雖然人工智能已經(jīng)火得一塌糊涂,但在過(guò)去的一段時(shí)間內(nèi),它與工業(yè)物聯(lián)網(wǎng)(IIoT)結(jié)合的重要性卻仍未能得到應(yīng)有的重視。
甚至,人工智能、區(qū)塊鏈這樣一些概念和技術(shù)在風(fēng)頭上也已經(jīng)蓋過(guò)了物聯(lián)網(wǎng)。
對(duì)此,近來(lái)逐漸有專家開(kāi)始提出,如果沒(méi)有IIoT作為根基,人工智能將缺少非常重要的立足之地。他們表示,人工智能的應(yīng)用需要大量的數(shù)據(jù),而僅依靠機(jī)器學(xué)習(xí)和人工智能本身的技術(shù),要想充分挖掘數(shù)據(jù)的價(jià)值是非常難的。
在消費(fèi)品領(lǐng)域,物聯(lián)網(wǎng)常常被定義為智能音箱或者智能冰箱等實(shí)際產(chǎn)品。但著眼于工業(yè),物聯(lián)網(wǎng)的工業(yè)化應(yīng)用顯然要比消費(fèi)級(jí)更具規(guī)模也更為復(fù)雜。
通過(guò)將聯(lián)網(wǎng)傳感器技術(shù)整合至工業(yè)流程中,工業(yè)物聯(lián)網(wǎng)能夠收集生產(chǎn)線和供應(yīng)鏈中實(shí)時(shí)產(chǎn)生的數(shù)據(jù),再結(jié)合人工智能進(jìn)行數(shù)據(jù)分析和決策,這將在工業(yè)領(lǐng)域帶來(lái)巨大影響。
據(jù)統(tǒng)計(jì),到2021年全球物聯(lián)網(wǎng)設(shè)備所將創(chuàng)造的數(shù)據(jù)總量將達(dá)到每年847 ZB,這遠(yuǎn)高于2016年全年產(chǎn)生的數(shù)據(jù)量(218 ZB)。普華永道數(shù)字化供應(yīng)鏈戰(zhàn)略負(fù)責(zé)人Jens Wunderlin表示:“物聯(lián)網(wǎng)最基本的特點(diǎn)在于提供一種連接技術(shù),確保我們能夠從任何對(duì)象當(dāng)中實(shí)時(shí)獲取特定數(shù)據(jù)。但接下來(lái)的問(wèn)題是——我們?cè)撊绾翁幚磉@些數(shù)據(jù),以及如何在業(yè)務(wù)場(chǎng)景中落地,從而推動(dòng)企業(yè)自身的運(yùn)營(yíng)。”
▲普華永道數(shù)字化供應(yīng)鏈戰(zhàn)略負(fù)責(zé)人Jens Wunderlin
而解決辦法就是,將人工智能技術(shù)引入工業(yè),由它來(lái)處理工業(yè)物聯(lián)網(wǎng)生成的大量數(shù)據(jù)。
Wunderlin介紹,這樣的案例已經(jīng)“無(wú)處不在”。在工業(yè)設(shè)計(jì)流程當(dāng)中,由機(jī)器學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)能力,將推動(dòng)工業(yè)自動(dòng)化的發(fā)展,同時(shí)在很大程度上降低成本。舉例來(lái)說(shuō),通過(guò)人工智能與智能傳感器的結(jié)合,系統(tǒng)不僅能夠預(yù)測(cè)機(jī)器與設(shè)備何時(shí)何地需要接受高精度維護(hù),同時(shí)還可以根據(jù)實(shí)際生產(chǎn)需求快速響應(yīng),并調(diào)整產(chǎn)量。而隨著設(shè)備停機(jī)時(shí)間的縮短,整個(gè)生產(chǎn)線的流程優(yōu)化效果也將產(chǎn)生巨大的實(shí)際價(jià)值。與此同時(shí),整個(gè)供應(yīng)鏈中的聯(lián)網(wǎng)設(shè)備所產(chǎn)生的實(shí)時(shí)數(shù)據(jù),也將為機(jī)器學(xué)習(xí)與預(yù)測(cè)分析提供大量具有參考價(jià)值的信息。
“當(dāng)企業(yè)能夠?qū)崿F(xiàn)對(duì)整個(gè)全生命生產(chǎn)周期的預(yù)測(cè),就會(huì)發(fā)現(xiàn)其中存在著大量的獲益空間。其中的關(guān)鍵在于確定哪些領(lǐng)域擁有實(shí)際層面的投資意義,以及哪些領(lǐng)域能夠強(qiáng)化自身的差異化優(yōu)勢(shì)。”Wunderlin指出。
無(wú)論企業(yè)已經(jīng)或者計(jì)劃將人工智能與工業(yè)物聯(lián)網(wǎng)技術(shù)引入生產(chǎn)制造中,不可避免的是,在具體的實(shí)踐過(guò)程中,企業(yè)都將面臨一系列挑戰(zhàn),而這些挑戰(zhàn)需要新的領(lǐng)導(dǎo)思維來(lái)克服。
普華永道英國(guó)通用電氣聯(lián)盟負(fù)責(zé)人Martin Musk表示:“目前的主要問(wèn)題在于,企業(yè)的很多舉措都以技術(shù)為主導(dǎo)。然而,多數(shù)擁有大規(guī)模內(nèi)部工程體系與制造專業(yè)知識(shí)的企業(yè),面臨的挑戰(zhàn)實(shí)際上來(lái)自文化層面。”
普華永道英國(guó)通用電氣聯(lián)盟負(fù)責(zé)人Martin Musk
