近一年來,以ChatGPT為代表的大模型技術引發通用人工智能新一輪發展熱潮,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滲透,已成為促進新興產業與傳統產業、技術與社會跨界融合發展不可忽視的動力。
伴隨第四次工業革命以及工業數字化、網絡化、智能化發展的大浪潮,工業制造業持續深化探索人工智能融合創新及應用:深度學習、大模型等技術創新、組合賦能和工程化落地不斷加速;產業爆發期臨近,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、生產等核心環節滲透賦能,在更大范圍內發揮更核心的作用。
工業互聯網產業聯盟組織產業界系統梳理了相關內容,展開工業智能系列科普活動。
目前,工業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,實現參數尋優或流程優化。
經驗知識推理類應用以知識工程技術為核心,實現工業規則、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,主要集中在生產環節,與工業機理相關度較弱,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。由于產品研發仿真、制造及設備運行等工業環節存在大量結構化數據場景,需進行定制化建模優化。目前在生產制造等工業核心環節,針對參數優化、規劃、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。專家系統技術應用占比超過70%,主要針對設備故障監測、過程控制等部分邊界有限、經驗規則易顯性化的場景,已經逐步融入現有軟件系統中;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。