隨著人工智能在工業(yè)領(lǐng)域的滲透,出現(xiàn)了許多在消費領(lǐng)域所不曾遇到的挑戰(zhàn)。當(dāng)下,西門子人工智能研發(fā)團隊正致力于開展一系列創(chuàng)新實踐,推動前沿技術(shù)的成果轉(zhuǎn)化。
“我們希望提供用得起、用得好的工業(yè)人工智能解決方案,將工業(yè)數(shù)據(jù)的巨大隱藏價值變得可見且可得?!蔽鏖T子中國研究院大數(shù)據(jù)分析研發(fā)部總監(jiān)田鵬偉說道。
一方面,工業(yè)領(lǐng)域普遍故障樣本少,數(shù)據(jù)打標依賴行業(yè)專家,成本高昂。西門子研發(fā)團隊將神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)貝葉斯方法相結(jié)合,盡可能把工業(yè)領(lǐng)域的先驗知識融入模型,減少對樣本數(shù)據(jù)量的依賴,開展基于小樣本數(shù)據(jù)的有效學(xué)習(xí)。與此同時,團隊還通過主動學(xué)習(xí)技術(shù)來降低數(shù)據(jù)打標的成本,先基于算法篩選出有用的未標記樣本,再交由專家進行標記,只需要和專家進行少量交互即可高效完成模型訓(xùn)練。
另一方面,工業(yè)人工智能的巨大潛力與高應(yīng)用門檻似乎是一對無法解決的矛盾。西門子研發(fā)團隊前瞻性地探索基于元學(xué)習(xí)等技術(shù)的自動機器學(xué)習(xí)應(yīng)用,讓系統(tǒng)根據(jù)當(dāng)前數(shù)據(jù)集的特征幫助使用者快速選擇算法模型和參數(shù)配置,降低專業(yè)性要求,這將大力助推人工智能在工業(yè)中的普及。
美國辛辛那提大學(xué)工業(yè)人工智能中心主任、《工業(yè)人工智能》作者李杰教授表示:“人工智能在工業(yè)領(lǐng)域的真正價值是替人找到工業(yè)系統(tǒng)中不可見世界的參數(shù)的關(guān)系與變化,預(yù)測并有效避免問題的發(fā)生 。當(dāng)工業(yè)人工智能滲透愈發(fā)深入,當(dāng)它的潛力在工業(yè)智能化進程中被充分釋放時,整個工業(yè)應(yīng)該是 ‘無憂’ 的?!?
作為工業(yè)人工智能的理想賦能者,西門子正在加速這一天的到來,讓企業(yè)不再為運維成本、生產(chǎn)瓶頸以及未來隱患而擔(dān)憂,讓工業(yè)變得更具智慧、更加安全。