自從ChatGPT以及生成式(shi)預訓練轉換器火出了圈(quan)，來自各種行(xing)業不同企(qi)業的(de)(de)工程(cheng)師(shi)們，對它展開了各種稀(xi)奇古怪的(de)(de)能力測試(shi)。本(ben)文將重點展示生成式(shi)AI和大模型在(zai)工業領域的(de)(de)最(zui)新實踐有哪些(xie)?
這是我(wo)的第(di)279篇(pian)(pian)專欄文(wen)章，我(wo)在【數字原生組織】寫的第(di)6篇(pian)(pian)文(wen)章。
上面這張圖是(shi)不是(shi)有些(xie)詭(gui)異(yi)，看得出它是(shi)什么(me)嗎(ma)?
它(ta)不是來自火星的(de)奇怪(guai)物體，而是由生(sheng)成式(shi)AI設計出來的(de)、充滿(man)實用價(jia)值的(de)航天器零件。
沒錯，美國(guo)國(guo)家航空(kong)航天局NASA正(zheng)在使用生成式AI進行(xing)零部(bu)件的設計(ji)。使用生成式AI設計(ji)的零件，雖然看起來奇怪，但(dan)是可以在不犧牲性(xing)能的情況(kuang)下，將(jiang)其(qi)重(zhong)量減輕三分之(zhi)一(yi)。
無獨有偶，初創公司Divergent 3D使用生(sheng)成式AI，為英國的(de)豪華跑(pao)車制造商(shang)阿斯頓·馬丁(ding)設計的(de)概念車打造后車架，如下(xia)圖所(suo)示。
Divergent 3D對(dui)比發(fa)現新(xin)零件(jian)重量(liang)減輕了40%，并且在數字(zi)模擬(ni)中，新(xin)零件(jian)超越了傳統零件(jian)的碰撞性能。
更關鍵的是，生成式AI壓縮了(le)設(she)計和迭代的過程(cheng)，從設(she)計的提出、對比分析，到評(ping)估其可(ke)(ke)制(zhi)造(zao)性(xing)，在(zai)短(duan)(duan)短(duan)(duan)一個(ge)小時之內就可(ke)(ke)以進行30~40次迭代，這(zhe)種(zhong)超高快(kuai)進的速度在(zai)以前是不可(ke)(ke)想象的。
正如你所(suo)預見(jian)，自從ChatGPT以及生(sheng)成式預訓練轉換器(Generative Pre-trained Transformer，GPT)火(huo)出(chu)了圈，來自各(ge)種行(xing)業不同(tong)企業的(de)工(gong)程師(shi)們(men)，對它展開了各(ge)種稀奇(qi)古怪的(de)能力測試(shi)。
就像(xiang)人們發現了一(yi)個全(quan)新的(de)錘子(zi)，拿著它嘗試(shi)去砸各種各樣(yang)的(de)釘子(zi)，其中的(de)一(yi)些真真正正的(de)砸出了花樣(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(li)ChatGPT時刻(ke)有多(duo)遠?
開啟生成式AI用于工業場景的無限潛力
作為一(yi)種基于人工智能的自然語言(yan)處理技術，ChatGPT通(tong)過深度學習算(suan)法理解和生(sheng)成人類語言(yan)，從(cong)而實現與人類的高效溝通(tong)。ChatGPT目前在(zai)各行各業(ye)取得了一(yi)些應用成果，尤其在(zai)制(zhi)(zhi)造業(ye)領(ling)域，它的應用開始改變傳統的生(sheng)產方式，推動(dong)著制(zhi)(zhi)造業(ye)的數字化轉(zhuan)型(xing)。
雖然ChatGPT很酷，但它仍(reng)處于初始階段，生成(cheng)式(shi)AI的工業(ye)用途遠未開啟。我們(men)來看一些腦洞大開的做法。
一名叫大衛(wei)·羅杰斯的(de)工程(cheng)師讓ChatGPT幫助他設(she)計汽車生產(chan)線(xian)(xian)(xian)。他對ChatGPT說，“歡迎來到(dao)SustAIn Motors，現在你是我(wo)們第(di)一家汽車裝(zhuang)配廠的(de)新廠長。我(wo)們需要你建立一條生產(chan)線(xian)(xian)(xian)，并銷售3,000輛汽車，幫忙設(she)計生產(chan)線(xian)(xian)(xian)的(de)布局。我(wo)們的(de)起始預(yu)算是130萬美元。在這(zhe)些(xie)限制條件下，我(wo)可(ke)以(yi)構(gou)建的(de)最(zui)高(gao)效的(de)裝(zhuang)配生產(chan)線(xian)(xian)(xian)是什么?”
