• <rp id="63vlb"><object id="63vlb"><input id="63vlb"></input></object></rp>

    <em id="63vlb"></em>

    1. <em id="63vlb"></em>

      <button id="63vlb"><acronym id="63vlb"></acronym></button>

      微信掃一掃,關注公眾號

      • 科技行者

      • 算力行者

      見證連接與計算的「力量」

      首頁 百度袁聞騫:智能制造的人機料法環應當圍繞物聯網進行改變

      百度袁聞騫:智能制造的人機料法環應當圍繞物聯網進行改變

      2016-12-08 14:59
      分享至:
      ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
      2016-12-08 14:59 ? CNET科技資訊網

      CNET科技資訊網 12月8日 北京消息(文/齊豐潤): “人機料法環”是制造業中影響產品質量的五大因素,而在智能制造的改革之下,這五大因素也發生了前所未有的改變。在中國制造千人會上,百度物聯網拓展總監袁聞騫就結合物聯網談及了智能制造環境下的人機料法環所需要做出的改變。

      百度袁聞騫:智能制造的人機料法環應當圍繞物聯網進行改變

      袁聞騫在演講中表示:“其實互聯網解決人的問題已經基本上非常成熟了,基于互聯網的思維我們去看物聯網,再去看智能制造,平等對待的人和機,以人和機作為對象,法作為動態的服務,我們可以把不同的服務串聯起來,變成動態的法,這個思路是不是就可以解決我們現在所有系統信息孤島的問題,去解決我們在智能制造中所面臨的數據問題。”

      以下是袁聞騫演講內容全文:

      今天主要內容主要是兩塊,一塊是物聯網,一塊是人機料法環的問題。大家都知道百度也不能算是說傳統的玩智能制造的企業,為什么在智能制造千人會上分享物聯網和智能制造的關系。

      首先談一下物聯網。中國互聯網發展到現在這樣一個時代,其實為我們物聯網提供了天時。中國制造業規模也是提供了這個地利,所以我們有理由相信智能制造,物聯網最大的發展應該就是在中國,稍微提一下,也是根據摩爾定律成本不斷下降。

      從彭博社分析上可以看到,今天我們是物聯網的世界,從兩個緯度去看,首先是數量規模去看,今天在物聯網時代,我們可以看到物的數量有百億級,從百億級物上可以看到這個市場的規模是萬億級美元的市場規模。這樣一個物聯網所采用的技術,或者大家所關注的點也跟原先的系統有所不同,在IOT這層百億級設備和萬億級規模物聯網上產生的企業,他們更注重的是數據,對于大數據的分析和展現。

      2020年全球物聯網規模將會突破3萬億美元,互聯網可以說是連接所有人的網絡。那么物聯網是互聯網的一個延伸和拓展,它不僅僅連接幾十億人,更連接幾百億的設備甚至上千億的設備。截止到2014年,中國物聯網市場規模約為6100億。

      稍微聊一下物聯網的現狀,不管對于制造,還是物聯網都有這樣一個現狀,那就是紛繁復雜不同的協議,也產生了行業鴻溝?,F在所采用的物聯網技術很多還是上世紀80年代的技術,所以在數據分析上和設備并發上還是會有很多的問題,我們也發現數據丟失上,由于我們技術并不能承載這么大量規模的設備,所以我們很多數據也是在采集或者分析過程中,其實都有丟失,也為我們大數據分析產生了很多遺憾吧,很多緯度的數據在我們分析過程當中發現,應該有的數據緯度其實并沒有,應該有的數據粒度也沒有達到?,F在制造業企業2C了以后,無可避免就有一個發布的問題,發布的問題就把我們原來制造的網絡和互聯網無可避免的去做打通,在能源行業,生產行業,各個行業這個打通其實帶來了很多安全的問題,這就變成了一對矛盾。我到底是要去打通,還是不要去打通,打通了可能有安全問題,但不大同又沒有辦法直接2C,這是我們總結下來看到的一些問題。

