ABB刘前进：机器与人，从共存到共事

本篇文章4628字，读完约12分钟

8月20日至25日，由北京市人民政府、工业和信息化部、中国科协联合主办、中国电子学会、北京市经济和信息化局、北京经济技术开发区管理委员会承办的2019年世界机器人大会在北京亦庄国际会展中心举行。8月22日，abb中国有限公司首席技术官刘前进在新兴应用与实践论坛上做了题为“机器与人:从共存到合作”的报告。

原始报告如下:

我很高兴有机会和我的同事交流。刚才陈教授在最后提到，人工智能和机器人学有一个更好的结合。现在我将分享机器人和人工智能的进展，包括我们做过的一些有趣的事情。

我没有玩过左边图片中的游戏。它应该叫多塔，对吗？在过去的两年里，Musk创建了一家名为open ai的公司，然后让这个人类冠军与计算机竞争。比赛结果是260: 0，机器打败了人类。当每个人看到这个消息时，可能已经感到奇怪了。阿尔法围棋打败了李世石，谷歌通过语音点餐，包括今天玩的各种游戏，看起来令人眼花缭乱，但为什么我们不能做点正事呢？他们都在玩游戏和下棋。事实上，这正是他们背后的挑战。我们希望将人工智能、深度学习与我们的现实生活和行业结合起来。

右边的图片是拿破仑的滑铁卢战役。这场战斗有很多情况。拿破仑是一位天才的军事战略家，他在这场战斗中也充分发挥了自己的才能。然而，那天雨下得很大，使得大炮无法运到指定地点。英国将军威灵顿更聪明，很难打破这一局面。现场指挥暂时不到位，战略地图的实施不够坚决。

我想说的是，现实生活中没有太多的规则和状态约束，就像游戏规定人类玩家冠军不允许使用这个和那个，但是现实中没有太多的约束和条件，所以我们面临的现实比游戏复杂得多，生活不是游戏，现实行业中人工智能处理的任务更复杂。

互联网上有一些有趣的词，比如莫拉维克悖论。我们看到非常复杂的事情，比如玩游戏和围棋。上周，我还看到一些人在澳门人工智能会议上演示象棋。这些相对容易，尽管它们可以挑战我们的认知。如果我们想让电脑像人一样做一些儿童的感知会怎么样？去年，有一个非常有趣的视频。一个男人提着一个大箱子，把门撞开，他的手使劲转动。然后一个三岁的孩子站在角落里。看着这个人试了两次都打不开，他直接去开门。没有任何训练和学习，我们的计算机不能做到这一点，所以机器人很难做看似简单和基本的工作。在今年的cvpr竞赛中，英特尔cto提到，对于电脑来说，举起茶杯要比打败李世石困难得多，因为所有空的房间和路径都是未知的。

传统的机器人是勤劳的机器人，也就是说，他们不断重复高精度和准确的工作。如果他们真的与人合作进行人机合作，机器人会突然变得更加友好，所以我们称他们为合作机器人。

在过去的几年里，我们经常提到工业4.0，例如机器替代、设备上网和数据云，这是工业4.0相对于工业3.0的主要变化趋势。我们所说的自动化和自治需要更高的程度，但它不是完全无人管理的。无人驾驶只是一种状态，而不是目的。正如杰夫之前提到的，在过去的十年里，许多工作岗位消失了，许多新的工作岗位出现了，通常是以前没有的工作，但是人是不可替代的，在这个过程中，人们只会有更多的机会和更多的工作。自动化水平是一样的。我们不是一个100%无人管理的工厂，包括无人管理的仓库和超市，但我们仍然需要有人来创造更多的工作，包括一些新的工作。

我们可以看到，在机器替代的过程中，更多的蓝领工人在工作，也就是说，人类重复性的低技术工作被机器所取代。如果每个人都有机会去一些3c工厂，那些工厂的环境很差，所以你可以一天三班倒，一天八到十个小时的重复站在那里工作。墙上写着:“今天不要努力工作，明天试着找份工作。”我们觉得没有必要保留这种工作，我们完全希望它能被自动化所取代，这样我们就能提高效率，释放人，并利用人类的认知、适应性或创造能力去做更有意义的工作。因此，人机合作将有更好的前景，使我们的生活更有意义。

