人工智能：支撐智能制造轉(zhuǎn)型

　　推進智能制造轉(zhuǎn)型的根本原因在于：機器功能表現(xiàn)不遂人愿，人很難掌控機器的全部狀態(tài)情況。機器不容易改變和提升功能，任何的功能更改都需要重新開發(fā)某些甚至全部零部件；機器運行狀態(tài)不為人知，且不說遠程監(jiān)控，就是人站在機器前面，也未必知道哪個零部件正常與否，還有多長時間需要更換；機器不靈活，例如無法像人手一樣靈巧地裝配零件；機器不認人，無法判斷誰是合法的操作者并給以相應的配合；機器不會自主發(fā)聲，告訴所有者或其他人，“我已空閑，請給我安排工作”等等。

　　在機器不智能的時代，只能靠人的智能來彌補。但是，人的體力有限易疲勞，人的智力和技能有差異，人的心理狀態(tài)不可控，更重要的是，很多問題限于人的辨別力是無法解決的，例如機器中的一個關鍵零部件現(xiàn)在復合受力是多大？環(huán)境的振動是否會引發(fā)加工質(zhì)量問題？車間中的粉塵狀態(tài)何時會爆炸等等。

　　因此，人們一直期望在制造活動中能夠有某種人體以外的“智能”要素的參與，無論是類似人還是其它生物的智能要素，加入到機器、生產(chǎn)環(huán)境或者生產(chǎn)的流程之中，使得整個制造活動可以滿足這樣的需求：所有的狀態(tài)信息都能實時獲取和快速響應，所有的決策都恰當且及時，所有的產(chǎn)品特征變化（個性化需求）都能充分滿足，所有的產(chǎn)品都是高質(zhì)量高附加值的，所有的制造過程都是高效安全的，所有的設備維護都是主動、預測式的，所有的企業(yè)運營都是高利潤、低成本、綠色環(huán)保的等等。作為制造業(yè)智能制造轉(zhuǎn)型的關鍵使能技術，人工智能的發(fā)展在為智能制造賦能的同時，也為機器從“勞動工具”向“勞動伙伴”的角色演進提供新路徑。

　　當前，制造企業(yè)從原材料采購、生產(chǎn)制造，到產(chǎn)品銷售與流通，所有經(jīng)營生產(chǎn)過程正越來越趨于數(shù)據(jù)化和智能化。數(shù)據(jù)的不斷累積以及數(shù)據(jù)算法和模型的不斷發(fā)展成熟，為人工智能融入到制造業(yè)提供了機會，進而促進企業(yè)從傳統(tǒng)生產(chǎn)向智能生產(chǎn)轉(zhuǎn)型。

　　企業(yè)可以通過遍布車間的傳感器和智能芯片，實現(xiàn)對生產(chǎn)過程中的全鏈路數(shù)據(jù)的處理和分析，進而提升生產(chǎn)效率、庫存周轉(zhuǎn)率、設備利用率等關鍵指標。在銷售層面，通過對海量的交易數(shù)據(jù)進行挖掘、計算和分析，人工智能可以為企業(yè)制定自動化和智能化的生產(chǎn)計劃；在生產(chǎn)層面，通過對產(chǎn)品數(shù)據(jù)、生產(chǎn)設備數(shù)據(jù)的采集和分析，人工智能實現(xiàn)對生產(chǎn)設備和產(chǎn)品質(zhì)量的智能化診斷，提高產(chǎn)品良品率；在流通層面，通過產(chǎn)品上部署的傳感器及時采集產(chǎn)品狀態(tài)數(shù)據(jù)，為企業(yè)的生產(chǎn)過程提供決策支撐，同時也可以提供預測性的維修維護服務。

機器學習：人工智能背后
　　人工智能大師西蒙曾說過：“學習就是系統(tǒng)在不斷重復的工作中對本身能力的增強或者改進，使得系統(tǒng)在下一次執(zhí)行同樣任務或類似任務時，會比現(xiàn)在做得更好或效率更高?！睓C器學習是人工智能應用的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域?，F(xiàn)有的計算機系統(tǒng)和人工智能系統(tǒng)至多也只有非常有限的學習能力，因而不能滿足科技和生產(chǎn)提出的新要求。對機器學習的討論和研究，必將促使人工智能和整個科學技術的進一步發(fā)展。

　　SAP認為，機器學習就是計算機從數(shù)據(jù)中學習而不被明確編程，所依據(jù)的只是不斷優(yōu)化的算法和經(jīng)驗。機器可以看到、閱讀、聆聽、理解和交互。當前，支撐機器學習的軟硬件技術正在逐步發(fā)展成熟。比如改進的硬件計算單元如英偉達的GPU、谷歌的TPU等，以及正在實現(xiàn)突破的各種深度學習算法和訓練模型。