2020年3月30日午後5時08分50秒
著者：ユー・ヤン
流行する前に、風水栄は、プログラムについての脳産業分野のお客様に、重慶市で出張に行ってきました。しかし、プロジェクトが落下する時間がなかった、流行が到着しました。
風水栄工業アリは脳主任ソリューションアーキテクトを曇らせます。電話の顧客は彼と通信する際の春祭りの間に、彼は、彼らが今、あなたが仕事を心配する脳、もはや必要性をホスティングしている産業用制御システムを使用することができ、春祭りの前に、プロジェクトの地面に接触することができた場合、彼は非常に申し訳ありませんが、早ければ3ヶ月だったと述べました。
前の流行はさらに多くのお金の従業員が作業を開始するには消極的である見つけるためにハードワークとして記述することができます。また、これは静か産業インテリジェンスの業界の見解を変えています。
新しいインフラストラクチャでの7つの分野では、そこに直接インテリジェント製造、指導・支援政策に関連する3（大規模なデータセンター、人工知能、工業用インターネット）であるが、産業知性と伝統的な企業のインテリジェント変換のための良好なグランドをもたらします機会。
2017年以来、研究ダニエルは、AIの企業は、業界の流入となっています。少し前までは、元テンセント優秀な科学者たちは、優れたマップの実験室X-Labの嘉嘉、アジア・サービス事業の頭部は、新会社は、重要な分野の知的生産力です。
アリクラウド・マシン・インテリジェンスチーフサイエンティストワンMinはまた、最後のベンチャーを去る前に続いて、前方に回し、北サミット・キャピタルの設立は、製造業も3つのフォーカス方向の一つです。
しかし、とき、前例のない課題の急いで、ドア業界をノックし、変更AIツールを拾ったすべての起業家、だけでなく、産業のメカニズム、バリアドメイン知識だけでなく、データの欠如を、モデルのパン挑戦の、より多くの認知の問題と従来のエンタープライズにおける信頼の欠如。
「着陸ピットAI業界の」顔に関係なく、技術プロバイダー、または産業側、Gairuhezouの？
実用的な脳によるアリ雲業界、久保テ科学と技術、科学技術Aciu、産業分野における科学技術のもみ数、彼らは産業スマート「ピット」から道を歩いて渡る方法を確認します。
ほぼ01の企業が「ピット」と遭遇します
人工知能研究室では、清華大学がまだWong氏はAciuの科学技術を設立し、卒業していない、今の産業ビジョントラックで3年以上戦ってきました。
開始以来、彼は、産業の問題を解決するための焦点検出されていない少数の100未満の工場を走っており、のこぎり無数のピット業界自体は、多くのピットを踏んました。
「として工業検査の分野でのAIの着陸、ハイプ・サイクル全体のプロセスを描いては」谷があるでしょう、ウォン耀輝は「と呼ばれるピットのAI産業床。」
ただAIを始めるとき彼は、入院、顧客のエンジニアは、小さなサンプルテストの結果は、50％だけの伝統的な方法の認識精度として、通常は非常に良いですが、AIで、試してみる気は産業ビジョンの問題を解決する前に、解決不可能試みるより励起される傾向にあります、AI非常に短い時間では80％以上を行うことができますが。
それは彼らが輸入AIプロジェクトに多くの資源を投入するために会社を促進するために、願っていました。しかし、多数のサンプルが、特定のデータの増加にもかかわらず、試験された場合、さらに、90％モデルの精度が、ボトルネックが表示さを向上することを可能にし得ます。
盲目的にデータを増やし、混合結果をもたらした、いくつかの欠陥のアイテムは、より良い検出効果を変更することがありますが、いくつかの正解率が低下します。この時、ショックはピリオドを入力することが多いです、エンジニアはそれが理解できませんに入りました。
Wong氏は語った。この出会いの確率が90％以上を着陸工業用検査AIの過程で、ほぼ確実にピットの場合です。
業界の精度は、それは明らかに十分ではありません、AIは、オンラインの要件を達成することは困難です。一部の人々が絶望に始めた、深い学習が期待のはるかに短いようで、多くのAIプロジェクトが徐々に取っておくか、疎外されました。
