ComputerWeekly管理編輯Cliff Saran日前撰文認(rèn)為，隨著制造商開發(fā)智能工廠、數(shù)字雙胞胎和部署機(jī)器學(xué)習(xí)，人工智能（AI）將為工業(yè)4.0的下一階段提供動(dòng)力。

Gartner預(yù)測(cè)人工智能增長(zhǎng)正在加速。“四年前，人工智能實(shí)施很少見 - 只有10％的受訪者表示他們的組織已經(jīng)部署了人工智能，或者很快就會(huì)這樣做，”Gartner杰出研究副總裁克里斯霍華德說。“到2019年，這一數(shù)字已躍升至37％ - 四年內(nèi)增長(zhǎng)270％。”

“如果你是一名CIO而你的組織沒有使用人工智能，那么競(jìng)爭(zhēng)對(duì)手的機(jī)會(huì)很高。”

在達(dá)沃斯世界經(jīng)濟(jì)論壇（WEF）期間討論的熱門話題之一是人工智能，特別是工業(yè)人工智能，用于提高可靠性和增強(qiáng)新業(yè)務(wù)模式的能力。

在世界經(jīng)濟(jì)論壇開始時(shí)發(fā)表的一篇文章中，西門子首席技術(shù)官Roland Busch寫道：“數(shù)字時(shí)代成功的關(guān)鍵是速度和規(guī)模。如果說有一個(gè)領(lǐng)域人工智能已經(jīng)遠(yuǎn)遠(yuǎn)領(lǐng)先于人類，這個(gè)就是處理模型數(shù)據(jù)、發(fā)現(xiàn)和排除錯(cuò)誤的速度。簡(jiǎn)而言之，人工智能有可能幫助我們避免錯(cuò)誤并克服巧合。”

西門子一直是工業(yè)4.0的先驅(qū)，在工業(yè)4.0中，自動(dòng)化正用于運(yùn)行智能工廠。Busch認(rèn)為工業(yè)AI將是傳統(tǒng)制造業(yè)重塑的下一階段。

“通過工業(yè)4.0，我們成功地開始了數(shù)字化轉(zhuǎn)型，”他在文章中說。“通過工業(yè)AI，我們現(xiàn)在可以把它提升到一個(gè)全新的水平。我們可以超越錯(cuò)誤和巧合。我們可以推動(dòng)創(chuàng)新。我們可以提高效率和生產(chǎn)力。我們可以塑造技術(shù)和社會(huì)進(jìn)步。“

監(jiān)督機(jī)器學(xué)習(xí)的挑戰(zhàn)

飛機(jī)裝配的過程復(fù)雜，其中扭矩扳手和鉚接工具需要以高度受控的方式在特定設(shè)置下使用以將面板附接到諸如空中客車A320的飛機(jī)，可被認(rèn)為是機(jī)器學(xué)習(xí)的良好候選者。

但空中客車機(jī)電一體化和機(jī)器人技術(shù)領(lǐng)導(dǎo)者SébastienBoria表示：“為了獲得高效的機(jī)器學(xué)習(xí)，您需要有監(jiān)督的系統(tǒng) 來收集大量數(shù)據(jù)。”

在機(jī)器學(xué)習(xí)系統(tǒng)用于觀察人類操作員如何執(zhí)行特定手動(dòng)功能，以了解如何自動(dòng)執(zhí)行作業(yè)或計(jì)算如何更有效地執(zhí)行作業(yè)時(shí)，這一點(diǎn)最為明顯。

對(duì)于Boria來說，挑戰(zhàn)在于AI算法只能學(xué)習(xí)人類操作員的工作方式。“監(jiān)督機(jī)器學(xué)習(xí)的主要問題是，在某些時(shí)候，如果你把結(jié)果建立在不是最佳表現(xiàn)者的人身上，你最終會(huì)得到平均的結(jié)果，”他說。

一個(gè)人工智能系統(tǒng)可以對(duì)所有在這個(gè)特定手動(dòng)過程中工作的人做同樣工作的樣本進(jìn)行抽樣，很可能得出一個(gè)平均答案，但對(duì)于Boria來說，平均值并不一定能轉(zhuǎn)化為實(shí)現(xiàn)相同目標(biāo)的最佳方法。

“技術(shù)不是民主，”他說。“僅僅因?yàn)?0％的人做了某些事情，并沒有使其成為正確的解決方案。”更糟糕的是，他表示，表現(xiàn)最佳者的結(jié)果“可能被機(jī)器視為異常”。

在更精細(xì)的層面上，需要測(cè)量的每個(gè)數(shù)據(jù)點(diǎn)或參數(shù)都需要傳感器。“你需要將物理世界與數(shù)字世界聯(lián)系起來，”Boria說，“沒有數(shù)據(jù)，你就無能為力。這意味著你需要傳感器和電子設(shè)備來捕獲數(shù)據(jù)。”

