新聞中心

EEPW首頁 > 智能計算 > 業(yè)界動態(tài) > 揭開人工智能的面紗

揭開人工智能的面紗

作者:是德科技全球企業(yè)和產(chǎn)品營銷副總裁 Jeff Harris 時間:2022-04-21 來源:電子產(chǎn)品世界 收藏

在我們周圍每一個領(lǐng)域,無論產(chǎn)品是先進還是普通,似乎都能看到人工智能(AI)的影子。利用人工智能來為產(chǎn)品賦能,光是想想就已經(jīng)讓人心馳神往,因此您自然會相信這樣的主張。然而,大部分的主張并沒有說明人工智能的作用,也沒有說明制造商憑什么可以信心十足地做出這樣的主張。我內(nèi)心屬于工程師的那一面總是對物品的構(gòu)建方法充滿好奇。之所以如此,是因為我對“黑匣子”這個理念不感冒——這個理念認為我們不需要了解計算如何進行編程。

本文引用地址:http://m.butianyuan.cn/article/202204/433343.htm

那么,就讓我們一起來打開這個盒子,揭開人工智能的面紗看一看。要想實現(xiàn)人工智能,您首先要滿足兩個要素:(1)能夠測量某些參數(shù)并且了解測量結(jié)果的含義;(2)學(xué)習(xí)能力。第一個要素涉及計量學(xué),也稱為計量科學(xué)研究。第二個要素稱為機器學(xué)習(xí)(ML),它讓系統(tǒng)能夠辨別不同于預(yù)期結(jié)果的測量值,并且在不需要明確編程的情況下改變操作。

1650524109198219.jpg

全球企業(yè)和產(chǎn)品營銷副總裁 Jeff Harris

數(shù)據(jù)收集能力

計量學(xué)側(cè)重于深入了解某種特定的測量。這種測量既可能是像電壓、接地或溫度測量一樣簡單而獨特,也可能像飛行器控制面或復(fù)雜的制造裝配線一樣具有多模態(tài)功能。

●   測量深度:無論是測量單個參數(shù)還是測量多個參數(shù),測量精度決定了您能夠達到哪種程度的可編程能力。例如,以 1/10 伏的精度測量 3 伏系統(tǒng)就不會像以 1/1000 伏的精度測量同一個系統(tǒng)那樣有洞察力。

●   數(shù)據(jù)饋送:測量數(shù)據(jù)只有在可用于數(shù)據(jù)饋送時才對算法有幫助。在上面的示例中,如果傳感器能夠以 1/1000 的精度進行測量,但受到數(shù)據(jù)總線的限制,其數(shù)據(jù)饋送輸出只能精確到小數(shù)點后一位,那么額外的精度就不能為算法所用。

●   多個數(shù)據(jù)饋送:在可能的情況下,測量的參數(shù)越多,做出的決策就越有效。舉個例子,如果能夠以 1/1000 的精度測量電壓和溫度,您就能夠?qū)囟茸兓c電壓波動聯(lián)系起來。

進入機器學(xué)習(xí)

機器學(xué)習(xí)會把來自多個源頭的數(shù)據(jù)提供給用以模仿人類學(xué)習(xí)方式的算法,從而逐步提高算法的準(zhǔn)確性。獲得數(shù)據(jù)饋送后,您還需要三個基礎(chǔ)模塊才能實現(xiàn) ML:解釋數(shù)據(jù)的算法、具有響應(yīng)式結(jié)果的預(yù)期結(jié)果表、反饋環(huán)。

●   算法:一個機器學(xué)習(xí)系統(tǒng)的真正“智能”體現(xiàn)在它能夠獲取數(shù)據(jù)饋送輸入,運行一組計算/指令,并解釋輸出。解釋指的是它能夠分辨輸出計算是否在預(yù)期范圍之內(nèi),然后根據(jù)該輸出執(zhí)行新命令。在前面的示例中,如果不僅電壓測量結(jié)果遠超預(yù)期范圍,而且溫度也高于標(biāo)稱值,那么算法可能會啟動內(nèi)部風(fēng)扇。

