工业人工智能与40制造，看完这篇文章就明白了
图1工业人工智能与其他学习系统比较示意图
二
工业人工智能的关键要素：ABCDE
工业人工智能可以用ABCDE的特征进行分类，这些关键要素包含分析技术(AnalyticsTechnology)，大数据技术(BigDataTechnology),云或网络技术(CloudorCyberTechnology),专业领域知识(DomainKnowledge),证据(Evidence)。
分析（A）是AI的核心，它只有在其他要素都存在时才能产生价值。大数据（B）与云（C）是提供数据来源和工业人工智能平台必不可少的两个要素，然而，专业领域知识（D）和证据（E）也是常常被忽略的两个重要因子。专业领域知识（D）是下列事项的关键要素：
1）了解问题并专注于利用工业人工智能去解决它；
2）理解系统以便于收集正确且高质量的数据；
3）了解参数的物理含义以及它们如何与系统或流程的物理特性相关联；
4）了解这些参数因机器而异。
证据（E）也是验证工业人工智能模型以及它们与累积学习能力相结合的重要要素。收集数据形态模式及与它相关联的证据，我们才能改进AI模型使之更加准确全面并且与时俱进。图1-b显示AI如何带领我们从可見空间到不可見，从解决问题到避免问题的发生。
三
工业人工智能生态系统
图2显示了建议的工业人工智能生态系统，它定义了发展工业人工智能系统的需求、挑战、技术和方法的有序思维策略。从业者可依照此系统性指南去制定工业人工智能发展与部署的策略。在标的行业中，这个生态系统定义了常见的未满足需求，例如自感知、自比较、自预测、自优化和自适应。这张图表还包括数据技术（DT）、分析技术（AT）、平台技术（PT）和运营技术(OT)等技术。这4项技术在信息物理系统（CPS）【2】的背景下可以更容易的被理解。如图3所示，这4项技术(DT、AT、PT、OT)是成功实现连接、转换、网络、认知和配置(5C)的使能者。下面本论文将简单描述这4项使能技术
图2工业人工智能生态系统
图3实现CPS制造的使能技术
3.1数据技术(DT)
数据技术(DT)是那些能够成功获取在维度上具有显著性能指标的有用数据技术。因此DT通过识别获取有用数据的适当设备和机制成为5C体系"智能连接"步骤的共同促成者。数据技术的另一个方面是数据通信。智能制造领域的通信并不仅仅只是把获取的数据由源头直接传送到分析。它还涉及到1)物理空间中制造资源之间的相互作；2)将计算机和工厂车间的数据传输和存储到云中；3)从物理空间到网络空间的通信；4)从网络空间到物理空间的通信。此外DT还需要考虑数据系统的3B(Broken,Bad,Background)问题也就是数据的分裂性、优劣性和背景的数据【6】。
3.2分析技术(AT)
分析技术将关键组件透过传感器所采集到的数据转换为有用的信息。数据驱动的建模揭示了来自制造系统的隐藏模式及未知的相互关联性并其他有用信息。此信息可用于资产健康状况预测例如健康值或剩余寿命值,可用于机器诊断预测和健康管理。分析技术将此信息与其他技术整合可以提高生产力和创新。
3.3平台技术(PT)
平台技术包括将制造数据存储、分析和反馈的硬件架构。用于分析数据的兼容平台架构是实现敏捷性、复杂事件处理等智能制造特质的主要决定因素。一般来说有独立式、嵌入式和云等三类的平台配置。所以云计算在信息通信技术的计算、储存和服务能力等方面是一项重大优势。云平台可提供快速的服务部署，高度客制化、知识集成、高效的可视化并具有高度可扩展性。
3.4运营技术(OT)
运营技术是指根据由数据中提取的信息所做出的一系列决策和行动。向操作人员提供机器和过程健康信息是有一定价值,但工业4.0工厂将超越这一范畴,使机器能够根据OT所提供的洞察力进行沟通和决策。这种机器与机器之间的协作可以在同一车间的两台机器之间，也可以在两个相隔很远的厂区的机器之间发生。他们可以互相分享经验如何去调整特定参数以达到最优性能,并根据其他机器的可用性调整其排程。在工业4.0工厂中,运营技术是通向自感知、自预测、自配置、自比较等4项能力的最后一步。
四
案例研究：智能主轴系统
本节介绍工业人工智能的架构在CNC机床主轴的应用和实施。在制造业，机床主轴的健康状况是绝对重要的，此案例旨在展示4种赋能技术驱动的工业人工智能可以为机床主轴提供实时监控与性能预测的完整解决方案。此系统设计可以最大限度的降低维护成本同时优化产品质量。如图3所示,考虑应用场景中常见的未满足需求是执行的第一步。
