如何在Excel中同时打开两个独立窗口以提升工作效率
352
2023-05-08
直接迈入AI时代,就能跨越制造的本身?
最近翻看了一本称为《复杂》的书,谈到了混沌,其结果对于输入极其敏感,就像蝴蝶效应,纯粹的非线性,但是,发现其实这里的非线性也是有确定性的描述的,即,通过逻辑斯蒂映射,可以对整个非线性过程进行预测,并发现了“费根鲍姆常数”—这是让我很吃惊的,非线性系统原来也是具有确定性的,这就是“AI可以发挥”的地方,和戴老师在群里聊及一些技术话题,谈到这个—其实,这就是人们希望AI可以干的事情,在不确定中寻找确定性—其实,还是可解释的模型最管用,人类所有的工作不就是希望提高确定性吗?
但是,基于统计学和野蛮算力的AI,却并没有“洞察力”—因为逻辑斯蒂映射、费根鲍姆常数是数学家们自己发现的,并手动推算的,那么这个“洞察力”,是今天的AI所完全没有的,人们常说“智慧”,智慧就是洞察力、判断力,在十字路口,要往哪里走?机器可能用“遍历”、“交叉树”些方法,但是,人可能用直觉就能做出准确的判断,或者作出判断是不去了—对于计算机来说,它擅长于计算,但是,我说不去了—因为,去找各种路估计已经来不及了,我放弃了,不用算了—这个时候,计算机的算力没有意义。
在一次展会期间,其实,我想验证一个老前辈的话,他曾经说其实国内目前仿的机器都是别人10-20年前的,通过与行业几位业内人士聊过发现果然如此,因为从技术上来说,Know-How通过软件封装已经让很多这种“灰度创新”难以为继,而另一方面,对于新的机器来说,即使逆向工程也是有大量测试验证工作的,与20年前的机电系统相比,这个验证也是代价很高的,风险比较大,所以,大家也就只能把别人十多年前的机器图纸拿来。只有少数具有自主研发能力的企业,才具有很深的机械电气机理模型验证能力,谈到这个是想说,其实,AI用于解决问题花费的测试验证成本并不会比传统的方式低,不要对AI抱有过高的期望。
做企业的,可不能这样,尤其是自己要掏真金白银来的,可要思虑清楚。
如果过去的那种做法真的奏效,其实,我们怎么会有今天的问题呢?所以,不能用带来问题的思维方式来解决问题,这个话还是有非常深的道理的。
我们的很多问题,根本不是AI能够解决的,或者AI只能解决非常有限的问题,解决那些已经达到了机理极限的问题。以为AI就可以解决问题不花钱—这种不老而获想法也是不行的。
人才,其实还是人才的问题
但是,你若问的仔细,你会发现大部分人其实对于AI是一知半解,很多企业的决策着也是有一种“不做就落后的感觉”,其实,如果我告诉你你的落后跟人工智能一点关系也没有,但是,有些人会问, 我们应该有什么样的知识结构,这倒是问到了要点上,就是有了“规划”的想法了,至少人家知道,这事肯定得有人才行。
这跟工业互联网有点像,前段时间有朋友说走访了很多某省的企业,很多企业都想上工业互联网,但是,不知道能干什么,这种现象很普遍,能干什么都不知道,纯粹是怕落后于时代,但是,对于自己企业存在哪些问题,需要借助于这些工具与方法来解决似乎并没有概念。企业的问题,主要是为了解决对服务的用户的质量、成本、交付问题—这是反复被强调的,聚焦自身,你又不是打算做工业互联网企业,你想上不上云、怎么干,这些是服务厂商的问题,企业自身的问题是把需求搞明白,自己想要什么搞清楚—如果连这个也不清楚,你上什么工业互联网平台、AI都是枉然,也就被骗了点钱,或者一起忽悠了笔政府的钱。
如果不知道为什么要做这件事情的时候,至少你可以冷静下来问问自己“WHY?”,然后问问这个问题,我现在有什么办法尝试过了吗?
你得知道你处在什么阶段?
