自(zi)從ChatGPT以(yi)及生成(cheng)式(shi)預訓練轉(zhuan)換器火出了圈，來自(zi)各種行業(ye)不同企業(ye)的工程師們，對它展開了各種稀奇古怪的能力測(ce)試(shi)。本文將重點展示生成(cheng)式(shi)AI和大模型在工業(ye)領域的最新(xin)實踐(jian)有哪些(xie)?
這是我(wo)的第279篇專欄文章，我(wo)在(zai)【數字(zi)原生組織(zhi)】寫的第6篇文章。
上面(mian)這張圖是不(bu)是有(you)些詭異(yi)，看(kan)得(de)出它是什么嗎?
它不是(shi)來自火星的奇怪物體(ti)，而是(shi)由生成式(shi)AI設計出來的、充滿實用(yong)價(jia)值的航天器零件。
沒錯，美國(guo)國(guo)家航空(kong)航天局NASA正在(zai)使用(yong)生成式AI進(jin)行零部件的設(she)計。使用(yong)生成式AI設(she)計的零件，雖然看起來奇怪，但(dan)是可(ke)以在(zai)不犧牲性能的情(qing)況下，將其重量減輕三分之一。
無(wu)獨有偶，初創公司Divergent 3D使(shi)用生(sheng)成式AI，為英國(guo)的豪華跑(pao)車(che)制造(zao)商阿斯頓·馬丁設計的概念車(che)打造(zao)后車(che)架，如下(xia)圖所(suo)示。
Divergent 3D對比發現新零件(jian)重量(liang)減輕了(le)40%，并且在數字(zi)模(mo)擬中，新零件(jian)超越了(le)傳統(tong)零件(jian)的碰撞性能。
更關鍵(jian)的(de)是，生成式AI壓縮了設(she)(she)計和迭代(dai)的(de)過程(cheng)，從設(she)(she)計的(de)提(ti)出、對比分析(xi)，到評估其(qi)可制(zhi)造性，在短(duan)短(duan)一個小時之內就可以進(jin)行30~40次迭代(dai)，這種超高快進(jin)的(de)速度在以前是不可想象的(de)。
正如你(ni)所預(yu)見(jian)，自從ChatGPT以(yi)及(ji)生(sheng)成式預(yu)訓練轉換器(Generative Pre-trained Transformer，GPT)火出了(le)圈，來自各(ge)種行(xing)業(ye)不同企業(ye)的(de)工程(cheng)師們，對(dui)它展(zhan)開(kai)了(le)各(ge)種稀奇古怪(guai)的(de)能力測試。
就像人們發現了一(yi)個全新的(de)錘子(zi)，拿(na)著它嘗試去(qu)砸(za)各種各樣(yang)的(de)釘子(zi)，其中的(de)一(yi)些真真正正的(de)砸(za)出了花樣(yang)。
今天這篇文章，我們來看看生成式AI和大模型，在工業領域的最新實踐有哪些?鑒于目前尚未形成生成式AI在工業落地的殺手級應用，本文還將嘗試探討工業人工智能距離ChatGPT時刻有多遠?
開啟生成式AI用于工業場景的無限潛力
作為(wei)一(yi)(yi)種(zhong)基于人(ren)(ren)工智(zhi)能(neng)的(de)自然語言處理(li)技(ji)術，ChatGPT通(tong)(tong)過深(shen)度學習算法(fa)理(li)解和生成人(ren)(ren)類語言，從而實現與人(ren)(ren)類的(de)高效溝通(tong)(tong)。ChatGPT目(mu)前(qian)在(zai)各(ge)行各(ge)業(ye)取得了一(yi)(yi)些應用成果，尤其在(zai)制造業(ye)領域，它的(de)應用開始改變傳統的(de)生產方式，推(tui)動(dong)著制造業(ye)的(de)數字化轉型。
雖然ChatGPT很酷，但(dan)它仍處于初始(shi)階段(duan)，生成式AI的工業用(yong)途遠未開啟。我們來看一些腦(nao)洞大(da)開的做法。
一名叫大衛·羅杰斯(si)的(de)工程師讓ChatGPT幫助(zhu)他設(she)計汽(qi)車生(sheng)(sheng)產(chan)線。他對ChatGPT說(shuo)，“歡(huan)迎(ying)來到SustAIn Motors，現在你是我(wo)們(men)第一家汽(qi)車裝配廠(chang)的(de)新(xin)廠(chang)長(chang)。我(wo)們(men)需要你建立一條(tiao)生(sheng)(sheng)產(chan)線，并(bing)銷售(shou)3,000輛汽(qi)車，幫忙設(she)計生(sheng)(sheng)產(chan)線的(de)布局(ju)。我(wo)們(men)的(de)起(qi)始預算(suan)是130萬(wan)美元。在這些限制(zhi)條(tiao)件(jian)下，我(wo)可以構建的(de)最高效的(de)裝配生(sheng)(sheng)產(chan)線是什么(me)?”
