随笔，总结2020年AI在制造业领域的磕磕碰碰

前面几天，写了一篇文章，建议给如今仍然想从事AI算法工作的朋友，能够放宽一点眼界，能够关注到制造业。

我并不是捧制造业。前段时间，阿里云办了个线上活动叫云栖大会，其中邀请了阿里技术副总裁贾扬清（caffe作者）滴滴自动驾驶COO孟醒等四位80、90后年轻AI翘楚一起闲聊人工智能有趣事情。

在对未来展望时，大佬比较认为未来5年可能人工智能算法不会出现大的突破，但是应用实际问题可能会一一被解决。同时，他们看好AI+工业和AI+农业。如有兴趣，可扫码如下这个视频号翻看。

那今天我这文章并不是继续吹捧制造业工业领域，而是要聊一聊我对工业领域的人工智能一些现状。这里我引用2020年世界计算机大会的位主讲人的PPT。

人工智能在工业领域的落地效果不佳主要有以下几点。

第一、工业机理和领域知识屏障

工业领域一直以来都是以传统的工艺和工人的熟练程度推动产能。现在慢慢的自动化提升了一些产能效率，但是要将AI深入到工业数据中时，容易摸不清楚方向，不知道怎么下手。很难梳理工业流程，技艺高超的行家也很难总结出比较好的决定因素，因为决定因素太多了。这样就很难给我们算法工程师很好的参考，以至于提升算法存在一些盲目。

 

第二、数据匮乏

工业需要做AI，第一个需要完成的是信息化，每个工业环节都会上传到云端，每个产品的结果都需要留有记录。工业数据也是很庞大的，然而好的数据却很匮乏。工业数据靠边缘数据传送设备进行上传，设备的稳定性以及网络的稳定性时常会出现一些问题，部分时段缺失也是有的。而且，不同品牌设备，不同新旧程度的机械装备工作起来都会带来误差波动，这给整理数据带来了一些干扰。最重要的，数据很多，如何标注数据呢，哪里有那么多人力，这也是算法工程师的头疼的问题。这样的打标过的数据，在市场上也很难买到。数据是算法的基石，没它不行。

 

第三、模型泛化性能弱

说泛化性能，可能每个领域都有这样的困境，但有的地方我们性能差一点就差一点，还能用，比如换个脸，做个动漫风格迁移，写个诗。但是工业场景下，要求是比较高必须要达到一个绝对的良品率才行，就比如缺陷检测，一个漏检就不允许，可以把好的判为坏的，但是坏的一定得揪出来。我们很多收集到的数据无法覆盖到所有场景。我见过我们一个合作伙伴，标注数据做了一年，就是模型无法覆盖所有场景，目前模型弄了二十来个一起轮番训练。

 

第四、企业认知与信任匮乏

如今人工智能这个词汇是很值钱的，一个电饭煲加上AI，就可以卖贵几百块。企业申请政府补贴，项目上加AI就能提升额外补贴。更别说一些AI独角兽，还未盈利，预估市值几十亿美元。人人都说好，是不是老板们都肯投入呢。

 

不然，人工智能虽然好，但是它贵啊，设备你得换成高运算能力的GPU，至少几十块显卡你得备，服务器你得搭起来要么就购买云服务。最主要的是算法团队你得建立起来，如今程序员里最贵的确实是算法岗位，而且一个硕士博士至少20w、30w起步。花钱的事，工业领域老板比较实在，不喜欢花钱大手大脚。他们对这个人工智能没那么信任，不敢招人，不敢放松让AI插手。他们更愿意把难的事情告诉算法工程师，但是工程师想对设备或者工艺做点改造的时候，管理者出现了不配合的情况。目前的管理者，只对质量负责，不出事就是好，改造不好耽误功夫出了事还得挨批。若是领导高层重视AI解决难题，没人敢说不配合。所以，这个工业领域能出来几个AI好项目解决产业问题，那一定出现了伟大的企业家。

 

好了，现状就是这样，我们理性看待这些问题就好，不要怕。毕竟第一个吃螃蟹的人，也会担心被扎手。你说呢？程序员的伟大就是用算法和程序解决一个又一个难题怪题，同时也真正期望那些重视人工智能的企业家们走出来，投入研发，改变世界。

 

最后引用曹德旺先生的话再次给制造业打气：制造业是国民经济的基础，如果没有基础的传统制造业产业，很多所谓的高端产业根本发展不起来。在我看来，互联网也好、芯片技术也好、大数据也好，这些技术或者工具可以提高经济运行和发展的效率。但是如果没有制造业，高端产业的发展根本无从谈起。就好像桌子上摆满了漂亮精致的刀叉，如果没有食物，这些刀叉用来做什么呢？只能是摆设而已。

 

我是鱼大，偶尔分享一下所见所闻，所感，如有兴趣欢迎添加我的微信号交流。