これは、着陸ピットAI業界のビジョンです。業界は常にケースになり、2つの類似した「欠陥」の写真は、1 AIを検出することができ、他のは、さえ明白が検出されなかった、明らかに欠けていました。
この場合、エンジニアは盲目的にデータを増やす必要はなく、合理的な分析は、ライン上の最適化モデルの標準化されるまで、問題の根本を識別します。
久保テの創設者李ミャオ族が言ったように、かなりの程度までAIは、データとシナリオに依存します。
AIは、問題そのものに限定産業の問題を解決することはできませんが、キー操作で重要な問題を、最適化するために、全体のプロセスから、一般的なプロセス産業アプリケーションに基づくべきです。
AI着陸プロセスでは、精査の価値があるすべてのステップ。李ミャオ族は、シーンの選択が、それ以外のデータ奇妙大きすぎない、非常に重要ですが、また、業界の専門家、国境の合理的な定義の数が多いと通信する必要があると述べました。
データ収集は、直接モデルの結果に影響を与え、このアルゴリズムは、多くの場合、サイトコレクション、高コスト、および標識のため高い人材要件に業界知識を理解する必要がエンジニアを必要としています。
データリンクに加えて、展開後の運用・保守業務にも多くの時間を要し、実際のサンプルテストは、佐官は、アルゴリズム、最適化モデルを観察します。
観点から、全体のプロセスは、モデルのトレーニングセッションの途中ではなく、大きな障害AI会社、コストと時間のかかる人件費の大量の両端。
テクノロジー・ピット、事業のピットに加えて、業界ではAIの着陸は、ピットのドメイン知識、会社を配置ピット、ピットのビジネスモデルに直面している、と上のようにします。
ピットを通じてワタリ、これらの企業は、「0-1から」AI業界の着陸を完了し、一定規模の着陸を達成するために。上陸の彼らの方法により、だけでなく、私たちは着陸ピットAI業界から抜け出すために方法を考えるのに役立ちます。
もっと重要なのは02カットのビジネスの98％を、何を行うにはありません
ボストン・ダイナミクスのロボットほとんど空想の公演は、ほとんどすべての段落を上演します。しかし、業界の人々は、それはあまりにも遠く、実際のシーン、そして困難な事業からであることを認識しています。ロボットの精度の産業シーンは非常に99.9％以上、さらには商用ではなく、要求しているので、研究室ではこれまで達成することができます。
久保テの創設者李ミャオ族のビューでは、ロボットが直面する課題は、次の3つのカテゴリに分けることができます：まず、タスクがあまりにも挑戦されてもできない、知性では十分ではありません。第二には、貧しい適応性はない柔軟な十分に行い、クラスがあります私は小さいセグメントサイズと限られた利益率を行うにはしたくありません。
これらの課題に直面し、一方でロボット会社を組み合わせる必要がマシンインテリジェンスと適応AI、センサー、産業用ソフトウェア強化するために、一方、技術的な成熟度と市場の判断の組み合わせを必要とし、右の選択「の主戦場を。」
ベンチャー四年過去ミャオ族李は、無数のピットを通じてウェーディング後、行うには厳しい決断を行うために、やっていないものを、場所を特定するために何を、どのようなビジネスモデルから選択することです。
本当の仕事与えられた、あるロボットのオペレーティングシステム、に位置久保テ、あなたがこの問題を解決するために、プラットフォームから対応するロボットシステムを見つけることができます。システムインテグレータ、業界向けソリューションのニーズに合わせて、ロボット本体にそれを介して取得。
AI着陸の冒頭では、TOBは、多くの場合、製品の能力を開発しながら技術を研削、シーンの数が多いと接触する新興企業。
2018、久保のTeなど3Cエレクトロニクス、自動車部品、食品、物流、医療の多くの分野で手を出すが、ほとんどの時間は、「汚れ仕事」（汚い仕事）と極端な場合に費やされています。
「あなたは複雑な技術的な問題を解決する半強料の後、それは最初出て売ることができる、呼び出し側は100セットに言った。」李ミャオ族は、道路上でした。