隨后，他用三篇博客文(wen)章(參考資(zi)料1~3)詳細(xi)記錄(lu)了(le)與ChatGPT的(de)對話過程，經過一番操作，最終ChatGPT生(sheng)成的(de)工廠(chang)布局如下圖所示。實驗表明，大(da)模型確實能夠(gou)起(qi)到協助(zhu)廠(chang)長設計生(sheng)產線布局的(de)作用。
還(huan)有意大(da)利(li)的工程師(shi)讓(rang)ChatGPT讀取(qu)下面的生產儀表盤，并讓(rang)它(ta)說出看到了什么。
ChatGPT回答：您提供的(de)(de)內容似乎是使(shi)用名為“Zerynth”的(de)(de)軟件創(chuang)建的(de)(de)儀表(biao)板(ban)(ban)。儀表(biao)板(ban)(ban)中(zhong)包含有(you)關組織中(zhong)能(neng)(neng)源(yuan)監控(kong)的(de)(de)信息(xi)。從儀表(biao)盤上，我可以看到圖形和表(biao)格顯示(shi)(shi)的(de)(de)能(neng)(neng)源(yuan)使(shi)用信息(xi)，例如(ru)瞬時(shi)功(gong)(gong)率(lv)、有(you)功(gong)(gong)和無功(gong)(gong)功(gong)(gong)率(lv)、電壓和電流。還有(you)一些關鍵性能(neng)(neng)指標(KPI)，例如(ru)功(gong)(gong)率(lv)因數(shu)、有(you)功(gong)(gong)和無功(gong)(gong)電能(neng)(neng)以及視在(zai)電能(neng)(neng)。提出(chu)問題的(de)(de)意大利工程師表(biao)示(shi)(shi)對ChatGPT的(de)(de)回答非常(chang)滿意。
根據(ju)各種(zhong)工(gong)(gong)程師的嘗試，生(sheng)成式AI與大(da)模型不(bu)僅(jin)可以幫助(zhu)設計(ji)工(gong)(gong)程師探索更多的零部(bu)件(jian)設計(ji)思路，可以幫助(zhu)廠長規劃生(sheng)產線的仿真布局，還可以在很多方面幫助(zhu)工(gong)(gong)業企業提高效率，具(ju)體的應(ying)用(yong)場(chang)景包括：
除了以上(shang)應(ying)用場景之外，有機構(gou)預測，生成式AI在企業的殺手級應(ying)用，將是對知(zhi)識(shi)管理的重構(gou)。
漂亮的(de)儀表(biao)盤和結(jie)構化的(de)數(shu)據，并不一定(ding)能夠產生(sheng)巨(ju)大的(de)價值(zhi)，反而各種各樣的(de)生(sheng)產知識和工藝Know-How是企業的(de)靈魂與核心價值(zhi)。制造企業往(wang)往(wang)擔(dan)心員工離職，帶走(zou)了這些知識和經驗。
還有一些制造(zao)商，擁(yong)有數十年的(de)流程數據、程序記錄和日志，如果將(jiang)這些流程和程序整(zheng)合到大模型中(zhong)，可能會產生意想(xiang)不到的(de)效果。
然而提到知識管(guan)理(li)(li)，人(ren)們(men)往(wang)往(wang)聯(lian)想到繁(fan)瑣的(de)(de)信息收集與(yu)整(zheng)理(li)(li)。其實最(zui)好的(de)(de)知識管(guan)理(li)(li)是無需管(guan)理(li)(li)，最(zui)好的(de)(de)整(zheng)理(li)(li)就是不用整(zheng)理(li)(li)。
大家(jia)可以回(hui)憶(yi)一(yi)下，有多長(chang)時間(jian)沒(mei)有整理過手(shou)機(ji)里的(de)照片(pian)了(le)，隨著iOS的(de)升(sheng)級，蘋果公司每一(yi)次都(dou)把新(xin)的(de)AI特性帶(dai)入了(le)相冊應(ying)用。自動分類、自動識別照片(pian)和視頻內容，自動生成最佳回(hui)憶(yi)，你只(zhi)需要簡單地問Siri就可以找到想要的(de)照片(pian)。
同樣，知識管理的下一(yi)步(bu)，就是無需管理。
