首页 > 资讯 > 电力访谈 > 正文

人工智能专家赖兆红博士:人工智能与工业制造的交汇融合带来的机遇与挑战

2018-10-15 16:26:22 来源:网络 评论:0 点击:

“在我的一生中,我见证了社会深刻的变化。其中最深刻的,同时也是对人类影响与日俱增的变化,是人工智能的崛起。”霍金去年在全球移动互联网大会(GMIC)上如是说。生活在当下的我们,都非常有同感。

本刊特邀真视通公司的大数据首席顾问、伦敦大学人工智能领域专家赖兆红博士,为我们介绍人工智能与工业制造的交汇融合带来的机遇与挑战。

人工智能不同于机器学习

很多人都会把机器学习和人工智能混为一谈,在赖兆红的理解中,人工智能与通常引述的机器学习是两个不同的概念。

机器学习的出现要早于人工智能,是机器利用算法模型从大量数据中解析得到有用信息的过程。在机器学习的过程中,已知的算法模型和明确的规则是必不可少的。人工智能则是在 AlphaGo击败人类围棋冠军这个里程碑事件后,开始受到业界广泛关注的。人工智能的研究重点是人工神经网络,用机器模拟人脑运转,从信息处理角度对神经元细胞相互连接、触发的方式建立运算模型。在特定环境(规则)下,机器自行感知采集数据,再通过复杂运算逼近自然界的某种算法或者人脑神经网络行为特征,从而做出最合理的推理、判定并给出反馈。基于这一目标,对特定环境或规则的解析,计算机、大数据、统计学、经济学、生命科学等大量学科被牵扯到其中。

目 前,人 工 智 能 的 主 流 算 法分为监督学习与强化学习的方法。监督学习是用大量的结论数据对机器进行培训。以 AlphaGo 为例, AlphaGo 通过研究人类棋手数千场对抗的棋谱,从这些游戏中学习规则和策略,进而学会下围棋,这个过程就是监督学习。而强化学习更偏向让机器“自学”。研发 AlphaGo 的公司去年公布了它的升级版“AlphaGo Zero”——据说 AlphaGo Zero 的 围 棋 玩 得 更 好、学得更快,最主要的是它的学习过程没有求助于人类专家。AlphaGo Zero 的自学过程建立在对围棋规则的充分了解和“奖励”机制之上。 AlphaGo Zero在 19x19的棋盘上反复尝试落子,赢棋便“奖励”加分,输棋就扣分,通过反复与其他版本的“自己”对抗下棋,这个不断自我革新的过程就是强化学习。相比较而言,监督学习需要的数据成本更高,更加依赖人类专家在该领域获取的经验 ;而在强化学习的过程中,机器展现出的“非人类”风格可能会衍生出其他棘手问题。

理论上来讲,机器可以模仿人类智能,然后通过自学快速成长、超越人类。“但是,人类对大脑的认知还是非常有限的”,赖兆红说, “我们现阶段在人工智能领域取得的突破,还停留在规则性较强的场景中。人工智能可以通过规则递归运算(搜索)推导出准确率极高的结论,实现强大的人机互动效果,但是在语言的理解、人体感知(如嗅觉)和情感的认知等方面处理,效果还欠佳”。

人工智能落地工业制造

人类对人工智能的开发利用并不满足于给自己找一个强大的棋友,在工业生产中它更被寄予厚望。

人工智能技术落地工业制造有两大先天优势 :一是工业生产流程往往与业务机理紧密结合,具有明确的规则性 ;二是生产过程通常伴随着多节点的数据采集,为人工智能数据分析提供了海量样本。

在工业制造中,人工智能技术与大数据分析相辅相成,一直专注于赋予工业生产智能化的属性,最典型的应用包括模型分析、预测研判、辅助决策等等。这些应用是如何实现的?可以为工业生产带来什么效益?以设备预测性维护为例,赖兆红做了简要说明 :设备的理想状态为正常工作状态,随着时间的推移、环境的变化,设备发生损耗,人工智能的任务就是去感知这个变化,识别并提前预警。人工智能可以结合业务知识,通过特征值进行故障预测,指导人员提前维护或更换设备。“设备故障的原因是多种多样的,体现在数据上也是千差万别,但是我们预测故障并不需要逐一排除,通过发现特征值,人工智能就能判定设备状态异常。”赖兆红说,“这个功能应用到隐患排查方面,非常简单实用。”

 除了实现设备检修维护、性能分析这一类的生产优化,人工智能还能建立数据模型,通过精确到小时、分钟的历史电力负荷数据训练,预测该厂的短期电力负荷变化,帮助企业优化经营成本 ;通过协同上下游企业,优化产业生态链……人工智能技术在工业生产中的巨大潜力已经得到了国家层面的重视。在打造中国工业互联网、中国制造 2025 的浪潮中,新技术、新平台、新的商业模式孕育而生,应用在中国庞大的工业生产基数下,哪怕很小的性能改进,都将带来巨大的经济效益,进而鼓励更长期、更可观的投入和研发。

智能工厂离我们有多远?

一方面,人工智能在工业领域的潜力已经开始显现,在预测性维护、安全检查、成本优化等方面的应用获得了小范围成功 ;另一方面,从“单点智能”到“全局智能”,从特定场景下的智能化应用到建设智能工厂,如何让机器完成一个高度协调的生产过程,需要更多冷静思考。 “像电厂一样的流程化企业,生产的每一步都牵一发而动全身,比如,电厂停机会影响到电网负荷,再影响到更多家庭用电、企业生产,这个安全生产的责任是非常艰巨的,”赖兆红认为,“现阶段谈智能电厂还为时尚早。”

 “在现阶段,工厂要做好从自动化到数字化、再到智能化的转型,一定要重视大数据分析。发挥人工智能的辅助决策功能,通过大数据分析,预测供给侧、需求侧变化趋势,用数据指导决策。”赖兆红说,“比如,我们正在进行企业用户画像方面的尝试,首要的是给人工智能构建相关的知识体,这还要生产企业相关领域专家的帮助。”如何确定数据的采集点,如何理解每个数据的含义,构建完整的专业领域知识体,这是人工智能运算的前期条件,也是人工智能专家和工业生产业务专家共同面临的难点。只有充分了解业务机理,才能更好地把生产制造流程映射到人工智能模型,再对模型进行层层优化,达到理想的收敛效果……人工智能为工业制造提供了转型升级的重大机遇,工业制造为人工智能提供了技术落地的优渥土壤,为了共同实现提速发展,双方专家的工作已紧密交织。

目前,人工智能技术已经可以为工业生产省去很多重复性工作、解决传统领域无法解决的问题,在安全施工、救援抢险领域也大有可为。 “DeepMind团队正在让机器学习模仿类似消防员的行为,如翻越障碍物。这个功能成熟以后,就可以应用到某些高危工作领域,比如用机器人抢险救援任务,或者完成煤矿井下、核电领域、高温高压环境中的操作。” 赖兆红预测道。

正如霍金在 GMIC 的演讲中所说 :“我们站在一个美丽新世界的入口。这是一个令人兴奋的、同时充满了不确定性的世界。”我们将是这个智能世界的先行者。祝福我们。

[责任编辑:中国电力工业网]
中国石油化工重点工程节能减排及维修改造技术交流会中国石油化工重点工程节能减排及维修改造技

2016年9月22日,中国机械工业联合会、山东省石油化工设备管理协会、东北石油大学节能研究中心在山东省˙青岛市,共同举办中国石油化工重点[详细]