记者 |
一台机器人将吸盘手爪缓慢地放低，伸向散乱堆放着的数十个圆柱形工件料筐，试图从中抓取一个，但它没能成功。
机器人又尝试了一次，希望抓取相邻的另一只工件，同样失败了。直到第三次，机器人才成功吸起另一只工件，放入旁边的另一个料筐中。
这台机器人并非出现了什么故障，而是正在借助深度学习技术，自我学习如何更有效率地拾取这些工件。
随着数据积累量增加，它的拾取成功率将不断提升。经过5000次数据学习后，成功率可达到90%。
8月底举行的国际人工智能大会上，日本机器人公司发那科展出了这台融合机器视觉、深度学习等技术的人工智能设备。
在同期举行的全球工业智能峰会上，Landing AI创始人及首席执行官吴恩达则再次重申了他的经典比喻：人工智能将成为新时代的“电力”。
显然，人工智能技术也正在悄然掀起工业制造领域的变革。
吴恩达此前曾担任百度的首席科学家，2017年离开百度后，创立了人工智能企业Landing AI。这家创业公司目前正在工业制造领域尝试应用人工智能技术。
一年前，Landing AI与工程机械公司中联重科（000157.SZ）签署了关于人工智能的战略合作协议。两家企业将共同研发基于人工智能技术的农业机械产品。
按照双方的设想，利用机器学习，这些新开发的农用机械设备将具备自我智能决策的能力，实现更有效率的杂草和虫害管理。
这些案例让阿兰·德迪埃（Alain Dedieu）看到了一个激动人心的时代。这位施耐德电气工业自动化全球战略高级副总裁称，过去十多年，全球范围内的工业制造水平停滞不前，但现在面临着一次重要机遇，能够利用人工智能提升制造业的产能和效率。
德迪埃引用的一项预测称，到2035年，人工智能或能将全球制造业的产能提高40%。
“我不知道这个数据是否准确。即便产能只提高10%，对于整个行业来说，也已经是个非常雄心勃勃的目标了。”德迪埃说。
施耐德已在位于英国的一些发电设备上，试点应用了人工智能技术，以防止设备意外停机。通常，这些设备发生一次类似故障，就会造成约400万美元的损失。
尽管人工智能与工业制造的结合拥有广阔前景，但在工业互联网产业联盟（下称产业联盟）秘书长、中国信息通信研究院副院长余晓晖看来，现在的工业智能水平仍处于比较初期的阶段。
产业联盟所发布的《工业智能白皮书》指出，工业制造领域目前所应用的人工智能技术中，超过一半是传统机器学习而非深度学习。
借助对图像、语音和数据的分析，传统机器人学习可以解决一些拥有较高不确定性、但计算复杂度较低的问题，比如检测产品质量以及对设备进行预测性维护等。
相比于在棋盘上风生水起的AlphaGo，深度学习这种人工智能技术，目前并未在工业制造领域大规模落地。中国工程院院士柴天佑认为，这与两者的应用场景截然不同有关。
工业领域的决策通常处于开放环境下，规则存在不确定性，并且拥有多个目标。围棋博弈则建立在完全确定的规则下，拥有单一的目标（输或赢），因此可以构建精确的决策模型。
这位机械工程行业的专家称，“既然围棋有这样的模型，我就可以离线训练，一直训练到能打败你。”
余晓晖认为，若想要依靠人工智能技术解决工业领域目前面临的复杂问题，仍有赖于技术自身的发展。这些技术中，包括如何动态感知多尺度、多元的信息。
“人可以用眼睛看工况，并且做出判断。人工智能如果要利用这些信息，必须解决动态感知的问题。”柴天佑称，只有攻克了这些技术，未来的工业制造行业才有可能发生革命性的改变。
