本文譯自同名AspenTech英文博客。
我們打算推出一個(gè)專門系列,探討人工智能及其在工業(yè)中的應(yīng)用。這是第一篇。
不同于其他有關(guān)人工智能的文章,我希望在這篇文章中探討對(duì)人工智能的共識(shí)和定義,尤其是如何將其應(yīng)用于資產(chǎn)密集型組織。
困難在于,在不同的環(huán)境下,人工智能對(duì)不同的人意味著不同的事物,因此很難定義這個(gè)概念,因?yàn)樗旧聿皇且豁?xiàng)真正的技術(shù)。對(duì)人工智能最貼切的描述是:人工智能是各種不同技術(shù)的集合,這些技術(shù)結(jié)合在一起,助力系統(tǒng)(流程、資產(chǎn)或機(jī)器)發(fā)揮智能作用。
如果我們擴(kuò)展這個(gè)概念,人工智能支持的業(yè)務(wù)應(yīng)用的目的就是通過幫助系統(tǒng)感知、理解、執(zhí)行和學(xué)習(xí),使系統(tǒng)發(fā)揮智能作用。通過機(jī)器學(xué)習(xí)(Machine Learning)或深度學(xué)習(xí)來訓(xùn)練系統(tǒng)是使系統(tǒng)變得智能的核心要素,這個(gè)過程在優(yōu)化性能、準(zhǔn)確性和質(zhì)量方面具有強(qiáng)大的功能
通過與安排的生產(chǎn)活動(dòng)直接聯(lián)系,使基于活動(dòng)的對(duì)話具有清晰度,從而:指定對(duì)一個(gè)批次的技術(shù)變更、標(biāo)記返工指令、共享生產(chǎn)狀態(tài)更新、標(biāo)記呆滯不合格品等。這有助于使居家辦公的員工與在生產(chǎn)工廠的人員始終保持一致。
與其過多地關(guān)注字典定義,不如探討人工智能可賦予流程、資產(chǎn)、機(jī)器或系統(tǒng)何種能力。機(jī)器學(xué)習(xí)是使流程、資產(chǎn)、機(jī)器或系統(tǒng)智能化的核心。能夠通過分析數(shù)據(jù)而不是通過硬編碼來決定如何行動(dòng),是人工智能與其他形式的自動(dòng)化的區(qū)別。
“人工智能星座”
許多企業(yè)開始定義自己的人工智能程序和制定數(shù)字化計(jì)劃,它們需要一個(gè)框架來幫助捕捉人工智能范式轉(zhuǎn)變的本質(zhì)以及組織內(nèi)所有業(yè)務(wù)流程的轉(zhuǎn)變 – 無論是突破性創(chuàng)新、日??蛻舴?wù)還是企業(yè)生產(chǎn)力計(jì)劃。在用于定義和解釋人工智能的眾多框架中,我認(rèn)為最直觀、最符合邏輯的框架是“人工智能星座”,這是《人與機(jī)器:重新想象人工智能時(shí)代的工作》(作者:Paul R. Daugherty和H. James Wilson)一書中介紹的范式。
在這種范式下,企業(yè)人工智能分為三個(gè)層次。在第一層,企業(yè)定義其用例和業(yè)務(wù)應(yīng)用(原因和內(nèi)容),利用數(shù)據(jù)為利益相關(guān)者創(chuàng)造更大的價(jià)值。在第二層,我們研究支持業(yè)務(wù)應(yīng)用的人工智能功能套件。最后,在第三層(核心),我們探討可用來交付預(yù)先確定的人工智能功能(方式)的各種機(jī)器學(xué)習(xí)方法。
例如,規(guī)范性維護(hù)是人工智能在資產(chǎn)密集型行業(yè)中最引人注目的業(yè)務(wù)應(yīng)用之一。根據(jù)此框架,在第一層,對(duì)于通過系統(tǒng)減少計(jì)劃外停機(jī)時(shí)間、延長資產(chǎn)壽命和提高整體生產(chǎn)率的行業(yè),這些應(yīng)用變得越來越普遍。