●   預(yù)期結(jié)果和響應(yīng)式結(jié)果:以最簡單的方式來解釋的話,預(yù)期結(jié)果可以是數(shù)據(jù)饋送輸入與一系列響應(yīng)式命令組合而成的“查找”表。表格越全面,ML 就越成熟、越有價值。交互性更高的 ML 可以執(zhí)行一步步變更,例如根據(jù)實時感知數(shù)據(jù)改變無人機的航向,從而避開障礙物,這一操作同時需要持續(xù)的感知和不斷的調(diào)整。

●   反饋環(huán):最后一個要素是反饋環(huán)。它允許系統(tǒng)驗證其操作是足夠的還是需要進一步改進,并且能夠幫助系統(tǒng)調(diào)整參數(shù),從而提高未來的性能。

增添多個針對大型系統(tǒng)不同方面的 ML 功能,增加更多傳感器數(shù)據(jù),從而在更復(fù)雜的系統(tǒng)層面實現(xiàn)機器學(xué)習(xí)。先進的 ML 可以在遇到新的傳感器輸入組合時將其添加到“查找表”中,制定其它類型的響應(yīng)式結(jié)果指令,并衡量執(zhí)行的響應(yīng)的充分度。這些就成為了自我調(diào)整算法,從數(shù)據(jù)中獲取知識,從而預(yù)測結(jié)果。訓(xùn)練的算法越多,輸出就越準(zhǔn)確。

人工智能

既然擁有了可訓(xùn)練的算法,那么您就在很大程度上可以實現(xiàn) AI 交付。您需要從一系列 ML 引擎中獲得輸出,然后將它們與充足的準(zhǔn)則和迭代相結(jié)合,以便算法做出實時決策。當(dāng) AI 算法處理數(shù)據(jù)、

迭代、考慮新數(shù)據(jù)進入的迭代響應(yīng),以及使用組合來選擇輸出時,它就進入了決策狀態(tài)。這個永無止境的循環(huán)促使 AI 不斷學(xué)習(xí)并提高決策質(zhì)量。整個過程既可能像電壓和溫度傳感器回路一樣非常簡單,也可能像攻擊型無人機的飛行控制系統(tǒng)一樣復(fù)雜。

人工智能的 DNA 標(biāo)記

如何預(yù)測 AI 算法的性能?就像了解人類一樣,您可以通過 DNA 標(biāo)記來了解 AI 算法。從最基礎(chǔ)的層面來看,具有人工智能的機器能夠仿真人類感知信息、處理信息和對信息做出反應(yīng)的方式,并針對給定的條件修改工作流程,從而代替人類參與決策循環(huán)。從本質(zhì)上講,您可以查看三個常見的 DNA 標(biāo)記:

1.測量和仿真的效果:了解制造商的測量能力,了解他們是否擁有創(chuàng)建數(shù)字孿生環(huán)境所需的充足知識和經(jīng)驗。

2.算法、分析技術(shù)和洞察力:開發(fā)人員對信號核心特征的了解程度以及這種程度與預(yù)期響應(yīng)的關(guān)系將決定預(yù)期結(jié)果“查找”表的深度。

3.工作流自動化知識:從系統(tǒng)層面上理解多次迭代的 ML 輸出如何協(xié)同工作,從而優(yōu)化預(yù)期結(jié)果。

有鑒于此,人工智能算法的質(zhì)量與以下兩個方面有關(guān)系:

1.深度——理解指定測量領(lǐng)域中測量結(jié)果的能力

2.廣度——人們擁有的深度知識所涵蓋的技術(shù)和標(biāo)準(zhǔn)的數(shù)量

這向我們指出一個事實——如果實施得當(dāng)?shù)脑?,人工智能并不是一種被過度炒作的新興技術(shù)。相反,工程師可以借助它來管理復(fù)雜性呈指數(shù)級增長的新設(shè)計。

正如未來學(xué)家 Gray Scott 所言,“到 2035 年,人腦不可能也沒有辦法與人工智能機器相匹敵?!惫こ處焸円庾R到了這一點,并且開始將 ML 和 AI 融入他們的系統(tǒng)。人工智能的誕生要歸功于充滿智慧且積極進取的工程師。他們了解測量科學(xué),充分理解為開發(fā)人員創(chuàng)建數(shù)字孿生可能會得到的系統(tǒng)特性,并志在讓工程走上新臺階。



關(guān)鍵詞: 是德科技

評論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉
×

报名截止时间 12月22日
Let's do--DIY 液体流量检测仪让喝水更有乐趣,快来报名吧!