人机合作能达到什么样的状态？这是一个真正的合作机器人，也就是说，它可以被动地与人合作，而不增加视觉和感觉，并且可以非常接近人，与他们互动。我们利用传感视觉使大型机器人与人间歇合作，这是目前工业领域人机合作的最佳状态。

我们应该对人机协作有更高的要求，那么协作在工厂需要什么样的状态呢？我们知道机器有一个安全的工作区域，可以在工作范围之外共存。起初，有人说机器被取代了，但现在它已经成为人机共存，但光是共存是不够的，或者对空.有更严格的要求人们有可能进入机器的工作范围吗？将来，我们不仅会共享空房间，还会共享时间，即在一个紧凑的工作区域内与机器充分互动，机器人可以接受零件并完成整个工业过程。

从过去的竞争到现在的合作，即从共存与合作到未来的合作，人机真正与人合作，这就是我们对人机合作的定义。

我们应该如何看待在过去几年里如此热门的人工智能？在过去的几年里，在深度学习方面有了许多突破。深度学习网络和卷积神经网络就像一个通用的函数逼近器。无论任何复杂的工作条件、功能和功能，我们都可以无限接近您，实现垂直精度。就像我们现在做的人脸识别和游戏演示一样，它可以达到人类无法达到的高度。这是我们期望在行业中看到的，知识和人类专家应该结合在这些统计数据中。算法和专家的结合可以增加人的潜力，有更多的应用机会。这是我们希望在未来看到人工智能的方向。

我们已经在各种工业场景中演示了机器学习和深度学习，包括光伏和风力发电，可归纳为三类:第一，预测性维护。根据设备的现场数据，我们可以从历史数据中预测数据中是否会有问题，电力行业将每年维修一次，每三年大修一次，而不是在故障后等待紧急维修或定期维护。无论设备是否有问题，都有必要保持一个良好的维护团队。然而，并不能保证维护团队有足够的经验和知识来处理维护工作，并且很难判断大型设备维修后可靠性是提高了还是降低了。

在过去的一年里，我们在内蒙古电网全面推广了我们的软件系统，称为资产健康软件。第一个实验是在2017年演示的。我们认为只要操作和维护就不会有问题。因此，在安装软件后，我们发现有七个大型变压器可能有问题。你想挑几个来看看吗？后来发现绕组在运行和维护过程中意外遇到，导致绕组变形，带来了一些安全隐患。可以说，这是一个很好的与产业融合的局面。我们在做与生产经营过程相关的事情，这可以提高整个生产经营的水平。

还有远程服务中心，它通过远程检测了解故障，并拥有最好的专家来确保设备的安全运行。这是2018年世界上第一台无人驾驶变速器。地点在赫尔辛基。北海附近有一些居民。我们一直在岛上穿梭。最新的电子控制系统和自动驾驶功能以这种方式结合在一起，产生了一些新的功能模块，不仅可以进行运行监控、远程分析和车队管理。整个工作称为操作中心。现在我们可以在世界各地建立一个网络，为所有的船舶提供服务。我们知道，一艘大型运输船舶想要确保最佳的可靠性，并且拥有最佳的空空间来提供货运服务，这将会造成一个两难的境地。在规划路线之后，它可以获得最佳的燃料成本性能比，包括可以从最空房间的运营和生产中获得的价值回报。

人工智能是如何与机器人结合的？最好安装和使用机器人。如今，机器人的使用仍然很复杂，尽管与过去相比这是一个很大的进步。在过去，可能需要一个特殊的工程师花几天来规划更好的计划。交响乐师和机器人工作了7个小时，完成了两首歌曲的编排，他们能够像人一样漂亮地滑动比赛盒，从而准确地完成了比赛过程。但是我们认为这还不够。即使将来我们不需要专业工程师来教它，当我们看到我们的工业先驱在做什么时，我们也会主动去了解这项工作，以及我们是否能完成它。我们将最新的研究成果与机器人安装的演示过程结合起来有多困难？

