《工业互联网技术导论》 课件 第六章 工业人工智能

第6章

工业人工智能人工智能（ArtificialIntelligence，AI），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学人工智能人工智能是有关“智能主体（Intelligentagent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”人工智能还涉及到计算机科学、心理学、哲学和语言学等学科，几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴从根本上讲，人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科人工智能的分类强人工智能弱人工智能超人工智能弱人工智能就是利用现有智能化技术，来改善我们经济社会发展所需要的一些技术条件和发展功能，也指单一做一项任务的智能强人工智能是综合的，在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干，例如能干很多事情的机器人超人工智能是“在几乎所有领域都大大超过人类认知表现的任何智力”人工智能研究的主要流派人工智能研究影响较大的主要有符号主义、连接主义和行为主义三大学派。三大流派符号主义行为主义连接主义符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统假设和有限合理性原理行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，是一种基于“感知——行动”的行为智能模拟方法。行为主义最早来源于20世纪初的一个心理学流派，认为行为是有机体用以适应环境变化的各种身体反应的组合，它的理论目标在于预见和控制行为。连接主义（Connectionism）又称为仿生学派(Bionicsism)或生理学派(Physiologism)。是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。其原理主要为神经网络和神经网络间的连接机制和学习算法人工智能研究的应用1）专家系统与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法．专家系统所要解决的是复杂而专门的问题2）模式识别模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，这里把环境与客体统称为“模式”。3）自然语言处理自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。4）机器人学机器人和机器人学是人工智能研究的另一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态5）智能操纵人工智能的进展促进自动操纵向智能操纵进展。智能操纵是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动操纵。或者讲，智能操纵是驱动智能机器自主地实现其目标的过程。

6）感知问题感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。人工智能核心技术与理论模型

深度学习深度学习的本质就是人工神经网络，人工神经网络就是通过模拟生物神经网，而使得机器能够具备学习能力，从而具备智能。深度学习与传统机器学习系统的不同之处在于，它能够在分析大型数据集时进行自我学习和改进，因此能应用在许多不同的领域。深度学习的应用1）图像识别

图像识别是最早深度学习的应用领域之一，其本质是一个图像分类问题2）机器翻译传统的机器翻译模型采用是基于统计分析的算法模型，可想而知，对于复杂的语言表达逻辑，效果并不佳。而基于深度学习的机器翻译，让机器翻译出来的结果更加接近人类的表达逻辑，正确率得到了大大的提高3）自动驾驶现在很多互联网大公司都在自动驾驶上投入了大量的资源，如国内的百度、美国的Google公司、Uber公司等。深度学习技术感知机感知机被称为深度学习领域最为基础的模型。虽然感知机是最为基础的模型，但是它在深度学习的领域中有着举足轻重的地位，它是神经网络和支持向量机学习的基础，可以说它是最古老的分类方法之一。感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。感知机的多个输入信号都有各自固有的权重，这些权重发挥着控制各个信号的重要性的作用。也就是说，权重越大，对应该权重的信号的重要性就越高。事实上，感知器不仅仅能实现简单的布尔运算。它可以拟合任何的线性函数，任何线性分类或线性回归问题都可以用感知器来解决。使用感知机来划分二维平面。神经网络神经网络（NeuralNetwork，NN）亦称为人工神经网络（ArtificialNeuralNetwork，ANN），是由大量神经元（Neurons）广泛互连而成的网络，是对人脑的抽象、简化和模拟，应用了一些人脑的基本特性。神经网络的信息处理是由神经元之间的相互作用实现的，知识与信息的存储主要表现为网络元件互相连接的分布式物理联系。前馈神经网络是深度学习中最基本的网络结构，它通常由3部分组成，包括输入层、隐藏层和输出层。神经网络的学习神经网络的学习也称为训练，指的是通过神经网络所在环境的刺激作用调整神经网络的自由参数，使神经网络以一种新的方式对外部环境做出反应的一个过程。激活函数激活函数（ActivationFunctions）对于人工神经网络模型以及卷积神经网络模型去学习理解非常复杂和非线性的函数来说具有十分重要的作用。常见的激活函数有Sigmoid、tanh和ReLU损失函数损失函数是模型对数据拟合程度的反映，拟合得越差、损失函数的值就越大。与此同时，当损失函数比较大时，其对应的梯度也会随之增大，这样就可以加快变量的更新速度。卷积神经网络卷积神经网络顾名思义是在神经网络的基础上加入了卷积运算，通过卷积核局部感知图像信息提取其特征，多层卷积之后能够提取出图像的深层抽象特征，凭借这些特征来达到更准确的分类或预测的目标。卷积神经网络（ConvolutionalNeuralNetwork，CNN）由输入层、输出层以及多个隐藏层组成，隐藏层可分为卷积层、池化层、ReLU层和全连接层，其中卷积层与池化层相配合可组成多个卷积组，逐层提取特征。卷积层。卷积是一种线性计算过程，卷积运算实际是分析数学中的一种运算方式，在卷积神经网络中通常是仅涉及离散卷积的情形。池化层。池化层又称为下采样层，主要是通过对卷积形成的图像特征进行特征统计全连接层。图像经过卷积操作后，其关键特征被提取出来，全连接层的作用就是将图像的特征进行组合拼接生成对抗网络生成对抗网络（GenerativeAdversarialNetworks，GAN）独特的对抗性思想使得它在众多生成网络模型中脱颖而出，被广泛应用于计算机视觉、机器学习和语音处理等领域。GAN的网络结构由生成网络和判别网络共同构成。自然语言处理自然语言处理（NaturalLanguageProcessing，NLP）是指利用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作和加工。计算机处理自然语言的整个过程一般可以概括为4部分：语料预处理、特征工程、模型训练和指标评价。机器视觉机器视觉是用机器代替人眼来做测量和判断，机器视觉的最终目标就是让机器像人一样，通过视觉观察和理解世界，具有自主适应环境能力。机器视觉应用——视觉定位，视觉定位能够准确地检测到产品并且确认它的位置。机器视觉作为工业传感的核心，是机器人和自动化设备的眼睛，是构建工业互联网，建设数字化工厂感知网络的关键技术，同时也是实现柔性化智能生产的重要组成部分。知识图谱知识图谱（KnowledgeGraph）本质上，是一种揭示实体之间关系的语义网络。一个简单的语义网络，用A、B分别表示节点1、节点2，用R表示A与B之间的语义联系。知识图谱与大数据、深度学习一起成为了推动互联网和人工智能发展的核心驱动力。通过知识增强机器学习的过程来不断丰富知识图谱的内容，最终使应用更加智能。最优化理论优化理论是关于系统的最优设计、最优控制、最优管理问题的理论与

