21 世紀初
，當技術世界還並無“維護”二字時，發動機、電梯等設備故障維修解決的是後果，而維護則是“事前諸葛”。有了預測，就可預防，維護優化工作才可真正實現提質增效降本減存。“直到 2000 年，我發現有些事情不是那麼正確了
，因為很多數據沒有被高效地利用。”李傑教授在采訪中說道。

為此，先後在美國自然科學基金會（NSF）
、美國聯合技術公司（UTRC）擔任研發要職的李傑教授在 2000 年做出了一個重要決定——去大學任教並啟動工業大數據的研發。在當時，這還是一個從未被挖掘過的領域。

那麼，工業人工智能如何提升產業競爭力？ 人(ren)工(gong)智(zhi)能(neng)會(hui)造(zao)成(cheng)大(da)量(liang)失(shi)業(ye)嗎(ma)

？工(gong)業(ye)大(da)數(shu)據(ju)和(he)我(wo)們(men)日(ri)常(chang)常(chang)說(shuo)的(de)互(hu)聯(lian)網(wang)大(da)數(shu)據(ju)究(jiu)竟(jing)有(you)什(shen)麼(me)關(guan)係(xi)？帶(dai)著(zhe)這(zhe)些(xie)問(wen)題(ti)，小(xiao)編(bian)此(ci)次(ci)采(cai)訪(fang)到(dao)了(le)身(shen)處(chu)工(gong)業(ye)自(zi)動(dong)化(hua)與(yu)機(ji)器(qi)人(ren)領(ling)域(yu)近(jin) 40 餘年的科學家——李傑教授
，這位為“工業大數據”命名的科學家將向你講述關於人工智能、工業大數據領域的那些事。

挖掘工業大數據的價值痛點

20 世紀 80 年代初，當美國汽車產業開始逐漸意識到與日本產業之間的競爭時，自動化、機器人視覺等技術相繼獲得重視
，美國品質革命就此開始。在此期間，李傑教授先後在美國自然科學基金會（NSF）、美國聯合技術公司（UTRC）擔任研發要職，主持研發了普惠發動機、奧迪斯電梯等新一代產品和項目
，並資助了包括增材製造（3D 打印）與納米製造等多個項目。

眾所周知，大數據的來源之廣、曆史背景之深共同組成了“大”的特性。但相比於互聯網大數據，工業大數據來源於供應鏈和製造流程等眾多環節，其特性更聚焦在問題點，而不是需要點。

“互聯網大數據是從數據中找尋還未產生價值的東西，工業大數據則是從痛點中尋找怎麼避免讓你‘痛’的東西。”李(li)傑(jie)教(jiao)授(shou)解(jie)釋(shi)道(dao)，工(gong)業(ye)大(da)數(shu)據(ju)與(yu)互(hu)聯(lian)網(wang)大(da)數(shu)據(ju)最(zui)大(da)的(de)區(qu)別(bie)在(zai)於(yu)工(gong)業(ye)大(da)數(shu)據(ju)有(you)非(fei)常(chang)強(qiang)的(de)目(mu)的(de)性(xing)，而(er)互(hu)聯(lian)網(wang)大(da)數(shu)據(ju)更(geng)多(duo)的(de)是(shi)一(yi)種(zhong)關(guan)聯(lian)的(de)挖(wa)掘(jue)，是(shi)更(geng)加(jia)發(fa)散(san)的(de)一(yi)種(zhong)分(fen)析(xi)。

huanjuhuashuo，xiangbiyuhulianwangdashujutongchangbingbuyaoqiuyouduomejingzhundejieguotuisong，gongyedashujuduiyucehefenxijieguoderongcuolvyuanyuanbihulianwangdashujudideduo。hulianwangdashujuzaijinxingyucehejueceshi，jinjinkaolvdeshilianggeshuxingzhijiandeguanlianshifoujuyoutongjixianzhuxing，qizhongdezaoshenghegetizhijiandechayizaiyangbenliangzugoudashidoukeyibeihulve
，zheyanggeichudeyucejieguodezhunquexingjiuhuidadazhekou。danshizaigongyehuanjingzhong，ruguojinjintongguotongjidexianzhuxinggeichufenxijieguo，napajinjinyicideshiwudoukenengzaochengyanzhongdehouguo。

李傑教授曾提出一個“煎蛋模型”，來闡述產品與服務價值之間的關係。蛋黃代表的是產品自身
，其差異性程度並不明顯
，例如一台電視機在擋住了 Logo 之zhi後hou就jiu很hen難nan被bei區qu分fen出chu來lai是shi哪na家jia公gong司si生sheng產chan的de。而er蛋dan白bai所suo代dai表biao的de價jia值zhi卻que是shi差cha異yi化hua的de重zhong要yao體ti現xian
，也ye是shi企qi業ye的de品pin牌pai和he可ke持chi續xu性xing價jia值zhi的de所suo在zai。而er數shu據ju將jiang成cheng為wei挖wa掘jue這zhe些xie價jia值zhi的de重zhong要yao手shou段duan，其qi主zhu要yao體ti現xian在zai：

