工業(yè)環(huán)境中的人工智能為何與眾不同

工業(yè)數(shù)據(jù)體量龐大，并且很難匯總分析。如果數(shù)據(jù)來源不同且種類多，人工智能很難發(fā)揮作用。由于人工智能需要一目了然的數(shù)據(jù)，并確保所有數(shù)據(jù)指標(biāo)易于被訪問、標(biāo)準(zhǔn)化、可識(shí)別，導(dǎo)致人工智能與工業(yè)環(huán)境無緣。例如，您是否能明確指出這個(gè)數(shù)據(jù)來自于哪臺(tái)設(shè)備、汽車或機(jī)器？以及該數(shù)據(jù)在特定時(shí)刻位于何處？如果不能，其數(shù)據(jù)狀態(tài)相關(guān)的所有其它信息就更困難了（例如天氣、溫度和維修歷史等）。匯總分析所有這些數(shù)據(jù)的結(jié)果，以及幫助理解數(shù)據(jù)的本體論（ontology），這就是我們所謂的數(shù)字主線。它是奠定堅(jiān)實(shí)數(shù)據(jù)基礎(chǔ)的關(guān)鍵。

數(shù)據(jù)訪問可能受阻

第一、二和三次工業(yè)革命之后的若干年，數(shù)據(jù)使用方法、協(xié)議、格式和存儲(chǔ)機(jī)制發(fā)生了重大變化。系統(tǒng)和設(shè)備可能位于防火墻后，安裝在隔離的大樓中，孤立地分布在不同作戰(zhàn)區(qū)或遺留在被人遺忘的區(qū)域。如果物理訪問不是問題，那么獲取數(shù)據(jù)的安全性和訪問權(quán)限通常可能受阻。

如果預(yù)測失誤，可能帶來致命后果。人工智能經(jīng)常出錯(cuò)（例如，YouTube的事實(shí)檢查功能錯(cuò)誤地將巴黎圣母院大火歸為疑似恐怖襲擊）。這種情況出現(xiàn)在YouTube中，結(jié)果可能具有一定煽動(dòng)性，會(huì)造成暴亂的潛在危險(xiǎn)。但如果工業(yè)環(huán)境中的人工智能輔助自動(dòng)化出錯(cuò)，結(jié)果就會(huì)非常敏感、危險(xiǎn)甚至致命。災(zāi)難性波音Air-Max事件就是例證。完成自動(dòng)化解決方案開發(fā)后，需要長時(shí)間的管理和認(rèn)證。因此，我們嘗試將人工智能用于工業(yè)環(huán)境時(shí)必須慎重。

如何在工業(yè)環(huán)境中發(fā)掘人工智能的潛能

顯而易見，來自工業(yè)的企業(yè)希望通過人工智能幫助實(shí)現(xiàn)“無處不在數(shù)據(jù)智能”來創(chuàng)造價(jià)值。下面列出了幾個(gè)步驟和指導(dǎo)原則：不要跳過奠定數(shù)據(jù)基礎(chǔ)這一關(guān)鍵步驟。如果沒有可靠的數(shù)據(jù)基礎(chǔ)，人工智能將是一紙空談。應(yīng)投資數(shù)字主線，密切關(guān)注可從其它行業(yè)借鑒的人工智能應(yīng)用。

了解哪些應(yīng)用場景真正切實(shí)可行。人工智能/深度學(xué)習(xí)的成功應(yīng)用場景是取代簡單、不需要得出敏感或危險(xiǎn)結(jié)論的重復(fù)性感知任務(wù)。工業(yè)環(huán)境中的生產(chǎn)應(yīng)用場景，例如：

測試自動(dòng)化/測試機(jī)器人人工智能開始使用后加快了消費(fèi)電子產(chǎn)品組裝車間的最終測試工作。深度學(xué)習(xí)能識(shí)別可能重復(fù)或不必要的測試，進(jìn)而找到最理想的方法指導(dǎo)完成系列產(chǎn)品的測試。

光學(xué)質(zhì)量檢查/分類這是一種圖像識(shí)別應(yīng)用，成功用于檢測和檢定產(chǎn)品表面的劃痕、污點(diǎn)和凹痕，進(jìn)而決定某產(chǎn)品批次為低、中還是高質(zhì)量，更快速、可靠地完成工作。

安全檢查這是另一種光學(xué)檢查應(yīng)用。鐵路公司利用大量圖形識(shí)別和分類流程，加快對大量軌道車部件的定期檢查。

利用可協(xié)同運(yùn)行來解決問題的一組或一套模型及各種方法，包括人工智能：

·自動(dòng)完成簡單的數(shù)據(jù)管理任務(wù)，如源目標(biāo)概率映射；

·進(jìn)行模式識(shí)別，開發(fā)可幫助自動(dòng)完成觀測或改進(jìn)肉眼觀察（如視覺、聽覺和文本）工作的特性；

·通過人工智能開發(fā)的特性添加到更多傳統(tǒng)統(tǒng)計(jì)/機(jī)器學(xué)習(xí)模型中；

·利用“人機(jī)回圈”自動(dòng)化來幫助創(chuàng)建帶標(biāo)簽數(shù)據(jù)集。

正如帕累托法則（Pareto Principle）所倡導(dǎo)的，通過最簡單的方式，20%的付出，獲得80%的回報(bào),并解決問題。開始時(shí)采用最簡單的方法，然后在需求增加時(shí)進(jìn)行進(jìn)一步推廣。

未來方向

毫無疑問，要在工業(yè)環(huán)境中成功進(jìn)行數(shù)據(jù)分析，必須確保完成所有這些關(guān)鍵步驟。但在這一過程中，可能會(huì)發(fā)現(xiàn)利用現(xiàn)有人工智能工具的機(jī)會(huì)，實(shí)現(xiàn)自動(dòng)運(yùn)行工業(yè)操作流程的某一部分，幫助學(xué)習(xí)并不斷進(jìn)步，而不置生命于危險(xiǎn)之中或影響到正常運(yùn)行。