69久久国产露脸精品国产亚洲精品国产福利拍拍拍|中文字幕精品久久麻豆男优首次征选视频|91亚洲精品国偷拍自产|久久久国产精品一区二区三区|国产91在线精品|91精品国产自产在线老师啪|国产极品福利|国产精品久久久99|女同精品久久|91精品国产九色综合久久香蕉,日韩久久久久久97精品久久久久久人人澡人人爽 ,久久精品99无色码中文字幕,亚洲精品一二三中文字幕

　    1. 引言

　　智能制造的目標(biāo)是利用集成信息技術(shù)（IT）和人工智能（AI），將先進(jìn)的計(jì)算能力與制造設(shè)備相結(jié)合，在本地或全球建立靈活、適應(yīng)性強(qiáng)的制造業(yè)務(wù)。智能制造依賴(lài)于及時(shí)獲取、分發(fā)和利用制造車(chē)間甚至整個(gè)產(chǎn)品生命周期內(nèi)機(jī)器和流程的實(shí)時(shí)數(shù)據(jù)。有效的信息共享可以提高生產(chǎn)質(zhì)量、可靠性、資源效率和報(bào)廢產(chǎn)品的可回收性。基于數(shù)字化的智能制造也旨在更具可持續(xù)性，并為未來(lái)的工廠做出貢獻(xiàn)。然而，智能制造廣泛依賴(lài)于人工智能。為了更好地掌握智能制造的未來(lái)，有必要了解人工智能。筆者從智能科學(xué)到智能制造，提出了對(duì)人工智能的看法。

　　2. 人工智能的簡(jiǎn)史

　　人工智能是智能科學(xué)的一個(gè)分支。智能科學(xué)領(lǐng)域大致涵蓋兩個(gè)領(lǐng)域：自然智能和人工智能。自然智能是發(fā)現(xiàn)生命系統(tǒng)智能行為的科學(xué)，而人工智能是制造智能軟件和系統(tǒng)的科學(xué)和工程。這兩個(gè)研究領(lǐng)域在過(guò)去的幾十年相互促進(jìn)。自然智能的發(fā)展為人工神經(jīng)網(wǎng)絡(luò)（ANN）、遺傳算法（GAS）和蟻群優(yōu)化（ACO）等的人工智能研究奠定了堅(jiān)實(shí)的基礎(chǔ)，而先進(jìn)的人工智能工具有助于加速自然智能的發(fā)現(xiàn)[2]。由于人工智能的歷史相對(duì)較短，該領(lǐng)域的研究仍然活躍，有前景，并且還有待進(jìn)一步發(fā)現(xiàn)，如在制造業(yè)的背景下。

　　在討論智能制造之前，有必要簡(jiǎn)要回顧一下人工智能的歷史。人工智能的歷史可以追溯到20世紀(jì)40年代初。第一個(gè)人工智能是伊利諾伊大學(xué)的沃倫 · 麥卡洛克和沃爾特 · 皮茲創(chuàng)造的二元人工神經(jīng)網(wǎng)絡(luò)模型。盡管他們的模型只考慮了二元狀態(tài)（即每個(gè)神經(jīng)元的開(kāi)/關(guān)），但該模型在20世紀(jì)80年代末卻是快速人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)。在1950年，英國(guó)數(shù)學(xué)家阿蘭 · 圖靈提出了著名的“圖靈測(cè)試”來(lái)確定機(jī)器是否能思考。“圖靈測(cè)試”是通過(guò)計(jì)算機(jī)通信進(jìn)行的，由一個(gè)考官、一個(gè)人和一臺(tái)機(jī)器（即計(jì)算機(jī)）在單獨(dú)的房間中進(jìn)行。考官可以問(wèn)任何問(wèn)題。如果考官無(wú)法根據(jù)答案區(qū)分機(jī)器和人，則機(jī)器通過(guò)測(cè)試。1951年，普林斯頓大學(xué)的兩名研究生馬文 · 明斯基和迪恩 · 艾德蒙茲建造了第一臺(tái)用于模擬40個(gè)神經(jīng)元網(wǎng)絡(luò)的神經(jīng)元計(jì)算機(jī)。