但根據(jù)Boria的說法，根本無法管理飛機(jī)制造過程中可以收集的所有可能參數(shù)。某些類型的傳感器太昂貴或在大規(guī)模部署時(shí)效果不佳。

可穿戴設(shè)備不具有成本效益

例如，一些數(shù)據(jù)的收集，例如使用智能眼鏡來看待正在進(jìn)行的工作，根本不切實(shí)際，Boria說。“可穿戴設(shè)備不是具有成本效益的小工具，”他說。“我們正在尋找能夠提供正確用戶體驗(yàn)的產(chǎn)品。看了市場(chǎng)上的所有眼鏡，我認(rèn)為人們不想在他們的眼鏡上佩戴這些系統(tǒng)進(jìn)行8小時(shí)的輪班。”

以色列人工智能創(chuàng)業(yè)公司Precognize的首席執(zhí)行官兼聯(lián)合創(chuàng)始人陳林切夫斯基參加了一場(chǎng)關(guān)于人工智能影響的世界經(jīng)濟(jì)論壇小組討論會(huì)。他說：“為了保持競(jìng)爭(zhēng)力，公司需要采取預(yù)測(cè)方法來提高質(zhì)量，改善運(yùn)營(yíng)、效率和環(huán)境限制。最大化對(duì)基于人工智能和人類智能的技術(shù)的投資至關(guān)重要。從長(zhǎng)遠(yuǎn)來看，部署生產(chǎn)預(yù)測(cè)和處理問題的軟件成本更低。“

Precognize結(jié)合了人類知識(shí)和機(jī)器學(xué)習(xí)，創(chuàng)造了聲稱更自然的結(jié)果。

看看受監(jiān)督的機(jī)器學(xué)習(xí)，Linchevski說：“你不能得到不準(zhǔn)確的結(jié)果。你需要查看數(shù)據(jù)背后的其他層，經(jīng)驗(yàn)豐富的操作員可以根據(jù)他們的知識(shí)來實(shí)現(xiàn)這一點(diǎn)。”

當(dāng)被問及Boria的前提是機(jī)器平均了解它所學(xué)到的東西，而不是確定最佳實(shí)踐時(shí)，Linchevski描述了機(jī)器如何看待生產(chǎn)輸出以識(shí)別黃金批次的想法。“如果你有一個(gè)黃金批次并且你有上下文，你可以采取最好的生產(chǎn)時(shí)間，并從一年的歷史中學(xué)習(xí)，以了解有些東西在偏離，”他說。“機(jī)器學(xué)習(xí)將知道‘生產(chǎn)運(yùn)行’不是一個(gè)黃金批次。”

專有工業(yè)4.0

人們可以看出，機(jī)器學(xué)習(xí)行業(yè)的努力似乎正在創(chuàng)建一個(gè)專有的工業(yè)4.0，公司在他們自己獨(dú)特的數(shù)字雙模擬軟件上工作，并收集他們自己的傳感器數(shù)據(jù)來提供他們的機(jī)器學(xué)習(xí)算法。

可以說，這種方法不具備可擴(kuò)展性，當(dāng)然也不是打包軟件行業(yè)為支持常見業(yè)務(wù)流程而發(fā)展的方式。一些行業(yè)專家認(rèn)為，每臺(tái)機(jī)器都是不同的，這意味著每臺(tái)機(jī)器都會(huì)生成自己的一組數(shù)據(jù)，以滿足自己的數(shù)字雙胞胎。

在日內(nèi)瓦HPE新的物聯(lián)網(wǎng)創(chuàng)新實(shí)驗(yàn)室開幕之前，惠普企業(yè)（HPE）混合IT總裁Phil Davis表示：“我認(rèn)為客戶的部分問題是他們收集的數(shù)據(jù)量。如果您碰巧出售存儲(chǔ)設(shè)備，那么永遠(yuǎn)不要丟棄任何數(shù)據(jù)。“戴維斯說，客戶面臨的挑戰(zhàn)是知道在數(shù)據(jù)中尋找什么。”

HPE副總裁兼總經(jīng)理Tom Bradicich表示：“人們很害怕，因?yàn)橛刑嗟臄?shù)據(jù)。我們不確定數(shù)據(jù)共享的道德和法律含義，我認(rèn)為這是數(shù)據(jù)共享的強(qiáng)大抑制因素。”

雖然業(yè)務(wù)負(fù)責(zé)人和世界領(lǐng)導(dǎo)人聚集在達(dá)沃斯聽取工業(yè)4.0的發(fā)展，但這些示例似乎是針對(duì)特定公司的，并且很難看出工業(yè)4.0如何擴(kuò)展，除非行業(yè)采用通用的互操作性方法并開始共享數(shù)據(jù)。