Part 1 读后感受
毫不夸张地说,看了这本书后的第一感受,和看到这个视频的震撼是一样的。原来自己所认知的“地球”这么小,还有更大的“红巨星”!而“木卫六”、“冥王星”... 所有和AI相关的概念都铺开摆在了你的面前,一切是那么有秩序,相互的关联对比关系,那么地清晰可见。
Part 2 更新的认知
1. 为何工业人工智能正当时?当下环境如何?
作为实体制造的大企业家,郭台铭如是说 [序一 P3]
过去我们经常讲的“精益制造”“先进制造”“工业4.0”等,都是努力在可见问题上解决可见问题,而工业人工智能是利用不同的机器学习方法,融合不同种类的数据去挖掘不可见的关系及产生效益的优化性,进而避免尚未发生(不可见)的问题。我深信,这个理念和技术的突破将会带动崭新的智能产业革命。...... 富士康雾小脑...... 富士康科技集团也很荣幸能够在本书中与广大读者分享我们的“世界灯塔工厂”(2019年1月于世界经济论坛颁发)的获奖案例与经验,为中国的智能制造转型贡献一份力量。
作为中国最早从事数字通信技术研究的骨干之一,中国工程院院士,邬贺铨如是说 [序二 P2]
中国已经成为世界第一的制造大国,拥有最完整的工业门类和产业链,产品销往世界各地。但是大而不强的问题依然突出,许多产品的质量和生产效率还有待提升。当劳动力成本优势已经不再,资源和环境已经制约了粗放型的发展模式,知识和创新转型更加迫在眉睫。从制造大国走向制造强国是我们唯一可选的战略决策。人工智能如果运用于工业系统,对于迅速提升中国制造业的运营能力和核心知识有重要的意义,...... 这样就能够从以前的基于经验向基于事实依据的制造方式转变,也能够让知识被更好地沉淀和传承。
作为创立了IMS中心与全球100多个企业合作的,李杰如是说 [P9]
- 人机物联是数据量呈现爆炸性增长,形成了真正的大数据环境
- 云计算、边缘计算和专有芯片技术加速演进实现计算能力大幅提升
- 深度学习领域的技术突破带动算法模型的持续优化
- 资本与技术深度耦合助推行业应用和技术产业化快速兴起
基础设施的不断完善正在使AI的使用成本大幅下降,就好像电力基础设施的完善使得现在的照明成本比两百年前降低了数百倍,这使得人工智能能够以更加低的门槛被更广泛的场景所接纳。 [P4]
2018年3月1日,美国国际战略研究中心(CSIS)发布《美国国家机器智能战略》报告 [P51]
...提出以促进MI技术安全、可靠发展和维持美国在MI领域的世界领先地位为目标,从MI研发、人才培养、数据环境、法律政策、风险管控、战略合作6大方面提出了具体举措,用于指导该国家战略的制定。
2019年2月11日,美国总统特朗普签署行政命令《美国人工智能倡议》[P54]
这是一项事关美国人工智能发展的重要国家级战略...
随着中国近些年来人工智能行业的崛起,以《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划》为代表的政策发布 [P55]
- 2020 AI产业界与最强竞争者“齐头并进”,成为新的重要经济增长点,并成为改善民生的新途径
- 2025年人工智能基础理论实现重大突破,部分技术与应用达到世界领先水平,在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用,并初步形成人工智能安全评估和管控能力
- 2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心
2. 工业人工智能的愿景画面
未来工业互联网发展的最大趋向,就是解放工业制造过程及产品从以数据(data)或事实(evidence)为基础的传承,以如此工业互联网扭转产业形态的趋势来说,工业人工智能将会扮演一个很重要的角色。[P293]
人工智能技术对于工业系统而言,应该是融入和赋能的姿态,而非颠覆者。未来工业智能系统的目标,是创造无忧的工业环境,实现零意外、零污染、零浪费、零次品和零宕机。[P25]
2010年当所有工业场景都可连接之后,将缺乏一个针对这些工业数据的分析系统 [郭台铭序P2]
工业智能化需要的是将人通过系统与物连接起来,用系统去驱动人和事,从过去的基于经验(experience-based)转变为基于事实依据(evidence-based)的运行模式,并在这个过程中不断优化系统。[P48]
3. 人工智能 vs 工业人工智能
