通用Digital CTO：工業(yè)人工智能面臨的四個獨特挑戰(zhàn)

雷鋒網(wǎng)「新智造」按：當人們提到人工智能的時候，絕大多數(shù)人想到的是消費級人工智能，但事實上，人工智能在工業(yè)和制造業(yè)領域也擁有廣泛的運用。近日，通用電氣數(shù)字業(yè)務（GE Digital）的首席技術官（CTO）Harel Kodesh接受專訪時談到了工業(yè)人工智能與消費人工智能的四大區(qū)別，并且對工業(yè)人工智能所遇到的困境進行了分析。下面和雷鋒網(wǎng)一起來看看吧。新智造作為雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))旗下欄目，關注智能時代的創(chuàng)新與創(chuàng)造，目標是為創(chuàng)業(yè)者和投資人找到創(chuàng)投的機會。

Harel Kodesh

在提到工業(yè)和制造業(yè)人工智能的時候，人們的第一反應是機器人。事實上，很多創(chuàng)新企業(yè)，比如Rodney Brooks創(chuàng)辦的Rethink Robotics，已經開發(fā)出了外表和善的工廠機器人，它們和人類同事們一起不停地忙碌著。

歷史上，工業(yè)機器人通常被設計用來執(zhí)行特定的細分任務，而現(xiàn)代機器人則被授予了新的使命：做出實時決策。

Rethink Robotics

盡管機器人的外表可以很光鮮亮麗，但在制造業(yè)中，絕大多數(shù)人工智能的價值是將傳感器和常規(guī)硬件中的數(shù)據(jù)轉換為智能預測，來幫助企業(yè)做出更好更快的決策。

當前，有150億臺機器連接到互聯(lián)網(wǎng)。到2020年，思科（Cisco）預測這一數(shù)字將超過500億。將這些機器一起連接到云端的智能自動化系統(tǒng)中，會是制造業(yè)和工業(yè)發(fā)展的下一個重要突破。

2015年，通用電氣（General Electric）推出了GE Digital，以推動各部門的軟件創(chuàng)新。GE Digital的首席技術官（CTO）Harel Kodesh，與我們分享了人工智能在工業(yè)應用上所面對的獨特挑戰(zhàn)。

1、工業(yè)數(shù)據(jù)經常是不準確的

“要機器學習正常工作，你需要大量的數(shù)據(jù)。消費級的數(shù)據(jù)很難被誤讀，比如，你買了一個披薩或者點了一下廣告，那么你的數(shù)據(jù)就是披薩和廣告的信息。”Kodesh說道。“可是，當你觀察工業(yè)互聯(lián)網(wǎng)的時候，40%的數(shù)據(jù)是有爭議的，而且這些數(shù)據(jù)沒有任何用處。”

舉個例子，當你使用聯(lián)合收割機的時候，你必須計算聯(lián)合收割機要鉆多深，并且你需要將濕度傳感器插到地面進行測量。此外，你的讀數(shù)可能會受到各種條件的影響，比如極端溫度、人為意外、硬件故障，甚至一只小蟲無意間進入到了設備之中也會造成不小的影響。

Kodesh強調：“我們可不是從你舒適和安全的書房電腦中獲取數(shù)據(jù)的。”

2、工業(yè)人工智能在終端運行，而不是云端

消費級數(shù)據(jù)是由看起來擁有無限容量的云計算集中處理的。亞馬遜（Amazon）可以奢侈地用他們的時間來大數(shù)據(jù)跟蹤你的瀏覽和購買記錄，并且向你展示新的推薦。

Kodesh指出：“在消費預測當中，就算預測錯了也不會有什么大問題。你很快就會忘了亞馬遜曾經給你推薦過什么爛書。”

而在千里之外的深海石油鉆井平臺上，有一個名為提升管的設備，一種將油從海底油井運送到地面設備的導管。如果提升管出現(xiàn)了某個問題，好幾個夾具必須立即響應關閉閥門。那些管理夾具執(zhí)行器的復雜軟件必須能夠追蹤實時的溫度和壓力才行。而且錯誤的代價是可怕的，任何錯誤都可能意味著災難。

