21世紀(jì)初，當(dāng)技術(shù)世界還并無(wú)“維護(hù)”二字時(shí)，發(fā)動(dòng)機(jī)、電梯等設(shè)備故障維修解決的是后果，而維護(hù)則是“事前諸葛”。有了預(yù)測(cè)，就可預(yù)防，維護(hù)優(yōu)化工作才可真正實(shí)現(xiàn)提質(zhì)增效降本減存。“直到2000年，我發(fā)現(xiàn)有些事情不是那么正確了，因?yàn)楹芏鄶?shù)據(jù)沒(méi)有被高效地利用?！崩罱芙淌谠诓稍L中說(shuō)道。

為此，先后在美國(guó)自然科學(xué)基金會(huì)（nsf）、美國(guó)聯(lián)合技術(shù)公司（utrc）擔(dān)任研發(fā)要職的李杰教授在2000年做出了一個(gè)重要決定——去大學(xué)任教并啟動(dòng)工業(yè)大數(shù)據(jù)的研發(fā)。在當(dāng)時(shí)，這還是一個(gè)從未被挖掘過(guò)的領(lǐng)域。

那么，工業(yè)人工智能如何提升產(chǎn)業(yè)競(jìng)爭(zhēng)力？人工智能會(huì)造成大量失業(yè)嗎？工業(yè)大數(shù)據(jù)和我們?nèi)粘３Ｕf(shuō)的互聯(lián)網(wǎng)大數(shù)據(jù)究竟有什么關(guān)系？帶著這些問(wèn)題，小編此次采訪到了身處工業(yè)自動(dòng)化與機(jī)器人領(lǐng)域近40余年的科學(xué)家——李杰教授，這位為“工業(yè)大數(shù)據(jù)”命名的科學(xué)家將向你講述關(guān)于人工智能、工業(yè)大數(shù)據(jù)領(lǐng)域的那些事。

挖掘工業(yè)大數(shù)據(jù)的價(jià)值痛點(diǎn)

20世紀(jì)80年代初，當(dāng)美國(guó)汽車產(chǎn)業(yè)開(kāi)始逐漸意識(shí)到與日本產(chǎn)業(yè)之間的競(jìng)爭(zhēng)時(shí)，自動(dòng)化、機(jī)器人視覺(jué)等技術(shù)相繼獲得重視，美國(guó)品質(zhì)革命就此開(kāi)始。在此期間，李杰教授先后在美國(guó)自然科學(xué)基金會(huì)（nsf）、美國(guó)聯(lián)合技術(shù)公司（utrc）擔(dān)任研發(fā)要職，主持研發(fā)了普惠發(fā)動(dòng)機(jī)、奧迪斯電梯等新一代產(chǎn)品和項(xiàng)目，并資助了包括增材制造（3d打?。┡c納米制造等多個(gè)項(xiàng)目。

眾所周知，大數(shù)據(jù)的來(lái)源之廣、歷史背景之深共同組成了“大”的特性。但相比于互聯(lián)網(wǎng)大數(shù)據(jù)，工業(yè)大數(shù)據(jù)來(lái)源于供應(yīng)鏈和制造流程等眾多環(huán)節(jié)，其特性更聚焦在問(wèn)題點(diǎn)，而不是需要點(diǎn)。

“互聯(lián)網(wǎng)大數(shù)據(jù)是從數(shù)據(jù)中找尋還未產(chǎn)生價(jià)值的東西，工業(yè)大數(shù)據(jù)則是從痛點(diǎn)中尋找怎么避免讓你‘痛’的東西?！崩罱芙淌诮忉尩溃I(yè)大數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)最大的區(qū)別在于工業(yè)大數(shù)據(jù)有非常強(qiáng)的目的性，而互聯(lián)網(wǎng)大數(shù)據(jù)更多的是一種關(guān)聯(lián)的挖掘，是更加發(fā)散的一種分析。

