随着全球范围内提出先进制造、工业4.0,中国发布制造2025战略,工业制造业数字化、网络化、智能化的需求不断被激发,以工业互联网、工业数据智能赋能的智能制造领域将迎来新的发展机遇。依托知识图谱、自然语言处理等认知智能技术,制造业企业得以在网络化的基础上进一步实现智能化,认知智能如何助力工业智能化全生命周期的升级?前沿智能应用效用如何?最佳落地路径如何设计?未来技术趋势方向在何处?是我们当下需要探讨的重要内容。
2022年8月26日,CCF YOCSEF 上海成功举办了“借势认知智能,升级工业制造”主题技术论坛活动。本次论坛邀请了知识管理、工业智能制造领域专家学者与工业界代表嘉宾,采取线上视频直播+线下的模式进行,线上直播在线人数200+。
作为三季度上海全面恢复生产生活秩序后YOCSEFer首次线下论坛,此次特别扩大了第三方宣传渠道,如“活动行”等进行CCF YOCSEF论坛宣传,取得了不错的效果。
本次论坛由中国计算机学会主办,CCF YOCSEF 上海学术委员会承办,普华永道和PlantData海乂知协办。论坛执行主席为CCF YOCSEF 上海AC委员林榕(普华永道)和AC委员徐佳(PlantData海乂知)。论坛筹备组成员还包括AC委员能军(上海大学)。受邀出席本次论坛的引导发言嘉宾有彭思龙(中科院自动化所)、夏敬华(海乂知)、黄强(腾讯科技)、余墨多(上海交通大学)、李吟(江苏杰瑞)。思辨嘉宾还包括文强(复旦大学)、颂文(上海理工大学)、胡芳槐(海乂知)。出席本次活动的部分荣誉委员、AC委员、通信委员有昊奋(同济大学)、刘通(上海大学)、维峰(复旦大学)、晋国(上海电力大学)、李洋(华东师范大学)、马骏(蓝忆智能)、刘斐(上海擎朗)、冰雪(上海理工大学)等。
会议开场由CCF YOCSEF 上海现任主席颂文致词。他简要介绍了YOCSEF上海的历史、特色和活动等,并对智能化升级、数字化转型工业制造的发展前景提出了期望,同时对出席本次论坛的嘉宾和赞助单位表示衷心的感谢。
本次论坛主要分为引导发言和思辨讨论两个环节。在引导发言部分,主要由彭思龙、夏敬华、黄强、余墨多、李吟5位嘉宾作了发言。
首先,彭思龙以“智能赋能制造之机遇与挑战”为题,介绍了中国制造2025的国策和任务。在人工智能技术和制造技术的结合过程中,他指出了中国制造将要面临的一些挑战:人工智能技术应用依赖于传感器技术;传感器芯片依赖进口,尤其是高速,高质量传感器国产化为零,美日;新兴传感器研发落后。中国制造在人工智能时代的机遇:中国的优势包括巨大的本土市场+完整的产业链+机器视觉技术进步+人工智能技术的基本成熟+大量成熟的技术人员+机器人成本的降低;出现了机器换人的巨大机会,提高生产效率,降低生产成本,同时保证产业链稳定,防止产业的转移;提高生产质量,由价格优势转向质量优势,提高附加值;加速传统产业的技术升级。
▲彭思龙引导发言
夏敬华以“知识图谱驱动制造企业知识数字化转型”为题,提出新态势、新需求、新技术,迫切呼唤组织知识数字化转型。指出数字化时代,知识管理的五大关键技术中,知识图谱是核心底层技术平台能力,组件化知识内容和知识元数据实现对多模态知识内容的支撑,语义搜索和360视图门户是用户端知识应用方式。
▲夏敬华引导发言
黄强以“腾讯数据智能助力企业打造新的行业竞争力”为题,结合其设计工业AI平台、工业AI质检平台等多个大型数据智能服务型平台产品经验,介绍了如何将人工智能与大数据结合,在真正意义上赋能企业,解决企业比较棘手的人力问题、成本问题、管理问题,实现实体业务的降本增效,从而在商业市场上获取持续竞争力。
▲黄强引导发言
余墨多以“数字孪生与人工智能技术在电力系统中的应用”为题,介绍了电力系统包含发电、输电、配电、用电等多类设施,被誉为“地球上最复杂的人工系统”。电力系统对于安全性、稳定性与可靠性要求极高,依赖智能化手段解决故障诊断的问题。提出电力系统的故障诊断面临着如下挑战:数据采集能力不足;故障扩散范围大;故障特征复杂多变
▲余墨多引导发言
李吟以“大数据技术在工业船舶数据协同共享的应用”为题,介绍了针对船舶研制产业链条长,技术密集,研制过程中厂所设备业务数据协同配套和数据共享困难问题,提出以大数据技术为基础打造数据协同共享,推动数字化业务流程,提升大数据技术的业务系统的覆盖程度,开展系统集成,打破技术保护和数据壁垒,提高协调沟通效率和业务流程改造,在船舶设计和制造协同环节实现信息和数据的及时传递和快速迭代;同时建设覆盖船舶设计、制造、检测、保障的大数据中心网络和数据开放协同共享服务,支持船舶工业公共数据开放和基础数据资源跨部门、跨区域共享能力。
▲李吟引导发言
五位嘉宾通过深入浅出的引导发言,给大家在工业互联网、工业数据智能赋能的制造提供了新的思路。发言结束后CCF YOCSEF 上海主席颂文为嘉宾颁发了感谢牌。
第二个环节是主题思辨环节,由胡芳槐主持,围绕着“认知智能技术助力工业制造”的观点展开讨论。
▲思辨嘉宾
思辨问题一:认知智能技术在工业领域的应用是不是无可替代的?
