【原创】思谋科技贾佳亚:智能不是简单的自动化要有聪明的“大脑

发布时间:2021-10-23编辑:admin

  10月21日,2021第五届全球智能工业大会暨全球创新技术成果转移大会在深圳召开,思谋科技创始人、香港中文大学终身教授、IEEE Fellow贾佳亚带来题为《智能制造的核心AI技术》的报告。

  贾佳亚表示,智能制造的基础资源不再是电力和网络,而是计算。智慧能力构建和以计算为中心的AI,将成为智能制造发展中最需要攻克的难关。

  他说,智能制造的核心在于“智能”:智能并不是简单的自动化,智能是要让制造拥有“大脑”和让大脑决策的各种神经系统,只有拥有了聪明的“大脑”后,才能最大化发挥自动化“手臂”的作用——而AI正是让制造拥有会思考的工业机器设备的核心因素。新一代AI将贯穿于设计、生产、管理、服务等生产活动的全链条,使制造具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

  未来,一个拥有了“智能身体”的工厂,可以自行知道原料和生产是否达标,产品的质量如何,自发调整机器的工作效率,迅速针对新产需求进行生产,预测未来产品生产的数量,还可以根据产品销售情况来及时调整生产安排。

  然而另一方面,让AI大规模、跨行业在工业场景中落地,并不是简单的事情:工业制造生产的流程复杂、涉及的硬件种类繁多,要求AI算法对大量硬件进行适配;当制造生产场景新增或更替硬件时,会直接带来算法的重新设计;最终算法往往妥协于硬件能力,甚至主动放弃最佳算法的使用——最终导致跨行业的工业 AI 落地的难度大幅增加。

  仅以智能手机为例,一款手机按照400个供应商参与生产制造,每家供应商5种制程,每个制程25条产线来计算,想要AI全面覆盖生产链路,但一款手机就需要30000种算法。而如果放眼全球前5名的手机厂商,每家每年按照推出6款不同产品计算,工业AI若想落地头部手机行业,仅第一年就需要90万种算法,这几乎是不可完成的任务,工业AI企业需要寻找新的方式进行“破局”。

  以数据紧缺为例,可靠的AI模型离不开大量数据的训练,尤其在工业场景下,对AI的准确率要求极高,然而目前工业生产的有效数据非常稀缺,可供训练的样本极小。通过传统的AI训练/检测方法,香港老奇人论坛免费资,当训练样本不足的情况下,很难成功检测出非常见的产品缺陷。传统的AI训练往往通过给计算机提供大量图片,让计算机记住“细节”,但思谋科技通过自研的区域感知异常检测器(RADD),对目标区域各个细节进行捕捉,并与标准参考数据进行比对,记住图像的“规则”,从而能够进行原理推导,从而实现即使是非常见缺陷,也能准确进行判断识别。

  贾佳亚教授表示,只有当计算机系统可以突破工业落地中的几大难题,实现自动算法组合和部署,人类仅需参与少量定制化算法设计时,AI的跨领域规模产业化才具备实现的可能。他表示,基于此前提,思谋科技也在致力于打造其工业级AI系统,构建以智慧为核心的新一代工业AI架构。

  据介绍,思谋科技目前可赋能超过1000个细分领域,并与芯片、半导体、精密制造、汽车、航空、新能源等多个行业的头部企业实现合作,完成了多个新型工业 AI设备产品的落地,如镜片分拣、轴承检测、特种条码设计与识别、偏光弯膜、隐形二维码识别、模具检测、AVI 检测等。

  “目前,我们的新一代AI系统架构落地处理效率平均可提升90%,并支持智能迭代,如果按照落地到20个制造领域,每个算法设计成本为2万元估算,新一代AI架构带来的研发和设备增值可达5400亿元,沿着这个方向,未来产业变革一定会发生”,贾佳亚表示。

导航栏

         织梦CMS官方          DedeCMS维基手册          织梦技术论坛

Power by DedeCms