为了解决未满足的需求(一个自感知和自优化的机器)必须关注1）数据质量2）多区域的复杂度3）机器之间的不同4）专家系统的纳入5）多数据源的复杂度等五项挑战。图4概述了如何运用DT、AT、PT和OT应对这些挑战去开发一个智能主轴系统。
图4智能机床主轴平台技术
五
工业人工智能的挑战
工业人工智能的期望是巨大且多方面的，即或要满足企业界的部分期望也将会是人工智能在应用时要面对的独特且真实的挑战。在现存的复杂挑战中，下列问题具有更高的重要性及优先性：
5.1机器与机器之相互影响
当AI演算法能够准确的将一组输入数据集映射到一组输出数据集时，它们也容易被因机器与机器间之不同而有的细微变量所影响。AI算法需要确保单个AI解决方案不会对其他下游系统的工作造成干扰或冲突。
5.2数据品质
AI演算法需要大量且具有最小偏差的干净数据集，用不准确或不充分的数据集去学习会产生有缺陷的结果。
5.3网络安全
越来越多地使用连接技术使得智能制造系统容易受到网络攻击。目前此类危险程度并没有受到足够的重视，而且企业界对存在的网络威胁也没有完善的对策【12】。
六
结论
当AI由科幻成为改变世界的前沿技术时，我们迫切需要系统性的去开发和实施AI，以便了解它在工业4.0这个下一世代工业系统中的真实价值。本研究旨在定义工业人工智能这一术语并将其纳入工业4.0的范式中。本文也通过对工业人工智能生态系统在当今制造业中的概述为工业人工智能系统的实现提供策略与指导原则。返回搜狐，查看更多
人工智能是什么
人工智能是什么？欢迎大家迈入人工智能的大门1.人工智能的定义2.人工智能的话题3.人工智能的四大技术分支4.人工智能的主要应用领域5.人工智能的三种形态5.1.弱人工智能到强人工智能有多难？5.2.弱人工智能的前进方式5.3.强人工智能到超级人工智能之路5.4.智能爆炸——强人工智能时代微信公众号同步欢迎大家迈入人工智能的大门人工智能(ArtificialIntelligence,AI)是当前全球最热门的话题之一，是21世纪引领世界未来科技领域发展和生活方式转变的风向标，人们在日常生活中其实已经方方面面地运用到了人工智能技术，比如网上购物的个人化推荐系统、人脸识别门禁、人工智能医疗影像、人工智能导航系统、人工智能写作助手、人工智能语音助手等等。目前有大量群体对人工智能的定义、原理、分类、应用产生了极大地兴趣，可是网上媒体发布的一些资料信息大多具有极强的偏向性和导向性，很少有客观全面的总结。在这里，我做了一个详细的“人工智能图解笔记”，从人工智能的定义、分类和发展路径等角度，给大家展示了一个全面的人工智能图谱。
1.人工智能的定义人工智能的定义主要有以下几种：
人工智能的一种定义：《人工智能，一种现代的方法》笔记：人工智能是类人思考、类人行为，理性的思考、理性的行动。人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。人工智能的发展，经过了孕育、诞生、早期的热情、现实的困难等数个阶段；人工智能的另一种定义：人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支；人工智能是一门什么科学？：人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。工程的一些基础学科自不用说，数学、逻辑学、归纳学、统计学，系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、认知科学、仿生学、经济学、语言学等其它学科的研究，可以说这是一门集数门学科精华的尖端学科中的尖端学科——因此说人工智能是一门综合学科。2.人工智能的话题人工智能的话题有且不限于以下几种：
我们总是把人工智能和电影想到一起：星球大战、终结者、2001：太空漫游等等，电影是虚构的，那些电影角色也是虚构的，所以我们总是觉得人工智能缺乏真实感；人工智能是个很宽泛的话题：从手机上的计算器到无人驾驶汽车，到未来可能改变世界的重大变革，人工智能可以用来描述很多东西，所以人们会有疑惑；我们日常生活中已经每天都在使用人工智能：生活中很多互联网工具已经是人工智能了，只是我们没意识到，或者已经习惯了而已。JohnMcCarthy在1956年最早使用的人工智能(ArtificialIntelligence)这个词，他总是抱怨“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。”；一些场景的弱人工智能例子：谷歌，一个巨大的搜索热人工智能；智能手机，弱人工智能系统；智能汽车，很多已经安装了控制汽油渗入，控制防抱死系统的电脑等；垃圾邮箱过滤器也是经典的弱人工智能。3.人工智能的四大技术分支人工智能的四大技术分支如下所示：