大(da)模(mo)型可能會讓散落在(zai)(zai)(zai)企業(ye)各處的(de)知識，變成在(zai)(zai)(zai)員工(gong)之外(wai)的(de)企業(ye)第二(er)大(da)腦，一(yi)(yi)個連(lian)成一(yi)(yi)體的(de)硅基(ji)大(da)腦。當然現在(zai)(zai)(zai)讓AI整理知識結構，還有很大(da)挑(tiao)戰，但大(da)規模(mo)語言(yan)模(mo)型的(de)進(jin)化(hua)速度(du)可能會讓人(ren)驚嘆，更好(hao)的(de)工(gong)具估計正在(zai)(zai)(zai)路上。
推進工業AI邁向“ChatGPT時刻”的力量
迄今(jin)為止，主(zhu)導工(gong)業AI的(de)(de)模型(xing)仍然是面向特定(ding)任務的(de)(de)。AI企(qi)業開發(fa)的(de)(de)模型(xing)在(zai)特定(ding)范(fan)圍內有不錯的(de)(de)表現，但工(gong)程師(shi)們(men)發(fa)現其(qi)泛化能力不足(zu)以(yi)支(zhi)持部(bu)署到更(geng)廣泛場(chang)景。
因為(wei)工業制造(zao)中細(xi)分領域眾多，各領域在生(sheng)(sheng)產(chan)流(liu)程、工藝、生(sheng)(sheng)產(chan)線(xian)配置、原(yuan)材料及產(chan)品類(lei)型上均具有(you)較(jiao)大差異性(xing)。
現有的深度學習模(mo)型泛(fan)化程度低，即(ji)使(shi)在同一(yi)行業，模(mo)型的可復用比例也比較低。于是工程師們陷(xian)入了無限循環：已經(jing)訓練了很多模(mo)型，但(dan)仍然需要茫茫眾多的模(mo)型。
現在(zai)，這個(ge)棘手的(de)(de)問題(ti)成了大模(mo)型的(de)(de)典型場景。因(yin)為大模(mo)型代表著構建AI系(xi)統的(de)(de)一種新的(de)(de)成功(gong)范(fan)式，在(zai)大量數據上訓練一個(ge)模(mo)型，并使(shi)其適應多種應用，而這種通用能力(li)正(zheng)是工(gong)業(ye)制造所(suo)需要的(de)(de)。
看到了大模型的(de)潛力，一些(xie)公司躍躍欲試(shi)將其延伸到工業領域。
其(qi)中(zhong)，正在進行的實踐包(bao)括(kuo)通過構建新一代的AI體系架(jia)構，用標準(zhun)化(hua)的手段解決分散的工業(ye)場景，克服(fu)可復制(zhi)性和標準(zhun)性等關鍵性問題(ti)。
還有一些值得(de)關(guan)注的(de)其他(ta)進(jin)展，比如谷歌發布的(de)“RoboGPT”，這(zhe)個機器人只需要一個單一的(de)預訓練模(mo)型，就能從不同的(de)感官(guan)輸入(如視覺、文本等)中生(sheng)成命令，來執行多種任務。
它執行任(ren)務的(de)過程如下圖所示。開(kai)發團隊的(de)目標是制造一(yi)(yi)種新型機器(qi)人(ren)，一(yi)(yi)個可(ke)以(yi)自學的(de)，可(ke)以(yi)幫(bang)助任(ren)何人(ren)做任(ren)何事情的(de)通用機器(qi)人(ren)。
實際應用中，這款(kuan)機器(qi)人(ren)的表現相當驚艷。
當使用者發(fa)出(chu)指(zhi)令：“把抽屜里的(de)玉米片拿給我”，帶有手(shou)臂的(de)移動機器(qi)人(ren)自動生成行(xing)動計劃，并自行(xing)執行(xing)這(zhe)(zhe)些行(xing)動。機器(qi)人(ren)通過實時分(fen)析(xi)攝像頭的(de)數據完成任務(wu)，而(er)不需(xu)要(yao)預(yu)先處(chu)理(li)場景(jing)。這(zhe)(zhe)消除了人(ren)類對(dui)數據進行(xing)預(yu)處(chu)理(li)或注釋的(de)需(xu)要(yao)，更加(jia)自主(zhu)的(de)進行(xing)機器(qi)人(ren)控制。
RoboGPT這種簡單的交互模式，與工業制造中落地(di)人機協作的策略十(shi)分(fen)相似(si)。
工業領域場景復雜，好的(de)產品一(yi)(yi)定是(shi)簡(jian)單易用的(de)，通過(guo)簡(jian)明(ming)的(de)交互，一(yi)(yi)鍵化部署(shu)方案，減少交付過(guo)程中的(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?
