江苏龙网

  1. 首页 > 资讯 > 科技 > >

雷锋网群雄盘踞、细分场景众多......工业AI发展得如何？( 三 )


除了计算机视觉 ， 人工智能在工业领域的应用还包括数据智能、决策方面的一些应用 。 明略科技依托他们的数据中台和知识图谱 ， 探索异地专家如何将经验进行积累和沉淀 。
比如明略科技为某家轴承生产厂商构建了产品的知识图谱以及智能问答与选型的系统 ， 用来解决用户对轴承以及相关产品信息的咨询查找对比和推荐的问题 ， 相比于传统的基于人工的客户服务 ， 这一套智能问答系统能够取代人工回答60%-80%重复的、常见的问题 。
雷锋网了解到 ， 不管是液晶面板的缺电检测 ， 还是用户对轴承以及相关产品信息的咨询查找对比和推荐 ， 目前AI主要用在工业领域的应用数据的可视化分析、预测性维护等 ， 另外还可用于自动分析设备故障情况等 ， 向着更多细分的工业场景进行渗透 。
然而 ， 当每一位创业者、变革者拿起AI的工具叩响工业之门时 ， 扑面而来的不仅有工业机理、工业模型的屏障 ， 还有数据和专业知识缺乏带来的一些挑战 。
需要突破的障碍
尽管我们知道AI在工业领域有众多场景和可能性 ， 但是 ， 要达到产业级应用 ， 我们还必须对它有更为清晰的认识 ， 知道工业AI存在哪些问题 。
英特尔中国区物联网事业部首席工程师及首席技术官张宇博士表示：
“人工智能这个词最早是1956年在达特茅斯会议上出现 ， 其发展可以说是起起伏伏 。 如果和上世纪90年代——上一次的人工智能高潮相比 ， 除了算力和数据 ， 我们在某些领域的进步并没有那么明显 。 ”
“算力方面 ， 英特尔一直在摩尔定律的推动下 ， 带领整个半导体行业前进 ， 其算力不断地进行更新 。 比如超算领域定期颁布的世界500强的超级计算机的榜单 ， 这个榜单第一次发布在1994年 ， 当时榜单上排名首位的超级计算机浮点运算能力每秒钟峰值1300亿次 ， 而去年年底的榜单排名首位的超级计算机浮点运算能力每秒钟峰值21亿次 。 算力的提升 ， 对于运行一些比较复杂的算法是很有帮助的 。 以前一些网络可能相对比较简单 ， 层次比较浅 ， 现在可以用我们的算力运行比较复杂的网络模型得到更好的结果 ， 或者我们可以在消耗网络模型下 ， 在更短的时间里得到结果 ， 实现更快的迭代 ， 算力确实极大的推动了人工智能的发展 。 ”
“另一个推动因素是数据方面 ， 还是以ImageNet为例 ， ImageNet里已经包含了超过1400万张经过标注的图片 ， 所以有了这么多大量的图片 ， 就可以训练网络 ， 得到一个可以运行的比较理想的结果 。 在数据增长的背后 ， 实际上它的基础是我们在存储领域以及通信领域技术的提升 。 以存储领域为例 ， 可以看到上世纪90年代 ， 那时候移动存储的介质是用磁盘 ， 一个磁盘的容量不过几个M ， 而现在用U盘 ， 随便一个U盘就是几个T的容量 。 也就是说 ， 我们的存储技术拥有了百万倍的提升 ， 这些提升都推动了人工智能的发展 。 ”
4月23日 ， 在工业互联网产业联盟（AII）发布的《工业智能白皮书》中提到 ， 当前工业智能的应用以点状场景居多、普及范围有限、还存在许多问题尚无法解决 ， 仍处在发展的初级阶段 。 工业智能应用面临的四大问题分别是：
实时性问题 。 现有通用计算架构与芯片尚无法满足工业实时性所带来的计算要求 ， 端侧推理需求迫切 。
可靠性问题 。 电商平台的推荐系统达到 60%-70% 的准确率已经算是比较高的精准度 ， 而部分工业领域、部分工业核心环节对推荐参数的准确性要求是 100% ， 一旦参数出现任何问题 ， 将对生产、制造等环节 ， 甚至生命财产安全产生巨大影响 。
可解释性问题 。 在冶炼、核电等工业领域核心环节所面临的问题如果期望 通过数据技术解决 ， 则此类问题的解决必须建立在可靠的工程 / 科学突破上 ， 即需要能够明确 解释其背后机理 。
适应性问题 。 通常包括模型间交互、软硬件适配与算法的数据、任务适配三类问题 。


推荐阅读


上一篇：数码狂人大学应该先买平板，还是笔记本电脑？

下一篇：华为手机520送什么礼物比较适合？推荐网友心中520礼物排行榜，盘它