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

Gartner預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。“到2019年，這一數字已躍升至37％-四年內增長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)務模式的能力。

在世界經濟論壇開始時發(fā)表的一篇文章中，西門子首席技術官RolandBusch寫道：“數字時代成功的關鍵是速度和規(guī)模。如果說有一個領域人工智能已經遠遠領先于人類，這個就是處理模型數據、發(fā)現和排除錯誤的速度。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，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字化轉型，”他在文章中說。“通過工業(yè)AI，我們現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力。我們可以塑造技術和社會進步?！?/p>

監(jiān)督機器學習的挑戰(zhàn)

飛機裝配的過程復雜，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，可被認為是機器學習的良好候選者。

但空中客車機電一體化和機器人技術領導者SébastienBoria表示：“為了獲得高效的機器學習，您需要有監(jiān)督的系統(tǒng)來收集大量數據?！?/p>

在機器學習系統(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算法只能學習人類操作員的工作方式?！氨O(jiān)督機器學習的主要問題是，在某些時候，如果你把結果建立在不是最佳表現者的人身上，你最終會得到平均的結果，”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化為實現相同目標的最佳方法。

“技術不是民主，”他說。“僅僅因為50％的人做了某些事情，并沒有使其成為正確的解決方案?！备愀獾氖牵硎?，表現最佳者的結果“可能被機器視為異?！?。

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

但根據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。某些類型的傳感器太昂貴或在大規(guī)模部署時效果不佳。

可穿戴設備不具有成本效益

例如，一些數據的收集，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┱_用戶體驗的產品?？戳耸袌錾系乃醒坨R，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。”

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于人工智能影響的世界經濟論壇小組討論會。他說：“為了保持競爭力，公司需要采取預測方法來提高質量，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的投資至關重要。從長遠來看，部署生產預測和處理問題的軟件成本更低。“

Precognize結合了人類知識和機器學習，創(chuàng)造了聲稱更自然的結果。

看看受監(jiān)督的機器學習，Linchevski說：“你不能得到不準確的結果。你需要查看數據背后的其他層，經驗豐富的操作員可以根據他們的知識來實現這一點?！?/p>

當被問及Boria的前提是機器平均了解它所學到的東西，而不是確定最佳實踐時，Linchevski描述了機器如何看待生產輸出以識別黃金批次的想法?！叭绻阌幸粋€黃金批次并且你有上下文，你可以采取最好的生產時間，并從一年的歷史中學習，以了解有些東西在偏離，”他說。“機器學習將知道‘生產運行’不是一個黃金批次?！?/p>

專有工業(yè)4.0

人們可以看出，機器學習行業(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字雙模擬軟件上工作，并收集他們自己的傳感器數據來提供他們的機器學習算法。

可以說，這種方法不具備可擴展性，當然也不是打包軟件行業(yè)為支持常見業(yè)務流程而發(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據，以滿足自己的數字雙胞胎。

在日內瓦HPE新的物聯(lián)網創(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據量。如果您碰巧出售存儲設備，那么永遠不要丟棄任何數據?！按骶S斯說，客戶面臨的挑戰(zhàn)是知道在數據中尋找什么?！?/p>

HPE副總裁兼總經理TomBradicich表示：“人們很害怕，因為有太多的數據。我們不確定數據共享的道德和法律含義，我認為這是數據共享的強大抑制因素?！?/p>

雖然業(yè)務負責人和世界領導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據。

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