我想很多企业还没有到AI发挥实力的阶段,很多企业的问题只需要通过提高精益管理水平、提高自动化水平就可以解决的阶段,AI这个东西,它是用来解决一些更为“精细”的工作的,就像你质量水平是99%,你已经使出了浑身解术,那么,你可以借助于AI帮助你解决一些更为精益的问题,在一些细节上可以将工艺匹配的更精准,但是,如果你现在的质量水平还只有85%,那我可以告诉你,这个阶段可以用更便宜的方法,而不是AI来解决的。
其实,很多问题还不需要AI就能解决,或者,很多企业的落后,不是AI能解决的,AI解决都是高级问题,你连初级问题都没有解决,你指望跨越的发展是不现实的。
当然,如果你感兴趣,你有一些问题是否AI今天更经济,这么思考问题我想也是可以理解的,毕竟,传统的方法也不是什么好方法,但是,这里你就必须得清楚你的应用特征了,你还是得有自己的知识和Know-How,至少你得把你的问题讲清楚。
你能把你想要的问题讲清楚吗??
不要轻易回答这个问题,仔细想想,你会发现,大部分人做不到讲清楚,而建议别人“问清楚”。
--你清晰你的工艺流程吗?
--你关注的细节是用户关注的吗?
--你们亟待解决的可量化指标是什么?
--对于质量相关性的参数你有多少了解?
--你知道你需要多大量数据才能训练出有效模型吗?
--你们的数据类型是哪种?
--对于可解释性你们有要求吗?
--你对AI了解多少?
--你的AI规划与现有系统之间如何衔接?
--你能够为你的供应商提供什么样的架构?
能把问题讲清楚吗?
把问题讲清楚,以前觉得不是个什么事情,但是,现在发现这是个大问题。
智能到底是什么?它想干什么?
显然,人们搞各种智能的目的就是让机器人帮人干活,也不是懒,在灵活性方面,机器是没法跟人比的,但是,在质量一致性、速度、工作态度方面,机器肯定比人强,生产线上的工人,老法师干活杠杠的,但是,老油条也能给你磨洋工,你看机器就不一样,只要给它上电,它就给你干活,它出了问题,也不会抱怨你不给它涨工资,给上点润滑油,换个零件,继续干。
智能的本质是什么?
相对来说,在过去的时间里,生产还是比较标准的,现在就不一样了,现在你要让我穿件跟你一样的衣服,我内心深深的觉得自己没有个性-不能彰显我独特的魅力,尽管我知道我的个性化需求主要来自体型的局限性带来的困扰,但是,我还是选择去定制衬衫和西装。
如果你让机器拥有智能,其实,就是让机器学会人的方式去干活,人怎么干活的?人是有眼睛、耳朵感知世界的,然后有手去执行的,由感知到大脑,大脑协调各种肌肉、关节的运动(机器或机器人)来完成各种任务的。
智能的形成过程
说来说去,其实,制造业的智能包括了大家平时用的机理建模和数据建模两种方式,因为我们可以想象,是否所有的制造都是“物理”和“化学”两种,物理的成型也是有物理公式的,化学则有化学方程式,只是干扰却具有不确定性,那么,行为主义不管你们的干扰形成和影响是什么样的,我就认准对象输出有问题就去调节,然后不断的采样、控制、周期性的控制策略调整,总归是能达到效果的。机理模型当然也不是完美的,毕竟,它也不是实时的,也只是控制“趋势”。
智能其实就是这两种主要的思维方式的数学建模,然后经过大量的测试验证,最终形成知识的载体—工业软件,软件即是人的知识、推理的封装。
工业智能的几个重要场景
对于工业而言,图3几个场景是比较典型的AI发挥能力的地方:
(1).预测性维护:传统采用机械失效分析等机理的方式,其实一样是需要领域知识的大量积累,过去称为专家系统,但是,对于航空航天等重要领域,其实,这个方面的研究一直在进行,但是,对于更为广泛的领域,则由于经济性问题,而不能进行大量的专家知识积累,依靠于人的经验,而随着AI带来的成本下降,使得,通过AI来进行更为广泛领域的预测性维护,也成为了可能。
(2).视觉应用
(3).控制策略
(4).最优化:对于原有的控制任务过程中,我们可以加载观测器、成本函数来对整个过程进行约束,例如寻找时间消耗最小的路径、材料最少、质量最高的路径,这种最优化,在没有模型可以依赖的时候,可以借助于学习来训练模型。
工业对于AI必须是“物理模型+AI方法与工具+行业知识”共同构成,难道我们机理模型没有打好基础,就认为直接迈入AI时代,就能跨越制造的本身?
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。