转载出处:天极网
当前,在全球人工智能发展的浪潮中,中国在人工智能领域取得了令人瞩目的成绩。不过,在制造领域,却面临着人工智能发展与制造业融合不足的挑战。
人工智能自1956年诞生至今,已经先后经历了两次发展浪潮。如今,由于算法的进步、计算能力的大幅提升以及大数据的普遍应用,人工智能技术又进入了一个新的发展阶段。在中国,虽然人工智能技术正加速向各个领域渗透,但是它在制造业的应用仍是短板。
人工智能与制造业深度融合的难点有哪些?
当前,人工智能技术的应用场景主要集中于商业领域,因受专用性限制以及数据量的影响,人工智能与制造业的融合场景主要是在非制造的研发、售后服务等环节。因此,我国人工智能与制造业的深度融合主要面临以下三个问题:
1、制造环节数据难以开发利用
人工智能与制造业的深度融合发展需要以大数据作为支撑,与消费环节相比,制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂,有接近一半的数据是没有相关性的。与此同时,制造环节的数据需要安装大量高精度传感器,这不仅需要投入巨额的资金,而且在后期维护上也会产生检修及人工成本等。
2、无法采用可复制的系统和整体解决方案
人工智能必须根据制造业的具体场景进行定制,简单照搬模版式的制造业人工智能解决方案是不可行的,而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。此外,不同制造业之间的技术、流程差异巨大,对人工智能有不同需求,一个人工智能系统难以满足所有制造业的要求。
3、人工智能与制造业深度融合所需的复合型人才严重缺乏
一般来说,人工智能高端人才主要集中在互联网行业,而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确。因此,难以支撑制造业企业智能化转型升级。从人才供给看,现阶段既了解制造业技术又掌握人工智能技术,还能够进行应用开发的复合型人才严重缺乏。
如何解决人工智能与制造业深度融合的难点?
因此,我国要在人工智能时代提升制造业的竞争优势,还需从以下三个方面补齐短板。
1、构建制造环节的工业数据库
目前,工业领域主要以企业私有数据库为主,且数据规模有限。要实现人工智能与制造业的深度融合,就必须要在制造业领域加强数据获取与整合。
2、促进学术交流
推动学术界与产业界之间围绕人工智能与制造业深度融合进行深入交流,在交流互动过程中形成多学科知识融合、专业知识扩展。
3、加强相关领域人才培养
在大学教育中增加智能制造相关课程,完善教材编制,形成教学体系,满足人工智能时代对技术人才的需求。