作者: William B. Cassidy

来源：Journal of Commerce‍‍

‍

人們對於物流中的人工智慧（AI）常常懷有宏偉的期望，例如對網絡進行大規模優化或廣泛替代工人。但現實更加平凡，通常是琐碎的事務：例如，使用視覺AI來識別卡車抵達倉庫並引導它們到貨運碼頭。第三方物流服務商RXO本月開始在其倉庫和配送中心推出一個視覺AI登記系統，用於卡車抵達。該系統去年在RXO位於德克薩斯州拉雷多的新跨境設施進行了測試，RXO表示這減少了運輸商的等待時間並提高了數據準確性。RXO的首席信息官Yoav Amiel告訴《商業日報》，這種由AI支持的卡車預約管理系統是“RXO倉庫和倉庫管理系統未來視覺AI進展系列中的一個實現”。在這種情況下，視覺AI分析實時視頻，從卡車抵達時的拖車中提取車牌號碼，確認它們已獲授權並按時到達。這是RXO員工將不再需要手動完成的任務，這在高流量卡車通行的時候曾導致擁堵、延誤和錯誤，Amiel稱。RXO計劃向其他入庫卡車量較大的倉庫運營商提供該系統，他說。卡車登記和預約匹配雖然不如運行自動卡車般 futuristi，但它顯示了AI如何迅速應用於基本操作，為將來更廣泛的應用奠定了基礎。上週在亞特蘭大舉辦的SMC3 JumpStart 2024物流大會上，演講者強調這個未來已經越來越近，而且速度驚人。

爬取數據舉例來說

C.H. Robinson Worldwide正在使用大型語言模型（LLMs），一套人工智慧工具，來處理龐大的數據量。物流服務提供商的首席執行官戴夫·博茲曼在會議上告訴《商業日報》：“我們每天接收到50萬條非結構化數據，包括帳單、郵件或圖片形式。”傳統上，員工不得不處理這些數據點，提取信息，然後手動輸入系統或進行手動回應。博茲曼表示：“使用LLMs，我們正在對所有這些非結構化數據進行抓取，提取相關信息，將其輸入我們的Navisphere系統，並用於在不到一分鐘內向客戶發送報價。”他還說：“我們現在正在這樣做，而且這一業務每周都在增長。”C.H. Robinson還可以使用通過這種方式“爬取”的數據，通過更好地了解卡車司機在多種情況下的行為，來預測貨物到達時間的更準確估計。博茲曼表示：“生成式人工智慧是一個改變遊戲規則的技術。”貨運支付供應商DDC FPO多年來也一直以類似的方式使用人工智慧來處理提單，使用能識別數據背景的人工智慧技術，取代了較舊的基於規則的系統。當今，軟件開發人員更加需要轉向人工智慧工具，隨著較高的利率使工作資金變得更加重要，並且軟件市場的民主化使較小的開發人員能夠使用更複雜的工具。生成式人工智慧等工具有助於這些公司保持競爭力。在長期內，這項技術將有助於運送商管理支持貨物運輸的工作流程。

‍不僅僅是一種人工智慧

麻省理工學院運輸與物流中心主任約西·謝菲在SMC3 JumpStart 2024會議上表示，生成式人工智慧與“開放式人工智慧”不同。謝菲說：“傳統的開放式人工智慧系統分析數據並根據明確定義的算法進行預測，因此您會基於模式識別得到可預測的輸出。”他繼續解釋：“生成式人工智慧基於其訓練，根據概率創建新數據。”傳統人工智慧在預測和動態價格方面表現出色，這兩個主題對運送商及其運輸提供商變得越來越重要。運輸軟件提供商LYNXUS的首席執行官Pradeep Vachani在會議上表示：“在過去的12到14個月中，生成式人工智慧工具已變得相當普及。文件處理、客戶對話，所有這些都在增加的處理能力下得到改善。”Vachani預測，將更廣泛地使用人工智慧來管理貨運文件和數據的流動，以及提高客戶服務水平。他說：“這不是關於聊天機器人，它們通常不能產生正確的結果。對話型人工智慧可用於在實時通話中基於客戶的說法提示客戶服務代理。”提供LTL貨運和支出管理軟件的Green Mountain Technology的LTL商業發展副總裁吉姆·巴多維納克表示：“如果你還沒有考慮過人工智慧，你就已經落後了。”這位軟件開發者表示，人工智慧最好的用途是“消除人類偏見並提高效率”，而不是取代人類。巴多維納克表示：“我們仍然希望人們參與產出過程中。

‍