在美國50家最緊跟潮流的公司名單中，通用電氣這個125歲的公司榜上有名，排名第40。作為向高科技企業轉型的一部分，從科學家開始
，它將人工智能貫穿整個運營過程中。

2011年
，Jason Nichols加入了通用電氣（General Electric簡稱：GE）全quan球qiu研yan究jiu公gong司si。很hen快kuai他ta就jiu在zai加jia州zhou大da學xue伯bo克ke利li分fen校xiao完wan成cheng有you機ji化hua學xue博bo士shi後hou工gong作zuo
，並bing期qi望wang在zai化hua學xue研yan究jiu方fang麵mian能neng有you一yi個ge長chang期qi的de職zhi業ye生sheng涯ya。不bu過guo
，在zai連lian續xu四si年nian做zuo了le為wei處chu理li工gong業ye廢fei水shui創chuang造zao材cai料liao和he係xi統tong的de工gong作zuo後hou，Nichols搬到了公司的機器學習實驗室。今年，他開始研究增強現實（AI)
，工作角色有了變化，可以說既是化學家，又是半個數據科學家。Nichols的這種職業角色正是典型的混合型員工，對於一個致力於將人工智能注入其機器和工業過程的公司未來的GE來說，無疑是至關重要的。

15年前
，通用電氣的機器操作人員和技術人員，通過聽機器的當啷聲,震動聲和儀表檢查來監控其飛機發動機、機車和燃氣輪機。如今，公司用人工智能技術來做相同的事情，甚至可以提前預測失敗。

依靠這項技術
，GE希望在2020年之前成為世界頂級軟件供應商之一。事實上，2011年GE就加大了在這一領域的探索成本

，該公司花費10億美元主動收集和分析來自機器的傳感器數據。通過AI創建更智能的模型是公司戰略的下一步，以此希望能夠給自己帶來比長期競爭對手，如西門子，軟件巨頭IBM等更大的優勢。目前，IBM的業務擴展到了工業分析領域。

當然，將人工智能整合到一個成立於1892年的組織是一項艱巨的任務。首先得從培訓公司的技術人才開始，全球各地加起來共有30萬人。 Jason Nichols的工作地點通用電氣全球研究機構（GE Global Research），正在建立在線教程，教授機器學習和專題研討會，以便科學家們可以探索新的角色。目前為止，近400名員工已經完成了GE數據分析認證項目
，約50名科學家加入了Nichols所從事的數字分析工作。

雙重職業

這些雙重身份的科學家
，很多可以幫助製作GE的雲托管軟件模型，既節省了資金，又能提高客戶的安全性。利用從機器傳感器收集的信息，GE構建這些“數字雙胞胎”（digital twins)
，再輔以基於物理的模型、AI
、數據分析、其科學家和工程師的知識。

雖然數字雙胞胎主要是軟件代碼，最精細的版本看起來像三維計算機輔助設計圖紙，包含交互式圖表，圖表和數據點。但這些足以使GEyongchuanganqishujulaizhuizongfeijifadongji，jiche，ranqilunjihefengliwolunjidemosunqingkuang
，congergengrongyiyuceheshixuyaoweihu

，erbushiyongjiashehuogujidefangfa。liru，feiguomeiguodefeijiyinqing，keyizaijialifuniyazhoudeGE計算機服務器上設置一個數字雙胞胎來確定其部件的最佳服務時間表。

除了預測機器壽命
，虛擬模型還能夠使GE優化其產品的運行。通用電氣表示，數字雙胞胎使得風力發電廠產生的電力增加了20%。其中一台機車一年的燃料消耗和碳排放量分別減少了32000加侖
，17.4萬噸。目前，超70萬台模型已交付給客戶，到今年年底可能會超過100萬。