　　人工智能開(kāi)發(fā)的一個(gè)重要里程碑是第一次人工智能研討會(huì)，該研討會(huì)于1956年由約翰 · 麥卡錫在達(dá)特茅斯學(xué)院舉行。這個(gè)研討會(huì)標(biāo)志著人工智能歷史上“黑暗時(shí)代”的結(jié)束和“人工智能崛起”的開(kāi)始。麥卡錫提出的“人工智能”一詞在當(dāng)時(shí)就得到了認(rèn)可，并沿用至今。麥卡錫后來(lái)搬到麻省理工學(xué)院。1958年，他定義了第一種人工智能語(yǔ)言LISP，該語(yǔ)言至今仍在使用。該領(lǐng)域最雄心勃勃的項(xiàng)目之一是通用解題程序（GPS），由艾倫 · 紐厄爾和卡內(nèi)基梅隆大學(xué)的赫伯特 · 西蒙于1961年創(chuàng)建。GPS基于形式邏輯，可以生成無(wú)數(shù)個(gè)試圖找到解決方案的運(yùn)營(yíng)商，但在解決復(fù)雜問(wèn)題方面效率低下。1965年，加州大學(xué)伯克利分校的拉特飛 · 扎德發(fā)表了他的著名論文《模糊集》，這是模糊集理論的基礎(chǔ)。第一個(gè)專(zhuān)家系統(tǒng)DENDRAL 于1969年在斯坦福大學(xué)開(kāi)發(fā)，該項(xiàng)目由美國(guó)國(guó)家航空航天局（NASA）資助，由諾貝爾遺傳學(xué)獎(jiǎng)獲得者喬舒亞 · 萊德伯格領(lǐng)導(dǎo)。然而，由于當(dāng)時(shí)大多數(shù)人工智能項(xiàng)目只能處理玩具問(wèn)題而不是現(xiàn)實(shí)世界的問(wèn)題，所以許多項(xiàng)目在美國(guó)、英國(guó)和其他幾個(gè)國(guó)家被取消，人工智能研究進(jìn)入了所謂的“人工智能冬季”。

　　盡管被削減了資金，但人工智能研究仍在繼續(xù)。1969年，Bryson和Ho [10]提出了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的反向傳播基礎(chǔ)。此外，第一個(gè)遺傳算法是由密歇根大學(xué)的約翰 · 霍蘭德于1975年提出的，他使用選擇、交叉和變異作為遺傳算子進(jìn)行優(yōu)化。1976年，MYCIN 由斯坦福大學(xué)丹德拉的同一個(gè)研究小組開(kāi)發(fā)。MYCIN系統(tǒng)是一種基于規(guī)則的血液疾病診斷專(zhuān)家系統(tǒng)，使用450個(gè)if-then規(guī)則，被發(fā)現(xiàn)比初級(jí)醫(yī)生表現(xiàn)得更好。

