圍繞ChatGPT、Bard、Bing Chat和其他生成式人工智能（AI）工具的炒作正在增加。AI工具推廣者的承諾是，未經(jīng)培訓(xùn)的用戶可以使用這些工具來創(chuàng)建書面內(nèi)容、計算機(jī)代碼甚至法律文件。工業(yè)生成式AI戰(zhàn)略應(yīng)該包括具有自動化或應(yīng)用專業(yè)知識（或兩者兼而有之）的熟練人員，以仔細(xì)考慮可擴(kuò)展的平臺、開放式編程和抽象問題。

目前，AI工具是免費或低成本的。它們在為非關(guān)鍵用途創(chuàng)建“軟”內(nèi)容方面顯示出巨大的前景，甚至在執(zhí)行詳細(xì)任務(wù)（例如參加測試）時也是如此。另一方面，結(jié)果有時可能具有誤導(dǎo)性或不正確。Microsoft公司副總裁Jared Spataro介紹該公司的365 Copilot AI工具時曾指出， “Copilot有時是正確的，有時則是錯誤的，但它總能讓你走得更遠(yuǎn)。”

任何考慮將AI應(yīng)用于工業(yè)級、始終在線、關(guān)鍵任務(wù)工作的人，都理應(yīng)對將“有用的錯誤”工具納入工作流程，同時仍期望提供必要而可靠的結(jié)果感到擔(dān)憂。在開源世界中，使用生成式AI的個人和公司最終可能仍要對任何負(fù)面結(jié)果負(fù)責(zé)。

在回答如何在工業(yè)自動化領(lǐng)域有效應(yīng)用AI這一問題之前，首先要考慮什么是智能，以及如何對其進(jìn)行評估。在這條前進(jìn)的道路上，謹(jǐn)慎使用生成式AI可以加速工業(yè)朝著正確的方向發(fā)展。

智能的一個重要標(biāo)志：辨別力

從早期開始，智能的特點就是一個人所知道的東西。支持其智力的知識主要是通過學(xué)習(xí)書籍和書面材料獲得的，這需要付出巨大的時間和金錢成本，這也賦予了學(xué)者一定程度的權(quán)力。

隨著幾十年前互聯(lián)網(wǎng)的興起，情況發(fā)生了變化。突然之間，純數(shù)據(jù)的獲取成本變得非常低廉，盡管其內(nèi)在價值依然存在（圖 1）?，F(xiàn)在，任何人都可以通過網(wǎng)絡(luò)獲取大量數(shù)據(jù)和信息，智能的定義也隨之轉(zhuǎn)變?yōu)槿藗冏罴褦?shù)據(jù)源、理解數(shù)據(jù)并將其整合為有用信息和見解的能力。無論如何，這些原始數(shù)據(jù)的準(zhǔn)確性需要審核（書籍也是如此），因為錯誤的斷言仍然存在。

隨著幾十年前互聯(lián)網(wǎng)的興起，公式發(fā)生了變化。突然之間，純數(shù)據(jù)變得非常便宜，但仍然保留了內(nèi)在價值。隨著現(xiàn)在任何人都可以在線訪問大量數(shù)據(jù)和事實，智能的定義轉(zhuǎn)向一個人找到最佳數(shù)據(jù)來源、理解數(shù)據(jù)并將其綜合成有用信息和見解的能力。無論如何，這些原始數(shù)據(jù)的準(zhǔn)確性需要審查——書籍也是如此——因為虛假斷言仍然存在。

圖1：我們可能會輕信生成式AI工具產(chǎn)生的結(jié)果，這僅僅是因為我們沒有相關(guān)背景或資源去了解更多。

在許多方面，數(shù)據(jù)無處不在和廣泛可用是一件好事。來自日益多樣化的來源和聲音的新信息不斷沖擊，使人類很難在大海撈針中找到數(shù)據(jù)中的針。過多的數(shù)據(jù)會掩蓋最有用或最重要的內(nèi)容，而缺乏可靠的工具來審查新的數(shù)據(jù)源會模糊真相與虛構(gòu)之間的界限。我們可能會輕信生成式AI工具產(chǎn)生的結(jié)果，這僅僅是因為我們沒有相關(guān)背景或資源去了解更多。