換句話說(shuō)，相比于互聯(lián)網(wǎng)大數(shù)據(jù)通常并不要求有多么精準(zhǔn)的結(jié)果推送，工業(yè)大數(shù)據(jù)對(duì)預(yù)測(cè)和分析結(jié)果的容錯(cuò)率遠(yuǎn)遠(yuǎn)比互聯(lián)網(wǎng)大數(shù)據(jù)低的多?；ヂ?lián)網(wǎng)大數(shù)據(jù)在進(jìn)行預(yù)測(cè)和決策時(shí)，僅僅考慮的是兩個(gè)屬性之間的關(guān)聯(lián)是否具有統(tǒng)計(jì)顯著性，其中的噪聲和個(gè)體之間的差異在樣本量足夠大時(shí)都可以被忽略，這樣給出的預(yù)測(cè)結(jié)果的準(zhǔn)確性就會(huì)大打折扣。但是在工業(yè)環(huán)境中，如果僅僅通過(guò)統(tǒng)計(jì)的顯著性給出分析結(jié)果，哪怕僅僅一次的失誤都可能造成嚴(yán)重的后果。

李杰教授曾提出一個(gè)“煎蛋模型”，來(lái)闡述產(chǎn)品與服務(wù)價(jià)值之間的關(guān)系。蛋黃代表的是產(chǎn)品自身，其差異性程度并不明顯，例如一臺(tái)電視機(jī)在擋住了logo之后就很難被區(qū)分出來(lái)是哪家公司生產(chǎn)的。而蛋白所代表的價(jià)值卻是差異化的重要體現(xiàn)，也是企業(yè)的品牌和可持續(xù)性價(jià)值的所在。而數(shù)據(jù)將成為挖掘這些價(jià)值的重要手段，其主要體現(xiàn)在：

1、利用數(shù)據(jù)挖掘在使用中獲得新的知識(shí)和技術(shù)對(duì)現(xiàn)有產(chǎn)品進(jìn)行改進(jìn)；

2、利用數(shù)據(jù)去發(fā)現(xiàn)和定義用戶未知的需求；

3、以數(shù)據(jù)為媒介向用戶提供增值服務(wù)。

經(jīng)驗(yàn)可以傳承，但無(wú)法長(zhǎng)久傳承，但具有邏輯性的數(shù)據(jù)可以傳承。煎蛋模型，就是從大問(wèn)題導(dǎo)向到大價(jià)值導(dǎo)向。蛋黃是大問(wèn)題，蛋白是大價(jià)值。數(shù)據(jù)是從大問(wèn)題開(kāi)始，但它絕對(duì)不是目的，必須要做到大價(jià)值并發(fā)揮最好的作用。

就在不久前，由工業(yè)和信息化部指導(dǎo)，中國(guó)信息通信研究院、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟主辦的第二屆工業(yè)大數(shù)據(jù)創(chuàng)新競(jìng)賽決賽答辯正式落下帷幕[注]。作為競(jìng)賽連續(xù)兩年評(píng)審團(tuán)的專家，李杰教授在倍感欣慰的同時(shí)也深有感觸。高校參賽者的基礎(chǔ)算法能力雖不容小覷，但是由于沒(méi)有基礎(chǔ)數(shù)據(jù)，項(xiàng)目構(gòu)建過(guò)程中仍有很多問(wèn)題。對(duì)此，李杰教授總結(jié)道，若要真正實(shí)現(xiàn)智能制造，我國(guó)仍需要一批工業(yè)大數(shù)據(jù)的年輕生力軍，下到工廠，讓算法的能力補(bǔ)償有經(jīng)驗(yàn)的專家，相互結(jié)合補(bǔ)充，共同助力工業(yè)智造高質(zhì)量發(fā)展。