方法。最优化，就是在一定的约束条件下，使系统具有所期待的最优功能的组织过程，是从众多可能的选择中做出最优选择，使系统的目标函数在约束条件下达到最大或最小。工业人工智能

工业人工智能，通常是指人工智能在工业上的应用。与作为前沿研究学科的通用人工智能不同，工业人工智能是构建计算机化系统执行需要人类智能的任务的前沿研究学科，工业人工智能更关注应用此类技术来解决工业痛点工业人工智能是人工智能技术与工业融合发展形成的，贯穿于设计、生产、管理、服务等工业领域各环节，实现模仿或超越人类感知、分析、决策等能力的技术、方法、产品及应用系统。工业人工智能与工业互联网（1）工业互联网将为人工智能技术提供广阔的发展空间（2）工业互联网的核心是数据驱动的智能分析与决策优化（3）工业人工智能是实现工业互联网数据优化闭环的关键工业人工智能关键技术1）建模建模是指把具体问题抽象成为某一类问题并用数学模型表示，是应用于工程、科学等各方面的通用方法，是一种对现实世界的抽象总结。2）诊断利用传感器广泛采集关键设备、生产线运行以及产品质量检测获得的图像、视频以及时序等多元异构数据；利用大数据分析、机器学习、深度学习等方法进行有监督或无监督的分类和聚类，以最终实现工业生产过程的智能在线异常检测、诊断以及溯源。3）预测预测对工业生产具有重要的促进作用。大数据技术、云服务技术和人工智能技术的快速发展促进了预测效果的不断提高，基于数据驱动的预测技术在预测性维护、需求预测、质量预测等方面获得了广泛的应用。4）优化优化是提高工业生产效率的重要手段，主要分为设备级和系统级的优化。机床等工业设备的参数对产品的质量具有重要影响5）决策决策是形成工业生产闭环的关键，常见的工业过程智能决策通常由生产指标决策系统、生产全流程智能协同控制系统和智能自主运行控制系统等多个部分共同组成。工业人工智能关键因素1）智能芯片2）智能传感器3）智能信息及数据4）行业知识的挖