智能的一個日益重要的標(biāo)志就是辨別力。辨別力首先體現(xiàn)在知道該問什么問題?；ヂ?lián)網(wǎng)上充斥著這樣的例子：人們向生成式AI工具提出簡單的問題，卻得到了完全不符合要求的答案。辨別力還意味著能夠?qū)徱旳I生成的回復(fù)，并利用知識和經(jīng)驗來理解答案是否正確，“有用的錯誤”甚至是危險的。

在智能方面，辨別力一直是一項寶貴的技能，但隨著原始數(shù)據(jù)的加速擴(kuò)張，以及從浩瀚海洋中獲取洞察力的生成式AI工具的迅速崛起，這種形式的智能比以往任何時候都更加重要。怎樣才能具備良好的洞察力？辨別力的簡單定義可以是經(jīng)驗應(yīng)用于知識——換句話說，就是主題專家（SME）。

利用生成式 AI擴(kuò)大工業(yè)自動化專家的影響力

像生成式 AI這樣的技術(shù)將把智能的發(fā)展提升到一個新的水平，幫助用戶更有效地訪問大量數(shù)據(jù)并與之交互。用戶可以通過無數(shù)特定于應(yīng)用程序的方式從中受益。例如，他們可以使用AI驅(qū)動的導(dǎo)航工具來篩選堆積如山的地理數(shù)據(jù)，并沿著最佳路線提供前往目的地的實時方向。具有高度辨別力的專家可以更廣泛地使用生成式AI，因為盡管更多的數(shù)據(jù)訪問并不能造就專家，但訪問絕對會放大他們的努力。

正如扳手是技術(shù)人員擰緊螺栓的力量倍增器一樣，生成式 AI 也是幫助主題專家解決問題的力量倍增器。不過，一些人認(rèn)為生成式AI的使用更像是伐木工人從使用手鋸切換到使用鏈鋸那樣，可以極大地提高生產(chǎn)率，但如果由不熟練的工人使用，也會帶來更大的危險。

尋求優(yōu)化設(shè)計、運營和維護(hù)效率的制造和加工企業(yè)需要考慮如何為其主題專家提供更好的支持（圖 2）。與其將生成式AI視為取代專家和專業(yè)知識，不如為其配備AI以加速他們的工作。研究如何將生成式 AI 用于工業(yè)級項目的公司需要考慮圍繞生成式 AI 模型的訓(xùn)練以及 SME對結(jié)果的解釋。

圖 2：面向工業(yè)自動化的生成式AI 戰(zhàn)略應(yīng)側(cè)重于構(gòu)建平臺，使主題專家能夠在工作中表現(xiàn)更出色，而不是取代他們。

目前可用的生成式 AI 模型主要是在數(shù)據(jù)集或其他從互聯(lián)網(wǎng)上抓取的信息進(jìn)行訓(xùn)練的。這些批量數(shù)據(jù)可能有助于訓(xùn)練大型語言模型（LLM），例如 ChatGPT。

對于更具體的項目，例如執(zhí)行工業(yè)自動化設(shè)計或優(yōu)化過程等，使用由主題專家精心策劃的訓(xùn)練數(shù)據(jù)集可能會產(chǎn)生更一致和更有效的生成式AI。雖然將訓(xùn)練數(shù)據(jù)限制在相關(guān)來源可能會帶來一些遺漏的風(fēng)險，但回報是獲得更可靠的結(jié)果，并避免因數(shù)據(jù)來源有缺陷而導(dǎo)致看似合理的結(jié)果出現(xiàn)危險的錯誤。

