在美國50家最緊跟潮流的公司名單中掉盅，通用電氣這個125歲的公司榜上有名，排名第40以舒。作為向高科技企業(yè)轉(zhuǎn)型的一部分趾痘，從科學家開始，它將人工智能貫穿整個運營過程中蔓钟。
2011年永票，Jason Nichols加入了通用電氣（General Electric簡稱：GE）全球研究公司。很快他就在加州大學伯克利分校完成有機化學博士后工作滥沫，并期望在化學研究方面能有一個長期的職業(yè)生涯侣集。不過，在連續(xù)四年做了為處理工業(yè)廢水創(chuàng)造材料和系統(tǒng)的工作后兰绣，Nichols搬到了公司的機器學習實驗室世分。今年，他開始研究增強現(xiàn)實（AI)缀辩，工作角色有了變化臭埋，可以說既是化學家踪央，又是半個數(shù)據(jù)科學家。Nichols的這種職業(yè)角色正是典型的混合型員工斋泄，對于一個致力于將人工智能注入其機器和工業(yè)過程的公司未來的GE來說杯瞻，無疑是至關重要的。
15年前炫掐，通用電氣的機器操作人員和技術人員魁莉，通過聽機器的當啷聲,震動聲和儀表檢查來監(jiān)控其飛機發(fā)動機、機車和燃氣輪機募胃。如今旗唁，公司用人工智能技術來做相同的事情，甚至可以提前預測失敗痹束。
依靠這項技術检疫，GE希望在2020年之前成為世界頂級軟件供應商之一。事實上祷嘶，2011年GE就加大了在這一領域的探索成本屎媳，該公司花費10億美元主動收集和分析來自機器的傳感器數(shù)據(jù)。通過AI創(chuàng)建更智能的模型是公司戰(zhàn)略的下一步论巍，以此希望能夠給自己帶來比長期競爭對手烛谊，如西門子，軟件巨頭IBM等更大的優(yōu)勢嘉汰。目前丹禀，IBM的業(yè)務擴展到了工業(yè)分析領域。
當然鞋怀，將人工智能整合到一個成立于1892年的組織是一項艱巨的任務双泪。首先得從培訓公司的技術人才開始，全球各地加起來共有30萬人密似。 Jason Nichols的工作地點通用電氣全球研究機構（GE Global Research）焙矛，正在建立在線教程，教授機器學習和專題研討會残腌，以便科學家們可以探索新的角色薄扁。目前為止，近400名員工已經(jīng)完成了GE數(shù)據(jù)分析認證項目废累，約50名科學家加入了Nichols所從事的數(shù)字分析工作。
雙重職業(yè)
這些雙重身份的科學家脱盲，很多可以幫助制作GE的云托管軟件模型邑滨，既節(jié)省了資金，又能提高客戶的安全性钱反。利用從機器傳感器收集的信息掖看，GE構建這些“數(shù)字雙胞胎”（digital twins)匣距，再輔以基于物理的模型、AI哎壳、數(shù)據(jù)分析毅待、其科學家和工程師的知識。
雖然數(shù)字雙胞胎主要是軟件代碼归榕，最精細的版本看起來像三維計算機輔助設計圖紙尸红，包含交互式圖表，圖表和數(shù)據(jù)點刹泄。但這些足以使GE用傳感器數(shù)據(jù)來追蹤飛機發(fā)動機外里，機車，燃氣輪機和風力渦輪機的磨損情況特石，從而更容易預測何時需要維護盅蝗，而不是用假設或估計的方法。例如姆蘸，飛過美國的飛機引擎墩莫，可以在加利福尼亞州的GE計算機服務器上設置一個數(shù)字雙胞胎來確定其部件的最佳服務時間表。
除了預測機器壽命逞敷，虛擬模型還能夠使GE優(yōu)化其產(chǎn)品的運行狂秦。通用電氣表示，數(shù)字雙胞胎使得風力發(fā)電廠產(chǎn)生的電力增加了20%兰粉。其中一臺機車一年的燃料消耗和碳排放量分別減少了32000加侖故痊，17.4萬噸。目前玖姑，超70萬臺模型已交付給客戶愕秫，到今年年底可能會超過100萬。
