21 世紀初，當技術(shù)世界還并無“維護”二字時，發(fā)動機、電梯等設(shè)備故障維修解決的是后果，而維護則是“事前諸葛”。有了預測，就可預防，維護優(yōu)化工作才可真正實現(xiàn)提質(zhì)增效降本減存?！爸钡?2000 年，我發(fā)現(xiàn)有些事情不是那么正確了，因為很多數(shù)據(jù)沒有被高效地利用?！崩罱芙淌谠诓稍L中說道。

為此，先后在美國自然科學基金會（NSF）、美國聯(lián)合技術(shù)公司（UTRC）擔任研發(fā)要職的李杰教授在 2000 年做出了一個重要決定——去大學任教并啟動工業(yè)大數(shù)據(jù)的研發(fā)。在當時，這還是一個從未被挖掘過的領(lǐng)域。

那么，工業(yè)人工智能如何提升產(chǎn)業(yè)競爭力？ 人工智能會造成大量失業(yè)嗎？工業(yè)大數(shù)據(jù)和我們?nèi)粘３Ｕf的互聯(lián)網(wǎng)大數(shù)據(jù)究竟有什么關(guān)系？帶著這些問題，小編此次采訪到了身處工業(yè)自動化與機器人領(lǐng)域近 40 余年的科學家——李杰教授，這位為“工業(yè)大數(shù)據(jù)”命名的科學家將向你講述關(guān)于人工智能、工業(yè)大數(shù)據(jù)領(lǐng)域的那些事。

挖掘工業(yè)大數(shù)據(jù)的價值痛點

20 世紀 80 年代初，當美國汽車產(chǎn)業(yè)開始逐漸意識到與日本產(chǎn)業(yè)之間的競爭時，自動化、機器人視覺等技術(shù)相繼獲得重視，美國品質(zhì)革命就此開始。在此期間，李杰教授先后在美國自然科學基金會（NSF）、美國聯(lián)合技術(shù)公司（UTRC）擔任研發(fā)要職，主持研發(fā)了普惠發(fā)動機、奧迪斯電梯等新一代產(chǎn)品和項目，并資助了包括增材制造（3D 打?。┡c納米制造等多個項目。

眾所周知，大數(shù)據(jù)的來源之廣、歷史背景之深共同組成了“大”的特性。但相比于互聯(lián)網(wǎng)大數(shù)據(jù)，工業(yè)大數(shù)據(jù)來源于供應鏈和制造流程等眾多環(huán)節(jié)，其特性更聚焦在問題點，而不是需要點。

“互聯(lián)網(wǎng)大數(shù)據(jù)是從數(shù)據(jù)中找尋還未產(chǎn)生價值的東西，工業(yè)大數(shù)據(jù)則是從痛點中尋找怎么避免讓你‘痛’的東西?！崩罱芙淌诮忉尩?，工業(yè)大數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)最大的區(qū)別在于工業(yè)大數(shù)據(jù)有非常強的目的性，而互聯(lián)網(wǎng)大數(shù)據(jù)更多的是一種關(guān)聯(lián)的挖掘，是更加發(fā)散的一種分析。

換句話說，相比于互聯(lián)網(wǎng)大數(shù)據(jù)通常并不要求有多么精準的結(jié)果推送，工業(yè)大數(shù)據(jù)對預測和分析結(jié)果的容錯率遠遠比互聯(lián)網(wǎng)大數(shù)據(jù)低的多?；ヂ?lián)網(wǎng)大數(shù)據(jù)在進行預測和決策時，僅僅考慮的是兩個屬性之間的關(guān)聯(lián)是否具有統(tǒng)計顯著性，其中的噪聲和個體之間的差異在樣本量足夠大時都可以被忽略，這樣給出的預測結(jié)果的準確性就會大打折扣。但是在工業(yè)環(huán)境中，如果僅僅通過統(tǒng)計的顯著性給出分析結(jié)果，哪怕僅僅一次的失誤都可能造成嚴重的后果。

李杰教授曾提出一個“煎蛋模型”，來闡述產(chǎn)品與服務價值之間的關(guān)系。蛋黃代表的是產(chǎn)品自身，其差異性程度并不明顯，例如一臺電視機在擋住了 Logo 之后就很難被區(qū)分出來是哪家公司生產(chǎn)的。而蛋白所代表的價值卻是差異化的重要體現(xiàn)，也是企業(yè)的品牌和可持續(xù)性價值的所在。而數(shù)據(jù)將成為挖掘這些價值的重要手段，其主要體現(xiàn)在：

1、利用數(shù)據(jù)挖掘在使用中獲得新的知識和技術(shù)對現(xiàn)有產(chǎn)品進行改進；

2、利用數(shù)據(jù)去發(fā)現(xiàn)和定義用戶未知的需求；

3、以數(shù)據(jù)為媒介向用戶提供增值服務。

經(jīng)驗可以傳承，但無法長久傳承，但具有邏輯性的數(shù)據(jù)可以傳承。煎蛋模型，就是從大問題導向到大價值導向。蛋黃是大問題，蛋白是大價值。數(shù)據(jù)是從大問題開始，但它絕對不是目的，必須要做到大價值并發(fā)揮最好的作用。

