自助過磅機

推薦產品

大型集團煤炭運銷信息化解決方案
大型集團煤炭運銷信息化解決方案
Read More
火車車廂信息自動識別平臺
火車車廂信息自動識別平臺
Read More
業務數據智能分析系統
業務數據智能分析系統
Read More
智能營銷駕駛艙
智能營銷駕駛艙
Read More

聯系我們

山東矩陣軟件工程股份有限公司
聯系電話:400-006-7677
服務熱線:0531-86970088
公司地址:山東省濟南高新區工業南路55號未來廣場
郵政編碼:250013
電子郵箱:[email protected]

矩陣軟件的人工智能技術與工業企業融合之路


更新時間:2019-04-24

  謹以本文記錄矩陣軟件的人工智能系列產品研發之路,并向各位傳統企業的CEO,CTO,CIO們伸出橄欖枝,希望我們齊心協力改變世界。

  

  2018年下半年以來,人工智能泡沫化的消息不斷傳來,掀起陣陣波瀾。但是,投機浪潮的沒落,意味著真正的產業春天的開始。2019年3月19日,中央全面深化改革委員會審議通過了《關于促進人工智能和實體經濟深度融合的指導意見》,閱讀后如沐春風,心潮澎湃。意見著重強調市場導向與產業應用,打造智能經濟形態,要求促進人工智能和實體經濟深度融合,構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。指導意見高瞻遠矚,正中要害,矩陣軟件兩年來的研發實踐與此感受完全吻合。由此產生了寫作本文的想法,因為矩陣軟件的實踐表明,只要轉變思路,人工智能完全可以走出人臉識別,語音交流,無人駕駛的刻板的模式化應用場景,擺脫高大上與昂貴的面紗,迅速與工業企業具體應用場景實現融合,并帶來顛覆性的產品和直接的社會效益。

  矩陣軟件自2016年初進入ai自主研發領域,從無到有,從學習到創新,到建立ai實驗室并發布出新產品,經歷了一個簡單而不容易的過程。現將此過程,其中的經驗教訓,及發展情況,經驗總結和一些未必成熟的觀點看法分享給大家,以期拋磚引玉。

  一、發展歷程

  矩陣軟件被稱為稱重物聯網第一股,是一家新三板上市的,從事大宗物資的稱重發運物流系統研發的專業it公司。

  矩陣軟件有一款貨運列車裝運控制產品,在貨運列車的車廂號識別處理上,經歷了手持機抄號、RFID識別、視頻圖像抓拍等多代產品的演變。2016年年底,矩陣軟件的多家客戶提出了對貨運列車車廂標記信息進行自動識別的需求,這是一個典型的應用AI進行圖像識別與處理的應用,但尋遍全國,沒有發現一個成熟可用的產品。為實現此應用,矩陣軟件踏足進入了人工智能的研發領域。

  2017年初,為獲得技術支持,矩陣軟件經交流溝通,與中國科學院軟件所簽訂了合作協議,開始了相關算法的研發工作。

  2018年,矩陣軟件邀請到業界知名的指紋和人臉識別研發專家李峰先生加入公司,并組建了人工智能實驗室,建立了專業開發團隊。

  目前,經過兩年時間的持續研發,已經有兩個產品:貨運列車標記信息智能識別和智能發運系統研發成功,并已形成成功案例。在這兩個系統進一步硬化的同時,還有另外還有兩個產品在研發過程中。

  創新是一個困難的過程,在此兩年中,矩陣軟件所有的AI研發相關工作全部通過自籌經費予以支撐,把近兩年銷售收入的15%都投入到了研發上。目前矩陣軟件期待實現市場與產品的深度融合。

  二、路徑總結

  1、研究和應用人工智能是生存發展剛需

  我的一位做網站新聞編輯的朋友對我說,自打有了今日頭條,一切都變得不同了。今日頭條基于人工智能的導流算法橫掃市場,打敗了原有的所有新聞APP和傳統媒體。

  矩陣軟件的深切體會是,絕不僅僅是互聯網應用,如果人工智能空降傳統行業,也會產生大量的顛覆性應用。

  比如矩陣軟件研發的第二個產品(后文有介紹):汽車智能裝運系統。應用目標是,在無人干預的情況下,把數十噸的大宗物資準確裝入到大貨車掛車中。在過去的技術條件下,實現這個目標是非常困難的,因為車是活的,由司機駕駛,多種多樣的,難以精準控制。但是,在引入人工智能建模算法和激光雷達后,通過對現場環境的精確建模和識別,控制變得很簡單,無人干預的要求迎刃而解。矩陣軟件目前正在進行市場推廣,而且認為能夠顛覆每年幾十億元規模的貨車物資裝運設備市場。