　　30年后，人工智能領(lǐng)域再次開(kāi)始神經(jīng)網(wǎng)絡(luò)的研究。人工智能成為一門(mén)科學(xué)的新時(shí)期始于1982年，當(dāng)時(shí)約翰 · 霍普菲爾德出版了他的霍普菲爾德網(wǎng)絡(luò)（Hopfield Networks），該網(wǎng)絡(luò)至今仍廣受歡迎。1986年，反向傳播在它被提出的16年后成為人工神經(jīng)網(wǎng)絡(luò)中真正實(shí)現(xiàn)的學(xué)習(xí)算法。它還通過(guò)并行分布式處理觸發(fā)了分布式人工智能（DAI）的啟動(dòng)。經(jīng)過(guò)22年的發(fā)展，日本的公司于1987年成功地將模糊集理論或模糊邏輯構(gòu)建到洗碗機(jī)和洗衣機(jī)中。1992年，John Koza提出遺傳編程[15]來(lái)操縱代表Lisp程序的符號(hào)代碼。基于DAI和人工生命的思想，智能代理在20世紀(jì)90年代中期逐漸形成。20世紀(jì)90年代末，模糊邏輯、ANN和遺傳算法（GA）的混合系統(tǒng)開(kāi)始流行用于解決復(fù)雜問(wèn)題。最近，各種新的人工智能方法應(yīng)運(yùn)而生，包括ACO、粒子沼澤優(yōu)化（PSO）、人工免疫優(yōu)化（AIO）和DNA計(jì)算。人工智能在未來(lái)的潛力（如制造業(yè)）仍然無(wú)法預(yù)測(cè)。

　　第一個(gè)流行的AI工具可能是基于AI的國(guó)際象棋計(jì)算機(jī)程序“深藍(lán)”（Deep Blue），該程序由IBM創(chuàng)造。當(dāng)世界象棋冠軍加里 · 卡斯帕羅夫在1997年的一場(chǎng)表演賽中與“深藍(lán)”一起比賽時(shí)，他以2.5︰3.5輸給了“深藍(lán)”。另一個(gè)早期的例子是2005年的本田ASIMO機(jī)器人，它能夠爬樓梯。對(duì)于機(jī)器人在非結(jié)構(gòu)化環(huán)境中移動(dòng)并由人類(lèi)指揮，它需要具備在運(yùn)行時(shí)自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、感知、對(duì)象識(shí)別、機(jī)器學(xué)習(xí)和運(yùn)動(dòng)控制的能力。在2016年，DeepMind的AlphaGo 使用云計(jì)算、強(qiáng)化學(xué)習(xí)和蒙特卡羅搜索算法結(jié)合深度神經(jīng)網(wǎng)絡(luò)進(jìn)行決策，在五場(chǎng)比賽中有四場(chǎng)擊敗了世界圍棋冠軍李世石。它的新版本Alphago Zero ，通過(guò)從頭開(kāi)始的自我學(xué)習(xí)，在短短三天內(nèi)就超越了Alphago的能力。如今，從下棋到機(jī)器人控制，從疾病診斷到飛機(jī)自動(dòng)駕駛儀，從智能設(shè)計(jì)到智能制造，人工智能技術(shù)和系統(tǒng)無(wú)處不在。除了圖1中總結(jié)的人工智能技術(shù)外，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)顯示了智能制造的巨大前景。

　　3. 人工智能在制造業(yè)中的代表性例子

　　在制造業(yè)背景下，智能科學(xué)，或者更具體地說(shuō)，機(jī)器學(xué)習(xí)模型形式的AI，有助于智能制造。操作人員可以在沉浸式環(huán)境中安全地使用機(jī)器人，而機(jī)器人可以預(yù)測(cè)人類(lèi)接下來(lái)會(huì)做什么，并根據(jù)需要提供現(xiàn)場(chǎng)幫助[20,21]。

　　腦機(jī)器人是利用有經(jīng)驗(yàn)的人類(lèi)操作者的腦電波進(jìn)行自適應(yīng)機(jī)器人控制的另一個(gè)例子。不需要遵循數(shù)據(jù)—知識(shí)—?jiǎng)幼麈湥�只需通過(guò)適當(dāng)?shù)挠?xùn)練將人類(lèi)腦電波模式映射到機(jī)器人控制命令即可實(shí)現(xiàn)腦電波—?jiǎng)幼鞯倪M(jìn)展，如圖3所示。在這種情況下，使用一個(gè)14通道的EMOTIV EPOC + 設(shè)備（EMOTIV，美國(guó)）來(lái)收集人類(lèi)的腦波信號(hào)。信號(hào)處理后的匹配命令被傳遞給機(jī)器人控制器進(jìn)行自適應(yīng)執(zhí)行。