該技術依賴于人工智能技術的不斷更新焰络。此外戴甩，如果數(shù)據(jù)被破壞或丟失，公司會借助機器學習來填補空白闪彼。這是一種允許計算機學習而不進行明確編程的人工智能甜孤，通用電氣全球研究機構軟件研究副總裁Colin Parris說。 Parris表示畏腕，GE將計算機視覺與深度學習相結(jié)合缴川，這種AI尤其擅長識別模式和強化學習。它另一個最新的進步是描馅，使機器能夠優(yōu)化操作把夸，使攝像機能夠在臟的、灰塵滿滿的金屬渦輪葉片上找出微小的裂縫铭污。
拿起這個比火柴盒車略大一點的小機器人恋日，使用計算機視覺和各種AI技術膀篮，它可以在緩慢移動的風扇葉片頂部找尋飛機發(fā)動機內(nèi)的裂縫。
類似的技術也可以應用在無人機上岂膳，可在200英尺高的火炬堆上發(fā)現(xiàn)腐蝕誓竿，從而燒掉由石油和天然氣生產(chǎn)基地釋放的多余氣體。
并非一時的狂熱
為了開發(fā)和使用這些系統(tǒng)诽表，GE研究人員需要了解機器的物理和AI算法唉锌。
“這是一個，分子生物學家會和機器學習專家坐在一起竿奏，控制理論人才會和懂材料科學的人坐在一起袄简，進行探討的地方》盒ィ”GE全球研究分析技術總監(jiān)Mark Grabb說绿语，“這種合作非常強大，但沒有比同樣的信息在同一個大腦里更強大的了候址，它就是超高效吕粹。”
譬如Matt Nielsen的大腦岗仑，他在獲得物理博士學位后于1998年加入通用電氣全球研究機構匹耕。在2015年全面投入到公司的數(shù)字化領域之前，Nielsen開發(fā)了光子學荠雕，并在電動汽車軟件方面開展工作稳其。如今，他領導了一個數(shù)字雙胞胎開發(fā)人員團隊炸卑，并幫助構建了基于物理的模型既鞠，可以結(jié)合機器學習算法。
Sahika Genc是另一位雙重科學家桐玻，在GE機器學習實驗室工作之前蹋宦，她開發(fā)了ICU報警系統(tǒng)⌒秸撸現(xiàn)在她是一名機器學習科學家，通過深入學習和強化學習锉桑，使GE的能源管理系統(tǒng)更加高效链韭。她最近的一個項目就是應用機器學習和傳熱理論來確定建筑能量如何消散和儲存偏竟。預測將有助于GE客戶降低能耗。
這些混合研究人員敞峭，可能是GE與另一個世紀分保持相關性的最佳方法踊谋。因為GE想在渦輪機、噴氣發(fā)動機和機車等充滿競爭與成熟的行業(yè)中尋找增長機會旋讹。
軟件研究負責人Parris承認殖蚕，在GE的2000名研究人員中，仍然有人認為新方法的某些方面是“一時的狂熱”沉迹。
但睦疫，不能超前的科學家可能就會落后。1月份鞭呕，該公司在GE被視為“數(shù)字工業(yè)”戰(zhàn)略次要的地區(qū)進行了裁員蛤育。之前，2016年GE新增了100個與AI和機器人相關的研究工作葫松。
作者：Elizabeth Woyke
編譯：梓色揚光
原文鏈接：https://www.technologyreview.com/s/607962/general-electric-builds-an-ai-workforce/
“本譯文僅供個人研習瓦糕、欣賞語言之用，不歡迎任何轉(zhuǎn)載及用于任何商業(yè)用途进宝。如需轉(zhuǎn)載請注明作者和來源刻坊。（本譯文所涉法律后果均由本人承擔。本人同意簡書平臺在接獲有關著作權人的通知后党晋，刪除文章谭胚。”）