特斯(si)拉的(de)CEO馬斯(si)克基于第一性(xing)原理(li)，曾(ceng)經說(shuo)過一句很深刻的(de)話(hua)：產品制造是(shi)(shi)把原子排列(lie)成需要的(de)形狀，決定成本的(de)是(shi)(shi)如何去排列(lie)這些(xie)原子。
因此，基(ji)于(yu)第一性原(yuan)(yuan)理思考(kao)，產品(pin)的最低(di)成本(ben)=原(yuan)(yuan)材(cai)料價值(獲(huo)取原(yuan)(yuan)子(zi)的成本(ben))+所需知(zhi)識產權(排列原(yuan)(yuan)子(zi)的方法)。
這一句話拉(la)近了原子與(yu)比特的距離。
過去在原子經濟(ji)和比特經濟(ji)的賽跑當中(zhong)，我們總(zong)能看到比特取(qu)勝(sheng)，這是零邊際成(cheng)本的優(you)勢。
數字世(shi)界的(de)零邊際成本與現實世(shi)界中(zhong)的(de)任何東西都(dou)完全不同。
現實世界的(de)(de)原子經濟是(shi)一種稀缺性經濟：原子是(shi)有限(xian)的(de)(de)，如(ru)果你把原子帶走(zou)了，別人就不能(neng)再有。
相(xiang)反，數字世界的比(bi)特經濟是(shi)一(yi)種富足經濟，如(ru)果你(ni)把比(bi)特拷(kao)貝(bei)走，別人仍然可以擁(yong)有(you)它(ta)，你(ni)帶走的只是(shi)一(yi)個副本，副本與(yu)原件幾乎(hu)沒有(you)什(shen)么區別。
隨著數(shu)字(zi)革(ge)命對現實世界的(de)影響(xiang)已經開始達到(dao)臨界值，我們(men)正在著手進行下一(yi)個重大轉變：可編程的(de)物理世界。在創(chuang)造(zao)現實之(zhi)上(shang)的(de)數(shu)字(zi)世界的(de)同時，也需要(yao)用數(shu)字(zi)的(de)方式控制和改造(zao)物理世界。
如(ru)何(he)對物理世界進(jin)行編程?生(sheng)成(cheng)式(shi)AI和大模型讓我們看(kan)到了利用虛(xu)實結(jie)合的方式(shi)控制物理世界的可能(neng)性。用數字虛(xu)擬(ni)的方式(shi)訓(xun)練生(sheng)產(chan)機(ji)器，最終(zhong)實現(xian)全自動化的制造(zao)(zao)業，讓機(ji)器制造(zao)(zao)機(ji)器，工廠(chang)成(cheng)為產(chan)品。
然(ran)而，要在工(gong)業領(ling)域廣泛應用生(sheng)成式AI和大模(mo)型(xing)，并實現更(geng)復雜的任務(wu)還有(you)一(yi)定的距離。我們需要解決(jue)以下挑(tiao)戰(zhan)：
通(tong)用性：雖然(ran)現有的(de)人工智能系統在很多任務(wu)上表現出(chu)色，但它(ta)們在不同領域(yu)的(de)通(tong)用性仍需提(ti)高(gao)。為了在各種(zhong)應(ying)用中實現優秀的(de)性能，需要進一步(bu)改進算法和模型。
理(li)解與推(tui)理(li)能(neng)力：目(mu)前的人工智(zhi)能(neng)系統仍然(ran)缺乏深(shen)入理(li)解和推(tui)理(li)能(neng)力。要(yao)達到(dao)真(zhen)正的“ChatGPT時刻”，系統需要(yao)能(neng)夠理(li)解復雜(za)的概念和背后的邏輯，并(bing)在對話中進行有效推(tui)理(li)。