　　4. 機(jī)遇與挑戰(zhàn)

　　人工智能和云計(jì)算、大數(shù)據(jù)分析、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)/5G等最新IT技術(shù)的支持，為智能制造提供了眾多機(jī)遇。這些新技術(shù)將促進(jìn)智能制造中的實(shí)時(shí)信息共享、知識(shí)發(fā)現(xiàn)和知情決策，具體如下：

（1）物聯(lián)網(wǎng)為數(shù)據(jù)收集提供更好的機(jī)器和現(xiàn)場(chǎng)設(shè)備連接，因此使實(shí)時(shí)數(shù)據(jù)收集成為可能。

（2）移動(dòng)互聯(lián)網(wǎng)/5G使得以超低延遲傳輸大量數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)信息共享成為可能。

（3）云計(jì)算提供快速和按需數(shù)據(jù)的分析；它還有助于儲(chǔ)存數(shù)據(jù)，這些數(shù)據(jù)可以輕松地與授權(quán)用戶(hù)共享。

（4）大數(shù)據(jù)分析可以揭示數(shù)據(jù)中隱藏的模式和有意義的信息，從而將數(shù)據(jù)轉(zhuǎn)化為信息，并進(jìn)一步將信息轉(zhuǎn)化為知識(shí)。

　　例如，智能制造的新機(jī)遇可能包括：①延遲時(shí)間短的遠(yuǎn)程實(shí)時(shí)監(jiān)控和控制；②通過(guò)機(jī)會(huì)過(guò)程計(jì)劃和調(diào)度進(jìn)行無(wú)缺陷加工；③具有成本效益和安全的資產(chǎn)預(yù)測(cè)維護(hù)；④整體規(guī)劃和控制復(fù)雜的供應(yīng)鏈。此外，近期的智能制造將受益于上述不同時(shí)間尺度的技術(shù)，具體如下：

　　 （5）5年內(nèi)，主要通過(guò)物聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)實(shí)現(xiàn)更好的橫向和縱向集成，可以消除自動(dòng)化島之間的80%的差距；

（6）10年內(nèi)，主要通過(guò)云計(jì)算和大數(shù)據(jù)分析實(shí)現(xiàn)經(jīng)驗(yàn)驅(qū)動(dòng)的制造運(yùn)營(yíng)，可能會(huì)在先前知識(shí)的支持下變成數(shù)據(jù)驅(qū)動(dòng)；

（7）20年內(nèi)，眾多中小型企業(yè)（SME）可以通過(guò)云制造技術(shù)為所有人提供服務(wù)，從而在全球市場(chǎng)中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

　　然而，復(fù)雜性和不確定性仍將是未來(lái)幾年制造業(yè)面臨的主要挑戰(zhàn)。人工智能和機(jī)器學(xué)習(xí)可以在很大程度上提供緩解甚至解決這些挑戰(zhàn)的機(jī)會(huì)。例如，可以使用深度學(xué)習(xí)來(lái)更好地理解制造環(huán)境，并在制造過(guò)程發(fā)生之前更準(zhǔn)確地預(yù)測(cè)未來(lái)的問(wèn)題或失敗，從而實(shí)現(xiàn)無(wú)缺陷制造。

　　安全的HRC是智能和靈活的自動(dòng)化進(jìn)程中的另一個(gè)挑戰(zhàn)，其中包括人工參與。這種協(xié)作是有用和必要的，特別是在制造裝備操作中，深度學(xué)習(xí)可以幫助機(jī)器人變得足夠智能，以幫助人類(lèi)操作員，同時(shí)為人類(lèi)的絕對(duì)安全提供更好的情境意識(shí)。

　　最后，在未來(lái)的工廠中實(shí)施智能制造之前，網(wǎng)絡(luò)安全和新的商業(yè)模式必須得到充分的重視。

論文鏈接