在日常生活的諸多領(lǐng)域中，人工智能已為傳統(tǒng)方法難以甚至無法解決的問題提供了出色的解決方案，其中包括圖像和語音識別或信用卡安全付款。在工業(yè)環(huán)境中，人工智能同樣能夠根據(jù)模板搜索數(shù)據(jù)，幫助人和機(jī)器人進(jìn)行決策。到目前為止，機(jī)器人主要用于重復(fù)性工作，它們以穩(wěn)定的高精度和重復(fù)性執(zhí)行給定的任務(wù)，而未來的生產(chǎn)要求越來越復(fù)雜，作為人工智能的一部分，機(jī)器學(xué)習(xí)能夠使機(jī)器人系統(tǒng)更適合靈活制造，為此需要解釋數(shù)據(jù)、找出相關(guān)性并從中獲取信息。
圖1 人工智能擴(kuò)展了基于機(jī)器人的自動化潛力
人工智能不僅僅是學(xué)習(xí)機(jī)器
人工智能遠(yuǎn)遠(yuǎn)不只是機(jī)器學(xué)習(xí)，盡管這部分目前正處于關(guān)注的焦點(diǎn)，毋庸置疑，人們在機(jī)器學(xué)習(xí)，特別是計算機(jī)視覺領(lǐng)域取得了一些最新成果，但象征性人工智能卻有點(diǎn)兒被遺忘了。象征性的、也是基于規(guī)則的人工智能意味著，用具體而明確的符號記錄事實(shí)、事件或動作，根據(jù)這些符號能夠計算出精確的數(shù)學(xué)運(yùn)算和邏輯結(jié)論，象征性人工智能可以為抽象的流程和明確的知識建模。同時考慮這兩個學(xué)科很有意義且值得推薦，因?yàn)槊糠N方法都有其優(yōu)缺點(diǎn)，兩者可以很好地互補(bǔ)。特別是在工業(yè)應(yīng)用中，決定必須遵循明確的規(guī)則，同時必須易于理解，象征性人工智能對此有利，與此同時，如果有大量優(yōu)質(zhì)數(shù)據(jù)可供使用，可以采用機(jī)器學(xué)習(xí)通過傳感器數(shù)據(jù)識別錯誤情況，或通過相機(jī)識別物體或環(huán)境。
人工智能方法最具前途的幾個應(yīng)用案例是在圖像識別領(lǐng)域，可用于提高機(jī)器人的自主性和靈活性，例如識別物體、分析語義場景和識別抓取點(diǎn)，這些是機(jī)器人智能行為的基本要求。
智能機(jī)器人能夠提供幫助，但僅此而已
智能機(jī)器人能夠也應(yīng)該取代人類從事繁重、勞累和重復(fù)性工作，或者至少幫助他們提高工作質(zhì)量和安全性并保持健康，智能、可視和感知機(jī)器人由此成為專業(yè)工人，至少可以在專業(yè)勞動力短缺時很好地完成簡單工作，不過有個例子可以清楚表明，與科幻電影描繪的機(jī)器人相比，我們還有很長的路要走：盡管如今的象棋計算機(jī)可以擊敗任何象棋大師，但卻沒有機(jī)器人能從架子上取下象棋，打開棋盒，取出棋子，將它們在棋盤上擺好，然后開始對弈。在這種需要機(jī)器人與周圍環(huán)境進(jìn)行物理交互的實(shí)用智能方面，小孩子也明顯優(yōu)于當(dāng)今的“智能”機(jī)器人，而這種情況還將持續(xù)很長時間。
我們會看到機(jī)器人怎樣變得越來越自主，通過更少的具體指令就能完成它們?nèi)缃褚呀?jīng)在做的某些任務(wù)，未來機(jī)器人還將用于應(yīng)用領(lǐng)域，特別是機(jī)器人服務(wù)技術(shù)領(lǐng)域，即在工業(yè)生產(chǎn)之外，目前它們尚未涉足這一領(lǐng)域，在這方面人工智能將做出重大貢獻(xiàn)。德國和歐洲的數(shù)據(jù)意識很強(qiáng)，這一方面涉及個人數(shù)據(jù)的處理，另一方面涉及生產(chǎn)數(shù)據(jù)的處理，后者在理論上反映了最內(nèi)在的操作流程和產(chǎn)品細(xì)節(jié)。從人工智能開發(fā)的純粹客觀角度來看，這是一個障礙，因?yàn)闄C(jī)器學(xué)習(xí)過程尤其依賴大量的訓(xùn)練數(shù)據(jù)，數(shù)據(jù)的可支配性表明，在機(jī)器圖像處理領(lǐng)域之所以進(jìn)步很大，是因?yàn)榛ヂ?lián)網(wǎng)上有大量可供使用的優(yōu)質(zhì)數(shù)據(jù)，相反在工業(yè)領(lǐng)域取得成績相對緩慢，在這一領(lǐng)域，生產(chǎn)設(shè)備廠家不得不在數(shù)據(jù)吝嗇和通過人工智能實(shí)現(xiàn)增值之間走鋼絲。