  以此類推,當智能技術應用進入無智能的產品設計領域,很可能會顛覆很多原有的產品。廣大制造企業。廣大工業企業應盡早擁抱人工智能,否則就有可能是被顛覆的對象。

  2、人工智能≠機器人,人工智能≠昂貴,人工智能≠大數據

  有一些大家慣常的思路,延緩了人工智能的進一步普及。

  人工智能≠機器人(超智能)

  正確應用人工智能,要把人工智能當作工具來看待,不能心存神秘感而過度解讀。有一個機器人來自動幫助完成任務當然好(但是那時候有可能人類可能已經不存在了或者進化了),但在現在的階段,人工智能用來解決局部的問題,就能夠產生顛覆性的產品。所以,首先應建立對人工智能的正確認識。

  人工智能到目前為止還沒有一個普遍認同、嚴格、準確的定義,但是目前普遍被劃分為三個層次:弱人工智能層次、強人工智能層次和超人工智能層次。簡單地說弱人工智能就是低于人類智能水平的人工智能。我們現在正處在弱人工智能發展的階段,像阿爾法狗、人臉識別系統、手機導航系統、無人駕駛系統等等,都屬于弱人工智能。強人工智能就是和人類智能并駕齊驅的人工智能,超人工智能就是超出人類智力水平的人工智能。這兩個層次的人工智能現在還沒有出現,而且距離還相當遙遠。所以目前談到的人工智能,都是弱人工智能,需要人去尋找發現應用方向,以實現突破。

  即便弱人工智能,究其應用方向,也可以大致分成自動化、智能化與智慧化三個層面。 自動化,比如地圖里給我們尋找出的最佳路線、比如電商APP里給我們提供的推薦購買商品等等,比如人臉識別。智能化,也就是在運算過程中引入不同維度的輔助判斷條件,并能夠突破固定公式與規律的限制,以更多感性化的指標與目標,從中得出更為精準與先進的運算結果。比如AlphaGO,自動駕駛汽車,天貓精靈、百度大腦……智慧化,建立了知識圖譜和全面的邏輯思維能力,進入自我優化和完善的階段。這方面的應用還在路上。

  由此我們可以看到,只要解決一部分弱人工智能層次上的自動化應用問題,就能顛覆很多行業。

  人工智能≠昂貴

  在2013-2018階段,在人工智能的數學算法,研發工具不夠普及的時期,人工智能和人工智能人才非常昂貴。但是近幾年,隨著全世界在人工智能領域的大量投資和人員培養,理論、算法都迅速普及,人才不斷涌現,既有新培養的人才,也有受高薪吸引快速轉入此行的人才。實現和使用此類算法的TCO迅速下降,雖然依然比較昂貴,但已經遠沒有那么昂貴。

  人工智能≠大數據

  現在一個明顯的誤區就是,一些占有了一定量大數據的公司開始宣傳,你沒有大數據,所以要和我合作。這是一種商業策略,故意塑造的誤區。正確的說法應該是,應用人工智能,才能實現數據的有效利用。應用人工智能,能夠更快更好的挖掘形成有效的大數據應用。可以想象,無論是頭條還是騰訊還是阿里,他們最早的應用獲取的數據,來源于他們最早的少量客戶。他們分析這些客戶的數據,改進他們的算法,最終實現算法和數據齊頭并進。這是一個雞生蛋還是蛋生雞的問題,并不是只有獲取大量數據才能實現某個算法。這個問題后面還有詳述。

  3、如何突破數據障礙和技術障礙

  現在說到人工智能,大家一般都會說大數據為人工智能提供了一個基礎,但是企業要進入這個ai研發領域,往往首先會遇到數據瓶頸,往往不能像bat那樣獲得充分的通用數據,我稱之為數據音障。這往往會被認為是一個攔路虎,從而導致下列現象:需求方獲得一個能夠解決問題的針對性的ai應用,困難而昂貴。而大量希望為工業企業提供信息化服務的軟件供應商,又會發現自己缺乏相應的數據從而無從形成算法。那么如何解決這個問題,我們的經驗就是三點結合:有效數據,特定應用場景,自動快速進化學習算法。

