圍繞人工智能和就業(yè)的爭(zhēng)論由來(lái)已久。人工智能會(huì)奪走我們的工作，讓我們失業(yè)嗎?雖然有些工作確實(shí)會(huì)改變或消失——就像它們一直在做的那樣，而且還將繼續(xù)做下去——但人工智能也可能成為商業(yè)應(yīng)用中的人力倍增因素，因?yàn)槲覀內(nèi)祟愒谶@些應(yīng)用中仍未發(fā)揮出應(yīng)有的作用。
最近被列入瀕危列表的一系列工作，包括收集、儲(chǔ)存和分析TB級(jí)的無(wú)人機(jī)數(shù)據(jù)，這些數(shù)據(jù)的來(lái)源包括通訊塔、管道、太陽(yáng)能電池板、橋梁和其他建筑物，收集這些數(shù)據(jù)對(duì)人類來(lái)說(shuō)可能是非常危險(xiǎn)的。
操控?zé)o人駕駛飛機(jī)的重復(fù)性操作，分析它收集的大量數(shù)據(jù)——是一項(xiàng)容易讓人疲勞和出錯(cuò)的工作。除飛行員外，負(fù)責(zé)在當(dāng)天第25次無(wú)人機(jī)任務(wù)中檢查的第351絕緣體上發(fā)現(xiàn)裂紋的分析人士可能也會(huì)感到疲勞。如果絕緣體上的裂縫不是他們生活的激情所在，那么他們就很可能會(huì)犯一個(gè)致命的或?qū)е戮薮髶p失的錯(cuò)誤。
這就是人工智能夠發(fā)揮作用的地方——通過(guò)對(duì)人類神經(jīng)系統(tǒng)的軟件模擬，它可以被訓(xùn)練來(lái)部分抵消人類分析員必須日復(fù)一日地在巨大數(shù)據(jù)集上無(wú)情地執(zhí)行的枯燥和重復(fù)的任務(wù)。實(shí)際上，無(wú)人機(jī)“借用”了人類的大腦，為企業(yè)提供其最終價(jià)值。
邊緣AI與定向分析
想想人類是如何檢查一個(gè)結(jié)構(gòu)的:他們從粗略的觀察到對(duì)關(guān)鍵區(qū)域更深思熟慮和更長(zhǎng)時(shí)間的分析，他們通過(guò)經(jīng)驗(yàn)或視覺(jué)檢查認(rèn)識(shí)到這些關(guān)鍵區(qū)域。從某種意義上說(shuō)，人類是有偏向的。但這些偏向，可以幫助人們快速?zèng)Q定如何使用寶貴的計(jì)算周期。
另一方面，想想無(wú)人機(jī)是如何收集數(shù)據(jù)的:它們?cè)谝粋€(gè)結(jié)構(gòu)上飛行的方式幾乎總是獨(dú)立于實(shí)際收集的數(shù)據(jù)。無(wú)人機(jī)可能總是會(huì)花同樣的三秒鐘從一個(gè)正常區(qū)域的結(jié)構(gòu)中收集數(shù)據(jù)。除非操作人員對(duì)無(wú)人機(jī)“感知”的內(nèi)容有即時(shí)的視覺(jué)反饋，否則無(wú)人機(jī)將以不帶偏見(jiàn)的方式收集數(shù)據(jù)。結(jié)果可能是需要在飛行后收集更多的數(shù)據(jù)。
位于計(jì)算邊緣的人工智能(理想情況下是無(wú)人機(jī)本身)可以將無(wú)人機(jī)定向到相關(guān)結(jié)構(gòu)，然后是結(jié)構(gòu)中的子區(qū)域，然后是特定的、可能的異常數(shù)據(jù)存在的區(qū)域，從而對(duì)數(shù)據(jù)收集產(chǎn)生偏見(jiàn)。這可能會(huì)增加從感興趣區(qū)域收集數(shù)據(jù)的時(shí)間，從而引起對(duì)其他傳感器的注意，并提醒操作人員進(jìn)行其他操作。
如今的無(wú)人機(jī)擁有足夠的計(jì)算能力來(lái)容納邊緣智能:無(wú)論是使用強(qiáng)大的Snapdragon處理器還是用更強(qiáng)大的Nvidia GPU。這些處理器都可以作為實(shí)時(shí)操作人工智能的基底，為這一重要的關(guān)鍵能力提供動(dòng)力。
使用基于云的人工智能和數(shù)據(jù)分析來(lái)獲得洞察力
