賴可 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
制造業(yè)正面臨著新境遇。
產業(yè)鏈、供應鏈周期變短，不確定因素增加。數(shù)字化轉型呼之欲出，AI落地的需求越來越明顯。
怎樣讓AI技術切實創(chuàng)造效益呢？數(shù)據(jù)科學家不懂生產，企業(yè)人員不懂數(shù)據(jù)。要使AI技術廣泛應用，普通人能使用的工具是必然趨勢。
訊能集思給出的方案是，中文進行交互的系統(tǒng)，讓普通人也能做數(shù)據(jù)分析。
用數(shù)據(jù)思考，解決“黑天鵝”問題
在去麻省理工讀博士前，張宗堯有一次用數(shù)據(jù)方式解決了一個生產難題。再次談起那個故事，他稱之為“一個小的黑天鵝效應”。
而近期出現(xiàn)的疫情，在他看來，則成為了一次大的黑天鵝情景。
時間撥回十幾年前，碩士畢業(yè)不久，張宗堯在鴻海工廠做工程師。冬天，生產良率從99%以上下降到了90%。
10%的下降是致命的問題，兩個月的損失就至少有幾十萬美金。他嘗試用機器學習和線性分析來解決，發(fā)現(xiàn)了根源是“溫度”。
那一年，廣州經歷了60年未遇的寒潮，冷到下雪，工廠內升溫導致濕度下降。果然，廠內加濕后，良率恢復了。
之前，三四個咨詢公司都嘗試解決這個問題，也考慮過“溫度”因素，只是沒有做出有效分析。“我當時剛入行，沒有什么包袱，反而可以很單純客觀的用數(shù)據(jù)去思考這件事。”張宗堯回憶。
工廠解決問題非常依靠經驗，罕見的低溫導致了從未遇見的情況，這就是“黑天鵝效應”前既有經驗的失效。
人的經驗是一個點一個點去試，但是你用數(shù)據(jù)去看的時候，反而能看到整個面。
經驗給了他啟發(fā)。數(shù)據(jù)分析的方法雖好，卻存在門檻，行業(yè)里的大部分人無法使用。后來張宗堯去MIT讀博士，就做了一些與AI自動化相關的研究，希望能夠降低這項技術的使用門檻。
△?訊能集思CEO 張宗堯
現(xiàn)在，作為訊能集思(Synergies)的CEO，他帶領大家在做的事情，就是讓AI技術更便利地應用于傳統(tǒng)工業(yè)，叫做AI增強決策。
AI擅長處理數(shù)據(jù)，這項技術便是借助AI的這項能力，幫人更好地做決策。
這家成立于2016年的公司，目前已完成近千萬美元融資，A輪由豊新資本領投，北極光、京東方、策維科技、SV Angel等跟投；也已經和思科、富士康、夏普、順豐、敦陽科技等行業(yè)龍頭企業(yè)建立長期穩(wěn)定的戰(zhàn)略聯(lián)盟。
中文交互，即可進行數(shù)據(jù)分析
人需要解決實際生產環(huán)節(jié)中的問題，模型和算法能夠處理數(shù)據(jù)。這本質上是不同維度的事情，訊能集思實現(xiàn)的，是將這兩端溝通起來。
對于不懂算法的用戶而言，機器學習工具有很高的門檻。JarviX是第一個實現(xiàn)用中文交互的AI決策系統(tǒng)。因此，用戶只要對系統(tǒng)用中文提出想解決的問題，系統(tǒng)就會把通過處理數(shù)據(jù)得出的結果呈現(xiàn)出來。
JarviX的名字來源于「鋼鐵俠」里的人工智能系統(tǒng)賈維斯Jarvis，以及X戰(zhàn)警里的Professor X。前者是鋼鐵俠的AI助手，后者則是充滿才智的團隊決策者。
△ 電影《鋼鐵俠》截圖
張宗堯這樣比喻：
我會覺得有點像鋼鐵俠電影里的賈維斯，跟電腦講話，它幫你做研究，做分析，你可以快速得到比以往更好的決策依據(jù)，而不是AI取代你去做決策。
具體而言，這樣一個過程可以拆解成幾個部分，每個部分背后都依靠不同的技術。
對用戶而言，輸入給系統(tǒng)是一個用中文表述的問題。比如，怎樣降低某個庫存量。
系統(tǒng)首先要處理語言本身，拆解字詞，分析問題里涉及的因素有哪些；在此基礎上，再將問題轉譯為編碼，并與相關的數(shù)據(jù)庫匹配。
將人的語言翻譯為編程語言后，系統(tǒng)會在各種模型和算法中尋找到相適應的，進行自動分析，最后呈現(xiàn)出分析和預測。
自然語言轉碼，算法與模型，數(shù)據(jù)，是系統(tǒng)運轉中涉及的不同層次。
在這其中，源自麻省理工的深度特征合成技術(Deep Feature Synthesis)讓系統(tǒng)能夠自動提取數(shù)據(jù)特征。
