各位領(lǐng)導(dǎo)，各位嘉賓：

非常榮幸參加中國(guó)大數(shù)據(jù)創(chuàng)新發(fā)展高峰論壇，我是來(lái)自KIT研究院的中國(guó)總經(jīng)理。我們的研究院位于蘇州，我今天演講的第一部分給大家概述我們?cè)谔K州所做的工作。KIT是德國(guó)的一家理工學(xué)院，我們主要是在生產(chǎn)系統(tǒng)自動(dòng)化方面開(kāi)展一些實(shí)際的可行的適用于工業(yè)的研究，我們與同濟(jì)大學(xué)在機(jī)器和設(shè)備自動(dòng)化方面也有一些合作。剛剛講到了工業(yè)4.0，我們的實(shí)驗(yàn)室也在做這方面的工作，如何使用更先進(jìn)的技術(shù)促進(jìn)生產(chǎn)發(fā)展過(guò)程中的生產(chǎn)力和效率。

2010年我們建立了第一個(gè)示范創(chuàng)新中心，并和周?chē)鱾€(gè)大學(xué)進(jìn)行合作，在研究和生產(chǎn)之間架起溝通的橋梁。這里展示的是們所期待的目標(biāo)，是三大支柱，分別是研究、產(chǎn)業(yè)和培訓(xùn)。我們自己的研究方法，包括與合作伙伴共同研發(fā)出來(lái)的，把研究方法應(yīng)用到中國(guó)的公司，獲得更多的知識(shí)，更多先進(jìn)的技術(shù)去增強(qiáng)智慧型發(fā)展和增強(qiáng)生產(chǎn)過(guò)程中的能力。這是以一個(gè)項(xiàng)目為基礎(chǔ)的過(guò)程，它會(huì)持續(xù)發(fā)展并且對(duì)相關(guān)領(lǐng)域教育有一些促進(jìn)作用，因此我們通過(guò)三大支柱的形成和工作,與合作伙伴緊密的進(jìn)行聯(lián)系，創(chuàng)造出長(zhǎng)期的可持續(xù)的可實(shí)現(xiàn)的利益。

接下來(lái)講講KIT是怎么看待人工智能和人工智能的潛力在生產(chǎn)方面存在的挑戰(zhàn)。人工智能的影響，尤其是人工智能將會(huì)結(jié)合大數(shù)據(jù)的技術(shù)和深度學(xué)習(xí)的技術(shù)，開(kāi)辟新的途徑，對(duì)于供應(yīng)鏈來(lái)說(shuō)有很大的技術(shù)參考價(jià)值，從制造和生產(chǎn)方面來(lái)說(shuō)，有很多有用的經(jīng)驗(yàn)是可以借鑒的，尤其是人工智能研究和應(yīng)用方面，它對(duì)于工廠(chǎng)設(shè)備制造商和提供商、機(jī)器人的應(yīng)用等都有非常大的意義。我們會(huì)用相關(guān)的方法在整個(gè)供應(yīng)鏈當(dāng)中讓人工智能技術(shù)結(jié)合實(shí)際情況去使用。這對(duì)于各個(gè)行業(yè)都會(huì)有非常大的意義，尤其對(duì)于剛剛討論的制造商或是汽車(chē)制造商等等。人工智能是非常熱的話(huà)題，大家可以看到從傳感器的數(shù)據(jù)收集和數(shù)據(jù)分析，整體情況下的機(jī)器學(xué)習(xí)，很多的設(shè)備都被進(jìn)行良好的監(jiān)管和控制。他們的效能大大提高了，在獲得機(jī)器數(shù)據(jù)之后，會(huì)把數(shù)據(jù)發(fā)給相關(guān)的分析的同事，他們作為研究的一方提出更多自動(dòng)化的應(yīng)對(duì)措施，并且列出最優(yōu)化策略的方法，基于已經(jīng)收集出來(lái)的數(shù)據(jù)來(lái)實(shí)現(xiàn)最好的效果。在之后的維修也有很大的參考意義，過(guò)去機(jī)器可能會(huì)遇到預(yù)期之外的一些故障，但是通過(guò)這樣的體系之后，我們可以更好的進(jìn)行預(yù)防性的維修，增強(qiáng)整個(gè)的生產(chǎn)系統(tǒng)的效率，解決效率低下的問(wèn)題。

