观点 | 通用Digital CTO:工业人工智能所面临的4点特殊挑战

Harel Kodesh

AI科技评论按:当人们提到人工智能的时候,绝大多数人想到的是消费级人工智能,但事实上,人工智能在工业和制造业领域也拥有广泛的运用。近日,通用电气数字业务(GE Digital)的首席技术官(CTO)Harel Kodesh接受专访时谈到了工业人工智能与消费人工智能的四大区别,并且对工业人工智能所遇到的困境进行了分析。下面和AI科技评论一起来看看吧。

在提到工业和制造业人工智能的时候,人们的第一反应是机器人。事实上,很多创新企业,比如Rodney Brooks创办的Rethink Robotics,已经开发出了外表和善的工厂机器人,它们和人类同事们一起不停地忙碌着。

历史上,工业机器人通常被设计用来执行特定的细分任务,而现代机器人则被授予了新的使命:做出实时决策。

Rethink Robotics

尽管机器人的外表可以很光鲜亮丽,但在制造业中,绝大多数人工智能的价值是将传感器和常规硬件中的数据转换为智能预测,来帮助企业做出更好更快的决策。

当前,有150亿台机器连接到互联网。到2020年,思科(Cisco)预测这一数字将超过500亿。将这些机器一起连接到云端的智能自动化系统中,会是制造业和工业发展的下一个重要突破。

2015年,通用电气(General Electric)推出了GE Digital,以推动各部门的软件创新。GE Digital的首席技术官(CTO)Harel Kodesh,与我们分享了人工智能在工业应用上所面对的独特挑战。

1、工业数据经常是不准确的

“要机器学习正常工作,你需要大量的数据。消费级的数据很难被误读,比如,你买了一个披萨或者点了一下广告,那么你的数据就是披萨和广告的信息。”Kodesh说道。“可是,当你观察工业互联网的时候,40%的数据是有争议的,而且这些数据没有任何用处。”

举个例子,当你使用联合收割机的时候,你必须计算联合收割机要钻多深,并且你需要将湿度传感器插到地面进行测量。此外,你的读数可能会受到各种条件的影响,比如极端温度、人为意外、硬件故障,甚至一只小虫无意间进入到了设备之中也会造成不小的影响。

Kodesh强调:“我们可不是从你舒适和安全的书房电脑中获取数据的。”

2、工业人工智能在终端运行,而不是云端

消费级数据是由看起来拥有无限容量的云计算集中处理的。亚马逊(Amazon)可以奢侈地用他们的时间来大数据跟踪你的浏览和购买记录,并且向你展示新的推荐。

Kodesh指出:“在消费预测当中,就算预测错了也不会有什么大问题。你很快就会忘了亚马逊曾经给你推荐过什么烂书。”

而在千里之外的深海石油钻井平台上,有一个名为提升管的设备,一种将油从海底油井运送到地面设备的导管。如果提升管出现了某个问题,好几个夹具必须立即响应关闭阀门。那些管理夹具执行器的复杂软件必须能够追踪实时的温度和压力才行。而且错误的代价是可怕的,任何错误都可能意味着灾难。

对工业应用来说,对风险控制和响应能力的要求高的多,因为人们的生命安全以及数百万美元的宝贵资源都依靠着这些应用。在这种情况下,工业级的功能就不可能放在云端运行,必须在本地实现,也就是在我们所说的“终端”。

工业人工智能被构建为一个端到端的系统,Kodesh比喻它为“往返机票”,数据直接由终端的传感器生成,然后送达到算法,在云端建模,接着移回终端执行。在终端和云之间有主管网关和计算机存储的多个节点,因为整个系统必须在正确的位置运行正确的载荷。

在铂金条的制造设备中,如果生产的铂金条成分有问题,那么系统应该立即识别出来,以便于在开始的时候调节压力。任何延迟都意味着原材料的浪费。

同样的,一个风力发电机会不间断地获取数据以控制操作。Kodesh特意强调了某种故障的可能性:“在数据的第百万个字节可能是叶片扭矩的数据,如果扭矩太高,发电机的叶片就会掉落。而我们需要在第一时间知道这个关键信息数据,即使在数据队列中它排在百万位以后。”

提供正确的实时数据是一项非常艰巨的任务,以至于通用电气必须依靠定制的内部解决方案才行。“Spark技术很快,”Kodesh承认,“但是当你必须要在10毫秒内做出决定时,你需要不同的解决方案。”