對工業(yè)應用來說，對風險控制和響應能力的要求高的多，因為人們的生命安全以及數(shù)百萬美元的寶貴資源都依靠著這些應用。在這種情況下，工業(yè)級的功能就不可能放在云端運行，必須在本地實現(xiàn)，也就是在我們所說的“終端”。

工業(yè)人工智能被構建為一個端到端的系統(tǒng)，Kodesh比喻它為“往返機票”，數(shù)據(jù)直接由終端的傳感器生成，然后送達到算法，在云端建模，接著移回終端執(zhí)行。在終端和云之間有主管網(wǎng)關和計算機存儲的多個節(jié)點，因為整個系統(tǒng)必須在正確的位置運行正確的載荷。

在鉑金條的制造設備中，如果生產的鉑金條成分有問題，那么系統(tǒng)應該立即識別出來，以便于在開始的時候調節(jié)壓力。任何延遲都意味著原材料的浪費。

同樣的，一個風力發(fā)電機會不間斷地獲取數(shù)據(jù)以控制操作。Kodesh特意強調了某種故障的可能性：“在數(shù)據(jù)的第百萬個字節(jié)可能是葉片扭矩的數(shù)據(jù)，如果扭矩太高，發(fā)電機的葉片就會掉落。而我們需要在第一時間知道這個關鍵信息數(shù)據(jù)，即使在數(shù)據(jù)隊列中它排在百萬位以后。”

提供正確的實時數(shù)據(jù)是一項非常艱巨的任務，以至于通用電氣必須依靠定制的內部解決方案才行。“Spark技術很快，”Kodesh承認，“但是當你必須要在10毫秒內做出決定時，你需要不同的解決方案。”

深海石油鉆井平臺

3、單次預測花費超過1000美元

盡管錯誤數(shù)據(jù)量巨大，終端的處理能力也有限，但工業(yè)人工智能依然需要表現(xiàn)的非常準確。

如果飛機上的分析系統(tǒng)判斷一個引擎出現(xiàn)了故障，專業(yè)的技術人員和工程師必須前往拆卸和維修故障部件。同時，飛機制造方還要向航空公司提供一個備用引擎，以便航空公司能順利完成飛行計劃。整個行動和交易能毫不費力地花費超過20萬美元。

Kodesh說：“在沒有問題的時候，我們不會告知你有問題；當出現(xiàn)問題的時候，我們更不會告訴你沒出現(xiàn)問題。我們要確保有一個精度非常高的系統(tǒng)。”

根據(jù)Kodesh的說法，唯一能夠確保這種高精度和表現(xiàn)的方法，就是同時運行數(shù)千種算法。一個類似亞馬遜的消費公司，可能在一本書上的利潤是1-9美元，所以他們只愿意為每個顧客的預測花0.001美元。但是對于工業(yè)和制造業(yè)巨頭們來說，由于有數(shù)十萬美元的風險，所以他們每次預測的花費都在40-1000美元之間。

Kodesh透露：“用1000美元，我可以同時運行大量算法，并且將結果匯總，最后使用遺傳算法來增加預測準確度。”

4、復雜模型必須被解釋

消費者們很少會問亞馬遜為何能做出具體的推薦?？墒?，對于工業(yè)和制造業(yè)，當風險增高的時候，人們就會開始提出問題了。一個在某領域已經工作了45年的技術人員，絕對不會相信一個無法解釋其預測原理的機器。

為了實現(xiàn)這種高度的可解釋性，通用電氣需要發(fā)明全新的技術。但不幸的是，他們所需要的人才實在是太稀缺了。

Kodesh抱怨說：“我很佩服那些試圖把市場需求和新數(shù)據(jù)科學家進行匹配的學校，但是這些人的數(shù)學能力太淺了。一個真正的數(shù)據(jù)科學家需要有更多的學術深度。他們需要成為能夠實時過濾和規(guī)范百萬個數(shù)據(jù)點的頂尖專家。”

VIAForbes雷鋒網(wǎng)編譯

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。