谷歌的CEO皮查伊将AI对于人类的影响放在了高于火和电的位置上:前者标志着人类文明的起源,而后者则将人类代入了工业时代。[P3]
传统人工智能是以生活、设计、金融各方面为出发点,而工业人工智能更能注重的是对系统工程及工程里面的可靠性、精密性、效率性还有未来的优化性。普适人工智能注重的是“发现”“控制”“辨识”和“交互”,场景以情绪驱动或兴趣导向的发散性应用为主。而工业人工智能则是以解决特定问题为目标,是更加聚焦或收敛型的应用 [P293]
如果说互联网改变了我们的生活,工业互联网改变了我们的产业,那么工业人工智能将改变我们的未来。与传统的人工智能不同,工业人工智能必须是一个跨领域、跨学科、跨产业的集成系统工程,工业场景中的大数据和应用问题必须是聚焦、精准且结构化的,而未来的工业人工智能必须协助产业发展成长与转型,这是预测性的科技服务,能够产生新的经济利益(提质、增效、降本、减存)。[郭台铭序P3]
4. 工业人工智能的新机会和挑战
... 从要解决的问题中判断是否存在过去没有被解决的问题,要解决的痛点到底有多痛...... 而非只是用AI技术去替代原有的解决途径。[P20]
中国制造需完成一场品质革命,需要解决如下三方面的问题,[P23]
制造品质的三个维度 | 内容 | 传承方式 | 代表国家 |
---|---|---|---|
素质维度 | 人员技能、组织文化、管理能力 | 以人、组织和文化为核心的工匠精神 | 日本 |
体质维度 | 装备、系统和流程 | 以工艺标准和装备的设计制造能力为核心的器匠精神 | 德国 |
本质维度 | 客户使用场景中的价值创造与服务创新 | 以技术授权和协同创新为核心的技匠精神 | 美国 |
落地的挑战
- 是否具备可重复性
数据层面的限制和挑战,需克服“最后一公里”的问题
- 训练标记严重依赖人工;2)模型透明度有待提高,高科技黑盒子;3)难以复制,面临新问题需训练新模型;4)数据和算法的偏差;5)数据隐私和利益归属方难以达成一致
解决工业数据的可用性问题,就要对如下三个挑战进行有效管理
- 质量的有效性
- 维度的全面性
- 背景的隐藏性
- 是否具备足够的可靠性
- 是否具备足够的安全性
落地5S原则
AI在工业系统中的落地需要满足5S原则,[P23][P58]
- Systematic 系统性
- Speed 敏捷性
- Sustainable 持续性
- Streamline 流程性
- Standard 标准性
6. 工业人工智能的应用场景
Note:绿色标识为机器视觉相关
7. 人工智能技术
思考问题的方式 [P26]
前一个问题的实现往往是后者的前提
- 检测问题
- 聚类问题
- 分类问题
- 预测问题
- 规划问题
- 泛化学习问题
- 具备常识和创作能力
不同流派的人工智能技术的优劣 [P32]
- 神经网络,最接近人类思考的方式,最具备解决复杂问题的潜力
- 统计学方法,对经验的可解释能力
- 控制论方法,强调从对象和任务触发的系统设计视角
8 智能化迈进发展阶段和应用成熟度评估
工业系统向智能化迈进的五个阶段 [P80]
工业智能化转型基础能力成熟度评价[P225]
和CMMI的成熟度模型,相似的五阶段
Part3 革命尚未成功,同志仍需努力
疑问之处,不可不求甚解
- P10 本地的智能化、连接的智能化,如何理解
- P24 雾计算,常见的实例有哪些
- P64 背景的隐藏性,如何理解
- P125 外场环境、机队环境,如何理解
引发的进一步思考和行动
- 产品解决方案,快速分类
- P26 人工智能的七大类问题
- P61 三大挑战,识别方案的风险
- 按行业(P36),将客户的应用场景,快速分类,以便沟通
- P125 工业互联网的场景4F
- P126 任务类型分类
- P129 业务功能应用分类
-
关注工业大数据竞赛,找相似行业(P249)
-
NVIDIA的典型应用案例,参考,按#1理解
-
针对工业应用场景,AI数据挖掘分析的合作伙伴,借道加入计算机视觉
-
本书的公众号、相应社群圈层
-
这五个问题的答案在哪里?
- 中国工业行业的发展趋势
工业系统向智能化迈进的五个阶段 [P80]- 中国工业行业的问题
Part2 - 4- 解决问题的路径
?- 典型的工业行业客户的画像,痛点
Par2 - 6,需再归纳总结- 如何构造解决客户痛点的能力
?
网友评论