インテグレータ、機器メーカーとの連携は、または最終顧客に直接サービスを提供するために、困難なビジネスの選択肢があります。
李ミャオ族は大きな市場、製品及び規模ロボットシステムのためにしたいです。しかし深耕インテグレータや機器メーカー、後に困難な企業は、最終顧客と市場の真のニーズを把握します。
その後、彼はチャネルで動作するように変更し、直接契約を結ぶために、顧客を終了することを決定しました。ショップチャンネルとスケールに決定するので、彼は、98％の未成熟事業を切断、プラットフォーム（オペレーティングシステム）、二つの領域（インテリジェント検出及びフレキシブルクロール）に濃縮焦点を当てます。
特定のシーンに、キノコ狩りで、例えば、ロボットシステムを着陸することは容易ではない、データが特に顕著な課題です。
そのビジネス・ロジック、供給搬送システムは、コントローラに戻り、優れた、良好に決定することに加えて、インテリジェントな決定、画像が取得され、光源とカメラを介して、周囲のキノコを検出するだけでなく、分類または削除、別のボックスに等分します。
もともとは手動で行われ、この作業は、データのない初期の蓄積はありません、このアルゴリズムは、キノコを一つずつ集めるエンジニアオンサイトのデータを必要とし、標識します。
しかし、この一見単純な生活は容易ではありません。キノコ色、キノコ脚、ビーズ、膜、および他の欠陥を含む約10の寸法の個体差は、技術は、大量のデータを格納する必要があります。
データマークプロフェッショナリズムは、非専門家がマークレベルの労働者をソート比較することはできません、植物は、多くの場合、最高レベルのディレクターであるマークされ、非常に高いです。自分のイメージによってマークされ、アルゴリズムは、認識率が新しい高にジャンプできます。
また、キノコは、機能が豊富で、各メーカーは、アルゴリズムに大きな課題をもたらしている、さまざまな分類基準であり、このような高いリアルタイムのシナリオ、アルゴリズムの安定性、リアルタイムの意思決定はまた、より高い期待を持っています。
現在、90〜95％にシーンの結合特性を精度久保のTeを拾っキノコ、商用大規模を達成することができました。
李は、ミャオ前記機械よい代替的に4~6、あるいは5隻の船舶、20〜30人と生産ライン。これらの労働者は年間100万給与の最小値を持っていますが、その生産ラインは現在、コストを回収するために6〜10ヶ月から75万顧客で販売されています。
すべてに沿って、業界では、AIの自動化度の高いで着陸、データ、より良い車、3Cおよびその他の分野についてより楽観的であるように思われます。ケース久保Teが少なく、多くの場合、材料や配合変化のいずれかのビュー、労働集約型の食品加工業、の観点から、それは良いAI着陸方向であるかもしれません。
03問題志向、AIと視覚的伝統の組み合わせ
Aciuは、科学技術、AIが何ができるかを明確に意識、いけないこと、およびAIアルゴリズムや特定の問題を解決するために組み合わせた伝統的なアルゴリズムの産業ビジョンに従事するためには、AI業界の着陸に向けた重要なステップです。
2点間の距離が計算されるような4つの工業用ビジョンアプリケーションのシナリオでは、一つの測定がある。第二は、識別され、例えば、バーコードの様々な読み取り、3つの位置決め、案内、アセンブリのガイドの位置を特定したり、ロボットアーム等をつかみます。第四には、テスト、欠陥の検出が典型的です。
HUANG八尾説明Aciu技術創設者、2D / 3D測定がより強調精度であり、前記コア及び光学センサ、主戦場高いハードウェア要件ではなく、AI。
識別は、アルゴリズムの複雑さは非常に高いものではない、またそれは、AI業界の主戦場です。特別なシーン認識、複雑なOCR（光学式文字認識）、解決するためにAIの必要性。
位置決めポイント2D位置決めおよび3Dポジショニング、業界ポジショニングシナリオ大半は、AIは必要ありません。こうした物流などの位置決め用途、いくつかのシーンではAIより多くの種類のより大きな値は、SKUの数千人があり、シーンは、ソートなど、ポジショニングAIのためのより複雑なんです。
