智能化升级无限可能 工业AI迎来“ChatGPT时刻”

近年来,伴随第四次工业革命以及工业数字化、网络化、智能化发展的大浪潮,人工智能加速向工业制造业渗透,已经成为促进数字经济与实体经济融合发展不可忽视的动力。

本文来自微信公众号“人民中科研究院”,作者/任轲正。

ChatGPT爆火的背后,是汹涌的人工智能浪潮。微软CEO纳德拉坦言,ChatGPT的出现堪比工业革命。

近年来,伴随第四次工业革命以及工业数字化、网络化、智能化发展的大浪潮,人工智能加速向工业制造业渗透,已经成为促进数字经济与实体经济融合发展不可忽视的动力。

01

工业AI:让智能化升级蓄势待发

ChatGPT的出现,使得全球顶级科技力量之间展开了大数据分析、算力算法、大模型能力的较量。

“ChatGPT应该说对我们是一个很好的启发,让我们反思人工智能下一步应该怎么走。”中国工程院院士邬贺铨认为,ChatGPT人工智能的发展,现在所缺的是怎么跟行业更紧密的结合。

事实上,AI技术早已延伸至工业制造业等实体产业中,工业AI更成为主要国家政策战略重点之一,推进人工智能创新成为技术创新与融合应用的核心和共识。

360截图16251112669372.png

据埃森哲测算,到2035年,人工智能技术的应用将使制造业总增长值(GVA)增长近4万亿美元,年度增长率达到4.4%。

我国人工智能产业起步较晚,但发展势头迅猛。近年来,积累了大量的数据以及基础设施高速发展。国家层面更是先后部署了智能制造等国家重点研发计划重点专项,并出台了《“互联网+”人工智能三年行动实施方案》和《新一代人工智能发展规划》。从指导思想、战略目标、重点任务和保障措施、科技研发、应用推广、产业发展等方面进行了系统规划部署。

可以预见的是,在当下数字经济、数字孪生、元宇宙、AIGC等概念加持下,人工智能将加速与千行百业融合创新,向下一波快速增长蓄势待发,为工业智能化带来更多可能。

360截图16251112669372.png

02

工业AI的现存挑战

随着数字经济技术的飞速发展,不断翻新迭代的移动通信技术和人工智能(AI)正在彻底改变我们的工作、学习和生产力。在工业制造领域,人工智能正向产品质检、辅助决策、智慧分拣等领域快速渗透,各种创新型场景化应用相继迭代,助力制造企业提质增效降本。

根据中国信通院发布的最新数据测算,2022年我国人工智能核心产业规模达到5080亿元,同比增长18%。

虽然工业AI的前景诱人,但大多数组织和企业仍停留在理论研究、商业案例展示阶段。在具体的落地推进环节还面临很多切实难题。

《工业智能白皮书(2022)》提到从企业实践应用的角度,工业AI应用存在三方面挑战:

一是关键融合技术尚未突破,以深度学习为核心的AI算法及软硬件配套技术在可解释性、实时性、数据可用性、易用性与适配性四方面还没有实现突破性进展;

二是应用场景缺乏进一步识别,需要进行高价值高需求场景或可复制推广场景的梳理及遴选。

三是产业生态与保障机制还不完善,主要是数据共建共享机制、模型知识所属权界定等问题。

另一方面,工业AI应用正向研发、产品服务等上下游环节逐步延伸。对于国内外应用需求差异性,主要体现在我国在深度与创新性方面有待提高。而国外聚焦价值增值与场景创新,我国更注重利用AI解决生产实际需求痛点。同时,国外已进入核心环节数据+机理智能优化阶段。我国在核心环节的深度+创新应用方面有待提升。

360截图16251112669372.png

03

工业AI的未来

工业AI已成为工业实现智能化的必经之路。在工业互联网发展浪潮下,工业AI技术创新将进一步加快、应用推广和场景创新不断加速,成为助推工业数字化转型、驱动制造业高质量发展的重要引擎。

不少业内人士表示,AI将为工业互联网发展点燃“新引擎”。一方面,当前工业生产过程中经常会出现不同状况和场景,而通过AI赋能,工业互联网会更加智能,特别是在工业生产中涉及到高维度、高复杂度的计算场景,AI更是可以通过深度学习、机器学习等算法提供更高效的解决方案。

另一方面,AI可以为工业互联网运行提供方向。针对工业互联网中的大量数据,AI可以对这些数据进行分析、筛选、判断,对工业生产问题进行推理。此外,AI可以通过数据对生产结果进行预判,实现生产过程的自动化、智能化升级。

360截图16251112669372.png

AI技术未来在工业领域有着巨大的发展空间,并呈现出四个发展趋势。

一是在产品向服务和体验延伸的趋势下,会有更多的通用领域AI技术可复用,但应用场景还需继续挖掘;

二是在大规模个性化定制的趋势下,语言认知类模型将得到延伸升级。通用AI技术中的数据挖掘、文本分类、对话系统、个性化推荐模型,在大规模个性化定制的背景下,如果可以引入更多特征、支持更细粒度分类、更精准推荐,将发挥重要作用。

三是工业级大模型将涌现。工业级大模型是通用骨干网和工业适配网络的组合,其骨干网来自于通用的预训练大模型,比如ChatGPT这类大模型,而适配网络则相对轻量级,它注入了各种工业知识,比如,工业领域的词典、专利、设计文档、知识图谱、行业标准等。这样一个工业大模型,将会减少工业领域特定任务的数据需求量,提升ChatGPT等语言模型在工业领域的准确率。

四是多模态融合和群体智能解决复杂场景的模型需求增加。受限于需求规模、精度、算力等限制,导致工业领域直接复用通用的AI模型还有技术差距,而完全开发新模型的动力又显不足。在这个背景下,多模态融合和群体智能,是一个性价比较高的解决方案。比如人机协同的机器人,可以考虑把成熟的力感应方案和机器视觉方案融合,虽然单个解决方案还无法达到可用程度,但是多个方案的融合,在新场景下可以达到可用的性能。

结语

用AI解决产业问题蕴含着机会,ChatGPT是一个起点,随着一些扎根产业的技术公司的持续深耕,越来越多的行业正在迎来AI应用的“ChatGPT时刻”。工业AI轻量化、模块化、低代码化甚至无代码化的“傻瓜式”应用将成为未来的趋势。

责编:岳青植

监制:李红梅

文章参考:

1.《工业AI也将迎来「ChatGPT时刻」》机器之心

2.《工业版ChatGPT:一个对话框解决工业互联网问题》中国信息化周报

3.《工业AI:掀起数字化“狂飙”》工业互联网世界

4.《人工智能产业化应用加速》人民日报

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论