工業(yè)智造關(guān)鍵要素abcde

傳統(tǒng)人工智能概念始于上世紀(jì)50年代。半個(gè)多世紀(jì)以來(lái)，人類利用自然語(yǔ)言、神經(jīng)辨識(shí)、神經(jīng)網(wǎng)絡(luò)或形象辨識(shí)等方法，讓機(jī)器學(xué)習(xí)規(guī)律，進(jìn)而提供廣泛維度解決方案。相較于前者，工業(yè)人工智能隸屬垂直領(lǐng)域，其屬性聚焦于工業(yè)制造系統(tǒng)，涉及汽車、飛機(jī)、輪船等移動(dòng)工具的安全性、節(jié)能性、耗油性，工業(yè)制造機(jī)器人的穩(wěn)定性、精密性、風(fēng)力發(fā)電的效益性、節(jié)能性等相關(guān)課題。

李杰教授在談到工業(yè)人工智能的關(guān)鍵要素時(shí)說(shuō)道，工業(yè)人工智能可以用“abcde”的特征進(jìn)行分類，這些關(guān)鍵要素包含分析技術(shù)（analyticstechnology），大數(shù)據(jù)技術(shù)（bigdatatechnology），云或網(wǎng)絡(luò)技術(shù)（cloudorcybertechnology），專業(yè)領(lǐng)域知識(shí)（domainknowledge），證據(jù)（evidence）。

分析（a）是ai的核心，它只有在其他要素都存在時(shí)才能產(chǎn)生價(jià)值。大數(shù)據(jù)（b）與云（c）是提供數(shù)據(jù)來(lái)源和工業(yè)人工智能平臺(tái)必不可少的兩個(gè)要素。然而，專業(yè)領(lǐng)域知識(shí)（d）和證據(jù)（e）也是常常被忽略的兩個(gè)重要因子。專業(yè)領(lǐng)域知識(shí)（d）是下列事項(xiàng)的關(guān)鍵要素：

1、了解問(wèn)題并專注于利用工業(yè)人工智能去解決它；

2、理解系統(tǒng)以便于收集正確且高質(zhì)量的數(shù)據(jù)；

3、了解參數(shù)的物理含義以及它們?nèi)绾闻c系統(tǒng)或流程的物理特性相關(guān)聯(lián)；

4、了解這些參數(shù)因機(jī)器而異。

證據(jù)（e）也是驗(yàn)證工業(yè)人工智能模型以及它們與累積學(xué)習(xí)能力相結(jié)合的重要要素。收集數(shù)據(jù)形態(tài)模式及與它相關(guān)聯(lián)的證據(jù)，我們才能改進(jìn)ai模型使之更加準(zhǔn)確全面并且與時(shí)俱進(jìn)。這也是當(dāng)代人工智能、工業(yè)大數(shù)據(jù)領(lǐng)域從業(yè)者需要具備五個(gè)重要資質(zhì)。

現(xiàn)如今，人工智能時(shí)代已悄然來(lái)臨，機(jī)遇就在前方，發(fā)展就在腳下。但自ai熱潮掀起以來(lái)，業(yè)界對(duì)于人工智能取代人類工作的討論就沒(méi)有停止過(guò)。對(duì)此，李杰教授表示人工智能并不是取代人，而是在做人類做的不好，或者人類不想做的事情。

早在上個(gè)世紀(jì)80年代的美國(guó)，人工智能就已應(yīng)用在一些簡(jiǎn)單的控制領(lǐng)域，包括機(jī)器人，機(jī)器視覺(jué)，形象識(shí)別等技術(shù)。而機(jī)器人智能化并不是要取代人們工作，而是幫助人找到一個(gè)更高效、更靈活、更健康的環(huán)境。當(dāng)業(yè)務(wù)的空間維度高，復(fù)雜性高，不確定性高的時(shí)候，人工智能就可發(fā)揮自身優(yōu)勢(shì)，協(xié)助人類進(jìn)行工作。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問(wèn)題，請(qǐng)及時(shí)聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請(qǐng)諒解！