本文图片来源：工业AI

作者 | Suzanne Gill

火爆全网的ChatGPT，会让AI在工业领域迎来新的发展契机吗？

2022年，几个新的人工智能（AI）运用冲出了开拓实验室，让更多的工程界人士感到愉快。
例如，12月推出就火爆全网的ChatGPT，是一个繁芜的大型措辞模型，可以作为一个谈天机器人进行互动。
该系统由OpenAI开拓，建立在2021年的数据库上，但它确实供应了一个极其强大的人工智能示范。

其余一个类似的例子是人工智能图像天生器Stable Diffusion，它可以在几秒钟内从一个大略的文本输入天生繁芜的图像。

01

AI对工业自动化的影响

Festo公司产品管理和营销主管Steve Sands认为，诸如此类的运用使人们对人工智能有了更广泛的认识和接管，这将加速AI技能在制造业更多机器运用中的遍及。

在阐明这些发展如何转化为工业自动化领域时，Sands以Festo AX人工智能工具为例，该工具紧张环绕三个关键运用而开拓——预测性掩护、能耗和质量优化。
将运用知识与强化学习软件相结合，由人机闭环系统（human in the loop）卖力教导和演习，褒奖好的输出，忽略或惩罚差的输出。

▲PCB制造中的范例非常是部件缺失落或错位或焊点故障。

"它可以演习软件，将原始数据转化为系统化的模型，在那里可以建立模式并检测出非常情形。
拥有运用知识就变得至关主要，由于它使Festo项目团队有可能支持对非常情形进行分类，并以首选的形式将其输出给适当的人类员工，例如高水平的报告、掩护干预、文本信息或直接输入智能掩护工具中。
人类的反馈将不断提高输出的质量。
"Sands说。

工业自动化和人工智能的未来是有内在联系的。
"我们将看到更强大的软件工具，通过AI优化的机器设计，它们可以加速和支持设计师和程序员的事情。
"Sands说。
这些将比本日的编程更直不雅观，可能利用自然语音或文本。

繁芜的机器模型将从标准化和构造化的数据模型中更迅速和无缺点地创建。
这些物理机器的数字双胞胎将包含用于拖放CAD设计的部件的物理尺寸，以及关于其性能动态和操作的信息，因此它们可以被优化为能源花费、整体设备效率（OEE）和总拥有本钱（TCO）。

随着对可持续发展的密切关注，它也将自动天生一个完全的状态剖析图，以解释机器所有部件在生产制造过程中所花费的二氧化碳，以及在其生命周期内与产出有关的花费。

不过，AI的运用也存在着风险和寻衅。
Sands认为，"诸如知识产权所有权和内置偏见等成分须要被监控和解决，而且，随着这些办理方案变得越来越有说服力，我们须要把稳逻辑缺点不会被内置、强化或重复。
只有理解AI的愿景和局限性，我们才能努力得到它所供应的全部好处。
"

02

办理实际生产问题

西门子公司高等人工智能专家Arun Kumar表示，本日你所看到的地方险些都在利用AI技能，例如，搜索引擎、在线商店、智好手机和前辈的驾驶赞助系统等。
而且，随着所需的打算能力在车间里的遍及，生产系统也可以得到AI的好处。

通过AI阐明和学习生产数据的能力，制造商现在能够办理传统上难以实现自动化的问题，比如视觉质量检讨。

产品的视觉检讨是许多行业中质量掌握的一个主要步骤。
例如，它有助于确保瓶子或罐子的精确灌装，或确保包装内容的完全和精确定位。
这些检讨具有高度的重复性，手动实行随意马虎出错。
但同时，视觉检讨涉及大型数据集以及模糊的缺点定义，使其自动化非常繁芜。

"这便是人工智能发挥浸染的地方，" Kumar说，"它可以根据模式而不是严格的阈值或规则，检测数据集中的非常情形，并识别精确或禁绝确的部分。
"

他引用了西门子印刷电路板（PCB）制造业务中的一个质量掌握运用，个中一个基于AI的质量系统已被成功支配，以检测丢失、缺点焊接或错位的组件。
AI最初是在云环境中利用包含无毛病和有缺陷的PCB图像的大型数据集进行演习。
然后在Simatic IPC520A Tensorbox系统上实现该算法。

在那里，AI运用检讨视觉系统的PCB图像是否有非常，并对算法检测到的非常的可靠程度给予评价。
这种反馈有助于改进演习算法。
由于算法的打算密集型演习在一个单独的（云）系统上运行，图像识别和剖析须要很少的现场资源，这让检测既准确又快速：常日，非常检测须要不到100毫秒。