      那么就不得不聊到云,云應運而生,我們覺得用云解決物聯網這個問題是非常合適的,云在過去17年內其實也是改變了整個世界,不僅僅是IT的世界。

      在這里可以看到云跟傳統部署很大的區別。云是無處不在的東西,有網的地方就有云。大家可以想見到,第一是設備的接入可以是無處不在的接入。 現在萬億級的物聯網規模,我們看到擴容并發彈性,那么云天生就是解決這個問題。云的無限擴展,首先是彈性并發的,彈性計算的,另外存儲空間也是有彈性的。也就是說,我用來支撐物聯網的架構,我其實是可以是彈性的,在我的業務初期可能是非常小的云,將來同樣一個架構可以支撐無限拓展的業務體系。

      再從按需服務來看,其實云提供的服務是多種多樣的,一切都可以是服務,這個服務是按需收費的機制了,這個也不用多說,大家應該都明白。集眾人智為眾人用,很多制造業企業都已經有眾設、重研的平臺,能夠把社會上更多優秀的人的資源集中到企業的制造、設計、研發、測試平臺上,從這里看,從云這樣一個架構,其實是非常有利于把這些眾匯聚起來。為眾人用也很好理解,很多人做好本職工作以后,忽然發現我的某一個部門可以獨立出去為公眾服務,百度云其實也是百度內部,為百度搜索、地圖負責后臺引擎的部門,出來以后做了百度云這樣一個事業部,其實也是為眾人用的非常典型的例子?,F在我們能看到很多智能制造物聯網的問題非常碰巧能用云來解決這些問題,所以我們非常激動說,何不用云的技術來做這樣一個物聯網。

      大家會想到公有云和私有云,從我們來看,中小型企業在將來態勢上還是會以公有云為主。中國人還是相對比較能夠包容和接受共享的這樣一個民族,因為中國的城市是世界上最大的,城市應該說是最大的共享體,我們在城市里面共享很多城市的資源。

      稍微多拓展一點到智能制造,剛才談的都是物聯網。這是智能制造千人會了,制造這個行業非常深,只是說大家一起探討一下關于制造這塊物聯網又能做一些什么呢?制造這塊跟很多行業一樣,人機料法環在制造里面,我們認為是非常重要的,逃不出的是人機料法環的這些環節。

      從原有的系統來看,我這邊起的題目叫以法串聯。以法串聯,現在碰到了非常大的問題就是信息孤島的問題。每個系統里面可能都有重復的關于人和機的信息,那關于人和機的信息,在我們做分析的時候,我們會發現這些信息不僅僅重復,可能還是有一些沖突或者說對立的一些數據。

      這些數據怎么去統一呢?根本沒有辦法統一,那就是為什么現在大家都在說打通所有的業務系統,不僅僅是生產企業,還有零售企業,各種企業都在強調打通這個系統。從這塊來看有可能,以法串聯的架構本身是制約打通系統的這樣一個方案。

      反過來想想,如果不是以法串聯,如果是以人和機,平等對待人和機的思路對待新的人機料法環的結構呢。其實互聯網解決人的問題已經基本上非常成熟了,為什么說基于互聯網的思維我們去看物聯網,再去看智能制造,我們就想到這樣一個新的思路,平等對待的人和機,以人和機作為對象,法作為動態的服務,我們可以把不同的服務串聯起來,變成動態的法,這個思路是不是就可以解決,我們現在所有系統信息孤島的問題,去解決我們數據分析的這些問題,是這樣一個思路。

      有了這樣一個思路,我們再來看這個架構,我的數據層,可能就是說人和機的模型的數據將會是我新的所有數據層。另外應對所有數據的服務,比傳統業務系統更小的,有一些共享的服務,這些服務可以以微服務的形式在服務層去定義。我們去打通這些業務系統的過程,其實就是把這個服務打通了,我把這些數據打通了,換一換思路,我不去打通,我去打通系統和數據。

      以數據為承載,算法為驅動,應用為導向的全新物聯網,分別是物理現實層、網絡協議層、數字克隆層、算法服務層、應用服務層。在數字克隆層,我們發現完全可以用原有互聯網方式去做數據克隆、數據分餾和調度。上面的算法和服務層,這塊服務層其實完全可以讓更多的企業或者更多的人作為一個生態來貢獻這些算法,再結合百度原有人工智能算法,其實可以貢獻非常有意思的算法的服務層,進而來提供對整個應用服務層的支撐。

      百度在這邊提供的是幾個PaaS平臺,首先是打通所有物跟云,包括數據克隆的,包括展現分析的平臺叫天工的平臺,我們的口號也是說開放的擁抱生態。我們有很多SaaS,創新企業,他們以新的方式作為我們百度的生態一起來服務整個行業。

