人工智能在制造业中的真实影响
直觉告诉我，我们需对制造业使用人工智能（AI）保持紧迫感。
紧迫感源于技术演进之快，及意外突破可能迅速称霸。AI 用于人脸识别、语音转文字、赢棋局。制造业必有大量潜在应用。
虽我曾写过认为 AI 的“智能”本质是复杂数学，但向真正专家抛出该观点后，我得到了更开阔视野。他认为必须用更宽泛术语思考 AI。“说它是数学公平，但易过度纠结数学，因为它其实更关于数据，”Foxy Machine 创始人、纽约 AI 咨询策略公司 Oliver Christy 解释。“AI 让我们在任何情境用数据问新问题。”
但即便局限于数据与数学，也嫌局限。第三考量必须是业务问题——你考虑什么情境、有何工具可用。Christy 说：“需从数学、数据、问题本身三维审视任何给定问题。全局观能给出稳健解。”
他也认为制造业成熟可用 AI。“AI 最容易解决的问题是安全与制造风险，”他说。“现有 AI 系统能大规模理解潜在风险并改善安全。”用图像识别技术做质量控制是另一易赢应用。Christy 近期参与项目训练 AI 系统识别热处理后钢材质量，标记可疑样本再由人工详检。
他强调 AI 最佳用法关键点——增强而非取代质检工人。用数字图像，AI 系统能无疲劳地查看标记远超人类的样本量。但钢材质量案中，它无法提供确保合格所需的最终人工判断。他讲述类似系统找皮肤癌表现优于训练有素肿瘤科医生，但 AI 系统与医生结合比单独任何一方更好。“制造业应用完全相同方法，机器系统与人类携手并进，”他说。
算力拐点
回到紧迫感。今日大多 AI 技术不新。用计算机模仿人类能力而非仅作计算机的概念与计算机同龄。但算力与数据的拐点让它紧迫相关。“20 年前起步时，算力与数据成本限制应用，”Christy 说。“今海量混合数据与极廉算力。我能直用百万美元级计算机、近零成本直达 IBM Watson 等技术。”加上 Google TensorFlow 等开源 AI 软件实质免费，形成“构建与使用 AI 所需所有组件的完美风暴，”Christy 说。
他信 AI 易成下一竞争优势。但可能令人望而生畏。建议？从小处着手。组小团队，围绕试点业务问题收集数据，学习最佳方法解决制造问题。“但要从今天开始，”他说。
自动化控制系统