized agents targeting particular challenges. This integration of AI with domain expertise not only boosts efficiency and decision-making in construction and infrastructure but also establishes a framework for enhancing government efficiency and accelerating the transition of traditional industries to digital workflows. This work is poised to significantly influence AI-driven initiatives in this sector and guide best practices in AI Operations.
• Abstract（参考訳）: インフラ建設は、しばしば「産業産業」と呼ばれ、政府の支出と公共の調達と密接に関連しており、透明性と情報アクセスの改善を通じて効率と生産性を向上させる重要な機会を提供している。 これらの機会を活用することで、生産性、コスト削減、より広範な経済的利益で顕著な利益を得ることができる。 このアプローチでは、Data MeshとService Meshアーキテクチャを使用した統合ソフトウェアエコシステムを導入しています。 このシステムには、1000億以上のトークン、科学出版物、アクティビティ、リスクデータを含む、インフラストラクチャと調達のための最大のトレーニングデータセットが含まれている。 ドメイン固有のマルチエージェントタスクとQ&A機能にリンクした知識グラフによってサポートされた当社のプラットフォームは、さまざまなデータソースを標準化し、取り込み、それらを構造化された知識に変換する。 大規模言語モデル(LLM)と自動化を活用して、私たちのシステムは、データ構造化と知識創造に革命をもたらし、早期プロジェクト計画における意思決定の支援、詳細な研究、市場動向分析、質的な評価を行う。 そのWebスケーリング可能なアーキテクチャは、ドメインキュレートされた情報を提供し、AIエージェントが推論と不確実性の管理を容易にし、特定の課題をターゲットにした特殊なエージェントによる今後の拡張に備える。 このAIとドメインの専門知識の統合は、建設とインフラにおける効率性と意思決定を促進するだけでなく、政府の効率性を高め、従来の産業からデジタルワークフローへの移行を促進するためのフレームワークも確立している。 この作業は、この分野におけるAI主導のイニシアチブに大きく影響し、AIオペレーションのベストプラクティスを導こうとしている。

関連論文リスト

• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning [0.0]
  農業経済からより多様化した産業やサービスベースのシステムへの移行は、経済発展の重要な要因である。 低所得国と中所得国(LMIC)では、データの不足と信頼性の欠如が、このプロセスの正確な評価を妨げる。 本稿では,ベイジアン階層モデリング,機械学習に基づくデータ計算,因子分析を統合することで,これらの課題に対処する新しい統計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-25T08:39:41Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• A Blueprint Architecture of Compound AI Systems for Enterprise [18.109450556443782]
  我々は、企業環境で運用する複合AIシステムのための青写真アーキテクチャを、費用対効果と実用性で導入する。 提案したアーキテクチャは,既存の計算とデータインフラストラクチャとのシームレスな統合を目標としています。
  論文  参考訳（メタデータ） (2024-06-02T01:16:32Z)
• Generative AI in the Construction Industry: A State-of-the-art Analysis [0.4241054493737716]
  建設業界における生成AIの現状、機会、課題に関する文献のギャップがある。 本研究は, 建設産業における既存の, 新興のジェネレーティブAIの機会と課題をレビューし, 分類することを目的とする。 建設会社が独自のデータを使ってカスタマイズされた生成AIソリューションを構築するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-15T13:39:55Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• AI Assurance using Causal Inference: Application to Public Policy [0.0]
  ほとんどのAIアプローチは、"ブラックボックス"としてのみ表現することができ、透明性の欠如に悩まされる。 効果的で堅牢なAIシステムを開発するだけでなく、内部プロセスが説明可能で公平であることを確認することも重要です。
  論文  参考訳（メタデータ） (2021-12-01T16:03:06Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)
• Knowledge Integration of Collaborative Product Design Using Cloud Computing Infrastructure [65.2157099438235]
  本論文の主な焦点は、クラウドコンピューティングインフラを用いた協調製品設計・開発のための知識統合サービスの提供に関する継続的な研究のコンセプトである。 提案された知識統合サービスは,知識リソースへのリアルタイムアクセスを提供することによってユーザを支援する。
  論文  参考訳（メタデータ） (2020-01-16T18:44:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。