該(gai)技(ji)術(shu)依(yi)賴(lai)於(yu)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)的(de)不(bu)斷(duan)更(geng)新(xin)。此(ci)外(wai)，如(ru)果(guo)數(shu)據(ju)被(bei)破(po)壞(huai)或(huo)丟(diu)失(shi)，公(gong)司(si)會(hui)借(jie)助(zhu)機(ji)器(qi)學(xue)習(xi)來(lai)填(tian)補(bu)空(kong)白(bai)。這(zhe)是(shi)一(yi)種(zhong)允(yun)許(xu)計(ji)算(suan)機(ji)學(xue)習(xi)而(er)不(bu)進(jin)行(xing)明(ming)確(que)編(bian)程(cheng)的(de)人(ren)工(gong)智(zhi)能(neng)，通(tong)用(yong)電(dian)氣(qi)全(quan)球(qiu)研(yan)究(jiu)機(ji)構(gou)軟(ruan)件(jian)研(yan)究(jiu)副(fu)總(zong)裁(cai)Colin Parris說。 Parris表示，GE將計算機視覺與深度學習相結合，這種AI尤其擅長識別模式和強化學習。它另一個最新的進步是，使機器能夠優化操作，使攝像機能夠在髒的、灰塵滿滿的金屬渦輪葉片上找出微小的裂縫。

拿起這個比火柴盒車略大一點的小機器人
，使用計算機視覺和各種AI技術，它可以在緩慢移動的風扇葉片頂部找尋飛機發動機內的裂縫。

類似的技術也可以應用在無人機上
，可在200英尺高的火炬堆上發現腐蝕，從而燒掉由石油和天然氣生產基地釋放的多餘氣體。

GE科學家幾十年來一直在研究和適應變化中的技術。在1968年4月18日的這張照片中
，一位GE係統工程師負責雪城大學學生回應係統的電傳鏈接。計算機分析了學生對多項選擇問題的回答
，並將其回傳給老師。

1969年3月20日
，GE研究人員通過在稱為工作水位的設備上進行模擬研究，研究了天然氣不可見的氣體流動，通過使用染料觀察了電流。

並非一時的狂熱

為了開發和使用這些係統，GE研究人員需要了解機器的物理和AI算法。

“這是一個，分子生物學家會和機器學習專家坐在一起，控製理論人才會和懂材料科學的人坐在一起，進行探討的地方。”GE全球研究分析技術總監Mark Grabb說，“這種合作非常強大，但沒有比同樣的信息在同一個大腦裏更強大的了，它就是超高效。”

譬如Matt Nielsen的大腦
，他在獲得物理博士學位後於1998年加入通用電氣全球研究機構。在2015年全麵投入到公司的數字化領域之前，Nielsen開(kai)發(fa)了(le)光(guang)子(zi)學(xue)，並(bing)在(zai)電(dian)動(dong)汽(qi)車(che)軟(ruan)件(jian)方(fang)麵(mian)開(kai)展(zhan)工(gong)作(zuo)。如(ru)今(jin)，他(ta)領(ling)導(dao)了(le)一(yi)個(ge)數(shu)字(zi)雙(shuang)胞(bao)胎(tai)開(kai)發(fa)人(ren)員(yuan)團(tuan)隊(dui)，並(bing)幫(bang)助(zhu)構(gou)建(jian)了(le)基(ji)於(yu)物(wu)理(li)的(de)模(mo)型(xing)，可(ke)以(yi)結(jie)合(he)機(ji)器(qi)學(xue)習(xi)算(suan)法(fa)。

GE使用AI持續創建其機器的數字表示法
，例如，法國貝爾福的工廠裏的這個燃氣輪機
，9HA。

噴氣發動機的數字副本，幫助GE的航空客戶通過預測何時需要維護來節省資金。圖為GE發動機在巴西裏約熱內盧的起落架大修基地裏。

Sahika Genc是另一位雙重科學家，在GE機器學習實驗室工作之前，她開發了ICU報警係統。現在她是一名機器學習科學家，通過深入學習和強化學習，使GE的能源管理係統更加高效。她最近的一個項目就是應用機器學習和傳熱理論來確定建築能量如何消散和儲存。預測將有助於GE客戶降低能耗。

這些混合研究人員，可能是GE與另一個世紀分保持相關性的最佳方法。因為GE想在渦輪機
、噴氣發動機和機車等充滿競爭與成熟的行業中尋找增長機會。

軟件研究負責人Parris承認，在GE的2000名研究人員中
，仍然有人認為新方法的某些方麵是“一時的狂熱”。

但，不能超前的科學家可能就會落後。1月份，該公司在GE被視為“數字工業”戰略次要的地區進行了裁員。之前，2016年GE新增了100個與AI和機器人相關的研究工作。