夏敬华:面向特定场景,越来越不能替代。
黄强:认知智能技术是工业智能发展的趋势。它非常重要,但工业不同阶段的需求点不一样,如何融合其他技术、结合场景构建认知智能解决方案需要实践。
余墨多:在强人工智能发展起来之前,在特定场景认知智能难以替代。
李吟:不能断言,有些数据统计、数据没饱和情况,目前认知智能/机器学习是否可以马上实现不一定,但一定是一个趋势。
张文强:认知智能稍微有点早,不是那么充分。目前还是在感知智能,尤其是在结构化领域。但认知智能是一个发展趋势。
裴颂文:目前大部分处于感知阶段。认知智能也不能包打天下。当前的人工智能模型在计算机视觉、图像处理、自然语言处理、文本处理等领域比较有应用前景。不适合笼统谈认知智能是否无可替代,要分具体领域来看。
胡芳槐:目前言是否还有点早,但是在某些领域认知智能已经有了很好的应用。认知智能可以与其他技术相结合,未来会是一个趋势。
思辨讨论2:认知智能技术之间如何高效融合?
夏敬华:从应用角度谈技术——知识搜索、推荐、知识聚合、推理能力。根据认知智能水平,应用于相关应用场景。
黄强:多模态智能是一种发展方向。技术是工具,将技术用于场景,降低技术门槛,与场景融合。与其他技术链接起来,利用场景推动技术落地。
余墨多:认知智能技术融合要建立统一规范和标准。形成深度学习;符号演进;非行知控制;群体智能四类应用范式。建立标准范式之后,之后的拓展会更高效。
李吟:有些技术已经很好的进行了融合了,比如知识图谱、自然语言理解、智能问答之间已经有了很好的融合,需要进一步关注效率及体验。
张文强:模仿动物、模仿人;知识来自于传承;做好知识获取模块。
裴颂文:看图说话、视频摘要等都是比较成功的多模态人工智能技术融合的应用场景。如何有效融合?不能局限在传统的深度学习,更要考虑类脑智能、推理智能等。要考虑数学模型的完备性。面向工业制造应用场景可以促进多种技术有效融合,面对工业数据量的日益增长、工业应用环境下的有限算力和内存空间,可以进一步通过做剪枝、压缩、分布式等方式,可以多种手段叠加,促使多模态技术的有效融合。
思辨讨论3:哪些技术新趋势可以让工业制造更智能?
裴颂文:容易获得大量数据的领域,智能技术机会有比较好的应用场景。预训练模型可能是其中一种比较有前景的技术。针对小样本场景做一些智能化的应用,可能也会有比较好的前景。
张文强:做数字化(如量化,标注)和标准化,之后服务于下游任务。选对、选新赛道,比如新能源汽车和油车赛道选择。
李吟:前期技术要扎实,然后才能做好智能化;比较重要的基础:知识库构建、知识核心性评估。
余墨多:算力提升、类脑芯片是未来比较有潜力的方向,对制造提升很有帮助。
黄强:工业制造智能场景很多,但做的人不多,只有有人去做之后,才能积累数据,才能促进技术发展。用工业的思维,去做工业AI;而不是用AI的方法去做工业AI。
夏敬华:未来知识图谱是否可以做一些延展,构建集体智能、集体智慧,这个具有一定挑战。
CCF YOCSEF 上海2022《借势认知智能,升级工业制造》技术论坛活动圆满结束,期待下次再见~