就在不久前，由工業(yè)和信息化部指導，中國信息通信研究院、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟主辦的第二屆工業(yè)大數(shù)據(jù)創(chuàng)新競賽決賽答辯正式落下帷幕 [注]。作為競賽連續(xù)兩年評審團的專家，李杰教授在倍感欣慰的同時也深有感觸。高校參賽者的基礎(chǔ)算法能力雖不容小覷，但是由于沒有基礎(chǔ)數(shù)據(jù)，項目構(gòu)建過程中仍有很多問題。對此，李杰教授總結(jié)道，若要真正實現(xiàn)智能制造，我國仍需要一批工業(yè)大數(shù)據(jù)的年輕生力軍，下到工廠，讓算法的能力補償有經(jīng)驗的專家，相互結(jié)合補充，共同助力工業(yè)智造高質(zhì)量發(fā)展。

工業(yè)智造關(guān)鍵要素 ABCDE

傳統(tǒng)人工智能概念始于上世紀 50 年代。半個多世紀以來，人類利用自然語言、神經(jīng)辨識、神經(jīng)網(wǎng)絡或形象辨識等方法，讓機器學習規(guī)律，進而提供廣泛維度解決方案。相較于前者，工業(yè)人工智能隸屬垂直領(lǐng)域，其屬性聚焦于工業(yè)制造系統(tǒng)，涉及汽車、飛機、輪船等移動工具的安全性、節(jié)能性、耗油性，工業(yè)制造機器人的穩(wěn)定性、精密性、風力發(fā)電的效益性、節(jié)能性等相關(guān)課題。

李杰教授在談到工業(yè)人工智能的關(guān)鍵要素時說道，工業(yè)人工智能可以用“abcde”的特征進行分類，這些關(guān)鍵要素包含分析技術(shù) （Analytics Technology），大數(shù)據(jù)技術(shù) （Big Data Technology），云或網(wǎng)絡技術(shù) （Cloud or Cyber Technology），專業(yè)領(lǐng)域知識 （Domain Knowledge），證據(jù) （Evidence）。

分析（A）是 AI 的核心，它只有在其他要素都存在時才能產(chǎn)生價值。大數(shù)據(jù)（B）與云（C）是提供數(shù)據(jù)來源和工業(yè)人工智能平臺必不可少的兩個要素。然而，專業(yè)領(lǐng)域知識（D）和證據(jù)（E）也是常常被忽略的兩個重要因子。專業(yè)領(lǐng)域知識（D）是下列事項的關(guān)鍵要素：

1、了解問題并專注于利用工業(yè)人工智能去解決它；

2、理解系統(tǒng)以便于收集正確且高質(zhì)量的數(shù)據(jù)；

3、了解參數(shù)的物理含義以及它們?nèi)绾闻c系統(tǒng)或流程的物理特性相關(guān)聯(lián)；

4、了解這些參數(shù)因機器而異。

證據(jù)（E）也是驗證工業(yè)人工智能模型以及它們與累積學習能力相結(jié)合的重要要素。收集數(shù)據(jù)形態(tài)模式及與它相關(guān)聯(lián)的證據(jù)，我們才能改進 AI 模型使之更加準確全面并且與時俱進。這也是當代人工智能、工業(yè)大數(shù)據(jù)領(lǐng)域從業(yè)者需要具備五個重要資質(zhì)。

現(xiàn)如今，人工智能時代已悄然來臨，機遇就在前方，發(fā)展就在腳下。但自 AI 熱潮掀起以來，業(yè)界對于人工智能取代人類工作的討論就沒有停止過。對此，李杰教授表示人工智能并不是取代人，而是在做人類做的不好，或者人類不想做的事情。

早在上個世紀 80 年代的美國，人工智能就已應用在一些簡單的控制領(lǐng)域，包括機器人，機器視覺，形象識別等技術(shù)。而機器人智能化并不是要取代人們工作，而是幫助人找到一個更高效、更靈活、更健康的環(huán)境。當業(yè)務的空間維度高，復雜性高，不確定性高的時候，人工智能就可發(fā)揮自身優(yōu)勢，協(xié)助人類進行工作。

[注]：2019 年 1 月 13 日，由工業(yè)和信息化部指導，中國信息通信研究院聯(lián)合工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟、華為、富士康、積微物聯(lián)共同主辦的第二屆“中國工業(yè)大數(shù)據(jù)創(chuàng)新競賽”決賽答辯會議在中國信息通信研究院隆重舉行。

競賽自 2018 年 11 月啟動以來，吸引了來自海內(nèi)外近 3000 名參賽選手。兩道競賽題目分別為“鋼卷倉儲吞吐量預測”和“刀具剩余壽命預測”，由清華大學軟件學院王建民院長和美國智能維護系統(tǒng)（IMS）中心主任、富士康工業(yè)互聯(lián)網(wǎng)副董事長李杰教授分別擔任專家組組長。聯(lián)合主辦方華為公司也為競賽提供了云計算資源和華為云 EI 機器學習服務的支持，富士康和積微物聯(lián)分別提供了真實數(shù)據(jù)資源和應用場景。同時，競賽也得到了北京工業(yè)大數(shù)據(jù)創(chuàng)新中心、昆侖數(shù)據(jù)、天澤智云、美國國家儀器、ABB、蒂森克虜伯等國內(nèi)外企業(yè)和研究機構(gòu)的大力支持。

來源：網(wǎng)絡