ComputerWeekly管理編輯CliffSaran日前撰文認為，隨著制造商開發(fā)智能工廠、數(shù)字雙胞胎和部署機器學(xué)習(xí)，人工智能（AI）將為工業(yè)4.0的下一階段提供動力。

Gartner預(yù)測人工智能增長正在加速。“四年前，人工智能實施很少見-只有10％的受訪者表示他們的組織已經(jīng)部署了人工智能，或者很快就會這樣做，”Gartner杰出研究副總裁克里斯霍華德說?！暗?019年，這一數(shù)字已躍升至37％-四年內(nèi)增長270％?！?/p>

“如果你是一名CIO而你的組織沒有使用人工智能，那么競爭對手的機會很高?！?/p>

在達沃斯世界經(jīng)濟論壇（WEF）期間討論的熱門話題之一是人工智能，特別是工業(yè)人工智能，用于提高可靠性和增強新業(yè)務(wù)模式的能力。

在世界經(jīng)濟論壇開始時發(fā)表的一篇文章中，西門子首席技術(shù)官RolandBusch寫道：“數(shù)字時代成功的關(guān)鍵是速度和規(guī)模。如果說有一個領(lǐng)域人工智能已經(jīng)遠遠領(lǐng)先于人類，這個就是處理模型數(shù)據(jù)、發(fā)現(xiàn)和排除錯誤的速度。簡而言之，人工智能有可能幫助我們避免錯誤并克服巧合?！?/p>

西門子一直是工業(yè)4.0的先驅(qū)，在工業(yè)4.0中，自動化正用于運行智能工廠。Busch認為工業(yè)AI將是傳統(tǒng)制造業(yè)重塑的下一階段。

“通過工業(yè)4.0，我們成功地開始了數(shù)字化轉(zhuǎn)型，”他在文章中說?！巴ㄟ^工業(yè)AI，我們現(xiàn)在可以把它提升到一個全新的水平。我們可以超越錯誤和巧合。我們可以推動創(chuàng)新。我們可以提高效率和生產(chǎn)力。我們可以塑造技術(shù)和社會進步?！?/p>

監(jiān)督機器學(xué)習(xí)的挑戰(zhàn)

飛機裝配的過程復(fù)雜，其中扭矩扳手和鉚接工具需要以高度受控的方式在特定設(shè)置下使用以將面板附接到諸如空中客車A320的飛機，可被認為是機器學(xué)習(xí)的良好候選者。

但空中客車機電一體化和機器人技術(shù)領(lǐng)導(dǎo)者SébastienBoria表示：“為了獲得高效的機器學(xué)習(xí)，您需要有監(jiān)督的系統(tǒng)來收集大量數(shù)據(jù)?！?/p>

在機器學(xué)習(xí)系統(tǒng)用于觀察人類操作員如何執(zhí)行特定手動功能，以了解如何自動執(zhí)行作業(yè)或計算如何更有效地執(zhí)行作業(yè)時，這一點最為明顯。

對于Boria來說，挑戰(zhàn)在于AI算法只能學(xué)習(xí)人類操作員的工作方式?！氨O(jiān)督機器學(xué)習(xí)的主要問題是，在某些時候，如果你把結(jié)果建立在不是最佳表現(xiàn)者的人身上，你最終會得到平均的結(jié)果，”他說。

一個人工智能系統(tǒng)可以對所有在這個特定手動過程中工作的人做同樣工作的樣本進行抽樣，很可能得出一個平均答案，但對于Boria來說，平均值并不一定能轉(zhuǎn)化為實現(xiàn)相同目標(biāo)的最佳方法。

“技術(shù)不是民主，”他說?！皟H僅因為50％的人做了某些事情，并沒有使其成為正確的解決方案?！备愀獾氖?，他表示，表現(xiàn)最佳者的結(jié)果“可能被機器視為異?！?。

在更精細的層面上，需要測量的每個數(shù)據(jù)點或參數(shù)都需要傳感器?！澳阈枰獙⑽锢硎澜缗c數(shù)字世界聯(lián)系起來，”Boria說，“沒有數(shù)據(jù)，你就無能為力。這意味著你需要傳感器和電子設(shè)備來捕獲數(shù)據(jù)?！?/p>