對于機器學習算法而言，它只能利用數(shù)值型數(shù)據(jù)來計算和預測。自動提取特征，就讓機器處理數(shù)據(jù)的能力大大提升。
訊能集思基于DFS技術繼續(xù)研發(fā)，除了自動提取特征，系統(tǒng)還能自動匹配所需要的模型。
張宗堯介紹，“數(shù)據(jù)進來以后，排列組合會有幾十萬甚至上百萬種模型去匹配，來看問題到底對應哪一個模型”。
同時，為了最終呈現(xiàn)出非專業(yè)人員也能看懂的分析結果，系統(tǒng)會猜測用戶需要看到的結果形式，選擇適合的圖表方式。
讓AI成為企業(yè)的武器，而不是負擔
目前，傳統(tǒng)企業(yè)雖然面臨數(shù)字化轉型的需求，但是如何進行卻是個難題。
大型企業(yè)可以自己從頭搭建一套系統(tǒng)，并在部門架構上開辟新的專業(yè)數(shù)據(jù)團隊。這在資金上需要上億元的投入。但是對于更多的大中型企業(yè)而言，難以從頭建制如此龐大的系統(tǒng)。
而另一方面，行業(yè)變化增加，又讓企業(yè)不得不應對更復雜的情形。
張宗堯觀察到，“這兩年，制造業(yè)對于數(shù)據(jù)化的需求，由虛變實”。
產業(yè)鏈的變化速度加快，越來越多的企業(yè)開始思考，怎樣用數(shù)據(jù)驅動，智能決策，以更好地應對生產中的具體需求，比如資源匹配、減少庫存、降低不良率等。最終目的，是讓企業(yè)整體更高效，以及面對變化的響應更快速。
訊能集思有一個客戶，是在河北的一個手機生產商。原先生產一款手機的周期在八個月以上，如今縮短到一兩個月。
原先的生產流程中，一個提案環(huán)節(jié)就要需要一個多月，通過人工進行簡單的數(shù)據(jù)分析，最終實現(xiàn)產能20%的提升，良率1.5% 的提升。
整個生產周期縮短后，既有的方式不再行得通，現(xiàn)在工廠改用JarviX系統(tǒng)，可以把這個環(huán)節(jié)的時間壓縮到一周內。
讓已有的數(shù)據(jù)產生價值，小步快跑
也許一些企業(yè)在考慮數(shù)字化轉型的時候，第一反應是建立起傳感器系統(tǒng)，收集更多的數(shù)據(jù)。
這確實是通用的思路，數(shù)字化的確建立在數(shù)據(jù)基礎上。早在2011年那漢諾威工業(yè)博覽會上，德國提出工業(yè)4.0概念，其基礎技術是傳感器系統(tǒng)及物聯(lián)網(wǎng)。
不過結合實際經驗，在張宗堯看來，許多工廠目前面臨的問題并不是沒有數(shù)據(jù)，而是已有的數(shù)據(jù)沒有被利用起來。
搭建硬件，獲取數(shù)據(jù)只是第一步，最終還是要把數(shù)據(jù)用起來，從數(shù)據(jù)里找到價值。
搭建了傳感器體系之后，隨之而來，整個體系的運營和維護，可能會變成新的難題。“我覺得大部分企業(yè)其實就卡在這里，要馬上有效果，其實還是很有限”。
如果能夠把已經有的結構化數(shù)據(jù)利用起來，比起搭建大量的傳感器采集新數(shù)據(jù)，投入成本更低，也能更快見到效果。這對于企業(yè)而言，就是小步快跑，效果先行。
從以往的經驗來看，企業(yè)越清楚需要AI幫助自己什么問題，效果會越好。
△訊能集思核心團隊
目前，處理數(shù)據(jù)并得出結果的技術已經很成熟。
“最后一公里”的問題是，怎樣讓非專業(yè)背景的人員也能夠用這項技術，而不是只有少部分專家才能操作。
Gartner報告認為，在近未來，讓普通人也可以理解的增強型分析AABI，會成為讓數(shù)據(jù)分析工具、數(shù)據(jù)科學及其相關應用變得普及的主要原因。
在形式上，50%的分析查詢都將通過自然語言或是語音等方式來進行。
對于訊能集思而言，用中文交互實現(xiàn)各種分析功能，沒有數(shù)據(jù)知識背景的企業(yè)工作者，通過8到10個小時的培訓，就能夠上手使用軟件，挖掘數(shù)據(jù)背后的意義與因素。
在前期溝通中，訊能集思會幫助客戶思考，怎樣開始進行系統(tǒng)架構。在已有的生產組織中，尋找到明確的應用點，實現(xiàn)一個小目標，從而較快得到成效。
這是進行數(shù)字化轉型從0到1的步驟。實現(xiàn)了“小步快跑“后，從1到N的戰(zhàn)略層面，如何逐步實行，企業(yè)可以一步步考慮長期的構架和轉型。
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態(tài)