然而，Kumar强调了一点，实现这样的结果确实是有代价的。
他说，"人工智能须要在大型数据集上进行演习，以学习什么是'精确'和'禁绝确'的身分或决定。
"

演习环境须要相对较高的打算能力，这些打算机系统常日不适宜安装在机器上或靠近机器的地方，这便是为什么演习常日在云端或中心计心情械上进行。
不过，一旦演习完成，实际决策所需的打算能力就会大大降落。
实行模型的推理系统可以很随意马虎地在紧凑的嵌入式工业PC上运行。

▲由于打算能力的不同哀求，AI运用常日被设置为两个不同的系统，一个具有极高打算能力的演习机和一个用于实行演习算法的独立推理机。
这种方法可以在最初和运用阶段在强大的打算机系统上或在云中对AI进行生产外培训，从而降落打算本钱。
车间的推理系统用于实行演习算法，并将生产数据反馈给演习系统。
图片来源：西门子

03

轻量化的边缘智能

随着运营数据在数量和来源上的激增，罗克韦尔自动化公司高等剖析部环球总监Bijan SayyarRodsari认为，人工智能在工业领域发挥真正浸染的时候到了。

"为了产生最大的影响，AI须要在每个人都能打仗到的范围内，以去中央化的办法在主流硬件上运行，这便是为什么AI的未来可能会处于边缘端。
"他说。

在传统的AI运用中，数据将离开掌握器，进入云端，在那里进行剖析和语境化，以 "增加代价"，然后作为可操作的指令返回到车间。
"但我们的方法是不同的。
虽然仍是基于操作数据构建基于AI的决策，但我们正在通过稠浊学习来实现。
我们用第一事理的知识来限定对数据的学习，以只管即便减少并在许多情形下肃清对历史输入的需求，并且可以在一个非常小的硬件上进行学习。
在大多数情形下，这足以支持一个客户的办理方案。
"

"这是一个进化的步骤，"他连续说，"很像人体，你会不由自主地将手从极度热源或尖锐物体上拉开。
这个动作甚至不涉及大脑，它是一种原始的基于神经的短路，旨在保护我们免受侵害。
"

"我们正在寻求对AI做同样的事情——开拓从流数据中提取信息的方法，然后将其放回闭环系统中，将以云为中央的互动需求全部降到最低。
我们正在有效地分配智能，并将基于AI的决策放在边缘。
"SayyarRodsari说。
这并没有肃清对集中式智能和决策的需求，该方法并不反对或打消企业数据根本举动步伐，只是要定义和决定如何以及何时利用更广泛的构造，以优化决策。

"AI须要成为运营的帮助，以支撑更大的生产力和增加代价，但它决不能是过于繁琐的或被视为一种阻碍，"他连续说，"我们须要建立一种关系，就像我们与手机相机软件的关系一样。
借助AI技能纵然是最没有创造力的人也能拍出一些真正令人惊叹的照片，这与我们在工业方面的目标相类似。
"

从技能角度来看，SayyarRodsari坚持认为，硬件永久不应该是一个限定成分。
"纵然是一个不大的边缘设备也该当能够运行我们的AI办理方案。
我们已经优化了算法，使其在边缘运行时所需的占地面积和繁芜性最小——在那里它既可以学习流程特色，又可以实行自主命令。
"

"我们正在努力使企业只有在有令人信服的商业案例时才会参与，而人工智能是守门员。
事实上，通过优化利用基于云的根本举动步伐，企业可以将本钱和繁芜性降落一个数量级。
"他补充说。

04

来自ChatGPT的回答

把关于AI在工业运用中的末了评论留给AI本身是很故意义的。
笔者在线讯问了ChatGPT谈天机器人关于"AI技能能在工业领域供应什么好处"。
ChatGPT的回答是（完备未经编辑），AI技能可以在工业领域供应许多好处，包括：

预测性掩护。
AI可以用来预测设备何时可能发生故障，从而实现主动掩护，减少停机韶光。

质量掌握。
AI可用于检讨和测试产品的毛病，提高产品质量并降落本钱。

过程优化。
AI可用于优化工业流程，如调度和资源分配，以提高效率和降落本钱。

机器人技能。
AI可用于掌握和自动化工业机器人，这可以提高效率，减少对人力的需求。

能源效率。
AI可用于优化能源利用，例如，管理和掌握资源的利用，以节省能源。

自动驾驶车辆。
AI可用于掌握和导航自主车辆，如无人机和自动驾驶汽车，它们可用于检讨、运输和测绘等任务。

预测剖析。
AI可用于剖析工业流程中的数据，并预测未来的行为，以便更好地做出决策。