接下來(lái)這一方面是關(guān)于機(jī)器人，機(jī)器人也是我們合作的項(xiàng)目之一，對(duì)于AI的應(yīng)用還有包括整個(gè)生產(chǎn)過(guò)程都是有很大的裨益的，在這樣的作用下，采用先進(jìn)的技術(shù)，同樣會(huì)有很多的傳感器進(jìn)行數(shù)據(jù)的收集，去提高機(jī)器的性能，收集各種各樣機(jī)器的數(shù)據(jù)和建模，將人和機(jī)器之間互動(dòng)加強(qiáng)，讓自動(dòng)化的過(guò)程更加靈活。這個(gè)是可視化的質(zhì)量控制，同樣它也有非常多的傳感器，通過(guò)使用人工智能的技術(shù)，可以真正的去學(xué)習(xí)和識(shí)別原來(lái)不能識(shí)別的問(wèn)題，把相關(guān)的知識(shí)和技術(shù)傳遞給應(yīng)用者和工人，進(jìn)行信息的分享。通過(guò)這樣的系統(tǒng)，能夠全面運(yùn)用AI技術(shù)，為人類(lèi)做出更多的貢獻(xiàn)。對(duì)于整體的生產(chǎn)系統(tǒng)，我們能看到更多大數(shù)據(jù)的應(yīng)用，可以去分享系統(tǒng)之間不同的缺陷，更好提高效率讓工人們更加關(guān)注到底怎么樣解決這些問(wèn)題，而不是像以前一樣關(guān)注識(shí)別問(wèn)題，這對(duì)于質(zhì)量控制方面會(huì)有很大的幫助，也會(huì)對(duì)整體的效率提高有很大的幫助。

關(guān)于整個(gè)的供應(yīng)網(wǎng)絡(luò)，供應(yīng)網(wǎng)絡(luò)會(huì)受人工智能的影響，包括運(yùn)輸?shù)纫恍┢渌臄?shù)據(jù)收集的歷程，在這些過(guò)程當(dāng)中，使用AI技術(shù)可以很好的進(jìn)行預(yù)測(cè)，同時(shí)還有更多的信息來(lái)幫助我們得出更好的預(yù)測(cè)的結(jié)論。在這個(gè)過(guò)程中，我們對(duì)數(shù)據(jù)進(jìn)行不斷的調(diào)整、收集和分析，以減少安全方面的風(fēng)險(xiǎn)，也就是到最后會(huì)減少整個(gè)供應(yīng)鏈的復(fù)雜程度，讓整個(gè)流程更加簡(jiǎn)單明了。通過(guò)這樣的系統(tǒng)，可以有更加透明的數(shù)據(jù)分享和更及時(shí)的預(yù)防措施。通過(guò)這些例子可以看到，我們可以在更多的領(lǐng)域去應(yīng)用人工智能技術(shù)，去應(yīng)用先進(jìn)的傳感器和機(jī)器學(xué)習(xí)的技術(shù)。

人工智能在生產(chǎn)方面的應(yīng)用，確實(shí)是有很多挑戰(zhàn)的。它是以數(shù)字驅(qū)動(dòng)的應(yīng)用，這就會(huì)引起非常多的數(shù)據(jù)的產(chǎn)生，我們就被沉浸在數(shù)字化環(huán)境當(dāng)中，有非常多的數(shù)據(jù)員，有非常多的以數(shù)據(jù)為基礎(chǔ)的體系和方法，還有很多非必要的數(shù)據(jù)，就是廢舊數(shù)據(jù)和不可用數(shù)據(jù)不能夠直接被轉(zhuǎn)化的數(shù)據(jù)。如何去增強(qiáng)數(shù)據(jù)的質(zhì)量，增強(qiáng)數(shù)據(jù)的可用性，這是需要解決的一個(gè)挑戰(zhàn)。

