AnyLogic é líder de mercado e tecnologia no reino da simulação de propósito geral. Como resultado, os modelos AnyLogic podem ajudar os praticantes de IA em muitas aplicações práticas diferentes, incluindo:
Conectar modelos de simulação aplicados a agentes RL e treiná-los para políticas implantáveis.
Neste cenário, modelos de ML treinados são usados de dentro de ambientes simulados.
Modelos de simulação podem ser usados para gerar quantidades ilimitadas de dados de treinamento relevantes, limpos, estruturados e rotulados.
Suporte para desenvolvimento orientado a objetos em todos os níveis com API aberta juntamente com recursos de modelagem visual.
As tecnologias exclusivas baseadas em agentes da AnyLogic naturalmente a posicionam como uma poderosa plataforma de construção de modelos para ambientes de treinamento usados em esquemas de aprendizado por reforço multiagente.
AnyLogic permite o uso de linguagens de modelagem visual, scripts e bibliotecas externas. O suporte nativo para fluxogramas, gráficos de estado, gráficos de ação e diagramas de estoque e fluxo permite o desenvolvimento com facilidade, enquanto o suporte nativo para scripts fornece extensibilidade.
AnyLogic é a única plataforma que suporta todos os métodos de simulação (Evento Discreto, Baseado em Agente, Dinâmica de Sistemas) e qualquer combinação deles, além de bibliotecas de modelagem especializadas para movimentação de materiais, modelagem de processos, fluidos, ferrovias, pedestres e tráfego rodoviário.
AnyLogic é a plataforma de simulação de fato para empresas da Fortune 500 em todo o mundo. A familiaridade dessas empresas com AnyLogic é vantajosa para profissionais de IA que desejam usar a plataforma como parte de soluções de IA para essas empresas.
Use a biblioteca Pypeline para acesso local a um modelo de aprendizado de máquina treinado baseado em Python.
Se um modelo ML treinado implantado for acessível por uma biblioteca Python, então o Pypeline – uma biblioteca AnyLogic personalizada – pode ser usado para consultá-lo. O Pypeline permite que você execute scripts Python com argumentos ou execute interativamente código Python de dentro dos seus modelos AnyLogic, usando uma instalação local do Python.
Use a biblioteca ONNX Helper para acessar facilmente um modelo de aprendizado de máquina (ML) treinado, salvo no formato de arquivo “.onnx”. ONNX, abreviação de Open Neural Network Exchange, é um formato padronizado e interoperável para modelos de ML treinados.
Embora exista uma biblioteca Java padrão, ela requer conhecimento técnico relativamente avançado para ser usada. O ONNX Helper é uma biblioteca complementar gratuita para download em qualquer edição do AnyLogic (Personal Learning Edition, University ou Professional). Por meio de um único objeto e uma única função, ele fornece uma maneira simples e fácil de consultar modelos de ML.
Utilize Alpyne, uma biblioteca Python, para executar interativamente modelos exportados do experimento RL.
Se um modelo AnyLogic contiver um Experimento de Aprendizado por Reforço e, opcionalmente, alguns retornos de chamada para acionar uma ação, o modelo poderá ser exportado do AnyLogic e controlado em um script Python.
Anylogic para a indústria de IA
Andrei Borshchev, CEO da The AnyLogic Company, na AnyLogic Conference de 2019, resumindo o uso de simulação em machine learning para negócios. Destacando a facilidade de uso e a ausência de riscos para o treinamento de algoritmos de ML que a AnyLogic fornece.
