制造业的新旧世界:AI、设计与创新
本专栏初衷是探讨近期热议的短语——人工智能(AI)。无论何种衡量标准,AI关注度呈指数级扩张,无论是相关文章数量,还是据Google Trends显示的搜索量。
AI还有其他形式,如设计形状优化、生成式设计、预测分析等,可能让智能工作者感到威胁。一些专家称人工智能可能取代我们所有人。
我不这么认为。我认为它将极大辅助我们,增强而非取代我们。
要理解原因,请考虑:人们所谓的AI本质上就是数学。没错,就是数字结合惊人复杂的函数和计算。我在这方面有经验。早年职业生涯曾编程简单神经网络,这是当今许多AI形式的基础之一。我是为更好理解如何在图像分析中使用AI,结果有几个认知。
第一,利用海量数据复制“人类”行为的AI形式,本质是统计建模和回归分析——虽是极端形式。训练算法需要海量数据。优化或生成式设计同理,用不同数学。AI只是以更易用形式包装的高度复杂数学。
第二个认知是20年前得到一个还行答案要等多久。这与今天强大算力轻松解决难得多问题形成鲜明对比。廉价无处不在的传感器提供海量数据集。你不必像我那样编程AI功能。可购买/租用模型,如“深度神经网络”。IBM Watson和MathWorks神经网络工具箱只是两例。你提供数据,获得独特AI方案。今天,AI让车间机器人更通用,帮助工程师通过优化设计零件。
但数学、传感器、数据仍是工具,由工程师和工人的意愿塑造。它们可能在单个任务上超越人类,但执行哪些任务、为何执行永远属于人类范畴。人工智能缺乏目的性。那永远是我们的工作。
并非总是正确工具
最后,AI等各种花哨数学并非总是正确工具。这引出本专栏标题的“旧”部分。研究本月ME光学比较仪文章时这点触动我,光学比较仪是源于1920年代的计量技术。虽今多数型号更新了基础数字电子,但核心理念未变——在大屏幕放大零件投影,让人工测量。制造业到处可见这些机器,数字化改进程度不一,最高至机器视觉。一位消息源称其公司服务最近翻新了一台50年机龄的型号。
这种AI等未来技术与可靠老技术共存,是制造工程持续现实。部分可能是工程师不愿完全拥抱新技术的简单抗拒。同一消息源说,他有时需强调光学比较仪也有更新技术可用。尽管如此,光学比较仪、千分尺、卡尺及使用它们的人,不太可能被任何更花哨的东西完全取代。
自动化控制系统
- COVID-19如何重塑工作与自动化未来——新研究洞察
- 专家洞见:数字时代废物管理的未来重塑
- Carbon与Ford携手推进创新聚合物零部件数字化制造
- MAPI基金会研究揭示美国制造业25年产率增长关键驱动因素
- 利用数据与AI转型制造业:攻克行业挑战
- 智能技术驱动工业变革:数字孪生与灯塔工厂引领未来制造
- 英国制造业适应后疫情新常态:柔性生产、智能授权与远程运营
- TIBCO探索异常经济下的制造创新:从数字孪生到AI驱动的异常检测
- 斯道拉恩索以智能自动化与5G重塑制造:从预测走向处方分析
- 自动化如何在COVID-19中加速制造业韧性
- 自动化如何塑造数字制造未来
- 全球制造强国版图演变:2020年顶级制造之都预测与趋势