テスト用として、彼はこれがAIの主戦場であると考え、「産業ビジョンの最大のポイント値でのAIは、それが新たな可能性を提供するよう、業界の問題に属し、複雑な欠陥検出、AIを解決することです。」
高インテグレータのための重いアルゴリズムは、企業が必要と、重い光学系;あまりにも偽陽性を押収存在し、必要性の人工的な再検討;そしてそこに複雑な検出を解決するために、このような難しいなどの問題、従来の目視検査の範囲はますますポストパッチアルゴリズム大きな、難しいメンテナンス。
しかし、Wong氏は、国が同様かどうかを決定するなど、中小企業、軽量、簡単な検出属し、多くのDOの欠陥検出の一定の複雑さを行うことができることを認めました。
Wong氏に、であることが証明された典型的には、工場の数百人を訪問し、2017年の品質検査員は20％、約10を占めたが、2019年までに、品質検査員は30％以上を占めています。自動化のレベルの強化、衰退の組立作業員が、検出終了、技術的な問題などを対象として、まだ人手に依存する必要があります。
複合体中の欠陥を検出するので、各製品の欠陥の種類の数十〜数百、および様々な形態の存在があってもよいし、欠陥の種類ごとの変異体、それが製品の任意の位置に分散させることができます。また、認知障害で、そこに人々の間の主観的な違い。これらは、問題を解決することの難しさを増加しています。
小さなコネクタインタフェースで、例えば、欠陥のタイプはキズ、汚れ、過剰な接着剤などを含む、かなりより複雑な欠陥を含みます。
良い質問を定義するだけで、我々は、欠陥データ、および最適化AIモデルを得ることを目標とするだけでなく、問題を解決するために特定の問題指向、統合学習と伝統的な視覚的な深さ、自分の強みにプレーをする必要があります。
エプロン空間が大のため、半分は、超精密測定やその他の問題、Aciu科学と伝統的なビジョンアルゴリズムを解決するための技術をドット、余分な接着剤スリーブ、スリーブレーヨンなど、検出が難しい他とのためにどこにでも配布することができる、彼らAIアルゴリズムの主な用途は、検出します。
だけでなく、他の問題のためにゴールドフィンガーは、スクラッチ/ビスコース、プラスチックなどのビスコース、端末パッケージ、Aciu技術は動的にアルゴリズムを調整し、あるいは伝統的なアルゴリズムによって補完、AIをベースに検出する、アルゴリズムはベースまたは伝統的な、AIが検出された、ということ第二は、実用上の問題を解決します。
現在Aciu AI技術産業ビジョンプラットフォームは産業、シナリオの数十の数を上陸させました。
畏敬の業界の理解、より完全な04組
脳を探索するアリクラウド業界は三年以上となっています。
主なアイデアは、データマイニングアルゴリズムの値によって、その後台湾の業界のデータの生産データ集約、ビルドのプロセス全体を介して取得することであり、。それは単に「データ・インテリジェンス」です。
アリは3つのコア技術産業を探求する最初のものです、インターネット、クラウド、AIとの自然な、ビッグデータ、クラウドコンピューティング肥沃な土地を、開始しました。
しかし、深さで探索する業界で、さらに業界の仕組みではなく、ドメイン知識を理解していないインターネットの人々の限界を露呈しました。このプロジェクトは、多くの場合、脳の産業床にAIアルゴリズム才能、業界の専門家、業界のインテグレータ/ VAR（付加価値再販業者）や他の力が必要です。
また、これは畏敬のより完全な、業界をより理解することをAIを作成するために、企業が直面する多くの問題です。
アリ雲は、変更、「ある専門知識、業界の専門家の力、伝統的なメカニズムと数学の組み合わせにもっと注意を払う、コア技術の領土に」。
データセットは、産業アリクラウド脳のコアコンピタンスの一つです。鉄鋼、セメント、化学薬品などのさまざまな分野で着陸の過程で、彼らはまたのための知識、業界のデータ・セットを深めます。
アリクラウド業界の脳主任ソリューションアーキテクト風水栄は、言ったテーブル内のデータのコア部分が十分かどうかを、主に中間層のデータ管理に依存し、合理的なデータテーブルを作ることができない「中間層」、今日されています完璧には、上記の業務システムをサポートすることができます。
