对人工智能的真实思考
我的直觉告诉我，我们需要对在制造业中使用人工智能 (AI) 有一种紧迫感。
紧迫性取决于当今技术的发展速度，以及意想不到的突破如何迅速占据主导地位。人工智能用于面部识别、将语音转换为书面文字以及赢得国际象棋比赛。当然，在制造业中肯定有大量的潜在应用。
虽然我之前写过，我认为 AI 的“智能”的现实是复杂的数学，但当我向真正的专家提出这个观点时，我得到了一个更开明的愿景。在他看来，我们必须从更广泛的角度来考虑人工智能。 “公平地说它是数学，但很容易对数学过于执着，因为它实际上更多的是关于数据，”位于 New 的人工智能咨询和战略公司 Foxy Machine 的创始人 Oliver Christy 解释道。约克城。 “人工智能让我们可以在任何情况下使用数据提出新问题。”
但是，即使将自己限制在数据和数学上也是有限的。根据 Christy 的说法，第三个考虑因素必须是业务问题——您正在考虑的情况是什么以及可用的工具是什么。 “你需要从所有三种方法中查看任何给定的问题，”他解释道。 “数学、数据和问题本身。这种整体观点 [可以] 为您提供强大的解决方案。”
他还认为，人工智能应用的制造已经成熟。 “人工智能最简单的一些问题是解决安全和制造风险，”他说。 “我们现在拥有人工智能系统，可以大规模地了解可能存在的风险以及如何提高安全性。”在质量控制中使用图像识别技术是另一个轻松的胜利。 Christy 最近开发的一个应用程序训练了一个人工智能系统，以识别热处理后的钢材质量，并标记可能值得关注的样品。然后由人类对样本进行更详细的检查。
他强调了如何最好地使用人工智能的一个关键点——增强而不是取代质量控制人员。使用数字图像，人工智能系统可以在不疲劳的情况下查看和标记比人类更多的样本。但在钢材质量案例中，它无法提供确保其好坏所需的最终人情味。他讲述了用于发现皮肤癌的类似系统如何比训练有素的肿瘤学家表现更好，但人工智能系统与肿瘤学家相结合的表现甚至比单独使用任何一个都好。 “在制造中应该使用完全相同的方法，机器系统和人类可以携手合作，”他说。
算力拐点
回到我的紧迫感。今天的大部分人工智能技术并不新鲜。使用计算机来模仿人类能力而不仅仅是计算机的概念与计算机本身一样早已经存在。但计算能力和数据的拐点正使它变得迫切相关。 “当我 20 年前开始工作时，计算能力和数据的成本限制了 [可能的] 应用程序，”克里斯蒂说。 “现在我们拥有大量混合数据和非常便宜的计算。我可以使用价值数百万美元的计算机，直接使用 IBM 的 Watson 等几乎没有成本的技术。” Christy 说，为此添加开源 AI 软件，例如 Google 的 TensorFlow，它实际上是免费使用的，我们拥有“构建和使用 AI 所需的所有组件的完美风暴”。
他认为，人工智能很容易成为下一个竞争优势。但是，这可能令人生畏。他的建议？从小处着手。建立一个小型团队，开始围绕试点业务问题收集数据，并了解最佳方法如何解决制造问题。 “但是从今天开始，”他说。
自动化控制系统