      天算平臺,對于所有計算的能夠,包括百度自身的算法,加上百度機器學習和深度學習平臺,都集成在天算平臺里面作為PaaS的平臺。

      天智平臺,大家知道百度現在是人工智能的公司,我們的無人車,動力機器人,各種各樣的人工智能在各行各業內所用。在物聯網或者說機器越來越智能的時代,大家能夠發現天智平臺里面所提供的,比如說智能客服,增強現實,身份認證,這些服務其實非常容易被物聯網所用的。

      從應用場景來看,從我們的監控到維保到工作流程管理和決策分析的場景。此外智能制造的場景,也是跟我們智能制造生態合作伙伴一起打造這樣一個云端相結合的智能制造的架構。

      在C2M應用場景上,我們也是集合百度云和百度天工所有的業務,來幫助企業把原有生產、物流、銷售、對接服務一整個過程,幫助企業一起去打造。

      后面稍微有幾個案例,我簡單介紹一下吧。首先是我們利用天工平臺的數據接入加上天算平臺大數據分析,幫助風電企業去做風電預測,12個小時預測兩類經常發生的故障。有常態數據,瞬態數據和標簽數據,經過百度幾個平臺相互串聯,我們也是能夠達到對所有設備商兩類鼓掌的預測達到7%的誤報率。

      還有對于智慧路燈的應用,還有橋梁健康檢測的應用,這些相對來說更偏智慧城市一些,我也就不做更多介紹。還有零部件生產供應鏈管理,這在制造上應用是非常多的,我們幫助企業去利用物聯網技術去看,實時制造過程中的制造質量,去實時把這些質量能夠跟握云連通,包括跟云內的智能分析。另外包括云內所有這些發布,跟做質量報告,利用云的方式重新去看一下供應鏈是怎么樣去做制造質量上的管理。

      我今天的分享先就到這里,多謝大家。

      分享至
      0贊

      好文章,需要你的鼓勵

      推薦文章
      • 獎勵設計:讓AI學會智能使用工具的關鍵
        2025-04-23 17:39

        獎勵設計:讓AI學會智能使用工具的關鍵

        想象一下,你有一個非常聰明的朋友,他知道很多知識,但每當需要使用計算器、搜索引擎或查詢最新天氣時,卻變得像個笨手笨腳的孩子。這正是當前大語言模型(簡稱LLMs,如ChatGPT這類AI系統)面臨的尷尬處境。

      • ToolRL:獎勵設計是工具學習所需的全部
        2025-04-23 17:34

        ToolRL:獎勵設計是工具學習所需的全部

        想象一下,你擁有一個聰明的助手,它知道很多知識,但在面對需要使用計算器、搜索引擎或查詢最新信息時卻顯得笨手笨腳。這正是當前大語言模型(LLMs)面臨的困境。雖然這些模型已經通過監督微調(SFT)學會了使用工具的基本能力,但它們常常在面對復雜或不熟悉的場景時表現不佳。

      • X-Teaming:使用自適應多智能體進行多輪越獄攻擊和防御
        2025-04-23 14:08

        X-Teaming:使用自適應多智能體進行多輪越獄攻擊和防御

        想象你正在和一個智能助手聊天。如果你直接要求它提供有害信息,它很可能會禮貌拒絕。但如果你通過一系列看似無害的對話,逐步引導它走向你的真實目標呢?這就是當前AI安全領域面臨的一個嚴峻挑戰——多輪對話中的安全漏洞。

      • "思考操縱":用外部思考讓大型推理模型更高效
        2025-04-22 16:43

        "思考操縱":用外部思考讓大型推理模型更高效

        想象你在使用一個非常聰明的AI助手完成一項復雜任務,比如解決一道數學難題。你可能注意到這個助手會花很長時間"思考",一步一步寫下大量推理過程,最后才給出答案。雖然這種詳細的思考過程確實幫助AI做出了更準確的判斷,但同時也帶來了一個明顯的問題:它太"啰嗦"了,消耗了大量的計算資源和時間。

      ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
      一级毛片视频免费播放在线,哪个网址可以看毛片,色费女人18女人毛片免费视频,一级A黄毛片