1、利用數據挖掘在使用中獲得新的知識和技術對現有產品進行改進
；

2、利用數據去發現和定義用戶未知的需求
；

3、以數據為媒介向用戶提供增值服務。

經(jing)驗(yan)可(ke)以(yi)傳(chuan)承(cheng)，但(dan)無(wu)法(fa)長(chang)久(jiu)傳(chuan)承(cheng)，但(dan)具(ju)有(you)邏(luo)輯(ji)性(xing)的(de)數(shu)據(ju)可(ke)以(yi)傳(chuan)承(cheng)。煎(jian)蛋(dan)模(mo)型(xing)，就(jiu)是(shi)從(cong)大(da)問(wen)題(ti)導(dao)向(xiang)到(dao)大(da)價(jia)值(zhi)導(dao)向(xiang)。蛋(dan)黃(huang)是(shi)大(da)問(wen)題(ti)，蛋(dan)白(bai)是(shi)大(da)價(jia)值(zhi)。數(shu)據(ju)是(shi)從(cong)大(da)問(wen)題(ti)開(kai)始(shi)，但(dan)它(ta)絕(jue)對(dui)不(bu)是(shi)目(mu)的(de)，必(bi)須(xu)要(yao)做(zuo)到(dao)大(da)價(jia)值(zhi)並(bing)發(fa)揮(hui)最(zui)好(hao)的(de)作(zuo)用(yong)。

就在不久前，由工業和信息化部指導，中國信息通信研究院、工業互聯網產業聯盟主辦的第二屆工業大數據創新競賽決賽答辯正式落下帷幕 [注]。作zuo為wei競jing賽sai連lian續xu兩liang年nian評ping審shen團tuan的de專zhuan家jia
，李li傑jie教jiao授shou在zai倍bei感gan欣xin慰wei的de同tong時shi也ye深shen有you感gan觸chu。高gao校xiao參can賽sai者zhe的de基ji礎chu算suan法fa能neng力li雖sui不bu容rong小xiao覷qu，但dan是shi由you於yu沒mei有you基ji礎chu數shu據ju
，項xiang目mu構gou建jian過guo程cheng中zhong仍reng有you很hen多duo問wen題ti。對dui此ci，李li傑jie教jiao授shou總zong結jie道dao，若ruo要yao真zhen正zheng實shi現xian智zhi能neng製zhi造zao，我wo國guo仍reng需xu要yao一yi批pi工gong業ye大da數shu據ju的de年nian輕qing生sheng力li軍jun，下xia到dao工gong廠chang，讓rang算suan法fa的de能neng力li補bu償chang有you經jing驗yan的de專zhuan家jia

，相xiang互hu結jie合he補bu充chong，共gong同tong助zhu力li工gong業ye智zhi造zao高gao質zhi量liang發fa展zhan。

工業智造關鍵要素 ABCDE

傳統人工智能概念始於上世紀 50 年代。半個多世紀以來，人類利用自然語言
、神經辨識、shenjingwangluohuoxingxiangbianshidengfangfa
，rangjiqixuexiguilv，jinertigongguangfanweidujiejuefangan。xiangjiaoyuqianzhe

，gongyerengongzhinenglishuchuizhilingyu
，qishuxingjujiaoyugongyezhizaoxitong
，shejiqiche
、飛機、輪船等移動工具的安全性
、節能性、耗油性，工業製造機器人的穩定性、精密性、風力發電的效益性


、節能性等相關課題。

李傑教授在談到工業人工智能的關鍵要素時說道，工業人工智能可以用“abcde”的特征進行分類
，這些關鍵要素包含分析技術 (Analytics Technology)，大數據技術 (Big Data Technology)，雲或網絡技術 (Cloud or Cyber Technology)，專業領域知識 (Domain Knowledge)，證據 (Evidence)。

分析（A）是 AI 的核心，它隻有在其他要素都存在時才能產生價值。大數據（B）與雲（C）是提供數據來源和工業人工智能平台必不可少的兩個要素。然而

，專業領域知識（D）和證據（E）也是常常被忽略的兩個重要因子。專業領域知識（D）是下列事項的關鍵要素：

1
、了解問題並專注於利用工業人工智能去解決它；

2、理解係統以便於收集正確且高質量的數據；

3
、了解參數的物理含義以及它們如何與係統或流程的物理特性相關聯；

4

、了解這些參數因機器而異。

證據（E）也是驗證工業人工智能模型以及它們與累積學習能力相結合的重要要素。收集數據形態模式及與它相關聯的證據，我們才能改進 AI 模型使之更加準確全麵並且與時俱進。這也是當代人工智能、工業大數據領域從業者需要具備五個重要資質。

現如今，人工智能時代已悄然來臨，機遇就在前方，發展就在腳下。但自 AI 熱re潮chao掀xian起qi以yi來lai
，業ye界jie對dui於yu人ren工gong智zhi能neng取qu代dai人ren類lei工gong作zuo的de討tao論lun就jiu沒mei有you停ting止zhi過guo。對dui此ci，李li傑jie教jiao授shou表biao示shi人ren工gong智zhi能neng並bing不bu是shi取qu代dai人ren
，而er是shi在zai做zuo人ren類lei做zuo的de不bu好hao，或huo者zhe人ren類lei不bu想xiang做zuo的de事shi情qing。

早在上個世紀 80 年nian代dai的de美mei國guo，人ren工gong智zhi能neng就jiu已yi應ying用yong在zai一yi些xie簡jian單dan的de控kong製zhi領ling域yu，包bao括kuo機ji器qi人ren

，機ji器qi視shi覺jiao，形xing象xiang識shi別bie等deng技ji術shu。而er機ji器qi人ren智zhi能neng化hua並bing不bu是shi要yao取qu代dai人ren們men工gong作zuo，而er是shi幫bang助zhu人ren找zhao到dao一yi個ge更geng高gao效xiao、更靈活、更健康的環境。當業務的空間維度高
，複雜性高，不確定性高的時候，人工智能就可發揮自身優勢，協助人類進行工作。