-
1 # 鳶梔163196416
-
2 # 執筆繪下
人工智慧,英文縮寫為AI。該學科力圖瞭解自然界人類智慧的本質,並開發出一種能與人類智慧相似方式做出反應的智慧機器。該領域的研究包括機器人、語言識別、影象識別、自然語言處理等。
人工智慧的概念提出雖早,但早期的發展比較緩慢。在上世紀70年代用神經網路演算法驗證了許多數學命題,掀起了人工智慧的第一次研究熱,此時研究者確信符號方法最終可以成功創造出強功能的人工智慧機器。從1967年開始出版不定期刊物《機器智慧》,從1970年開始出版期刊《人工智慧》,從1969年開始每兩年舉行一次人工智慧國際會議(IJCAI)。雖然在20世紀80年代,有一段時間人工智慧的發展似乎受到了很大挫折,但到了90年代以後,又獲得了迅速發展,在很多學科領域都獲得了廣泛應用,並取得了豐碩的成果,無論在理論和實踐上都已自成體系。
進入本世紀以來,一方面在設計高階計算機時廣泛應用人工智慧的成果,另一方面又利用超級微處理機實現人工智慧,大大加速了人工智慧的研究和應用。人工智慧的研究領域已經涉及許多方面,尤其是人機圍棋大戰中AlphaGo多次打敗人類的結果連續出現,有關人工智慧的話題便在學術界和產業界引起了廣泛熱議。由此,各國政府和企業都紛紛提出了人工智慧的發展研究計劃。此時,人們認為人工智慧便是21世紀三大尖端技術(基因工程、奈米科學、人工智慧)之一了。
有研究者認為,人工智慧的發展主要分為三個層次,即運算智慧、感知智慧和認知智慧。所謂運算智慧,是指計算機快速計算和記憶儲存的能力。所謂感知智慧,是指透過各種感測器獲取資訊的能力。所謂認知智慧,是指機器具有理解、推理等能力。這種分類方法是否合理我們不予討論。筆者認為,關於人工智慧發展的研究,應主要著重智慧感知和智慧決策兩個方面。
所謂智慧感知,不僅包括透過各種感測器獲取外部資訊的能力,也包括透過記憶、學習、判斷、推理等過程,達到認知環境和物件類別與屬性的能力。所謂智慧決策,是指在對環境和物件智慧感知的基礎上,為達到某種目的,經過再次記憶、學習、判斷、推理等過程,給出行為決策的能力。
智慧感知的五塊構件
1、可靠性和可用性
利潤緊張使生產停工成為任何製造環境的敵人。難以看到的物體,不均勻的形狀,透明的,半透明的,或者像玻璃,塑膠,薄膜和箔這樣的高度反射的物體可能會帶來可靠性的挑戰。全球製造商已經用光電感測器做出了反應,這些感測器可以簡單地檢測任何物體,幾乎在任何工業自動化應用中都是如此,儘管存在諸如灰塵或光線差等環境挑戰。
2、靈活性
現代快速消費品的許多生產都是由批次生產驅動的。每次產品轉換時,手動更改機械設定和感測器引數會造成停機和生產停工。智慧感測器,如程式碼讀取器和視覺系統,可以線上檢測產品變化,並在很少或不中斷的情況下自動觸發對新引數設定的更改。更快速和更頻繁的生產轉換幫助製造商滿足客戶對產品多樣性、本地或定製訂單的需求。
3、產品跟蹤和可追溯性
在製造商盡一切努力確保產品質量的同時,召回也不可能完全被排除。嚴格的法規控制著生產、加工和包裝的所有階段的可追溯性,而且在不斷減少的時間框架內進行召回的壓力越來越大。透過RFID標籤、視覺系統和條形碼閱讀器收集的資料,工業4.0支援的組織可以快速響應並實時檢索重要資料。
4、減少庫存和便於更換
通常情況下,感測器需要更換,而製造商的響應方式是儘可能快速、方便地安裝、除錯或替換裝置。在Industry4.0中,生產團隊最大的優勢之一可能是感測器設定和引數可以輕鬆地從PLC下載到新的感測器,以便快速更換和除錯。同時,智慧感測技術可以減少儲存中需要儲存的感測器的數量和型別,從而降低庫存成本。
5、診斷與狀態監測
在工業4.0中,控制系統與感測器完全連線為一個獨立的可定位的實體,因此生產過程可以訪問所有的診斷功能。感測器即將到達生命的盡頭嗎?需要打掃嗎?會持續到下一次的生產轉換嗎?透過感測器自監測和精確通知控制系統需要更換哪種感測器的能力的結合,生產團隊在監控過程中具有更大的靈活性。故障前通知可以在故障發生之前防止故障發生,感測器診斷可以整合到靈活的、基於需求的維護計劃中。
回覆列表
人工智慧,英文縮寫為AI。該學科力圖瞭解自然界人類智慧的本質,並開發出一種能與人類智慧相似方式做出反應的智慧機器。該領域的研究包括機器人、語言識別、影象識別、自然語言處理等。