大家提出了一个论点论据：航运公司到底要多少人工智能来开拓市场

这周，在人工智能（AI）在航运业务流程里的易用性的大环境下看过一个有意思的论点论据。最开始应该是 ChatGPT 的有意思开展怒吼，但马上就转移到了更大范围探讨，即航运公司要多少人工智能、人力或多种方式来开拓市场。

类似这样的论点论据是一个很好的文章标题，但是却具备虚假性。我稍候会返回 ChatGPT。 如今，让我从人工智能逐渐，想一想为何人工智能会促使大家重新审视一切航运公司实行的诸多业务经营流程。

企业战略转型里的决策能量，船舶利润最大化与共同的目标的融洽

最先提出一个可能性的难题，即怎么计算一艘船每一年实行六次航行的预期收益，包含航行、海港、货品品质和成本等诸多要素，并要求船舶在年末时要保持在开始的CII波长内，并假定在这一年中，船舶不容易碰到一切有影响的技术难题。

而这种问题针对航运公司的职工来说还是会特别疑惑，由于难题牵涉到大量约束条件和决策中间错综复杂的依存关系，必须理想化前提下根据AI的决策适用技术去解决，而不只是借助人们决策。

为啥？是因为人们决策（由船舶租赁单位、实际操作部门及技术支持部门作出）仅考虑到了单独船舶在12个月里的利润最大化，而没考虑企业的共同的目标和三个精英团队中间目标融洽。如果把这样的事情延伸至企业拥有这艘船的10年间，也会变得十分让人望而却步。因而必须决策适用技术，根据AI来处理海量数据十分复杂的决策关联，以最大限度地融洽企业的目标以及各个精英团队中间目标。

智能机器人职工：解决更为复杂航运每日任务

Goldman Sachs近期的一项研究说明，人工智能的发展，特别是像 ChatGPT 这种生成式人工智能系统软件，可能明显更改很多领域职工劳动生产力就业布局。尽管我们将会把AI相当于ChatGPT这种自然语言理解应用软件，但在航运行业里，有一些目标和状况可能更复杂，以致于AI应用软件很有可能要比人们更倾向于解决这些状况。那些每日任务包含船舶的自主导航、动态性路线导航、订单跟踪和预测等。

AI应用软件可以利用海量数据和优化算法来分析和预测这类情况，进而提升航运的效率精确性。因而，虽然AI应用软件无法完全替代人们，但某些情况下，他们其实比人们比较适合处理一些繁杂的航运每日任务。

大家能把ChatGPT看作是综合了卫星导航系统 (GPS) 的 Google 地图大数据技术 (GIS)。ChatGPT 如同谷歌卫星地图，是利用最底层技术达到的数千种应用软件之一。因而，GPT技术是一种利用深度神经网络（人工智能的一个分支）来形成种人文字的自回归语言模型，然而这是不是对航运公司有效？

或许当然可以了。但是它需要用到航运公司数据库来“课堂教学”实体模型航运语言表达，并用领域业务流程专业术语的外部数据源集扩大内部结构培训数据。 将 GPT 实体模型与公司数据的算法紧密结合，然后将制造出十分娴熟的虚似职工。航运公司事实上能够开始思考降低船舶租赁、船次经营、舰队管理与后台管理办公室里的人数，或是在没有提升船舶租赁、船次运营及舰队管理者的前提下明显提升舰队里的船只总数。企业的目标将不变：更大化全部资产和经营的本年度盈利。

高成本、高收益，ChatGPT可能会逐渐成为航运语言表达

那样，学习培训那样的信息化职工都需要什么？航运行业的现阶段和下一代人力资源不该由于被设备替代而毫无意义。练习一个内部结构GPT实体模型是一笔不小的花销。即便数据有免费的，清理工作建立模型也会带来成本费，这种成本费会从数十万到数百万美元不一。和任何职工一样，数据工作人员需要经常核查专业技能组成。比如，数据包机价格职工智能机器人可能还需要定期进行调整。成本高昂的是企业需要不断这么做并持续测试模型以保证它正在进行预想的事儿。

虽然目前开发设计与应用AI技术的费用较高，但是随着技术的发展，核算成本可能降低。AI智能化清理空间成本将会下降。与此同时，伴随着AI技术的高速发展，现阶段围绕人们知识与人们被决策所限制以及设计方案工作流程能够被AI技术快速地替代，因此提高效率和精密度。

航运公司的经营业务流程到底会不会因而产生变化吗？ 时间会证明一切。

素材内容由来splash247