AI和可靠性:多少,多少速度?
EP编辑人员|2017年11月14日
由Univ的Klaus M. Blache博士撰写。田纳西州的可靠性和可维护性中心(RMC)
人们对人工智能(AI)的兴趣由于大数据,云,增加计算能力,更大的连接性以及传感器和信号处理的进步而引起了速度。机器知觉,IE。,使用摄像头识别对象,已经存在了多年。当今的机器学习系统可以做得更多。
出于本列的目的,“机器学习”一词是指随着经验而改善的计算机算法。想一想增强的语音和面部识别技术,特斯拉自动驾驶汽车,IBM Watson以及可靠性和预测性维护(PDM)建模工作。另一个例子来自汉莎航空公司,该航空公司维持1,000多架飞机,并在实时数据收集和决策中使用机器学习。推荐的避免故障的动作是由于错误消息和传感器数据等。
不到两年前,我访问了德国汉堡附近的汉莎技术(飞机维护,生产和开发),在那里他们仍然主要在“谈论”机器学习。现在,这些操作利用它来减少停机时间,组件故障和成本。
大约在同一时间,我在评估北美与可靠性相关的建模的研究发现,只有不到100个公司的公司足够使用分析工具来获得竞争优势。再说一次,一些技术上能力的公司通常没有足够的颗粒状或质量数据。我看到这种情况在未来5年以上的行业和政府各地发生变化。
是的,公司目前正在设置“虚拟双胞胎”以模仿其关键资产。视觉模型和算法用于模拟制造能力,预测故障以及何时进行维护或替换以及产品性能/客户体验。同时,世界知名的科学家史蒂芬·霍金(Stephen Hawking)对英国广播公司(BBC)的新闻表示关注,“人工智能可以为人类的终结结束。”也许,但不是在不久的将来。反对风险的决策将始终伴随着我们。
AI的进展是不可避免的。因此,最好拥抱它,理解它,利用它来改进并成为必要范围内控制它的一部分。今天,AI仍然非常具体或应用,IE。,控制无人机和汽车。可以执行任何操作或大多数一般任务的人工智能仍然仅在电影中。关注的时间是科学家们弄清楚如何使用神经网络(如人脑)。
我们需要立即改进的是能够将大数据和分析应用于实际使用的实际应用。我们还应该借此机会让那些喜欢在这个领域的千禧一代。
如果您有成功的机器学习示例,我想收到您的来信。EP
Klaus M. Blache总部位于诺克斯维尔,是大学可靠性和可维护性中心的主任。田纳西州和工程学院的研究教授。与他联系kblache@utk.edu。
查看评论