隨后，他用三篇博(bo)客(ke)文(wen)章(參考資料1~3)詳細記(ji)錄(lu)了與ChatGPT的對話過(guo)程，經過(guo)一番操作，最終ChatGPT生(sheng)成的工廠布局如下圖所示。實(shi)(shi)驗(yan)表明，大模型確實(shi)(shi)能夠起(qi)到協助廠長(chang)設計生(sheng)產(chan)線布局的作用。
還有意大利的工程師讓ChatGPT讀取下(xia)面的生產儀表盤，并讓它說出看到了(le)什么。
ChatGPT回答：您提供的(de)(de)內(nei)容似乎(hu)是使用名為“Zerynth”的(de)(de)軟件創建的(de)(de)儀(yi)表板(ban)。儀(yi)表板(ban)中包含有關(guan)組織中能(neng)源監控(kong)的(de)(de)信息(xi)。從儀(yi)表盤上(shang)，我可以(yi)看到圖(tu)形和表格顯示(shi)的(de)(de)能(neng)源使用信息(xi)，例(li)如瞬時功(gong)(gong)率(lv)(lv)、有功(gong)(gong)和無功(gong)(gong)功(gong)(gong)率(lv)(lv)、電壓(ya)和電流。還有一些關(guan)鍵性能(neng)指標(KPI)，例(li)如功(gong)(gong)率(lv)(lv)因數、有功(gong)(gong)和無功(gong)(gong)電能(neng)以(yi)及視在電能(neng)。提出(chu)問(wen)題的(de)(de)意大(da)利工(gong)程師表示(shi)對ChatGPT的(de)(de)回答非常滿意。
根據各種(zhong)工程(cheng)師的(de)(de)嘗試，生成式AI與大模型不僅可(ke)以幫助設計工程(cheng)師探索(suo)更多的(de)(de)零部件設計思路，可(ke)以幫助廠長(chang)規劃生產線的(de)(de)仿真布局(ju)，還可(ke)以在很多方面幫助工業(ye)企業(ye)提高效(xiao)率，具(ju)體(ti)的(de)(de)應用場景包括：
除了以(yi)上應用場景之外，有(you)機構預測(ce)，生成(cheng)式AI在企(qi)業的(de)(de)殺(sha)手級應用，將是對知識管理的(de)(de)重(zhong)構。
漂亮的(de)(de)儀表(biao)盤和結構化的(de)(de)數據(ju)，并不(bu)一定能夠產(chan)生巨大的(de)(de)價(jia)值(zhi)，反而各(ge)種各(ge)樣的(de)(de)生產(chan)知識(shi)和工(gong)藝(yi)Know-How是企業的(de)(de)靈魂與核心(xin)價(jia)值(zhi)。制造企業往(wang)往(wang)擔心(xin)員工(gong)離(li)職，帶走(zou)了這(zhe)些(xie)知識(shi)和經(jing)驗。
還有一(yi)些制(zhi)造商，擁(yong)有數十年的流(liu)程數據、程序記錄(lu)和日志(zhi)，如果將(jiang)這(zhe)些流(liu)程和程序整合到大(da)模型中，可(ke)能會產生(sheng)意想不(bu)到的效果。
然而提(ti)到知識(shi)管理(li)，人(ren)們往往聯(lian)想到繁瑣的信(xin)息(xi)收集與(yu)整理(li)。其實最好的知識(shi)管理(li)是(shi)無需(xu)管理(li)，最好的整理(li)就是(shi)不用整理(li)。
大家可(ke)以回憶一(yi)下，有多長時間(jian)沒有整(zheng)理過手機(ji)里(li)的照片了(le)，隨著(zhu)iOS的升級，蘋果公(gong)司每(mei)一(yi)次都把新(xin)的AI特性(xing)帶入了(le)相冊應(ying)用。自動分類、自動識別照片和視頻內容，自動生成(cheng)最佳回憶，你只需要簡(jian)單(dan)地問Siri就可(ke)以找到想要的照片。
同(tong)樣，知識管理的下一步，就是(shi)無需(xu)管理。
