AI 缓慢移动到工厂车间
加利福尼亚州圣何塞 — 深度神经网络正在向工厂车间爬去。
对于一些早期采用者来说，神经网络是嵌入在计算机视觉相机眼睛后面的新智能。最终，网络将进入机械臂、传感器网关和控制器，从而改变工业自动化。但变化正在缓慢发生。
“我们仍处于可能是未来数十年的进步和下一代机器学习算法时代的早期阶段，但我认为我们将在未来几年看到巨大的进步，”首席运营官 Rob High 说。 IBM Watson 技术官。
神经网络将嵌入越来越多的支持 Linux 的多核 x86 网关和控制器中，这些网关和控制器出现在工厂车间内外。 High 说，新兴的 5G 蜂窝网络总有一天会让神经网络随时访问远程数据中心。
汽车和飞机制造商以及医疗保健供应商正在采取早期措施，主要是使用智能相机。佳能正在其工业相机中嵌入 Nvidia Jetson 板以开启深度学习。工业相机供应商 Cognex Corp. 正在增加自己的产品。中国初创公司地平线机器人已经开始出货嵌入其深度学习推理加速器的监控摄像头。
“所有早期采用者都部署了用于视觉感知的深度学习，其他人也开始注意到它们，”Nvidia 自主机器总经理 Deepu Talla 说。 “感知相当容易做到，研究人员将其视为已解决的问题。
“现在最大的问题是使用人工智能与人类互动和更详细的驱动——这些是 10 年的研究问题。在无人机和机器人导航等领域，我们更多地处于原型阶段。”
Talla 将机器人技术称为“计算机和 AI 的交集”，但深度学习的许多工业用途将不那么光鲜亮丽，而且会更早到来。
机器人组件领先供应商 Harmonic Drive LLC 的首席执行官 Doug Olsen 表示，工厂机器人尚未使用人工智能。奥尔森说，在短期内，不要过多关注智能机械臂，而应该关注“工厂车间内可以预测故障、收集日常使用数据以确定系统何时需要预防性维护的机器”。 “这就是人工智能可以首先站稳脚跟的地方。”
一些大型芯片制造商同意。瑞萨电子三年前开始进行试验，将支持 AI 的微控制器置于终端节点，以检测故障并预测其一家半导体工厂生产系统的维护需求。
10 月，这家日本芯片巨头推出了第一款带有动态可重构处理器块的 MCU，用于实时图像处理。其目标是在2020年跟进可以支持实时认知和2022年增量学习的控制器。
竞争对手意法半导体在其 STM32 芯片上也采取了类似的方法。 2 月，它宣布了正在开发的深度学习片上系统和加速器，部分目的是在工厂车间进行故障检测。
智能机器人终将到来。一方面，Startup covariant.ai 正在努力为他们提供强化学习。 “让机器人能够看到并根据所见采取行动将是未来几年深度学习将带来的最大差异之一，”人工智能研究员 Pieter Abbeel 说，他在加州大学创立了 covariant 并运营着一个机器人实验室。在伯克利。
Abbeel 展示了机器人学习使用神经网络技术运行的令人瞠目结舌的模拟，但这还为时尚早。 “事实上，我们开始协变的部分原因是工业人工智能领域还没有那么拥挤，”他说。
物联网技术