但根據(jù)Boria的說法，根本無法管理飛機制造過程中可以收集的所有可能參數(shù)。某些類型的傳感器太昂貴或在大規(guī)模部署時效果不佳。

可穿戴設(shè)備不具有成本效益

例如，一些數(shù)據(jù)的收集，例如使用智能眼鏡來看待正在進行的工作，根本不切實際，Boria說?！翱纱┐髟O(shè)備不是具有成本效益的小工具，”他說?！拔覀冋趯ふ夷軌蛱峁┱_用戶體驗的產(chǎn)品。看了市場上的所有眼鏡，我認為人們不想在他們的眼鏡上佩戴這些系統(tǒng)進行8小時的輪班?！?/p>

以色列人工智能創(chuàng)業(yè)公司Precognize的首席執(zhí)行官兼聯(lián)合創(chuàng)始人陳林切夫斯基參加了一場關(guān)于人工智能影響的世界經(jīng)濟論壇小組討論會。他說：“為了保持競爭力，公司需要采取預(yù)測方法來提高質(zhì)量，改善運營、效率和環(huán)境限制。最大化對基于人工智能和人類智能的技術(shù)的投資至關(guān)重要。從長遠來看，部署生產(chǎn)預(yù)測和處理問題的軟件成本更低?！?/p>

Precognize結(jié)合了人類知識和機器學(xué)習(xí)，創(chuàng)造了聲稱更自然的結(jié)果。

看看受監(jiān)督的機器學(xué)習(xí)，Linchevski說：“你不能得到不準(zhǔn)確的結(jié)果。你需要查看數(shù)據(jù)背后的其他層，經(jīng)驗豐富的操作員可以根據(jù)他們的知識來實現(xiàn)這一點?！?/p>

當(dāng)被問及Boria的前提是機器平均了解它所學(xué)到的東西，而不是確定最佳實踐時，Linchevski描述了機器如何看待生產(chǎn)輸出以識別黃金批次的想法。“如果你有一個黃金批次并且你有上下文，你可以采取最好的生產(chǎn)時間，并從一年的歷史中學(xué)習(xí)，以了解有些東西在偏離，”他說?！皺C器學(xué)習(xí)將知道‘生產(chǎn)運行’不是一個黃金批次。”

專有工業(yè)4.0

人們可以看出，機器學(xué)習(xí)行業(yè)的努力似乎正在創(chuàng)建一個專有的工業(yè)4.0，公司在他們自己獨特的數(shù)字雙模擬軟件上工作，并收集他們自己的傳感器數(shù)據(jù)來提供他們的機器學(xué)習(xí)算法。

可以說，這種方法不具備可擴展性，當(dāng)然也不是打包軟件行業(yè)為支持常見業(yè)務(wù)流程而發(fā)展的方式。一些行業(yè)專家認為，每臺機器都是不同的，這意味著每臺機器都會生成自己的一組數(shù)據(jù)，以滿足自己的數(shù)字雙胞胎。

在日內(nèi)瓦HPE新的物聯(lián)網(wǎng)創(chuàng)新實驗室開幕之前，惠普企業(yè)（HPE）混合IT總裁PhilDavis表示：“我認為客戶的部分問題是他們收集的數(shù)據(jù)量。如果您碰巧出售存儲設(shè)備，那么永遠不要丟棄任何數(shù)據(jù)?！按骶S斯說，客戶面臨的挑戰(zhàn)是知道在數(shù)據(jù)中尋找什么。”

HPE副總裁兼總經(jīng)理TomBradicich表示：“人們很害怕，因為有太多的數(shù)據(jù)。我們不確定數(shù)據(jù)共享的道德和法律含義，我認為這是數(shù)據(jù)共享的強大抑制因素。”

雖然業(yè)務(wù)負責(zé)人和世界領(lǐng)導(dǎo)人聚集在達沃斯聽取工業(yè)4.0的發(fā)展，但這些示例似乎是針對特定公司的，并且很難看出工業(yè)4.0如何擴展，除非行業(yè)采用通用的互操作性方法并開始共享數(shù)據(jù)。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！