  識別大街上的隨機人臉,需要一個經過長時間訓練形成的非常有效的算法,而且需要超強的運算能力支持。但是在賓館實現身份證照片與人臉的比對則容易的多,因為“比對”問題需要的基礎數據要少得多。工業領域的很多數據,往往是后一種特定應用需求。比如我們公司研發的第一個產品,貨運列車標記信息智能識別系統,我們不需要一個能夠識別所有環境和情況下的車廂號信息的超人工智能。因為圖像識別領域往往受到攝像機的質量以及安裝方法以及天氣等等的多重因素影響,所以要產生一個所有貨運列車車廂號識別的超人工智能是很困難的。但是如果我們把識別領域限定在特定位置,特定攝像機,進行特定訓練后,產生達到效果的算法就會很快。針對貨運列車車廂號識別的問題,我們通過對殘差網絡(ResNet)和特征金字塔網絡(FPN)為骨干網絡的研發,產生了比較有效的,而且可以自動迭代學習的人工智能算法。該算法對于貨運列車車廂信息識別具有95%以上的識別率,而且通過自動迭代學習,其識別率可以快速增長到98%,可以響應50公里每小時的貨運列車車廂運行速度,整列列車識別時間小于兩分鐘。

  根據此例,可以總結如下:第一,采用有效數據。第二,針對特定的應用場景,識別出其應用特征。第三,采用快速自迭代的算法,能夠針對特定場景在一個很短的周期內大大提高應用效果。

  上述例子是一個圖像識別處理的應用案例,我們可以很容易聯想到這種特定應用,可以類比推廣到很多其它領域。例如對于流水線上的貨物識別操控類需求,可以通過算法的自動優化晉級很快取得較好效果。如果能夠深入定制使用,必將解決很多過去難以解決的問題,而其投入產出比可觀。

  根據我們的實踐經驗,對于工業控制類問題,我們通過攝像頭和激光雷達,結合人工智能算法分別進行了處理。現廣泛應用于無人駕駛的激光雷達,因為其定位的準確性,廣泛的適用性,在工業領域里有很好的應用前景。其算法技術,主要是對點云的識別處理,與無人駕駛技術有很大的相通之處。

  在數據處理領域,矩陣軟件亦有一定積累。各部門各單位大數據系統上了很多,往往強調各類系統的硬件能力,數據容量,響應速度,但真正有效力的數據分析結果缺往往欠缺。人工智能算法因其自發現能力,在此領域亦大有可為。

  4、工業領域人工智能產品研發的三個步驟

  當問題被定義清楚后,就進入了人工智能產品研發的階段。根據我們的經驗,該階段通常劃分為三個步驟:數據獲取,算法建立,算法固化。

  數據獲取:包含大部分因變量和結果的有效數據,從而建立算法訓練的基礎。

  算法建立:通過對問題的具體分析,根據問題分類,改進并形成有效算法。該過程需要多次重復演進,以獲得有效的算法能力。

  算法固化:最終,工業領域的智能產品應通過智能芯片、定制板卡予以固化,從而提高運行效率,保證算法的實時有效,降低成本和能耗。

  三、橄欖枝與呼吁

  新年伊始,山東省委和劉家義書記發出了促進山東省進一步深化改革加速發展的號召。山東省在互聯網時代,明顯落后江浙粵一步。但作為工業大省,山東省是理所當然的工業數據大省,不能在人工智能領域繼續落后,把工業數據資源拱手讓人,自己卻沒有能力來開采,挖掘。呼吁山東省的大量工業企業能夠充分應用工業生產過程中產生的大量物聯網數據,通過與人工智能的創新結合,促進產品快速轉型升級,更新換代,乃至研發出顛覆性的新產品,從而拉動山東工業乃至IT產業的全面發展。在此過程,矩陣軟件愿意與各企業建立人工智能方面的研發合作,共同推進創新發展。


上一篇:矩陣軟件人工智能產品介紹
下一篇:熱烈慶祝矩陣簽約匯豐石化升級改造項目

返回新聞中心 >> 返回首頁
90990藏宝阁是香港