在第二層,這些業(yè)務(wù)應(yīng)用(或智能軟件代理)可利用一種或多種人工智能功能預(yù)測何時(shí)維修資產(chǎn)。在第三層,這些功能基于各種機(jī)器學(xué)習(xí)方法 – 從使用回歸和/或神經(jīng)網(wǎng)絡(luò)模型的監(jiān)督學(xué)習(xí),到用于模式檢測和其他機(jī)器學(xué)習(xí)技術(shù)的半監(jiān)督學(xué)習(xí)。
使用此框架從根本上解構(gòu)每個(gè)人工智能用例和業(yè)務(wù)應(yīng)用,從而使企業(yè)能夠構(gòu)建整體人工智能程序,清楚地分析每個(gè)人工智能計(jì)劃的業(yè)務(wù)價(jià)值,并了解投資和指導(dǎo)人工智能程序所需的基本要求。
人工智能星座是企業(yè)用來構(gòu)建其人工智能程序的強(qiáng)大框架。該框架強(qiáng)調(diào)用例和應(yīng)用的商業(yè)價(jià)值,有助于將重點(diǎn)放在啟用人工智能功能的前提條件上并掩蓋底層人工智能和機(jī)器學(xué)習(xí)方法的復(fù)雜性。隨著人工智能和機(jī)器學(xué)習(xí)民主化進(jìn)程的加速,這些技術(shù)正在成為企業(yè)一級(jí)數(shù)字化轉(zhuǎn)型的關(guān)鍵支柱。
人工智能及機(jī)器學(xué)習(xí)在資產(chǎn)密集型行業(yè)中的應(yīng)用
雖然有令人信服的用例存在且人工智能可為企業(yè)帶來可度量的業(yè)務(wù)價(jià)值,但是在人工智能采用方面,基于流程的資產(chǎn)密集型行業(yè)落后于許多其他行業(yè)。一個(gè)主要原因是企業(yè)的成熟度。
這類企業(yè)需要新技能,但缺乏優(yōu)質(zhì)數(shù)據(jù)。高德納的最新調(diào)查表明,56%的企業(yè)領(lǐng)導(dǎo)者認(rèn)為他們需要更新的技能才能完成人工智能任務(wù),同時(shí)有34%的受訪者表示,數(shù)據(jù)質(zhì)量低下是實(shí)施人工智能項(xiàng)目的關(guān)鍵阻礙。(考慮到這一點(diǎn),使用人工智能進(jìn)行規(guī)范性維護(hù)仍然有很大價(jià)值,因?yàn)樗€采用一些技術(shù)來從任何資產(chǎn)的當(dāng)前數(shù)據(jù)狀態(tài)中獲得強(qiáng)大的結(jié)果。)
人工智能技術(shù)采用緩慢的另一個(gè)原因是對(duì)收益和用例的了解不足。在高德納的調(diào)查中,42%的受訪者表示他們不完全了解人工智能的收益或隱含的投資回報(bào)率。量化人工智能項(xiàng)目的收益對(duì)企業(yè)領(lǐng)導(dǎo)來說頗具挑戰(zhàn)性。到2024年,50%的人工智能投資將實(shí)現(xiàn)量化,并與具體的關(guān)鍵績效指標(biāo)掛鉤,以衡量投資回報(bào)率。
因此,整個(gè)行業(yè)仍有許多工作要做,首先要對(duì)“人工智能的定義”達(dá)成共識(shí),并建立一個(gè)簡單的框架來讓企業(yè)的人工智能項(xiàng)目可視化。以此為基礎(chǔ),在后面的博文中,我將探討應(yīng)用人工智能來推動(dòng)數(shù)字化進(jìn)程的最佳實(shí)踐,以及資產(chǎn)密集型行業(yè)會(huì)遇到的一些常見陷阱和關(guān)鍵收益。
如果您想進(jìn)一步了解數(shù)字解決方案如何幫助您的企業(yè)提升績效,請(qǐng)閱讀我們最近的執(zhí)行摘要《運(yùn)用新一代運(yùn)營技術(shù)在瞬息萬變的世界中實(shí)現(xiàn)智能企業(yè)》。