業界の現在の状況は、企業が、多くの場合、内部データ「サイロ」に分かれていることです直接使用することは、簡単に「データスタック」データガバナンスが特に重要であるになります。
「唯一の中間層は良いを構築するために、これらのデータは、化学反応が起こる横断的な影響することができます。」
例えば、セメントグループを取って、それが直面する大きな問題は、クリンカ生産の高エネルギー消費量です。セメント産業では、エネルギーコストは、生産コストと運用コストの約60％、消費電力と石炭消費量から主にエネルギーを占めています。
関連する指標パラメータモデルを推奨する業界セメント生産ラインの制御により、宿主脳へのアリの雲は、労働者は、より高い合理性に比べて、より安定しています。脳現在の産業の石炭消費量は、クリンカの0.64パーセント、1.23パーセントの消費電力を低減するクリンカ工程であってもよいです。セメント企業にとって、コストの何百万人を救うことができる今年の任意のポイントを強化します。
風水栄は、現在の産業分野のお客様の脳は中間レベルに制御シナリオ、顧客からのフィードバック、業界の事業者の脳の基本の90％以上を主催していると述べました。
産業オートメーションは時間であるとして流行、募集の難しさの間に、人工的な不足の下で、AIを記述することができます。生産の再開を再開して、操作を最適化する方法を、インテリジェントなサプライチェーンの決定は等しく重要です。
王Xiは言った科学技術の共同創設者＆CPOのセコイア番号、企業がサプライチェーンの意思決定を行うためには、多くの場合、4つの質問があります。
市場の需要の変動性を理解することは困難であり、参照してください。貧しい、受注;人工生産のすべての種類を行うことによって、一方で、労働力に依存している/売上高は、手動で調整する必要があり、一方、既存のソフトウェア与えられた不合理な結果を計画しますフィル率、生産コスト、保管コスト最適化することは困難であり、歪みが困難、需要先の変更、変更の端末容量、単一オーダー、および他の変換操作の問題は、それが歪みに困難です。
これらの問題を解決するには、モミの数は、援助のビジネス上の意思決定の生産計画、スケジューリング、マーケティング計画などに、スマート技術のサプライチェーンの意思決定プラットフォームを導入します。コア技術は、ビルドの最適化ソルバー（COPT）にモミと機械学習を研究操作の数に依存しています。
ICT業界の巨人を取る、例えば、元の単一工場、不透明な計画スケジューリングシステムは、一緒に低い生産工場の問題に直面し、ビジネスのニーズを満たすことができません。
また、工場の数十、10万人以上の半完成部品、28日間行う必要+可能性の何百万もの間、千万制約を存在するためのスケジュールと需要予測計画の10週間。
杉の数原材料を含め到着指示ながら、私たちが計画して異常分析、早期警告を購入することをお勧めし、各命令を処理して、詳細な部分であるためには、その計画の最適な生産を構築します。
そして最後に、顧客の注文には20％の割合の増加、生産リソースプール、大幅に改善された効率を活性化するための端を持って来るに手動介入で30％、70％の減少により減少し、生産性の損失率を満たすことができます。
意思決定のマシンのために、また、道路上王Xiが、目的は、人工的なインテリジェントな意思決定を交換することではなく、意思決定支援ツールは、それがこれらのエラーが発生しやすい、いないグローバルな最適化の仕事から人々を解放する必要があります。
予測、分類のために、人間の事前知識は、モデルがデータ駆動型の予測ので、自然が唯一の歴史の最大化、データマイニング法を解決することができ、必ずしも正確ではない、非常に貴重なものですが、歴史は未来を表すものではありません。
決定は、我々はマシンがいくつかの目標を最適化することができ、そのような生産、受注、原材料、在庫などの制約が与えられたときにことが示唆されました。人々は理解組み合わせ見つけることができるが、機械の値である最適解、ではないかもしれません。
