傳統人工智能概念始于上世紀50年代，半個多世紀以來，人類利用自然語言、神經辨識、神經網絡或形象辨識等方法，讓機器學習規律，進而提供廣泛維度解決方案。
相較于前者，工業人工智能隸屬垂直領域，其屬性聚焦于工業制造系統，涉及汽車、飛機、輪船等移動工具的安全性、節能性、耗油性，工業制造機器人的穩定性、精密性，風力發電的效益性、節能性等相關課題。
雖然人工智能應用于生產制造的前景廣闊，但要從概念實現落地，產生規模效益，還需要清晰可行的研究方法。從業者或許可以從《工業人工智能》一書中找到答案。
《工業人工智能》由美國辛辛那提大學特聘講座教授、美國國家科學基金會（NSF）智能維護系統產學合作中心（IMS）創始主任、美國工業人工智能中心創始主任李杰（Jay Lee）所著，在這本書中，李杰將過去在美國工業大數據挑戰中所參與的實際案例列出，讓讀者能夠通過這些案例了解工業人工智能的定義與意義、如何用算法去解決工業系統問題。
“我在美國近40年從事智能制造以及工業大數據的產學研工作，深深地體會到企業從精益到智能制造的轉型工程中，人才、技術管理和執行上的挑戰。”近日，李杰接受了澎湃記者的專訪，分享了其對工業人工智能的理解。
什么是工業人工智能？
李杰介紹，工業人工智能是一個系統工程，需要多個技術元素的整合，這些技術元素可囊括為“ABCDEF”6個方面,分別是：
包括五大ABCDE系統元素，分別是Analytics（建模分析）、Big Data（大數據）、Computational Plarform（計算機平臺）、Domain Knowledge（領域知識）、Evidence（事實依據）、Feedback（反饋閉環）。
“在以上六個技術要素中，前三個同時也是AI技術的三個要素（數據、計算能力和算法），但是與工業人工智能有所區別。在分析建模方面，前者以算法為核心，后者以場景和問題為核心；在數據技術方面，前者圍繞解決‘4V’挑戰，后者則是管理‘3B’特性；在計算平臺方面，前者以云計算和集中式的運算能力為主，后者以‘端’到‘云’的融合架構為主。后三個要素則是帶有鮮明的工業特質的技術要素，也是人工智能與工業系統相融合的接口。”
李杰認為，人工智能技術對于工業系統而言，應該是融入和賦能的姿態，而非顛覆者。未來工業智能系統的目標，是創造無憂的工業環境，實現零意外、零污染、零浪費、零次品和零宕機。
什么樣的人工智能適合工業？
近幾年興起的物聯網技術做到了將事、物與人連接起來，由物驅動人。李杰認為這個觀念不夠完整，“真正適合工業的智能技術需要將人、事/物和系統連接起來，用系統去驅動人和事，從過去基于經驗（experience-based）轉變成為基于事實（ evidence-based）的運行模式，并在這個過程中不斷優化系統。”
李杰非常認同富士康的創始人郭臺銘曾提出的“六流”系統，即系統與人的連接為“六流”（人員流、物料流、過程流、技術流、資金流、數據流）和“六管”（生管、經管、品管、工管、人管、安管），并通過移動化的企管應用打破地理邊界和使協同更加高效。
“工業系統要做到三點，一是減少浪費、二是減少人力，這兩點過去我們已經做到，而工業人工智能需要做到的減少憂慮，就是去管理那些讓我們過去因為看不見或不了解造成的問題和不確定性。 ”
李杰強調，用機器取代人和自動化是對制造業智能最大的誤解，“機器換人只是一種低廉勞動力的轉變，自動化是制造過程中系統的建立，智能化卻是文化跟管理系統的改變，這并不是簡單的技術問題。智能化的最終目的是為了給顧客創造價值，起協助的作用。”
“在人、系統和物之間我們通過建立和管理數據的來源性（Resource）去進行不同維度的對標分析和參考性（Reference），從而不斷發掘物與事之間的關系性（Relationship），利用對這種關系性的洞察去不斷優化系統，最終實現系統的自我調節、重構和協同的強韌性（Resilience），這樣就可以實現工業系統的無憂。”
李杰舉例：“例如當我們發現設備故障與運行參數和操作之間的相關性，就可以優化設備的使用和維護方式，從而實現設備的零宕機運行；當我們發現制造系統的過程參數與最終產品質量的關系后，就可以實時監控和調節過程參數，選擇最合適的工藝參數組合，并在制造過程中進行調節補償，從而實現工業系統的零次品生產。當我們發現發動機的能耗與外界環境、飛行航線和發動機參數之間的關系后，就可以進行參數優化以實現能耗的節省。如果我們能夠預測生產系統對能源和物料的需求，并且在最恰當的時機精準地貼合它的需求，就可以實現生產系統的零浪費運行。”
誰會成為工業人工智能的殺手級應用？
李杰認為“設備預測性維護”“虛擬量測與過程質量控制”“能源管理與能效優化”“基于機器視覺的缺陷檢測與物料分揀”“生產與維護計劃的排程優化”“供應鏈與物流調度優化系統”這幾大業務功能將成為工業人工智能最大力度施展拳腳的地方。
“而且還會逐漸誕生復合場景、應用協調和跨領域的工業智能應用平臺。目前工業人工智能的應用場景已經慢慢發生在生產工廠中，如：機器的監控、船舶的省油、發動機的健康管理、醫療系統的遠程維護等，而油廠油田的安全管理和可靠性管理，也已經慢慢開始發展，但暫時還缺乏系統工程的觀念和可持續傳承的基礎。”
李杰在新書中記錄了許多工業人工智能應用的案例，以更加直觀的方式闡述了工業人工智能技術的開發流程和其中重要的經驗教訓。
“在未來中國的企業轉型中，我們會發現工業人工智能會扮演一個很重要的角色，如何把過去中國在快速發展中所損失的工匠的經驗和知識，從數據中重新彌補回來。換句話說，工業人工智能可以助力中國過去30年發展中所積累的經驗得到更快的沉淀和傳承。從依靠國外的經驗，用數據重新建立經驗的一個技術體系，進而使中國未來的發展更具有可持續的傳承。這是我寫這本書的初衷，也期待閱讀完這本書的讀者，在對工業人工智能有了全面理解后，能將工業人工智能的相關知識實際應用于自己的工作場景中，去挖掘不可見的知識，嘗試突破傳統經驗生產的限制，最后創造出更巨大的價值。”李杰說。