>>返回主页
Landing.AI创始人及CEO 吴恩达(Andrew Ng):人工智能在生产制造业中的实践与应用

2018-02-01 14:50

  大家好,刚才刘院长也说了国际合作的重要性,所以我今天讲一些中文,讲一些英语,我讲英语是代表国际合作的想法。

  人工智能新电能,我的意思是一百年来,电能为很多企业带来了大量的改变,今天人工智能也会对这些企业带来一样的改变。你们都看到这几年人工智能技术和产品发展非常快,比如几年前我带谷歌大脑团队的时候,我们用无监督式学习,用电脑看了很多Youtube的识别,自动学习的这个猫。去年AlphaGo这种结果,也有很多人工智能产品,比如在中国有很多人脸识别的产品,也看过百度DureOS,也有自动驾驶,人工智能也带来很多新的产品。人工智能对很多行业真的会带来非常大量的改变,包括好几个例子。在人工智能和工业互联网,四大圈子融合才带来这么大的结果,包括机器人、物联网、大数据和机器学习。

  有什么具体的例子,看一个具体的例子。人工智能对工业互联网一个非常大的机会,举一个例子,智能检测,现在有很多工厂有很多人,几百人或者几千人用人眼来做检测的工作,如果你用深度学习,用神经网络,就可以让电脑快速学习做自动检测的工作。我们发现这些电脑的能力通常比人眼更高,用电脑做自动检测,可以自动拿到数据,可以把这些数据放在面板来理解你的工厂。这只是一个例子,人工智能在制造有很多机会,另外几个例子,包括机器参数调整,AI可以做到非常好,通常可以超过人类做的效率,也有产量优化,也有维护预测,这种工作电脑AI有时候可以超过人做这种工作的水平。

  到底人工智能是什么,我还在斯坦福大学教书,所以还是喜欢讲技术。人工智能有时候有这种模式的感觉,今天人工智能为很多公司带来非常大的价值,今天可能99%的价值都是监督式学习,你输入A,输出B。如果你想卖房间,A可以是你的尺寸、房间数目,B是房间的价格,很多公司都用这个办法赚很多钱。图像识别,输入一张图片,输出物体是什么。语音识别,输入一段语音,输出文字。翻译,输入英文,输出中文。自动驾驶,输入你的图像和雷达信息,输出其他汽车的位置。这种AI只是A-B,输入A,输出B,如果你可以把这个放在一个好的地方,就可以产生非常大的价值。在制造中有什么例子,自动检测,你可以输入一张图片,可以自动预测它有没有问题。另外一个例子,如果你输入机器参数,就可以自动输出产量,用它来大规模生产。你可以输入出价,输出顾客是否接受。Landing是落地,技术是要落地的。

  AI其实有很多部分,如果你看AI技术,最好的AI团队是懂很多不同的各种各类的技术,包括机器学习、深度学习,也有另外好几种AI技术,包括图形学、决策、知识图谱、搜索、博弈论,如果你看过去五年,我觉得很多AI技术都是在不断的慢慢进步,不过在过去三年、过去五年机器学习或者深度学习进步非常快。今天深度学习或者机器学习还有很多空间,还有很多没有人做到的新机会,不过领先的AI团队不只是懂机器学习或者监督式学习,也需要理解AI的技术,因为不同的AI问题要使用不同的AI的想法。

  深度学习和神经网络这两个词的意思差不多,神经网络到底是什么,简单分享一下,神经网络有一些操作,跟大家说一说它到底是什么。举一个例子,如果你想做一个维护预测,蓝色这条线是比较简单的模型,这就是一个最简单的神经网络,一个神经元,这个神经元是蓝线,这是最简单的神经网络。巨大的神经网络就是拿这一个神经元,放很多神经元,如果把很多神经元放起来就是一个大的神经网络。这三个神经元的输出放进去,最后一个神经元输出你想拿到的结果。输入A,在左边,这四个特征,输出B,是右边这个结果。今天用的神经网络是一个非常小的神经网络,只有四个神经元,我们今天训练的神经网络可能有几十几万个神经元以上,最后一个神经元细节,我刚才分享这个神经元,我们需要告诉他中间这三个神经元到底是什么,神经元的一部分,如果你给他AB,输入什么,输出什么,如果输出足够大,它就可以自己决定中间的神经元需要学习什么,我们在很多具体的例子,如果你的输出量够大,你的AB,这个神经元就可以非常准确的学习。

