我的直觉告诉我，我们需要对在制造业中使用人工智能 (AI) 有一种紧迫感。
这种紧迫感是由当今技术发展的速度以及意想不到的突破如何带来的推动的。迅速称霸。人工智能用于面部识别、将语音转换为书面文字以及赢得国际象棋比赛。当然，在制造业中一定有大量的潜在应用。
虽然我之前写过我认为人工智能的“智能”的现实是复杂的数学，但当我提出这一点时，我得到了一个更开明的愿景真正的专家。在他看来，我们必须从更广泛的角度考虑人工智能。 “说它是数学是公平的，但人们很容易对数学过于执着，因为它实际上更多地与数据有关，”总部位于纽约的人工智能咨询和战略公司 Foxy Machine 的创始人奥利弗克里斯蒂解释道。约克城。 “AI 让我们可以在任何情况下使用数据提出新问题。”
Bu甚至将自己局限于数据和数学也是局限性的。第三个考虑因素必须是业务问题——根据 Christy 的说法，您正在考虑的情况是什么以及可用的工具是什么。 “你需要从所有三种方法中审视任何给定的问题，”他解释道。 “数学、数据和问题本身。这种整体观点 [可以] 为您提供稳健的解决方案。”
他还认为制造业适合 AI 应用的时机已经成熟。 “人工智能最容易遇到的一些问题是解决安全和制造风险，”他说。 “我们现在拥有人工智能系统，可以大规模了解可能存在的风险以及如何提高安全性。”在质量控制中使用图像识别技术是另一个轻松的胜利。克里斯蒂最近开发的一个应用程序训练了一个人工智能系统来识别热处理后的钢材质量，标记出可能需要关注的样本。然后对样本进行了更详细的检查
他强调了关于如何最好地使用人工智能的一个关键点——增强而不是取代质量控制人员。使用数字图像，人工智能系统可以在不疲劳的情况下查看和标记比人类更多的样本。但在钢材质量案例中，它无法提供确保其好坏所需的最终人情。他讲述了用于发现皮肤癌的类似系统如何比受过训练的肿瘤学家表现更好，但人工智能系统与肿瘤学家相结合的表现甚至比单独使用任何一个都要好。 “在制造业中应该使用完全相同的方法，机器系统和人类可以携手合作，”他说。
计算能力的拐点
回到我对紧迫感。今天的大部分人工智能技术都不是新技术。使用计算机来模仿人类能力而不仅仅是计算机器的概念自计算机本身存在以来就已经存在。但是计算的一个转折点权力和数据使其具有紧迫性。 “当我 20 年前开始时，计算能力和数据的成本限制了[可能的]应用程序，”克里斯蒂说。 “现在我们拥有大量的混合数据和非常便宜的计算。我可以使用价值数百万美元的计算机，可以直接使用 IBM 的 Watson 等几乎不需要任何成本的技术。” Christy 说，除此之外，还有 Google 的 TensorFlow 等开源 AI 软件，它实际上是免费使用的，我们拥有“构建和使用 AI 所需的所有组件的完美风暴”。
他相信 AI很容易成为下一个竞争优势。然而，这可能令人生畏。他的建议？从小做起。组建一个小团队，开始围绕试点业务问题收集数据，并了解如何使用最佳方法解决制造问题。 “但从今天开始，”他说。
