原創(chuàng)：皓思百微
Ai技術(shù)正逐漸廣泛使用,首先我們先來了解一下什么是AI.人工智能（Artificial Intelligence）夭谤，英文縮寫為AI,AI是一門綜合性的技術(shù)與科學研究方法,是對人類智能機器化的拓展,它是很大的一個范圍,例如機器學習,圖像識別,語音識別,專家系統(tǒng)等. 所以我們經(jīng)常說AI技術(shù)用于什么行業(yè),其實不夠具體和準確,它下面還有很多具體的分支,但是研究的方式與理論比較相近. 而今天我們討論的AI技術(shù)主要集中在機器人,計算機視覺,機器學習,專家系統(tǒng).
? ? 其實傳統(tǒng)的工業(yè)領(lǐng)域已經(jīng)用了很多的AI技術(shù),特別是機器學習,只不過稱呼不一樣而已,像我們了解的控制理論就已經(jīng)涵蓋了很多機器學習的技術(shù).按照機器學習的分類來,分為3大類:?
? ?一.監(jiān)督學習(有導師學習)：輸入數(shù)據(jù)中有導師信號柏腻，以概率函數(shù)搀军、代數(shù)函數(shù)或人工神經(jīng)網(wǎng)絡為基函數(shù)模型烤惊，采用迭代計算方法魏颓，學習結(jié)果為函數(shù).?
? ?二.無監(jiān)督學習(無導師學習)：輸入數(shù)據(jù)中無導師信號忘瓦，采用聚類方法，學習結(jié)果為類別押袍。典型的無導師學習有發(fā)現(xiàn)學習诵冒、聚類、競爭學習等
? ?三.強化學習(增強學習)：以環(huán)境反饋(獎/懲信號)作為輸人谊惭，以統(tǒng)計和動態(tài)規(guī)劃技術(shù)為指導的一種學習方法.
? ?我們熟悉的PID,閉環(huán)控制這類屬于強化學習,其次繼續(xù)往上的就是模糊控制,魯棒控制,神經(jīng)元網(wǎng)絡,遺傳算法等屬于監(jiān)督學習,而現(xiàn)在互聯(lián)網(wǎng),阿爾法狗等基于專家級,大數(shù)據(jù)等多種技術(shù)綜合的學習方式,最后表現(xiàn)為無監(jiān)督學習,具有類似與人類的智商,如果數(shù)據(jù)量夠大,經(jīng)驗夠多,阿爾法狗就越像人.
機器學習上汽馋，工業(yè)領(lǐng)域目前大量使用的為強化學習,特別是工業(yè)現(xiàn)場層,因為方法簡單,計算量小,要求速度快,好調(diào)整,算法不復雜,特別的單機小設備,成本比較苛刻.這是由于現(xiàn)場控制需求與行業(yè)特點的綜合決定的.?而監(jiān)督學習要求就比較高了,首先模型復雜了,例如模糊控制,需要設置對象數(shù)學模型,模糊規(guī)則,對象反饋模型等,算法也復雜了,這時間計算基本是基于數(shù)模模型計算,所以計算量會大很多,一般的控制器CPU,內(nèi)存就無法滿足了.?然后再到無監(jiān)督學習,對硬件的要求,算法,模型,數(shù)據(jù)量的要求更高了.所以你要想讓其他兩種學習方法應用到工業(yè),首先需要明確需求,是否有升級的必要,是做分布式/集散控制還是做集中控制,還是說利用通信實現(xiàn)控制/計算的協(xié)同.
? 從控制的角度來看,目前直接無監(jiān)督學習是不現(xiàn)實的, 但是監(jiān)督學習還是有必要的,因為傳統(tǒng)的控制器基本大部分沒有智能可言,都是基于控制器基本控制+工程師經(jīng)驗現(xiàn)場調(diào)試而來,?對于控制對象與控制模型基本沒有科學的分析方法,自學習能力比較弱,當外部出現(xiàn)干擾因素多的時候.
其次邊緣計算設備會逐步使用監(jiān)督學習，更高級別的可能會上無監(jiān)督學習午笛，只是概率比較小.
在機器人領(lǐng)域惭蟋，傳統(tǒng)的工業(yè)機器人使用的還是強化學習與監(jiān)督學習為主，按照預先編好的程序药磺，最智能的就是規(guī)避.自動規(guī)劃最優(yōu)路徑告组，其實內(nèi)核算法還是監(jiān)督學習. 但是民用機器人就不一樣了，例如餐廳的服務機器人癌佩，需要涉及到NLP自然語言學習木缝，語音識別，圖像識別等围辙，技術(shù)比較密集我碟，但是其對機器人本體的結(jié)構(gòu)要求則不高，如果像大家網(wǎng)上看到的波士頓動力的智能機械狗姚建，機器人矫俺，那就真的是最復雜的機器人了，就是AI+工業(yè)的完美結(jié)合.
在計算機視覺/圖像識別上掸冤，傳統(tǒng)的識別在工業(yè)領(lǐng)域還是占據(jù)主流厘托，是基于對照的參考或者標準來判斷信號/圖片的差異性來直接對比匹配度，就是合格的標準閾值如果區(qū)間太小則可能誤判. 現(xiàn)在大家看到的AI計算機視覺稿湿，除了是從視覺信號上采集分析出結(jié)果之外铅匹，還建立了學習的模型，有的還是深度的學習饺藤，基于大數(shù)據(jù)的識別一定程度上減少了樣本數(shù)量少帶來的細微差異.同時也是因為成本的限制包斑，及市場的壟斷，使得深度學習的技術(shù)沒有快速普及.
?最后是專家系統(tǒng)涕俗，這個概念比較模糊罗丰，工業(yè)領(lǐng)域的專家系統(tǒng)更多是基于數(shù)學與經(jīng)驗為多，而例如現(xiàn)在互聯(lián)網(wǎng)的客服機器人咽袜，更多的是基于大數(shù)據(jù)丸卷，NLP多門科學，大量數(shù)據(jù)綜合的結(jié)果询刹，相對更智能一些谜嫉，未來隨著5G萎坷，物聯(lián)網(wǎng)的普及，硬件成本及開發(fā)成本的降低沐兰，AI帶來的效益不斷增加哆档，未來專家系統(tǒng)普及不是夢.
AI在工業(yè)領(lǐng)域的應用主要為這些，但是其實還有很廣泛的空間住闯，例如AI輔助研發(fā)瓜浸，數(shù)據(jù)科學帶來的價值有時候會超出你的想象，例如醫(yī)療上應用比較成功.AI火是有原因的比原，但是AI沒大家想象那么夸張插佛，鄙人分析，其實就是傳統(tǒng)的控制/算法理論+數(shù)學+哲學.?未來是廣闊的量窘，需要我們不斷的探索.