众所周知，图像光的识别率已经从70%提高到90%，这是一个很好的例子。然而，如果它与机器人结合，将很难当场标记工作条件，因为现场的情况非常复杂，没有办法预测所有的场景。刚才我们提到了dota游戏，最重要的是按回车键向上，向下，向左和向右。事实上，我们的工作不仅仅是上下左右。更重要的是规则。如果我们能完全定义这个规则，它就是我们的自动化工作者所做的，但是它将发生在领域之外，我们可以依靠人工智能。你想通过依靠人工智能从大数据中获取数据来做到这一点吗？

因此，将数据与人工智能结合起来将是非常困难的，包括三个不同的层次:第一个层次可以通过做一些我们已经做过深入研究的工作来做位置识别，并且确切地知道机器人会抓取什么地方，并且我们还做了有意义的演示。第二个层次是技能，也就是做什么工作，然后机器人被指示去完成它，甚至给出一个起点和一个终点，然后根据我们过去做过的数据完成某个规则。经过一段时间的强化训练，我们发现我们可以达到这个效果，也就是说，在600多万个不同种类的空房间中，机器人强化学习的识别率可以达到96%，然后我们会有一个更好的方法，希望达到99%以上，甚至在新事物出现后简化学习过程。第三个层次是应用程序的端到端学习，学习应用程序背后的机制、经验和知识，掌握后就可以成为规则。

通用函数是不可阻挡的，虽然它可以大致达到一定的精度，但它不能在你不知道的情况下使用，这几乎是业界所不能接受的，所以我们希望能有更好的方法使它更容易解释，更容易推广，更容易合作。

我们在湛江有一家合作公司，这是中国最大的海产品公司。除了一个环节外，生产线是全自动的。我们都在必胜客吃过凤尾鱼，但是我们需要剥掉它的皮。如何制作机器能识别的不同形状和大小的虾，以保证足够的肉和去皮？这个环节必须由人来完成，所以给人们一个0.5平方米的工作站，人们站在那里八个小时，不停地捡虾，放在指定的位置。更不用说辛苦的工作了，光是味道就会让你感觉不舒服。我们的科学家去现场查看实际情况，并通过不同的照片进行标记、识别和确定准确率，准确率最终可以达到98%，这是通过自动化的最后一步，这位同事在现场听取了汇报。下一张图片中有几十只虾，通过算法推理，虾的抓取点立刻被识别出来，剩下的工作交给机器人后就可以完成了。"机器人可以捕捉虾而不会失明。"。

这是每个人在物流中经常遇到的一个场景，就是不同的工件混合在一起抓取，难度在哪里？由于形状不规则，传统的机器视觉很难实现，而且它们是堆叠在一起的。即使不同的规则被输入到数据库中，我们如何确保生成一个新的形状，并且我们知道哪个应该首先被掌握，哪个应该稍后被掌握？这是目前工业机器人领域中混合、堆叠和识别的最高水平，也是我们目前所能达到的最好的情况。

工业人工智能，或结合人工智能与机器人做有意义的事情。传统的方法是使用一个完整的模型，然后我们执行感知分析和控制逻辑，这就是传统工程师正在做的。人工智能的引入将会给这一环节带来一些新的变化。过去几年的主要变化是在认知和理解方面所做的工作。现在我们看到强化学习的过程优化就是完成这样一个过程。我们希望用工业人工智能做的不仅仅是认知和理解，而且具体的解决方案可以带来更多的突破。在工厂的自动化系统中，一定有一些场合和场景是我们的工程师事先没有预料到的。我们能为以前没有预测和发生的事情做些什么？机器能自己学习，处理一些意想不到的情况和以前没有发生的事情，做出一些基本的识别和判断，并给出解决方案吗？这是我们期望工业人工智能在未来做的工作。在这个过程中，人永远存在，不仅要监控整个生产过程，而且要取代自动化系统，随时介入、操作和完成。这是我们自己对工业人工智能的定义，从自动化到自主。我们希望将来能有一个真正自主的工作环境，为人类创造一个更好的环境。

来源：搜狐微门户