與基于質(zhì)量控制理論平行發(fā)展的是自動化制造技術(shù)。在20世紀40年代至50年代間，數(shù)控機床被發(fā)明并正式開始商業(yè)化，對機械加工行業(yè)起到了顛覆作用，極大地提升了生產(chǎn)效率與加工精度。
20世紀70年代微處理器的發(fā)展，進一步降低了數(shù)控機床的成本，使得其得到更加廣泛的應用。除了數(shù)控機床，工業(yè)機器人也幾乎在同一時段得到發(fā)展。1956年，美國發(fā)明家喬治·德沃爾和物理學家約瑟·英格伯格發(fā)明了世界上第一臺工業(yè)機器人Unimate。
數(shù)控機床的技術(shù)以及集成電路的逐步流行，使得更快更簡潔的工業(yè)機器人得以被設計與制造，工業(yè)制造系統(tǒng)的人力逐步減少，自動化程度越來越高。然而，工業(yè)中的自動化與控制科學領(lǐng)域曾經(jīng)一直自成一體，關(guān)心的問題是功能性的。
即機器如何替代人去完成某一或一系列特定的動作，而并不關(guān)心機器本身是否能夠思考，是否有意識，或者其結(jié)構(gòu)是否有“神經(jīng)網(wǎng)絡”等智能化的設計。發(fā)展到今天，控制理論有與人工智能相結(jié)合的趨勢。比如自動駕駛技術(shù)，就是融合了人工智能的自動化產(chǎn)品。
“工業(yè)人工智能”這一概念被提出的前提，是人工智能技術(shù)開始具備了可工程化的條件。如果了解人工智能的發(fā)展史，就會發(fā)現(xiàn)，主流的人工智能領(lǐng)域一直分為廣義人工智能（General AI）與狹義人工智能（Narrow AI）兩個領(lǐng)域，而強調(diào)機器能力能夠與人媲美甚至超越人類的通用人工智能的發(fā)展水平，決定了人們對人工智能這一領(lǐng)域技術(shù)的關(guān)注度。
而計算處理單元的成本、傳感器的豐富性、耐用性及其成本等硬件基礎(chǔ)設施，是人工智能技術(shù)能否落地的先決條件。隨著工業(yè)設備自動化程度的日漸成熟，傳感器的大量部署，以及計算能力的提高，工業(yè)互聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)、工業(yè)4.0等概念開始層出不窮，原因是時機已經(jīng)成熟，無論未來的工業(yè)會被稱為什么，人們已經(jīng)做好了擁抱變化的準備。
可是，要想將工業(yè)人工智能直接應用于工業(yè)領(lǐng)域存在不小的挑戰(zhàn)，即機器學習模型無法用專家頭腦中的經(jīng)驗與知識來訓練自己。同時，縱觀工業(yè)智能化的發(fā)展史，企業(yè)使工業(yè)系統(tǒng)變得智能只是一種技術(shù)手段。
即便在今天，提高效率、降低成本、保證質(zhì)量依然是不變的主題。所以，更接近落地的方法是在工業(yè)領(lǐng)域應用狹義人工智能技術(shù)解決有確切定義和明確邊界的問題，人工智能科學家要結(jié)合領(lǐng)域知識，利用設備產(chǎn)生的數(shù)據(jù)，來訓練一個個具備特定功能的工業(yè)智能應用，在特定的問題域中實現(xiàn)智能化的目的。
轉(zhuǎn)載：互聯(lián)網(wǎng)（侵權(quán)請聯(lián)系刪除）