深海石油钻井平台

3、单次预测花费超过1000美元

尽管错误数据量巨大,终端的处理能力也有限,但工业人工智能依然需要表现的非常准确。

如果飞机上的分析系统判断一个引擎出现了故障,专业的技术人员和工程师必须前往拆卸和维修故障部件。同时,飞机制造方还要向航空公司提供一个备用引擎,以便航空公司能顺利完成飞行计划。整个行动和交易能毫不费力地花费超过20万美元。

Kodesh说:“在没有问题的时候,我们不会告知你有问题;当出现问题的时候,我们更不会告诉你没出现问题。我们要确保有一个精度非常高的系统。”

根据Kodesh的说法,唯一能够确保这种高精度和表现的方法,就是同时运行数千种算法。一个类似亚马逊的消费公司,可能在一本书上的利润是1-9美元,所以他们只愿意为每个顾客的预测花0.001美元。但是对于工业和制造业巨头们来说,由于有数十万美元的风险,所以他们每次预测的花费都在40-1000美元之间。

Kodesh透露:“用1000美元,我可以同时运行大量算法,并且将结果汇总,最后使用遗传算法来增加预测准确度。”

4、复杂模型必须被解释

消费者们很少会问亚马逊为何能做出具体的推荐。可是,对于工业和制造业,当风险增高的时候,人们就会开始提出问题了。一个在某领域已经工作了45年的技术人员,绝对不会相信一个无法解释其预测原理的机器。

为了实现这种高度的可解释性,通用电气需要发明全新的技术。但不幸的是,他们所需要的人才实在是太稀缺了。

Kodesh抱怨说:“我很佩服那些试图把市场需求和新数据科学家进行匹配的学校,但是这些人的数学能力太浅了。一个真正的数据科学家需要有更多的学术深度。他们需要成为能够实时过滤和规范百万个数据点的顶尖专家。”

VIA Forbes AI科技评论编译

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-04-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【彭博】智能市场开源竞赛,谷歌遥遥领先

【新智元导读】彭博社著名科技记者Jark Clark日前撰文,分析谷歌开源深度学习软件TensorFlow对业界影响。开源有益,也让谷歌获得最大好处——让Ten...

3556
来自专栏机器人网

今天,如何构建更安全的工业机器人?

据彭博社报道,今年6月,德国大众汽车一个加工车间,一位年仅22岁的维修工人因机器人出现故障而被“意外杀死”。此事件使得各大媒体纷纷开始讨论人类与 未来机器人“和...

2705
来自专栏ThoughtWorks

TW洞见 | 熊节:用精益思想塑造创新型组织

自从彼得·德鲁克提出“创新型组织”的概念,它就成了企业管理者们口中的热词。尤其是IT企业,家家都希望打造出一支极具创新活力的团队。但一直以来,关于创新型组织的理...

3196
来自专栏华章科技

Uber创始人清华演讲实录:谈创业者要具备的八种特质

风靡世界的打车软件Uber刚刚度过5岁生日。9月8日Uber的创始人特拉维斯·卡拉尼克(Travis Kalanick)在清华大学发表演讲。作为最早加入的5名员...

681
来自专栏AI科技评论

3100名谷歌员工联名上书CEO,抵制与美国防部进行涉军用AI技术合作

谷歌秉承「不作恶」原则,但近日发生的联名信事件诚然让这一原则受到挑战。企业与政府甚至是国防部的军事合作,又该如何平衡与员工理念之间的关系?

723
来自专栏ThoughtWorks

设计适用于低资源环境的医疗IT系统 | TW洞见

今日洞见 文章作者/配图来自ThoughtWorks:熊节。 本文所有内容,包括文字、图片和音视频资料,版权均属ThoughtWorks公司所有,任何媒体、网站...

33214
来自专栏互联网数据官iCDO

坏数据滋生不良销售线索:为B2B销售周期清理数据

引言:我们创造的数据比以往任何时候都多——但是大部分数据都不好。这对于B2B营销人员及其线索产生(Lead Generation)/销售线索意味着什么?

392
来自专栏机器人网

深度报道 | 协作机器人的崛起

虽然仍处于起步阶段,快速发展的人机协作(HRC)在最近两年依然取得了显著的技术进步。毋庸置疑,雄心勃勃的创业企业对于培育一种新型的协作机器人有着狂热的热情。 不...

3786
来自专栏北京马哥教育

大数据的核心价值到底是什么?

? 作者:王喆 链接:https://www.zhihu.com/question/23273263/answer/65433220 先说结论:大数据的终极...

2725
来自专栏企鹅号快讯

未来10年21个核心工作岗位

感谢新智元编译及编译者:费欣欣 未来10年21大工作岗位:未来社会工作的基石 今天我们要介绍的,是由高知特(Cognizant)资助进行的调查,他们专门制作了一...

2079

扫描关注云+社区