Mar, 2023

将人工智能集成到制造系统的机遇与挑战：来自专家讨论的思考

PDF
TL;DR本文总结了 2022 年 MECC 会议上，产业、学术界和政府专家围绕如何更好地将人工智能整合到制造系统中展开的讨论，并从无缝人机集成、基础设施缺口以及大学、产业和政府机构之间的协调改进三个方面阐述了目前人工智能在制造系统中取得成功的挑战和机遇。
artificial intelligencemanufacturing systemschallengesopportunitiesintegration
发现论文，激发创造
  • 工业 4.0 中的人工智能：对工业系统集成挑战的综述

    在工业 4.0 中，网络物理系统 (CPS) 产生大量数据，可以被人工智能 (AI) 用于预测维护和生产计划等应用。然而，尽管已经证明了 AI 的潜力，但其在制造业等领域的广泛应用仍受限。本文通过综合审查最近的文献、标准和报告，确定了一些关键挑战：系统集成、数据相关问题、管理与劳动力有关的问题以及确保可信 AI。定量分析突出了实践者需要重视但尚需学术界进一步研究的特定挑战和主题。本文简要讨论了这些挑战的现有解决方案，并提出了未来研究的方向。我们希望这项调查能够成为评估 CPS 中应用 AI 的成本效益影响的从业者资源，也能够帮助研究人员解决这些紧迫问题。

    May, 2024

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 信息学和乳制品行业联盟：人工智能趋势与现有挑战

    人工智能可以在产业中发挥潜在的转变作用，提升生产过程，减少手动重复任务。高性能计算和强大的数学模型之间的协同作用使得机器学习等复杂数据分析过程得以应用。然而，在有效、高效和灵活处理以生成有价值的知识方面存在挑战。因此，本研究全面描述了人工智能可应用于的产业挑战，重点关注乳业。所提出的结论可以帮助研究人员应用新方法监测牛群，为农民的需求提供先进的技术解决方案。

    Jun, 2024

  • 制造业和供应链中值得信赖、负责任、合乎伦理的人工智能：综述和新兴研究问题

    本文探讨了 AI 可靠、道德、和值得信任的运用，分析了机器学习周期中的每个部分可能带来的信任问题，并提出了一些研究问题以帮助引导未来研究，以确保制造业中的 AI 应用安全和负责任。

    May, 2023

  • 探索支持设计师学习与基于人工智能制造设计工具共同创作的挑战和机遇

    本研究观察了受过专业训练的设计师在学习如何使用两种基于人工智能的工具完成实际设计任务时所面临的挑战，发现设计师在理解和调整 AI 输出以及沟通设计目标方面存在许多挑战。通过我们的研究结果，我们提出了一些设计机会，以更好地支持设计师 - 人工智能的协作。

    Mar, 2023

  • 机器学习的工业革命

    机器学习需要首先完成自身的工业革命，并探讨如何实现其目标以及促进从创新前沿到大规模生产和利用的新机遇。

    Nov, 2023

  • 人感知 AI 系统的挑战

    讨论了设计人类感知人工智能系统面临的挑战，包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等，并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。

    Oct, 2019

  • 工业物联网智能赋能智能制造：一项文献综述

    这篇论文提供了一个关于 IIoT 智能化的综合概述，研究了制造业转型的必然性和成功经验，并分析了 IIoT 智能化在各个方面的价值，提出了一个包括五层的分层发展架构，并讨论了加速制造业转型的七种技术以及未来研究的挑战和发展趋势。

    Dec, 2023

  • 探讨高水平人工智能的差异化风险和控制问题

    本文使用分层复杂系统框架对人工智能（AI）风险进行建模，并从公共和私营领域的领域专家收集调查数据以分类 AI 影响和可能性，结果显示强大的 AI 代理情景有更多不确定性，对 AI 对齐失败和影响寻求行为的关注增加以及对多智能体环境的信心增强。

    Nov, 2022

  • 通过 xAI 和主动学习，将人类置于 AI 循环之中，以进行视觉检查

    介绍了工业 5.0、人机协作、质量检测和视觉检测的现状。提供了如何实现和加强视觉检测中的人机协作的观点。最后，分享了 EU H2020 STAR 项目所取得的关于视觉检测、人工智能、人类数字孪生和网络安全的一些实验结果。

    Jul, 2023