大(da)模(mo)(mo)型可能(neng)會(hui)讓散(san)落在(zai)(zai)企業各處的(de)知(zhi)識，變(bian)成在(zai)(zai)員工(gong)之(zhi)外的(de)企業第二大(da)腦(nao)，一(yi)(yi)個連成一(yi)(yi)體的(de)硅基大(da)腦(nao)。當(dang)然現在(zai)(zai)讓AI整(zheng)理知(zhi)識結構(gou)，還(huan)有很大(da)挑(tiao)戰，但(dan)大(da)規模(mo)(mo)語言模(mo)(mo)型的(de)進化速度可能(neng)會(hui)讓人驚嘆，更好的(de)工(gong)具估計正在(zai)(zai)路(lu)上。
推進工業AI邁向“ChatGPT時刻”的力量
迄今(jin)為止，主導工業(ye)AI的(de)模型(xing)仍然(ran)是(shi)面向特(te)定任務的(de)。AI企業(ye)開發(fa)的(de)模型(xing)在特(te)定范圍(wei)內有(you)不錯(cuo)的(de)表(biao)現，但工程師(shi)們發(fa)現其泛化能力(li)不足(zu)以支持部(bu)署到更廣泛場(chang)景。
因為工業制造(zao)中細分領域眾(zhong)多，各領域在生(sheng)產(chan)流程(cheng)、工藝、生(sheng)產(chan)線(xian)配置、原材料及產(chan)品(pin)類型上(shang)均(jun)具(ju)有較(jiao)大差(cha)異性。
現(xian)有的(de)深度學習模(mo)(mo)型(xing)(xing)泛化(hua)程度低，即使在同一(yi)行業，模(mo)(mo)型(xing)(xing)的(de)可復用比(bi)例(li)也比(bi)較低。于是工程師們陷入了無限循環：已經訓練了很(hen)多模(mo)(mo)型(xing)(xing)，但仍然(ran)需要(yao)茫茫眾多的(de)模(mo)(mo)型(xing)(xing)。
現在，這個棘手的問題成(cheng)了大(da)模型(xing)的典型(xing)場景。因(yin)為大(da)模型(xing)代表著構建AI系統的一種(zhong)新的成(cheng)功范式，在大(da)量數據上訓練一個模型(xing)，并使其適(shi)應多種(zhong)應用，而這種(zhong)通用能力(li)正是工業制(zhi)造所需要的。
看到(dao)了(le)大(da)模型的潛力(li)，一些公(gong)司躍(yue)躍(yue)欲試將(jiang)其延(yan)伸到(dao)工業(ye)領(ling)域(yu)。
其中，正(zheng)在進行的(de)實踐(jian)包括通(tong)過構建新(xin)一代(dai)的(de)AI體(ti)系架構，用(yong)標準化的(de)手(shou)段解(jie)決分散的(de)工業場景(jing)，克服可復(fu)制性(xing)和標準性(xing)等關鍵性(xing)問題。
還有(you)一些值得關(guan)注的其(qi)他進展，比如(ru)谷歌發布的“RoboGPT”，這個機器人只需要一個單一的預訓練模型，就能從不同的感官輸入(ru)(如(ru)視覺、文本等(deng))中生(sheng)成命令，來執行多種任(ren)務(wu)。
它執(zhi)行任務的(de)過(guo)程如下圖(tu)所示。開發團隊(dui)的(de)目標(biao)是制造一(yi)種(zhong)新型(xing)機(ji)(ji)器(qi)人，一(yi)個(ge)可(ke)以自學的(de)，可(ke)以幫助(zhu)任何人做任何事情的(de)通用機(ji)(ji)器(qi)人。
實(shi)際應用中(zhong)，這款(kuan)機(ji)器人的(de)表(biao)現(xian)相當驚艷。