一旦數(shù)據(jù)被收集和部署，復(fù)雜的分析任務(wù)就可以開(kāi)始了。分析任務(wù)在結(jié)構(gòu)清單和將對(duì)象的視覺(jué)外觀映射到更詳細(xì)的信息(例如模型和生產(chǎn)年份)或發(fā)現(xiàn)該對(duì)象的缺陷(包括腐蝕和損壞)之間變化。
每個(gè)任務(wù)收集了數(shù)以千計(jì)的靜止圖像或高清視頻。當(dāng)使用人來(lái)分析一個(gè)個(gè)幀時(shí)，它不僅需要經(jīng)濟(jì)成本，而且有一定的出錯(cuò)概率。
考慮到大量的幀和多層信息的情況下，分析人員丟失關(guān)鍵幀的可能性會(huì)大大增加，而在關(guān)鍵幀中出現(xiàn)特定的項(xiàng)目，或者缺陷是最明顯的。
使用人工智能進(jìn)行機(jī)械檢查的領(lǐng)導(dǎo)者之一是著名的深度學(xué)習(xí)軟件公司Neurala。類似的服務(wù)包括Intel的Insights和通用電氣的Avitas。 Neurala聯(lián)合創(chuàng)始人兼首席執(zhí)行官M(fèi)ax Versace解釋說(shuō)，“與人類不同，人工智能不會(huì)感到疲勞。”人工智能系統(tǒng)可以被訓(xùn)練來(lái)執(zhí)行多種任務(wù)，從清點(diǎn)庫(kù)存到對(duì)3D圖像進(jìn)行分類和發(fā)現(xiàn)其中的微小缺陷。“當(dāng)然，能否成功地完成這些任務(wù)取決于是否有良好的人工智能，以及良好的訓(xùn)練數(shù)據(jù)。
使用預(yù)測(cè)型人工智能來(lái)知道何時(shí)行動(dòng)
檢查結(jié)構(gòu)的原因之一是為了維護(hù)。能夠檢測(cè)到的裂紋或腐蝕將告訴分析師，在未來(lái)6至12個(gè)月內(nèi)，該部件可能會(huì)出現(xiàn)故障，應(yīng)計(jì)劃進(jìn)行維護(hù)以避免停機(jī)。
這需要額外的、目標(biāo)驅(qū)動(dòng)的人工智能，它能夠考慮歷史數(shù)據(jù)，并將這些數(shù)據(jù)與具體結(jié)果相關(guān)聯(lián)。類似于一位醫(yī)生，他說(shuō):“如果你繼續(xù)吃薯?xiàng)l，就可以知道你可能會(huì)增重幾磅。”預(yù)測(cè)人工智能可以根據(jù)當(dāng)前和過(guò)去的數(shù)據(jù)診斷出未來(lái)的系統(tǒng)狀態(tài)。人工智能在時(shí)間預(yù)測(cè)中的應(yīng)用非常廣泛，從醫(yī)療數(shù)據(jù)到金融時(shí)間序列和網(wǎng)絡(luò)攻擊。
人工智能也將在這個(gè)部門找到一份穩(wěn)定的工作。
對(duì)人工智能在安全檢查中的期望
我們都希望人工智能明天就能在無(wú)人機(jī)和云上使用，但更現(xiàn)實(shí)的觀察一下檢查生態(tài)系統(tǒng)就會(huì)發(fā)現(xiàn)，一些應(yīng)用領(lǐng)域可能比其他領(lǐng)域來(lái)得更早。
雖然邊緣AI在原理上很有吸引力，但是AI的第一個(gè)應(yīng)用領(lǐng)域是后期處理，因?yàn)檫@種AI不需要無(wú)人機(jī)上有特定的硬件。它將是在企業(yè)軟件基礎(chǔ)架構(gòu)上運(yùn)行的“人工智能插件”。
邊緣AI將在1：使用后期處理AI與處理最初攝取的數(shù)據(jù)結(jié)果一樣好時(shí)，以及2：為無(wú)人機(jī)等邊緣設(shè)備開(kāi)發(fā)了更強(qiáng)大、更輕量級(jí)的處理器之后實(shí)現(xiàn)。
一旦上述兩個(gè)人工智能應(yīng)用程序投入使用，預(yù)測(cè)性人工智能將發(fā)揮作用，為企業(yè)提供一個(gè)由人工智能驅(qū)動(dòng)的完整軟件管道，最大限度地為企業(yè)提供數(shù)據(jù)收集、洞察力和可操作的智能。
無(wú)人機(jī)檢查的時(shí)代終將到來(lái)，尤其是在人工智能的驅(qū)動(dòng)下，它將大有所為。
京公網(wǎng)安備 11010502049343號(hào)