關(guān)于黑箱模型，它是一個(gè)不透明的模型，這個(gè)不透明會(huì)造成不同的風(fēng)險(xiǎn)和挑戰(zhàn)，尤其是生產(chǎn)廠(chǎng)商之間，因此我們?cè)谕该鞫确矫姹仨毻度敫嗯?，去建立一個(gè)透明的模型，否則人們不會(huì)去相信這個(gè)想法，也不會(huì)去接受整個(gè)的模型生產(chǎn)過(guò)程仍然是滯后的。為了更好的控制生產(chǎn)過(guò)程，我們應(yīng)該避免這種黑箱模型，應(yīng)該有更加透明的模型。

計(jì)算的方面有很多的代數(shù)模型和計(jì)算模型，現(xiàn)在還沒(méi)有到達(dá)很強(qiáng)的將計(jì)算模型應(yīng)用到生產(chǎn)廠(chǎng)家的過(guò)程。所以，如何將先進(jìn)的計(jì)算模型數(shù)據(jù)模型應(yīng)用到實(shí)際場(chǎng)地是我們面臨的現(xiàn)狀，而目前為止還沒(méi)能有效解決這個(gè)問(wèn)題。如果我們真的想開(kāi)展人工智能驅(qū)動(dòng)的項(xiàng)目，80%是關(guān)于架構(gòu)的建立，關(guān)于數(shù)據(jù)的處理、選擇、分析，我們需要去收集數(shù)據(jù)、轉(zhuǎn)化數(shù)據(jù)、篩選數(shù)據(jù)、整合數(shù)據(jù)，把各種想法進(jìn)行集合，最后盡可能發(fā)揮數(shù)據(jù)的作用，這需要非常大的工作量，如果我們可以跟不同的人進(jìn)行該方面領(lǐng)域的合作，會(huì)發(fā)現(xiàn)在這個(gè)過(guò)程中有很多的挫敗感，因?yàn)楹芏鄶?shù)據(jù)都是之前從來(lái)沒(méi)有發(fā)現(xiàn)的，而且在應(yīng)用方面很難進(jìn)行轉(zhuǎn)化，在這個(gè)過(guò)程中需要投入非常多的精力和工作，才能夠看到成功的結(jié)果。

我們的挑戰(zhàn)還存在于體系內(nèi)關(guān)于數(shù)據(jù)系統(tǒng)的理解，這也是一大挑戰(zhàn)，其實(shí)很多的體系當(dāng)中，有工程師的理解融入進(jìn)去，但不是每個(gè)環(huán)節(jié)的參與者都是很好理解這個(gè)系統(tǒng)。從制造商的角度來(lái)說(shuō)，它是需要進(jìn)行全盤(pán)理解的管理，看數(shù)據(jù)是否能夠在每一個(gè)環(huán)節(jié)點(diǎn)得被很好的理解和儲(chǔ)存、使用和傳輸，每個(gè)環(huán)節(jié)之間的處理和人們對(duì)于這個(gè)數(shù)據(jù)處理的理解將是工作的重中之重。

以上只是大概介紹一下我們所面對(duì)的挑戰(zhàn)，尤其是人工智能運(yùn)用在制造行業(yè)內(nèi)面臨的問(wèn)題，歡迎大家能夠到我們?cè)谔K州的研究所參觀，共同深入探討AI的機(jī)會(huì)，以及AI運(yùn)用在制造業(yè)的應(yīng)用，謝謝大家的聆聽(tīng)。