  在互联网时代,如果你选择你最喜欢的购物中心或者商场,如果你把它做一个网站,它也可以在这个网站卖东西,它还不是一个互联网公司,互联网公司这个词到底是什么,互联网公司这个词的意思不是你有没有一个网站,也不是你有一个网站用来卖东西,互联网这个词的意思是你没有安排你整个公司来使用互联网给你做到非常好的事情,你的公司会不会真的使用互联网,来做互联网让你做得非常好的东西。举个例子,互联网公司会做很多AB测试,如果你不做AB测试,你的竞争对手会做AB测试,我们今天习惯了有一千个AB测试,互联网公司的迭代速度也非常快,每天或者每个星期就会有新的产品,传统公司可能6个月产生新的产品,所以互联网公司的学习速度也非常快。互联网的技术、产品和用户非常复杂,在互联网公司不是CEO一个人做决定,要给产品经理、工程师很多power,他们才知道或者用户这种细节,不可能CEO一个人做决定说什么做什么。

  人工智能时代,传统公司,包括传统的技术公司加神经网络或者加一些机器学习,这还不是AI的公司,人工智能公司到底是什么,人工智能公司这个词,你有没有办法安排你的公司让你做人工智能做得非常好的东西,这才是人工智能的公司。坦白说,今天谷歌和百度要把自己变成AI公司,还没有做完,不过谷歌和百度的想法是非常领先的。20年前我们真的没有想到AB测试会变得这么重要,互联网社会真的需要一段时间才想清楚AB测试的重要性。今天人工智能公司到底是什么,我们没有完全想清楚,我觉得有可能会包括这几点,一个是数据搜集的战略,今天怎么样拿到数据的战略是非常复杂的。第二个是集中的数据库,很多AI公司越来越把这些数据放在一起,这样你的工程师或者你的算法、电脑才有办法把这些数据放起来进行学习。这件事很多团队可以回去就开始做。很多AI公司也看到自动化的机会。今天在很多AI公司,工程师和产品经理他们的工作是不一样的,举个例子,在互联网时代,我们发现如果你要在手机写一个APP,我们发现workflow是产品经理画一张图,工程师看产品经理画什么图来写代码。在互联网时代,比如自动驾驶,这张图是没有什么意思的,产品经理不是画一张图,他们需要拿一些数据,把数据给工程师。今天AI公司的工程师、产品经理他的工作已经有不消的变化。

  如果你们在想,你应该不应该开始使用人工智能,在很多公司先有ITIT的意思,十年前有很多信息是写在一张纸,现在这个信息不是在一张纸,是在你的电脑里,目前所以这个IT就产生数据,你有数据才可以做人工智能AI。有一些CEO也问我,要不要使用这个战略,有些CEO跟我说,三年把我们的IT完全搞好,三年后IT搞好了就去做AI,我觉得这个战略是非常坏的,希望你们不要这样做。如果你已经有一些数据,我想鼓励你们用AI来看一看,通常你让AI团队开始看一看你的数据,他们也会给你的IT团队一些反馈,来告诉他们你今天每十分钟采集数据,每一秒采集数据也可以产生很多价值。如果你已经有一些数据,鼓励你们来找这些AI团队让你们看一看。坦白说,今天最好的人工智能的数据,最好的人工智能的公司,都没有完美的,最好的人工智能公司也是做这种IT的工作。

  如果左边这个圈是代表人工智能能做的事,右边这个圈是代表对产业有用的事情,我们想做的是选择这些中间的机会,一些人工智能能做的事情,而且对你们公司有用的事情。一个挑战,因为人工智能技术今天还是比较复杂,只是人工智能专家才是完全理解左边的圈是什么。不过很多企业也非常复杂,你们这种产业的专家才完全理解右边的圈到底是哪里,我们怎么样做这个工作,最好的还是一些产业专家和一些人工智能专家一起来,有跨行业团队最好的合作,选择最好的机会。

  我个人背景是人工智能,其实我不是一个制造业专家,非常兴奋有机会跟很多制造公司合作,才可以选择那些中间最有价值的机会。希望未来会有更多机会跟你们合作,谢谢大家!

0