新闻资讯

从数字到物理:人工智能的终极挑战

发布日期:2021-04-22 14:11:52浏览量:44

2012年夏天,当小虎证明其研究人员“训练了一个由1000台计算机组成的网络,像大脑一样识别猫”时,便引起了媒体的广泛关注。尽管AI,神经网络及其最新的品牌“深度学习”已经建立起来,并经过数十年的研究和无数的实际应用,但整个世界(包括它的所有猫)都引起了人们的注意。

深度学习是AI的一个分支,它紧密地模仿神经元如何发火和发火,其功能越来越强大:训练这些系统所需的大量数字数据和计算能力现已供小虎之类的公司使用。

自2012年以来,人工智能的应用已扩展到消费者和企业领域。例如,AI可以用于使智能手机图片更漂亮,删除垃圾邮件,识别人脸,翻译语言,使视频游戏更具吸引力并优化销售参与度等。

上面的应用都是通过深度学习模型增强的数字资产(例如,在智能手机上拍摄的原始照片或意大利语的一段)的所有示例,以产生另一种数字资产(例如,专业渲染的图片或干净的图片)意大利语到英语的翻译)。这些可以被认为是AI的“数字到数字”应用程序。即,人工智能使用数据来制作更有用,更有意义或更偶然的更漂亮数据。

尽管这些都是AI的重要原因,但我们应将所有的时间,精力和金钱都花在防止电子邮件垃圾邮件,网络攻击和翻译外语上吗?在更多的应用程序中,人工智能溢出到了物理世界上,从而对我们产生了更紧密的影响,或者从某种意义上说,在物理上影响了我们。

这些AI的“数字到物理”应用程序更具挑战性,因为它们需要从更加受约束的,更少混乱的环境(问题域具有良好的特征)迁移到结构化,可预测性和协作性较低的现实环境中。

打破数字障碍并让AI溢出以成功与物理系统进行交互有多大的挑战性?可以说,今天,AI可以在象棋,围棋,危险游戏甚至视频游戏等游戏中击败人类,所有这些游戏的环境和动作都可能很复杂,但定义和限制也很有限。尽管如此,由AI驱动的机器很难打开一个简单的,真实世界的门,其中的手柄具有各种形状,形式和位置。现实世界是美丽的-对于AI来说,这是一团糟。

在Neurala,我们很多年前在与NASA合作时就学到了这一点。我们为类似火星漫游者的机器人开发了人工大脑,以使漫游者能够完全自主驾驶。但是,当我们想到当今流行到现实世界的AI应用程序时,我们想到的是交付机器人,无人机和自动驾驶汽车。

但是,还有许多其他非常真实的应用程序,它们不太具有未来派风格,但对我们的日常生活仍然很重要。当世界应对各种紧急状态时,制造业(最物理的行业之一)正处于危机之中。随着全球供应链和工厂的艰难挣扎,使运营陷入困境的压力越来越大,以便消费者能够完全获得所需的产品。

在制造业中,对新技术(尤其是AI)的需求猛增。工业制造商正急于在生产线上实施AI等工业4.0计划。要求AI的物理功能的一个示例是质量检查。大流行前,质量检查的任务传统上是由人工完成的。当时,该行业的劳动力短缺意味着需要加倍的时间才能完成工作。随着大流行的开始,这些努力变得更加复杂。新的社会疏离要求限制了一次可以在工厂车间工作的工人数量。那么,这对于AI来说有多大的成就呢?有人估计质量检查将由近60万人进行 在美国

通过突破数字/物理障碍并实施AI驱动的视觉质量检查,该行业可以缓解危机和劳动力短缺。人工智能的使用消除了通常会阻碍技术采用的障碍,因为它具有成本效益,易于集成且不需要经过专门培训的人员即可进行操作。

如今,基于AI的外观检查被用于检查金属发动机零件中的缺陷,检查地毯/地毯的完整性,评估原材料(例如肉类)是否有外来污染物(例如塑料颗粒),检查塑料食品托盘是否正确。物品,检查烘焙食品(例如面包)的质量,确定疫苗瓶的完整性等。这些都是在挑战性的物理环境中真实的,通常是关键任务的AI技术应用程序。

AI的数字到物理应用的价值以及在制造业中如何应用它们的价值是显而易见的,那么下一步是什么呢?对于希望在整个组织中实施AI的任何人,下一步都是简单的。首先,您需要查看自己的特定工作流程,并确定哪些流程可以从AI中受益:这是质量检查,预测性维护还是其他?从那里,您应该与当地专家合作,为任务找到最佳解决方案,以便他们可以帮助您将其集成到您的操作中。

面对所有挑战,2021年将是AI的关键时刻:许多制造流程所面临的紧迫性需要现实世界中的创新技术来帮助应对大流行性疾病。

尽管它的第一个大规模化身是关于发现猫的,但AI投资的最大回报将影响我们每天使用的实物:从食物,衣服,家具,一直到设备的实际屏幕正在阅读本文。人工智能正在打破数字障碍,从而使我们的世界变得更加美好,但是从物理角度而言,这一次。

 

标签:,

相关推荐