人工智能创新发展

《人工智能创新发展》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、人工智能创新发展人工智能具有显著的溢出效应，能够嵌入到更多的软件和终端设备中，推动战略性新兴产业总体突破，正在成为推进供给侧结构性改革的新动能、振兴实体经济的新机遇、建设制造强国和网络强国的新引擎。习近平总书记在党的十九大报告中指出，要“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在此背景下，我们需抓住此次产业变革机遇，促进工业智能发展，提升制造业智能化水平，推动人工智能和实体经济深度融合。一、人工智能正步入应用拉动的快速增长阶段（一）人工智能快速发展随着互联

2、网、移动互联网、物联网的兴起，人机物互联互通成为发展趋势，数据量以及数据处理能力呈现爆炸性增长，人工智能不断取得突破性进展。一是得益于社交媒体、移动设备和传感器的大量普及，全球数据总量爆发性增长，这为以数据运算为核心的机器学习方法获得了巨大的发展空间。二是数据处理技术加速演进、运算能力快速提升。以GPU为代表的新一代计算芯片能够满足高强度、高频次、低功耗的处理需求，提升了机器学习算法的迭代速度，极大促进人工智能产业发展。三是开源推动人工智能普及化，谷歌、Facebook>IBM>Amazon>百度等巨头

3、扎堆开源旗下深度学习平台，发挥生态力量实现人工智能数据、应用和场景的闭环。（二）工业智能解决方案正在形成工业互联网带来工业数据的爆发式增长，传统数学统计与拟合方法难以满足海量数据的深度挖掘，人工智能技术正成为工业软件、工业互联网平台解决各领域诊断、预测与优化问题的得力工具。在设备层面，基于机器学习，通过工业物品特征值的识别，实现自动化的生产动作，如智能分拣机器人，智能检测机器人。在产线层面，基于机器学习，通过工业系统特征值的识别，提供工业流程和生产参数优化建议，如流程工业的生产工艺参数优化，离散工业的机

4、床断刀保护等。在企业层面，基于知识图谱，通过对工业问题的有效推理和仿真，实现智能业务决策和风险管理，如华为供应链风险管理系统、零部件选型系统。在行业层面，基于知识图谱，通过对工业知识的有效索引和搜索，实现工业知识的沉淀和复用。工业智能的部署目前体现几个特点，一是云端部署，提供面向复杂场景的智能化应用，包括基于图像识别的生产质量检测、设备预测性维护及健康管理、基于智能数据模型分析的工艺参数优化等。二是边缘部署，面向有限资源条件的轻量级算法，提升设备的处理和分析能力，实现人机协作、智能分捡、自主导航等。三是

5、与工业互联网平台结合，包括在工业互联网平台中直接嵌入人工智能引擎和框架，以及在平台中封装机器学习算法，实现基于数据的分析建模优化。（三）人工智能在制造业应用价值初现端倪人工智能在制造业的应用探索正形成三类典型应用模式。一是提高制造效率。例如日本NEC公司推出的机器视觉检测系统可以逐一检测生产线上的产品，在降低人工成本的同时提升出厂产品的合格率。华为、海尔合作的生产质量测试床，通过机器学习方法解决空调噪声检测问题，使人力下降55%、成本下降27%o二是优化生产工艺。特别是流程行业中通过数据的机器学习，实现

6、原料配比优化（石化行业原油配比、钢铁矿石的配比、电力配煤掺烧等）、工艺参数优化、装备装置健康管理等。如阿里“工业大脑”在中策橡胶中实现工艺参数优化，使稳定性提升10%,炼胶时间缩短10%,炼胶温度降低6%o三是优化供应链管理效率。例如美国多联式运输公司C.H.Robinson基于知识图谱技术，结合天气、交通以及社会经济挑战等实时参数，基于模型优化运输路线提高企业利润，实现智能业务决策和风险管理。四是提高售后运维价值。例如微软AzureloT平台为Rolls-Royce发动机提供基于机器学习的海量数据分析

7、和模型构建，能够在部件即将发生故障时准确预报异常，并提前介入主动帮助Rolls-Royce规划解决方案。中国信息通信研究院2017年组织了工业大数据创新竞赛,全国有1460个团队利用机器学习方法解决风电设备故障预测和健康管理问题，取得了良好效果。二、把握好人工智能与制造业融合发展的趋势和挑战2017年政府加大对人工智能与制造业融合的政策引导。一方面7月印发《新一代人工智能发展规划》，在培育智能经济的工作中明确提出推动人工智能与制造业融合，12月印发《促进新一代人工智能产业发展三年行动计划（2018J02

8、0年）》，把“智能制造深化发展”作为四大目标之一。同时上海、北京、浙江、安徽、贵州、江西等省市结合自身产业发展实际和比较优势，发布专门针对人工智能的相关实施意见，鼓励和支持人工智能与制造业融合发展的政策体系不断完善。另一方面加强产业指导，由相关部委指导成立中国人工智能产业发展联盟、建立人工智能领域重点实验室，牵引和指导相关技术标准、技术研发、实验验证、应用推广等工作全面展开。尽管当前人工智能与制造业的融合发展已经显露出一些成效，但该领域仍然