科技猎德国科学院院士：传统企业寻求变革，向智能制造靠近
6月1日，以“深度视野，对话未来”为主题的首届“中新 人工智能 高峰论坛”在新加坡·南京生态科技岛召开。本届高峰论坛由南京市人民政府、新加坡企业发展局、江苏省经信委、江苏省商务厅、江苏省人民政府外事办公室作为指导单位，南京市商务局、南京市建邺区政府、中国人工智能学会主办。亿欧作为支持媒体受邀参加。
论坛上，德国、深知无限人工智能研究院院长、首席科学家，德国人工智能研究中心科学董事 汉斯·乌思克尔特 教授带来主题演讲：“德国工业4.0与中国 AI产业 发展的机遇与挑战”。
在演讲中，汉斯·乌思克尔特详细介绍了AI在工业上的概念和具体案例。他讲AI+工业原理分为三层，由内到外分别是，生产层、运行层和数据结合层。经由这三层，智能制造创造了巨大生产力。
以下是汉斯·乌思克尔特的演讲全文，亿欧在不改变原意的基础上进行了删减。
大家下午好！我在AI领域已经工作了有30多年了，使用了不同的应用，我想要跟大家分享 智能制造 的一个理由是因为它跟我的背景有一点关系。
首先，我会给大家介绍一下AI的一些工业应用。然后再给大家介绍工业4.0和智能制造，接下来我会简单地给大家介绍一些机器学习和深度学习，还有一些未来的展望。
在过去的十年，我建立了一个德国人工智能中心。随着AI变得越来越流行了。除了传统的IT公司，比如SAP，软件公司，微软公司等。 渐渐，很多制造的企业也加入 进来比如Facebook、宝马、博世、空客等。他们都是机器制造的公司，在过去的一年， 这些制造企业不断地要求我们帮助他们进行变革，把他们的公司转型成一个现代化的数字驱动的公司，能够让他们使用工业4.0。
关于智能工厂，我们一共有三层。
首先，核心层，也就是智能工厂，或者说生产本身，AI在这里也能够发挥一些作用。主要概念就是通过物联网把机器联系在一起，AI根据这个传感器上传的数据来进行分析，这就是核心。
实际上，这个机器与之前的制造工厂，比如说iphone、汽车工厂、手机工厂是不一样的。 区别在于，他们很多的解决方案并不是泛泛的，而是具体的。 此时我们使用了一些机器人，有一些工人他们的工作已经也不再严格分工了，这就形成了工人与个机器人之间进行通信，互相沟通的需求—— 这是智能工厂的一个核心的部分 ——也就是网络和实体的系统互相地联系起来， 即用物联网，把处理器和传感器联系在一起。
其次，有个非常重要的概念—— “数字双胞胎” （指以数字化方式拷贝一个物理对象，模拟对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，从而提高制造企业产品研发、制造的生产效率。）。 这样一来，整个制造流程、数字产品以及系统，都有一个孪生的数字化镜像 。有一些产品本身就可以让机器下达指令，从而为生产制定一个计划，对于一些中度的自动化的生产，实现人机互动，AI驱动优化的产品和流程、预防性维修，预测能耗的目标。
第二层，除了纯生产之外，我们还有运行的服务。比如说公司内部的移动性出行，还有智能的物流、智能的建筑、智能的产品和智能电网。由于有“数字双胞胎”，如果你对流程、产品和手册进行编码的话，这将会是一个非常非常复杂的内容，再加上培训，供应商、合作伙伴服务这些数据进来，体量非常庞大，因此我们需要对运行服务进行重新的设计。
最后，我们来看最外面的一层——数据结合。最外面的一层是通常被人们所忽视的，但实际上它决定一个公司成败与否。为什么呢？因为大部分最重要的那些数据来源于公司以外，比如你的客户、合作伙伴、供应商、监管当局、技术合作提供商、媒体、投资商以及股东，还有你的竞争对手。 这就意味着说，我们最大的一个挑战是要把所有的数据，也就是智能工厂内部的数据与外部的数据进行结合 。
要了解外部的数据是非常复杂的。 因为那些外部数据的来源，并不能把数据以这种结构式的方式给你，你拿到的通常都是非结构性的数据。你需要把内外部的数据结合到一起。 如果你能解决这个问题的话，你才有客户关系管理，或者说，你的供应链就比较的智能了。智能实际上意味着我们要使用互联互通，要使用物联网，使用大数据，要使用分析，要使用商业的情报，当然还要使用AI来帮助你不断地去优化整个的流程。不仅仅是优化，这个系统还能告诉我们，这些问题是否解决了。
我们为什么要使用外部的数据和知识？ 首先，这取决于我们到底要实现什么样的目标？要监督流程，获得早期预警，审视是否出现偏差，如果有偏差的话我们要早期介入，帮助我们尽早决策 。举个例子，我们的合作伙伴之一——西门子，他们已经采取了我们主要的设备，也就是我们的公司出产的一个知识路线图。我们要做的事情是，希望从外部获得知识，与公司的图谱结合，可以知道我们生产的地点在什么地方，使用什么样的技术，在全世界各地有什么样事件的发生。再把这些信息和我们企业内部的信息结合到一起，这就形成企业的知识图谱。
不要低估这些知识。举例来说，《大英百科全书》这是世界上最丰富的《百科全书》，但这也只是它的打印版。如果你把所有知识都打印出来，应该有多大的量呢？包括维基百科在内的百科来源，都在慢慢地转化为一些结构的数据。实际上很多的知识现在正在经历着这样的一个转型：机器学习。
回到西门子的合作例子上来。西门子有19万的供应商，我们的企业知识图谱，帮助他们做供应链的观察和管理。对内外部信息进行输入、提取，在这个基础之上能够去做一些结构性的转型。就外部媒体信息而言，不仅仅包括媒体，还包括社交媒体，比方说像推特网，甚至来自铁路、警察部门、高速巡警、消防部门等。这样的一些信号整合在一起之后，我们搭建了大数据平台和研究中心。
这样的一些应用，对整个工业的流程有很大帮助。 所以我们希望能够从这些未结构的信息进行学习，转化为结构的信息，并且在相应的场景下进行解读。最终希望把一些显性的知识，比如说工业的知识，行业的知识，能够通过经验来进行挂钩，使得机器学习、深度学习得以实现。 如果做不到这一点，我们是无法去应对，无法满足复杂的工业现实所面临的一些需求。谢谢！
听小米、科沃斯、影谱科技、优必选高管讲述人工智能落地产品的整体思维，看京东、360产品负责人划定技术与产品能力边界，更有Star VC、星瀚资本投资人，介绍人工智能领域未来布局规划。 关于AI产品，你想要了解的都在这里。
6月14日上海，亿欧将举办AI产品峰会，详解AI技术落地到产品时，企业主、产品经理、经销商关心的各类问题，提供一个与小米、科沃斯、优必选、京东、360、影谱科技、商汤科技、竹间智能等人工智能领域优秀企业负责人现场交流的平台。
你还在等什么？报名链接： https://www.iyiou.com/a/AIxiaofeipin_shanghai_2018