Amii 扩大 AI 应用合作，新增支持 25 家中小企业

阿尔伯塔机器智能研究所（Amii）正在扩大与加拿大区域经济发展机构草原经济发展署（PrairiesCan）的合作，以帮助另外25家中小企业培养实用的AI能力。10月27日的公告新增250万加元联邦支持，使该计划的联邦总投资达到560万加元。

此次扩展覆盖阿尔伯塔省、萨斯喀彻温省和曼尼托巴省，首批合作已在能源、农业和制造业展开。Amii表示，该计划自2024年启动以来已与30家区域企业合作。其方式是为企业配备机器学习专家，围绕企业自身的运营数据构建系统，并让企业掌握维护这些系统的专业知识。

Amii总部位于埃德蒙顿，是一家独立的非营利机构，也是加拿大《泛加拿大人工智能战略》下三家国家级AI研究所之一。其历史可追溯至2002年的阿尔伯塔机器智能创新中心；2017年，它以Amii之名成为独立非营利机构。其工作将研究、人才培养和商业应用连接起来。

加拿大草原经济发展署（简称PrairiesCan）是支持三个参与省份经济发展的联邦机构。对国际读者而言，这一合作是公共投资帮助较小企业获得难以独立组建的专业技术能力的一个范例。

Amii的AI开发模式是为企业项目派驻一名全职机器学习驻场人员，由专职科学家监督。驻场人员与企业团队共同开展模型开发和测试，企业可选择在此后聘用该人员。一般服务方案列出12至15个月的承诺期，但具体项目范围和成本各有不同。

企业保留合作期间开发的知识产权，并获得文档和知识转移。这使该合作的目标不同于单纯交付外包原型：企业应能在外部研究团队离开后自行调整系统。

Croptimistic Technology开发了SWAT MAPS精准农业生态系统，该系统结合土壤、水分和地形信息来指导田间管理。其SWAT CAM产品在常规喷洒作业期间采集图像，并利用机器学习分析作物和杂草。

与Amii的合作针对小麦和燕麦等早季谷类作物。它们狭窄、重叠的叶片使单株植物难以区分。团队开发了专门的视觉模型，以应对茂密冠层以及尘土、眩光和风等具有挑战性的成像条件。

Croptimistic的产品信息说明了安装在喷洒器上的摄像头如何将密集的田间图像与管理分区关联起来。更好的作物检测的实际价值在于空间细节：种植者可以查看整块田地里出苗不匀和杂草压力的情况，而不必仅依赖少量人工观察。

Carson Integrated是一家环境和林业咨询公司，其工作包括为自然资源项目提供地理空间信息。它面临的挑战是溪流分类，这有助于确定水道周围的保护缓冲区。

Amii的Carson案例研究描述了一个利用约二十年收集数据构建的模型，其中包括实地测量和遥感信息。特征开发考察了地形和环境特征；集水区出口大小被证明特别有用。该研究报告称，在具备适当数据时，平均分类准确率约为75%。

该应用说明了领域专业知识如何塑造有用的机器学习。在图像中识别水道与预测其监管分类是不同的任务。预测可以帮助确定偏远地形中评估工作的优先顺序，但其准确性和适用性仍需针对所支持的决策进行评估。

Visionstate为设施运营、检查和作业验证开发软件。其当前网站重点介绍MIRA，这是一个连接报告、检查、工单和监督的平台。与Amii的合作聚焦于该公司的WANDA设施管理平台。

详细案例研究解释说，清洁路线和日程被表述为一个约束优化问题。系统必须在遵守场地布局、服务要求和合规规则的同时分配固定劳动力，在效率与公平之间取得平衡。

这项工作还支持了资源规划产品TidyLogic，以及一款医疗清洁成本估算工具。案例研究在撰写时将TidyLogic描述为处于测试阶段，模型正朝着集成方向推进。这些区别很重要：商业产品开发与完全部署的优化系统是两个不同的里程碑。

Ambyint：构建强化学习专长

Ambyint为油气运营商提供生产优化软件。其现有平台将物理信息模型与自动化控制相结合，包括通过工业监控基础设施调整设备设定值。

Amii项目探索了用于柱塞气举井的强化学习，在这类井中，改变压力阈值会影响积液如何被排出。对地下深处状况的了解十分稀疏，这使得模拟和控制变得困难。团队测试了历史数据方法和物理信息方法，以改进决策。

案例研究明确说明了结果：实验模型未能比Ambyint现有的自动化更高效，也尚未达到生产所需的可靠性和响应能力。其收益是内部团队得到了更好的装备，并更清楚地了解了需要进一步研究的方向。即使没有立即产出可部署的模型，这也是一个有价值的采用成果。

Amii还指出总部位于埃德蒙顿的Riva是早期受益者，并提到其在实现生产就绪解决方案方面的进展，但未披露具体的模型架构。

Riva的平台将电子邮件、日历、联系人和会议信息与客户关系管理系统连接起来。其能力包括AI生成的对话摘要和结构化会议输出，团队可以审阅这些内容并将其与CRM记录关联。这提供了与野外成像或工业控制不同的采用背景：挑战在于让业务交互变得可用，同时保持治理和人工审核。

参与的企业表明，AI采用涵盖计算机视觉、预测建模、约束优化、强化学习和企业信息工作流。每一项都需要不同的数据、评估方法和运营专长。

该合作更广泛的意义在于其对所有权和技术能力的重视。当企业自己的员工学会模型是如何构建的、如何测试它，以及何时应信任其预测时，企业获得的就不只是一个模型。对于较小的企业来说，转移这些能力可能与最初的软件交付同样重要。