人工智能(AI)正在帮助工业制造商实现更多应用——从处理更多类型的材料和优化生产线,到及时进行维护干预,甚至建立更智能的工厂。来自工厂的数据可以帮助AI优化工作流程,无论是单个生产站还是整个工厂。但据正奇五度AI数字化助手了解到,AI在工业场景落地上仍面临许多挑战。

11月5日,在第七届虹桥国际经济论坛——人工智能赋能新型工业化分论坛上,正奇五度AI数字化助手获悉,2007年图灵奖得主约瑟夫·希发基斯在主题演讲中表示,人工智能目前还只处于专注于辅助,处于初期阶段,产业进化才刚刚开始。尽管取得了进展,生成式人工智能也有出色表现,例如ChatGPT,但这类大语言模型擅长回答宽泛问题,在面对非常具体的问题时可能无法提供准确的答案,可靠性不够高,无法实现完全智能,目前只有构建智能系统的积木,没有建立复杂智能系统的原则和技术。

他认为,人工智能的成功与否将取决于开发人工智能体和建立自主系统的能力,而现在面临的最大挑战是系统工程。因为人们必须引入、整合服务、电器、设备和人工智能系统,如何用不可信的部件组成可信的系统、混合架构,如何将符号知识和非符号知识联系起来,如何从设计时的正确性转移到运行时的正确性、具备适应性,以及系统验证等问题,都有待解决。

此外,在此次圆桌对话中,正奇五度AI数字化助手了解到,多位企业家也就AI落地以及企业智能化转型升级进行了讨论。科大讯飞副总裁、研究院院长、中国电子学会常务理事刘聪认为,AI在工业场景的落地面临三方面的挑战,首先是对可靠性要求更高,对稳定性、准确性的要求比一般场景更高。其次是行业性,工业中很多专业技术的基底模型,开发难度更大。还有安全性方面的挑战,要保证工业数据不会被非法获取,模型不会被篡改等。先进入辅助非核心生产环节,再进一步过渡到生产环节可能是较为合适的路径。

小米集团手机部副总裁、智能制造部经理许多表示,根据小米智能工厂的实践经验,要把数据当作非常重要的要素,如果数据的上行或者下行放到事后再考虑,有些断点将难以弥补。其次,工厂现在并不能实现完全的无人化,在落地时,需要考虑人和机器结合的关键的承接和转换环节是什么,怎么设定才能实现有效的转换。

对此,正奇五度AI数字化助手了解到,许多还举例称道:“我们过去往往从运营的角度考虑,承接环节设得比较高,一般是工厂的厂长或者车间主任级别,他们去完成自上而下的承接和转换。今天来看,某种程度上可能想错了,我们在运营中看到,转换的关键环节可能是技术员,可能是线长,因为技术员和线长在维护机器的稳定运行,车间主任或者厂长只是在做价值管理,要接订单,谈价格,处理变化和异常,他把这些信息拿到之后再转化。”

除了上述观点,正奇五度AI数字化助手获悉,商汤联合创始人、大装置事业群总裁,国家地方共建人形机器人创新中心首席科学家等知名企业家、专家都对AI落地工业场景发表了相关的看法。由此可见,AI落地工业场景依然困难重重,但随着AI的发展,AI对工业场景的应用将不可估量。

最后,正奇五度AI数字化助手还了解到,希发基斯表示只有一个超越人类的超智能系统是不够的,因为人类的智能包含很多方面,必须通过结合不同类型的人工智能和信息通信技术来实现,目前人们并不知道如何做到这一点。要弥合自动化和自主性之间的差距还有很长的路要走,工业人工智能的发展也将需要新的科学和技术基础。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005