模式识别：是指对表征事物或者现象的各种形式（数值的文字、逻辑的关系等等）信息进行处理分析，以及对事物或现象进行描述分析分类解释的过程，例如汽车车牌号的辨识，涉及到图像处理分析等技术；机器学习：研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构是指不断完善自身的性能，或者达到操作者的特定要求；数据挖掘：知识库的知识发现，通过算法搜索挖掘出有用的信息，应用于市场分析、科学探索、疾病预测等等；智能算法：解决某类问题的一些特定模式算法，例如我们最熟悉的最短路径问题，以及工程预算问题等等。4.人工智能的主要应用领域人工智能的主要应用领域有哪些呢？
机器人领域：人工智能机器人，如PET聊天机器人，它能理解人的语言，用人类语言进行对话，并能够用特定传感器采集分析出现的情况、调整自己的动作来达到特定的目的；语音识别领域：该领域其实与机器人领域有交叉，设计的应用是把语言和声音转换成可进行处理的信息，如语音开锁（特定语音识别）、语音邮件以及未来的计算机输入等方面；图像识别领域：利用计算机进行图像处理、分析和理解，以识别各种不同模式的目标和对象的技术，例如人脸识别、汽车牌号识别等等；专家系统：具有专门知识和经验的计算机智能程序系统，后台采用的数据库，相当于人脑具有丰富的知识储备，采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题。5.人工智能的三种形态人工智能具体有哪三种形态呢？
弱人工智能：弱人工智能(ArtificialNarrowIntelligence,ANI)是擅长与单个方面的人工智能，比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上存储数据，它就不知道怎么回答你了；强人工智能：强人工智能(ArtificialGeneralIntelligence,AGI)，是人类级别的人工智能，强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能要难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念，快速学习和从经验中学习等操作”。强人工智能在进行这些操作时，应该和人类一样得心应手；超人工智能：超人工智能(ArtificialSuperIntelligence,ASI)，牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科技创新、通识和社交技能”。超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍，超人工智能也正是为什么人工智能这个话题这么火热的缘故，同样也是为什么永生和灭绝这两个词会在本文中多次出现。5.1.弱人工智能到强人工智能有多难？弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
一个大困难：人类的大脑是我们所知宇宙中最复杂的东西，至今我们都还没完全搞清楚；可以简单解决的：可简单解决的造一个能在瞬间算出10位数乘法的计算器；目前比较难以解决的：选一个能分辨出一个动物是猫还是狗的计算机；已经成功的：造一个能战胜世界象棋冠军的电脑；还没做出来的：谷歌目前花了几十亿美元在做一个能够读懂六岁小朋友的图片书中的文字，并且了解那些词汇意思的电脑；逻辑容易感知难：一些我们觉得困难的事情——微积分，金融市场策略、翻译等等，对于电脑来说都太简单了；而且我们觉得容易的事情——视觉、动态、转移、直觉——对电脑来说太难了；计算机科学家DonaldKnuth：人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上还差得很远；人工智能的一个典型目标例子：要想达到人类级别的智能电脑，电脑必须要理解更高深的东西，比如微小的脸部表情变化，开心、放松、满足、满意、高兴这些类似情绪间的区别，以及为什么《布达佩斯大饭店》是好电影，而《富春山居图》是烂电影。5.2.弱人工智能的前进方式弱人工智能已经实现了，强人工智能还有一段路要走。那么目前究竟遇到了哪些困难呢？
