小盟科普丨工業(yè)智能的應用模式
近一年來，以ChatGPT為代表的大模型技術引發(fā)通用人工智能新一輪發(fā)展熱潮，成為改變世界競爭格局的重要力量。圍繞人工智能治理的議題探討顯著增多，全球人工智能治理體系加速構建。與此同時，人工智能加速向各產業(yè)滲透，已成為促進新興產業(yè)與傳統(tǒng)產業(yè)、技術與社會跨界融合發(fā)展不可忽視的動力。
伴隨第四次工業(yè)革命以及工業(yè)數字化、網絡化、智能化發(fā)展的大浪潮，工業(yè)制造業(yè)持續(xù)深化探索人工智能融合創(chuàng)新及應用：深度學習、大模型等技術創(chuàng)新、組合賦能和工程化落地不斷加速；產業(yè)爆發(fā)期臨近，老玩家不斷推陳出新、新玩家入局積極活躍；一批新應用場景涌現，并不斷向研發(fā)、生產等核心環(huán)節(jié)滲透賦能，在更大范圍內發(fā)揮更核心的作用。
工業(yè)互聯網產業(yè)聯盟組織產業(yè)界系統(tǒng)梳理了相關內容，展開工業(yè)智能系列科普活動。
目前，工業(yè)智能三大應用模式分別是視覺識別類應用、數據集建模類應用和經驗知識推理類應用。三大模式占比如圖1。
視覺識別類應用以AI視覺算法技術為核心，實現工業(yè)檢測識別。
數據建模類應用以機器學習等數據驅動算法為核心，實現參數尋優(yōu)或流程優(yōu)化。
經驗知識推理類應用以知識工程技術為核心，實現工業(yè)規(guī)則、知識圖譜的推理決策。
視覺識別類應用模式成熟度最高，但可解問題相對有限，主要集中在生產環(huán)節(jié)，與工業(yè)機理相關度較弱，占比47.5%，其中，視覺識別是最主要的技術應用方式，在識別類的占比超 85%，部分領先企業(yè)針對小樣本、微小缺陷等問題開展了深度學習、GAN、遷移學習等前沿技術探索，但目前多數常見問題仍主要依靠圖像處理與傳統(tǒng)機器學習方法，深度學習在視覺識別技術中的應用還有待提升。
數據建模類應用是當前主要應用探索模式。由于產品研發(fā)仿真、制造及設備運行等工業(yè)環(huán)節(jié)存在大量結構化數據場景，需進行定制化建模優(yōu)化。目前在生產制造等工業(yè)核心環(huán)節(jié)，針對參數優(yōu)化、規(guī)劃、預測等部分復雜問題已經出現融合需求與典型場景，但與識別類模式相似，傳統(tǒng)機器學習技術仍占主要比重，且多數處于局部應用或是以科研院所為主的理論驗證階段。
經驗知識推理類應用模式“兩極分化”特點較為突出。專家系統(tǒng)技術應用占比超過70%，主要針對設備故障監(jiān)測、過程控制等部分邊界有限、經驗規(guī)則易顯性化的場景，已經逐步融入現有軟件系統(tǒng)中；知識圖譜需要與機理結合，構建難度與成本較高，目前總體處于知識檢索服務等初步應用階段。
AII微信公眾號
AII頭條號