|
备受瞩目的2020世界人工智能大会云端峰会全球工业智能峰会在上海圆满召开。峰会以“创新·融合·筑基，开启智能工业未来”为主题，由“一个开幕式+三场主题论坛”构成， 来自全球人工智能领域政府主管领导，近百家行业龙头企业，数十家制造业企业家、顶尖科学家、行业专家和各界媒体记者共聚浦江两岸，一起探索工业互联网产业链金融新模式，构建工业互联网新生态。  美国工业互联网同盟(IIC)技术工作组及架构任务组联席主席 林诗万 嘉宾观点： 人工智能作为一门学科分为若干领域，其模拟能力着重于与人的交互。其中机器学习是支持其它人工智能应用领域的工具。同样是代替人去做事，工业界的自动化和人工智能之间的区别在于方法论、结果和适用范围等方面。 1、 人工智能在工业领域的应用是多方面的。机器学习工业领域的应用基本的用法在于对物态的各种模式的识别、根据过去的经验对未来的预测，以及针对当前的状况获得为实现特定目标的最佳策略。把特定的实际问题转换成可利用机器学习算法去解决的问题，并能够获得所需的数据，支持建模和用模。 2、 人工智能在工业领域的应用也面临着不少的挑战。①人工智能在工业领域的应用场景受物理、化学、生物学和工程学原理的制约。②基于机理的算法模型，所依赖的早期原理还没有更广泛地用于生产场景。③基于机器学习的算法模型，其结果是统计性的，不具备机理模型的可确定性。④机器学习对生产环境的数据要求质高量大，完备性强。总而言之，工业智能算法应以机理为优先，与机器学习充分融合，相互验证、补充和加强。 3、 数据、算法和应用——工业智能的支撑框架和核心要素。要广泛推进工业智能应用，首先需要解决数据问题，为智能应用提供大量高质完备的数据。算法模型的计算结果必须通过应用软件与业务逻辑结合起来，才能智能化地实现业务目标。三大核心要素构成闭环反馈，可以实现单体设备的优化，多体设备或系统的协同优化，以及业务经营的优化，最后的目的是为了追求业务价值的实现。 4、 数字孪生体把数据和算法模型结构性地按OT的角度组织起来，让算法模型简易地与相应的数据关联，进行计算，也让结果简易地被应用所调用，更容易实现面对复杂工业场景的工业智能应用。 嘉宾ppt分享：           |
|
|
