为什么工业界应该至少考虑一下人工智能
如今，似乎每个人都在谈论人工智能 (AI) 和机器学习。大型跨国工业企业正在采用人工智能，努力让机器变得更智能，以便他们能够在正在进行的数字工业革命中进行有效竞争。见证 MIT Sloan Management Review 中 2016 年的文章，重点介绍 GE 如何在人工智能和工业分析方面进行重大投资，以帮助推动其数字化转型。但即使是中小型工业和制造企业也应该考虑人工智能……至少是一点点。
毕竟，如果您不考虑机器学习和人工智能，为什么要从生产系统中收集所有这些数据？在许多情况下，企业收集的数据超出了他们的消费能力。数据分析本身并不是目的；它必须用于驱动某些东西。而这正是 AI 将发挥至关重要且不断扩大的作用的地方。
当然，机器学习可以在梳理海量大数据以识别重要模式并为业务转型挑选有价值的见解方面发挥重要作用。但这只是故事的一部分。真正的价值来自于使用 AI 来利用这些洞察力来真正让事情发生——自主地，可能是实时的。
这可能意味着生产线计划会因资源可用性的变化而自动修改——并在整个供应链中管理该变化以避免中断或冲突。随着全球供应链变得越来越复杂，这种人工智能驱动的智能将在帮助企业在“按需/及时”经济中有效竞争方面发挥关键作用。
另见：在人工智能驱动的世界中，未来的潜在工作是什么？
Big v. Little AI
听起来雄心勃勃？让我们把它带回地球。我认为实际上有“大人工智能”和“小人工智能”。大人工智能正在使用人工智能和大量数据（通常在云中）来大规模解决跨多个业务线的真正复杂的问题。这就是像通用电气这样的全球巨头正在做的事情。 Little AI 专注于解决“微观问题”——比如弄清楚如何优化单条生产线，同时最大限度地减少人机交互的需求。在接近自动化的操作系统的前提下，小 AI 可能会得到更好的处理。考虑对驱动智能自动化的高可用性系统进行实时、基于边缘的分析。
当然，有效使用 AI 的第一步是让您的基础设施跟上速度。这通常意味着升级您的网络以允许信息流和系统在边缘处理事物。只有这样，部署传感器来收集数据和分析以理解这一切才有意义。最后，这种进展可能会导致聘请数据科学家来优化您的环境，以充分利用 AI 的优势。
许多工业企业才刚刚开始这一进程。但考虑到能源、运输、制造和电信等各行各业的数字化转型步伐，在您的业务环境中考虑人工智能（即使只是一点点）也很有意义。
物联网技术