當使用者(zhe)發出指令：“把抽屜里(li)的(de)玉(yu)米片拿給我”，帶有手臂(bei)的(de)移動機器(qi)人(ren)(ren)自(zi)動生成(cheng)行(xing)(xing)動計(ji)劃，并自(zi)行(xing)(xing)執行(xing)(xing)這些(xie)行(xing)(xing)動。機器(qi)人(ren)(ren)通過(guo)實(shi)時分析攝像頭的(de)數據(ju)完成(cheng)任務，而(er)不需(xu)要預先處(chu)理場(chang)景。這消除了人(ren)(ren)類(lei)對數據(ju)進行(xing)(xing)預處(chu)理或注釋(shi)的(de)需(xu)要，更加(jia)自(zi)主的(de)進行(xing)(xing)機器(qi)人(ren)(ren)控制。
RoboGPT這種簡(jian)單(dan)的(de)(de)交互模式，與工業制(zhi)造(zao)中落地人機(ji)協(xie)作的(de)(de)策略十分相似。
工業領域場景(jing)復雜，好的(de)產(chan)品一定是簡單易用(yong)的(de)，通過(guo)簡明的(de)交互(hu)，一鍵化部署方案，減少交付過(guo)程中(zhong)的(de)培訓成本(ben)與學習負擔。
工業AI距離到達ChatGPT時刻還有多遠?
特(te)斯拉(la)的(de)(de)(de)CEO馬斯克基于第一性原理，曾經(jing)說過一句很深刻(ke)的(de)(de)(de)話(hua)：產品(pin)制(zhi)造是(shi)(shi)把原子排列成(cheng)需要的(de)(de)(de)形狀，決定成(cheng)本的(de)(de)(de)是(shi)(shi)如(ru)何去排列這些原子。
因此，基于第一性原理思考，產品的(de)(de)最低成本(ben)=原材料(liao)價值(獲取(qu)原子的(de)(de)成本(ben))+所需(xu)知識產權(排列原子的(de)(de)方法)。
這一句話拉(la)近了(le)原子與比(bi)特的距離。
過去在(zai)原子經濟(ji)和比(bi)特經濟(ji)的賽跑當中，我(wo)們總能看到比(bi)特取勝(sheng)，這(zhe)是(shi)零邊際成本的優勢(shi)。
數(shu)字世界的零邊際成本與現(xian)實(shi)世界中(zhong)的任何東西都完(wan)全不(bu)同。
現實世界(jie)的原(yuan)子經濟是一種稀缺(que)性(xing)經濟：原(yuan)子是有限的，如果你(ni)把原(yuan)子帶走(zou)了，別人就不能再(zai)有。
相反(fan)，數字世界的比特經濟(ji)是一(yi)種富(fu)足經濟(ji)，如果(guo)你(ni)(ni)把比特拷貝走(zou)，別人仍然可(ke)以擁有它，你(ni)(ni)帶(dai)走(zou)的只是一(yi)個(ge)副本(ben)，副本(ben)與原件幾乎(hu)沒有什么(me)區別。
隨著數(shu)(shu)字革命對現實世(shi)界(jie)的(de)影響(xiang)已(yi)經開始達到臨界(jie)值，我們正在(zai)(zai)著手進行下一個重大(da)轉變：可編程的(de)物(wu)理世(shi)界(jie)。在(zai)(zai)創造(zao)現實之上(shang)的(de)數(shu)(shu)字世(shi)界(jie)的(de)同時，也需要用數(shu)(shu)字的(de)方式控制(zhi)和(he)改造(zao)物(wu)理世(shi)界(jie)。
如何對物理(li)世界進行編(bian)程?生成(cheng)式AI和大模型讓我們看到了利用虛實結合的方式控制物理(li)世界的可能性。用數字虛擬的方式訓練生產機(ji)器(qi)，最(zui)終實現全自動化的制造業，讓機(ji)器(qi)制造機(ji)器(qi)，工廠成(cheng)為產品(pin)。
然而，要(yao)在(zai)工業領域廣泛應用生成式(shi)AI和(he)大模型，并(bing)實現更(geng)復雜的任務還有一定的距離(li)。我們(men)需要(yao)解決以(yi)下(xia)挑(tiao)戰：