安(an)全(quan)性和(he)可(ke)(ke)靠(kao)性：人工智能系(xi)統的(de)安(an)全(quan)性和(he)可(ke)(ke)靠(kao)性是一個(ge)關(guan)鍵問題(ti)。在實際應用中(zhong)，系(xi)統需(xu)要在不泄露敏(min)感信息、不散播錯誤信息并遵循道德原則的(de)前提(ti)下工作。
數據和(he)計(ji)算(suan)資(zi)源(yuan)：要進(jin)一步(bu)提高(gao)工(gong)業人工(gong)智能(neng)的(de)性(xing)能(neng)和(he)普適性(xing)，需要大量高(gao)質(zhi)量的(de)數據和(he)計(ji)算(suan)資(zi)源(yuan)。這可能(neng)會導致成(cheng)本上升，限制部分(fen)企業和(he)組織的(de)發展。
人(ren)工智能(neng)政策和(he)監(jian)管：隨著技術的(de)(de)發(fa)展(zhan)，政策和(he)監(jian)管的(de)(de)作用越來(lai)越重要。如何在(zai)保護(hu)隱私、確保安全和(he)公平的(de)(de)同時，鼓勵人(ren)工智能(neng)的(de)(de)發(fa)展(zhan)和(he)應用仍是(shi)一個待解決的(de)(de)問題。
數(shu)字化轉(zhuan)型雖然已經(jing)提出(chu)多年(nian)，但仍舊(jiu)遠未觸及核(he)心。數(shu)字技術(shu)的(de)(de)價值在(zai)于它提供了通用性的(de)(de)計(ji)算(suan)能力，而且(qie)讓(rang)產品的(de)(de)邊際成本趨(qu)近于零，實體產業與(yu)數(shu)字經(jing)濟可以更加有效的(de)(de)緊密結合。
寫在最后
隨著研究的(de)深(shen)入和技術的(de)不斷進步，我們有理由相(xiang)信在未來幾年(nian)內，工業人工智能將取得更大(da)的(de)突破。雖然產品本(ben)身的(de)邊際(ji)成本(ben)趨近(jin)于(yu)零(ling)，但是(shi)新(xin)技術將讓制造企業的(de)盈(ying)利模式(shi)大(da)幅拓寬(kuan)。
目(mu)前，技(ji)術(shu)逐漸不再(zai)是束縛企(qi)(qi)業(ye)發展的(de)瓶頸，我們需(xu)要解決流程重(zhong)塑和組織再(zai)造等(deng)問題(ti)。各(ge)種(zhong)行業(ye)的(de)組織模式(shi)發展，遠遠落后于整體技(ji)術(shu)架構、商(shang)業(ye)模式(shi)以及產(chan)業(ye)生態的(de)變化。企(qi)(qi)業(ye)得開始思考如(ru)何收獲更多的(de)員工積極性(xing)、創造力、生產(chan)力和認同感。
為了更好的引導制造業(ye)企業(ye)思(si)(si)考自身的組(zu)織結構(gou)與業(ye)務，通過其他企業(ye)的創(chuang)新案例開拓思(si)(si)維(wei)，引導培養“智造”新思(si)(si)維(wei)，探索創(chuang)新思(si)(si)維(wei)與企業(ye)變革(ge)之間的連接。
