深化互联网、大数据、人工智能与实体经济融合 推动工业智能创新发展

27.07.2018  16:06

深化互联网、大数据、人工智能与实体经济融合 推动工业智能创新发展

中国信息通信研究院总工程师 余晓晖

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,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%。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%。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Azure IoT平台为Rolls-Royce发动机提供基于机器学习的海量数据分析和模型构建,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月印发了《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月印发了《促进新一代人工智能产业发展三年行动计划(2018—2020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,但该领域仍然较为前沿,我国在技术架构、实施路径、行业标准及产业生态等方面均存在一定的发展瓶颈。从技术方面看,一是现有人工智能的计算架构还无法满足工业实时性所带来的计算要求。二是现有人工智能算法和框架对算法输出可靠性的考虑不够,不能满足制造业高可靠性的要求。三是目前神经网络和深度学习主流算法还不能提供工业智能所需要的明确语义解释。从产业方面看,一是工业人工智能主要是由数据、知识密集型的部分领先制造企业与具备人工智能技术优势的ICT企业强强联合推进的,尚不具备在制造业大范围推广的条件。二是行业应用基础较弱。我国制造业自动化数字化网络化水平参差不齐,产业界还缺乏成熟可推广的标杆应用。三是产业发展保障体系有待健全。如工业智能的标准化、工业智能的安全保障体系、工业智能应用中面临的伦理和规律挑战等。

三、以融合创新为主线,协同推进人工智能与制造业发展

立足当前工业大数据产业融合发展变革的关键时点与历史性机遇,有效聚合各领域企业、高校与科研机构,并形成合力,以融合创新为主线,共同推进关键技术和产品的创新、部署与应用,推动深化开源开放的创新模式,以应用引领产业链整体性突破,实现向价值链高端水平跃升。

把握好人工智能与制造业融合发展的关键路径,做好顶层设计。依托国家新一代人工智能发展规划,制定与制造业融合发展的行动指南,确定产业突破方向。面向工业设备自动控制、工业产线柔性自组织、设备预测性维护等人工智能应用场景,结合模式识别、智能语音处理、自然语言理解、人机交互技术,开发专用芯片,提升工业互联网设备侧、边缘侧和工业互联网平台的智能化水平。推动人工智能在制造业领域的专用算法的开发,发展新型工业软件,推动物理、化学、机械、控制多学科知识与大数据、机器学习、人工智能等智能化分析技术的有机融合,鼓励软件企业、互联网企业面向工艺优化、车间调度、物流管理等典型应用场景开发专用算法,提高工业软件智能化水平。

培育产业发展环境,逐步形成多向贯通、利益共享的产业生态体系。综合运用规划、政策等手段,引导企业组建产业联盟,并以其为主体,制定统一的技术标准、协商共识性的演进路线,实现各环节企业间的协同共进,加速技术研发,并配套以相应的成果转化机制,引导人工智能技术在ICT、互联网等领域的应用成果向制造业输出。建立中国的开源化发展体系,培育、组织和支持在工业大数据等重点领域的开源社区建设,鼓励和支持开源化软件、产品和服务的研发及推广应用。同时开展分类型、分等级推进人工智能阶梯形人才队伍的培育工作,加强企业员工的再培训,做好工业智能化变革下新旧动能的承接工作。

完善资本市场支撑环境,实现产业发展与金融资本之间的良性互动。引导整合社会各类资金,通过创投模式培育发展人工智能与传统产业融合创新催生的大量新技术、新业态、新模式,既要壮“”,培育在工业智能产业中具有国际影响力的领袖企业,又要扶“”,扶持初创、中小企业发展和应用工业智能。进一步建设相对宽松的融资环境,鼓励商业银行、股票发行机构等加大对有能力提供行业解决方案的人工智能企业的支持力度,适当降低准入门槛。

统筹协调构建保障体系,为工业智能提供一个安全可靠的发展环境。加强制度建设,面向人工智能技术在未来可能大范围覆盖的工业应用场景,由立法部门及行业协会共同研究制定应用规范、开发守则等涉及应用安全、伦理道德的行业标准,尽可能规避未来可能出现的相关风险。加强能力建设,建立工业智能公共评测服务平台,开展工业智能产品和解决方案检验测试、风险评估、认定验证,制定并完善相关装备、软件和平台在工业生产应用场景中的安全操作规范守则。