通(tong)用性：雖然(ran)現(xian)有的人工智能(neng)系統(tong)在很多任務上表(biao)現(xian)出色，但它們在不同領域的通(tong)用性仍需提高。為了在各種應用中(zhong)實現(xian)優(you)秀的性能(neng)，需要進一步改進算(suan)法(fa)和模型。
理(li)(li)解(jie)與推(tui)理(li)(li)能(neng)(neng)(neng)力(li)：目前(qian)的(de)人工(gong)智能(neng)(neng)(neng)系統仍(reng)然缺乏深入理(li)(li)解(jie)和(he)推(tui)理(li)(li)能(neng)(neng)(neng)力(li)。要達(da)到真(zhen)正的(de)“ChatGPT時刻”，系統需(xu)要能(neng)(neng)(neng)夠理(li)(li)解(jie)復雜的(de)概念和(he)背后的(de)邏輯，并在對話中(zhong)進行有效(xiao)推(tui)理(li)(li)。
安全(quan)性(xing)和(he)可靠性(xing)：人工(gong)(gong)智能系統的安全(quan)性(xing)和(he)可靠性(xing)是一個關鍵問題(ti)。在(zai)(zai)實際應用中，系統需(xu)要在(zai)(zai)不泄露敏感(gan)信息、不散播錯誤信息并遵循道(dao)德(de)原則(ze)的前提下(xia)工(gong)(gong)作。
數據(ju)和(he)計算(suan)(suan)資源(yuan)(yuan)：要進一步提(ti)高工(gong)業人(ren)工(gong)智能的(de)性(xing)能和(he)普適性(xing)，需要大量(liang)高質量(liang)的(de)數據(ju)和(he)計算(suan)(suan)資源(yuan)(yuan)。這可能會(hui)導致成本上(shang)升，限制部分企業和(he)組織的(de)發展。
人工智(zhi)能政策和(he)監(jian)管：隨著技術的(de)發(fa)展，政策和(he)監(jian)管的(de)作用越(yue)來越(yue)重要。如何在保(bao)護隱私、確保(bao)安全(quan)和(he)公平的(de)同時，鼓勵人工智(zhi)能的(de)發(fa)展和(he)應用仍是一(yi)個待解決的(de)問題。
數字(zi)化轉型雖然已(yi)經提出多(duo)年，但(dan)仍舊(jiu)遠未(wei)觸及核心(xin)。數字(zi)技(ji)術的價值在于(yu)它提供了通(tong)用性的計算能力，而且讓產品(pin)的邊際(ji)成本趨近于(yu)零，實(shi)體產業與(yu)數字(zi)經濟可以更加有(you)效的緊(jin)密結合。
寫在最后
隨(sui)著研究的(de)深(shen)入和(he)技術(shu)的(de)不(bu)斷進步，我們(men)有理由相信在未來幾年(nian)內，工業(ye)人工智能將取得更大的(de)突(tu)破。雖然產品(pin)本身(shen)的(de)邊際(ji)成本趨近于零(ling)，但是(shi)新技術(shu)將讓制(zhi)造企業(ye)的(de)盈(ying)利模式(shi)大幅(fu)拓寬。
目前(qian)，技術逐漸不再(zai)是束縛企業發展的(de)瓶頸(jing)，我們需要解(jie)決流程重塑和(he)組(zu)織再(zai)造等問(wen)題。各種行業的(de)組(zu)織模(mo)式發展，遠(yuan)遠(yuan)落后于(yu)整體技術架構、商(shang)業模(mo)式以及產(chan)業生態的(de)變化。企業得開(kai)始思考如(ru)何(he)收獲更多的(de)員工積極性(xing)、創(chuang)造力(li)、生產(chan)力(li)和(he)認同感。
為了更好的引(yin)導(dao)制造(zao)業企業思(si)考自身(shen)的組織結構與業務，通過其他(ta)企業的創新(xin)(xin)案(an)例開拓(tuo)思(si)維，引(yin)導(dao)培養“智造(zao)”新(xin)(xin)思(si)維，探(tan)索創新(xin)(xin)思(si)維與企業變革之間的連接。