Musk提到,此類企業(yè)在起步階段往往面臨嚴(yán)重的“抵觸情緒”,比如已經(jīng)擁有豐富日常工作經(jīng)驗(yàn)的工程師們并不相信數(shù)據(jù)呈現(xiàn)出的“真相”,因此拒絕根據(jù)數(shù)據(jù)結(jié)果進(jìn)行工作。“因此,我們必須證明人工智能足以幫助最具經(jīng)驗(yàn)的從業(yè)者以新的方式增加價(jià)值,并通過(guò)數(shù)據(jù)來(lái)幫他們分擔(dān)大量工作。”Musk解釋說(shuō)。
通用電氣公司的業(yè)務(wù)涵蓋了公共事業(yè)、電力、石油與天然氣、可再生能源以及工業(yè)領(lǐng)域各類制造、產(chǎn)品與服務(wù)等等,要在這么多的層面推進(jìn)工業(yè)物聯(lián)網(wǎng)應(yīng)用是非常難的。對(duì)此,Musk認(rèn)為,企業(yè)需要將更多的商業(yè)視角與技術(shù)解決方案結(jié)合起來(lái),才能真正實(shí)現(xiàn)預(yù)期的技術(shù)收益。
“從領(lǐng)導(dǎo)者的角度來(lái)看,這要求他們充分了解企業(yè)全面數(shù)字化的發(fā)展前景、了解其中潛在的影響與風(fēng)險(xiǎn),同時(shí)還要據(jù)此考慮組織、人員以及技術(shù)等方面的協(xié)同和調(diào)整。比如說(shuō),他們需要考慮如何以全新的思維方式進(jìn)行組織結(jié)構(gòu)調(diào)整,同時(shí)打破員工對(duì)新技術(shù)所能帶來(lái)的實(shí)際商業(yè)利益的質(zhì)疑。”Musk表示。
當(dāng)然,這一切都要求企業(yè)根據(jù)自己的情況,進(jìn)行一定程度的內(nèi)部調(diào)整。目前,以及在未來(lái)的一段時(shí)間里,技術(shù)與數(shù)據(jù)“文盲”狀況在企業(yè)當(dāng)中仍將持續(xù)存在,而人工智能及技術(shù)解決方案在供應(yīng)和需求之間的錯(cuò)位問(wèn)題也將依舊嚴(yán)峻。
對(duì)此,Wunderlin指出,當(dāng)人們談?wù)摂?shù)據(jù)分析與人工智能時(shí),往往會(huì)將其視為一種能夠“立竿見(jiàn)影”的技術(shù)。他們認(rèn)為,只要擁有一套數(shù)據(jù),再將其交付給機(jī)器,就可以得到完美的解決方案和決策指導(dǎo)。這樣的“美好愿景”也許未來(lái)可能會(huì)實(shí)現(xiàn),但目前的情況還遠(yuǎn)非如此,至少還需要配合專家見(jiàn)解才能得到理想的結(jié)果。
如果一臺(tái)機(jī)器想要執(zhí)行預(yù)測(cè)任務(wù),就需要一個(gè)原因與一項(xiàng)結(jié)果?;氐筋A(yù)測(cè)性維護(hù)的例子,傳感器可能會(huì)檢測(cè)到設(shè)備中存在的一項(xiàng)故障,而我們需要將數(shù)據(jù)進(jìn)行分解并重新傳輸回機(jī)器,以便其通過(guò)分析理解哪個(gè)變量導(dǎo)致了這種即將發(fā)生的問(wèn)題。
Wunderlin解釋稱:“對(duì)于一臺(tái)機(jī)器而言,要真正解決問(wèn)題,其首先需要獲得質(zhì)量極高的數(shù)據(jù)。”
因此,目前企業(yè)需要回答的關(guān)鍵問(wèn)題包括:
Wunderlin總結(jié):“真正的挑戰(zhàn)在于如何將正確的人員與正確的數(shù)據(jù)聯(lián)系起來(lái)。雖然很多企業(yè)在基礎(chǔ)層面已經(jīng)取得了一定成功,但一旦涉及更為復(fù)雜、甚至包含數(shù)以千計(jì)傳感器乃至更多潛在事件的場(chǎng)景,企業(yè)往往很難調(diào)整數(shù)據(jù)并找到其中的正確模式。”
當(dāng)然,技術(shù)確實(shí)是保障任何人工智能或工業(yè)物聯(lián)網(wǎng)項(xiàng)目得以成功落地的主要因素,但總體來(lái)講,企業(yè)所采取的實(shí)際方案才決定著技術(shù)手段的實(shí)際效果。除了擁有世界上最出色的分析軟件,企業(yè)還需具備一支精通數(shù)據(jù)的團(tuán)隊(duì)并愿意為此投入心力,否則有可能讓所有的努力最終一無(wú)所獲。
“大家需要考慮將企業(yè)戰(zhàn)略、人員結(jié)構(gòu)、技術(shù)等不同的部分結(jié)合起來(lái)以實(shí)現(xiàn)數(shù)字化目標(biāo),而非單純認(rèn)定‘采用一些有趣的新技術(shù)即可帶來(lái)價(jià)值’的見(jiàn)解。必須承認(rèn)的是,業(yè)務(wù)主導(dǎo)的人工智能與工業(yè)物聯(lián)網(wǎng)方法將能為每個(gè)人帶來(lái)助益,并幫助企業(yè)更快實(shí)現(xiàn)由技術(shù)創(chuàng)造的實(shí)際價(jià)值,但最根本的決定性因素仍然在于企業(yè)自身及其領(lǐng)導(dǎo)者的戰(zhàn)略思維及執(zhí)行方式。”Musk表示。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。