第一步：增加电脑处理速度：要达到强人工智能，肯定要满足的就是电脑硬件的运算能力，如果一个人工智能要像人脑一般聪明，他至少要能达到人脑的运算能力。从人脑的发展速度来看，预计到了2025年就能花1000美元买到可以和人脑运算速度抗衡的电脑了；第二步：让电脑变得更智能：抄袭人脑，参考人脑范本做一个复杂的人工神经网络，科学界正在努力逆向工程人脑，来理解生物进化是怎么造出这个神奇的东西的，乐观的估计是我们在2030年之前能够完成这个任务，我们已经能模拟小虫子的大脑了，蚂蚁的大脑也不远了，接着就是老鼠的大脑，到那时模拟人类大脑就不是那么不现实的事情了；模仿生物演化，除了抄袭人了，也可以像制造飞机、模拟小鸟那样模拟类似的生物形式。不全部复制，包括部分人工的设计干预，因为人类主导的演化会比自然快很多很多，但是我们依然不清楚这些优势是否能使演化模拟成为可行的策略。让电脑来解决这些问题，如果抄学霸的答案和模拟学霸备考的方法都走不通，那就干脆让考题自己解答自己吧。这种想法很无厘头，却是最有希望的一种。总的思路是我们建造一个能进行两项任务的电脑——研究人工智能和修改自己的代码，这样他就不只能改进自己的架构了，我们直接把电脑变成了电脑科学家，提高电脑的智能就变成了电脑自己的任务，前期会很慢，但一旦上路，后面会飞速发展。5.3.强人工智能到超级人工智能之路从强人工智能到强人工智能，还有哪些需要改进和增强的地方呢？
发展的观点：总有一天，我们会造出和人类智能相当的强人工智能电脑。到了这个时候，人工智能不会停下来，考虑到强人工智能之于人脑的种种优势，人工智能只会在“人类水平”这个节点做短暂的停留，然后就会开始大踏步向超人类级别的智能走去；超级人工智能比人类牛逼的地方：硬件上，运算速度往着几何级的速度增长；容量和存储空间也会迅速提升，远超人类，而且不断拉开距离；可靠性、持续性，不会疲惫，能持续不断的思考；软件上，可编辑性、升级性，以及更多的可能性。和人脑不同，电脑软件可以进行更多的升级和修正，并且很容易做测试，另外一个则是集体能力，人类的集体智能是我们统治其它物种的重要原因之一，而电脑在这方面比我们要强得很多，一个运行特定程序的人工智能网络能够经常在全球范围内自我同步，这样一台电脑学到的东西会立刻被其它所有电脑学得，而电脑集群可以共同执行同一个任务，因为异见、动力、自利这些人类特有的东西未必会出现在电脑身上。5.4.智能爆炸——强人工智能时代如果强人工智能时代来临，地球将是一幅怎样的景象呢？
人类统治地球观：人类对于地球的统治教给我们一个道理——智能就是力量，也就是说一个超人工智能，一旦被创造出来，将是地球有史以来最强大的东西，而所有生物，包括人类都只能屈居于其下——而这一切有可能在未来几十年就发生。当一个超人工智能出生的时候，对我们来说，就像一个全能的上帝降临地球一般；递归的自我改进概念：一个运行在特定智能水平的人工智能，比如说脑残人类水平，有自我改进的机制，当它完成一次自我改进后，她比原来更加聪明了，我们假设它到了爱因斯坦水平，而这个时候它继续进行自我改进，然而现在它有了爱因斯坦水平的智能，所以这次改进会比上一次更加容易，效果也更好。第二次的改进使它比爱因斯坦还要聪明很多，但它接下来的改进进步更加明显。如此反复，这个强人工智能的智能水平越长越快，直到它达到了超人工智能的水平——这就是智能爆炸，也是加速回报定律的终极体现；当人工智能达到人类水平：以下的情景可能会发生：一个人工智能系统，花了几十年时间到达了人类脑残智能水平，而这个节点发生的时候，电脑对于世界的感知大概和一个四岁小孩一般；而这个节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理理论；而在这之后一个半小时，这个超人工智能变成了超人工智能，智能达到了普通人类的17万倍；科技大佬警惕人工智能的原因：现在很多科技大佬包括科学家都在提出警惕人工智能，要建立和完善法律法规，目的就是担心未来人类会因此毁灭。那些在我们看来超自然的只属于全能的上帝的能力，对于一个超人工智能来说，可能就像按下一个电灯开关那么简单，防止人类衰老、治疗各种不治之症、解决世界饥荒、甚至让人类永生、操纵气候来保护地球未来什么的，这一切都将变得可能，同样可能的是地球上所有生命的终结。微信公众号同步小编在这里通知大家，关注微信公众号“机器学习和人工智能”，干货多多~ 我们会定期推送Python编程，人工智能基础算法，学术界、工业界最新动态，让更多的人了解人工智能~ 欢迎扫描下方二维码关注哈~