一旦獲得結(jié)果，SME仍然需要仔細(xì)審核輸出?？梢韵胂?，用于創(chuàng)造藝術(shù)或娛樂等非關(guān)鍵終端產(chǎn)品的AI模型，造成傷害、物理損害或環(huán)境惡化等責(zé)任的概率相對較低。但是，如果生成式AI模型被用于設(shè)計生產(chǎn)設(shè)備，或用于設(shè)計機(jī)器自動化的代碼，甚至用于提出優(yōu)化操作的數(shù)值建議，則可能造成非常嚴(yán)重的后果。

一些使用生成式 AI進(jìn)行工業(yè)自動化工作的探索性實踐表明，對于復(fù)雜的任務(wù)，凈速度的提高并不比傳統(tǒng)方法好多少。另一方面，主題專家通過采用生成式 AI可以大大加速枯燥或重復(fù)性高的任務(wù)。這就提出了一個問題：提高工業(yè)自動化中生成式 AI采用率的最佳方式是什么？

工業(yè)生成式 AI 戰(zhàn)略

盡管工業(yè)自動化技術(shù)在過去幾十年中不斷改進(jìn)，但從性能和可用性的角度來看，離即使是半熟練的人員也能高效準(zhǔn)確地實現(xiàn)工廠自動化的愿景仍相距甚遠(yuǎn)。企業(yè)仍然需要具有自動化或應(yīng)用領(lǐng)域?qū)I(yè)知識或兩者兼而有之的熟練人員才能實現(xiàn)這些項目。然而，隨著我們朝著實現(xiàn)愿景的方向前進(jìn)，強(qiáng)調(diào)易于使用的技術(shù)可以大大擴(kuò)大有資格從事這項工作的人才庫。

與此同時，用戶應(yīng)該考慮一些功能強(qiáng)大且易于使用的方法，以騰出時間和資源來探索生成式 AI 技術(shù)，例如：

可擴(kuò)展平臺：大多數(shù)用戶需要一系列設(shè)備、硬件和軟件選項，以便他們可以從地面到云端無縫部署解決方案，即在現(xiàn)場、控制室和整個企業(yè)中（圖 3）。實現(xiàn)這一目標(biāo)的最佳方法是建立在一個完整且經(jīng)過驗證的開放平臺上，該平臺包含傳感器、儀器、自動化控制器和用于人機(jī)界面（HMI）、監(jiān)控和數(shù)據(jù)采集（SCADA）以及分析操作的軟件。當(dāng)設(shè)備直觀、無縫地集成到自動化生態(tài)系統(tǒng)中時，問題可以更快地解決，價值可以更快地實現(xiàn)。

開放式編程：工業(yè)自動化涵蓋許多方面，包括儀器儀表和測量、現(xiàn)場設(shè)備的直接控制、數(shù)據(jù)采集和歷史化、可視化、分析等等。為了最好地利用這一系列學(xué)科的專業(yè)知識，編程的靈活性可以加快開發(fā)速度并簡化集成。雖然簡單的控制算法最好在梯形圖等傳統(tǒng)編程語言中實現(xiàn)，但更專業(yè)的設(shè)備（如伺服電機(jī)和高精度執(zhí)行器）的自動化可能會受益于更現(xiàn)代的語言，如結(jié)構(gòu)化文本（ST）等。

絕大多數(shù)用于從傳感器數(shù)據(jù)中獲取洞察力的物聯(lián)網(wǎng)算法通常都是用 C、C++ 和 Python 編寫的，通常針對 Linux 操作環(huán)境進(jìn)行了優(yōu)化。與既能支持傳統(tǒng)的 IEC 工業(yè)語言，又能支持 C、C++ 和 Python 等現(xiàn)代標(biāo)準(zhǔn)的自動化平臺合作，有助于使解決方案發(fā)揮更大的功能。

抽象化：將AI和其他先進(jìn)技術(shù)集成到工業(yè)自動化領(lǐng)域的一個關(guān)鍵目標(biāo)是將流程抽象化，因此普通用戶或開發(fā)人員將在更高層次上與邏輯構(gòu)建塊進(jìn)行交互，而不需要深入研究源代碼的最深層次的細(xì)節(jié)。即使沒有AI，現(xiàn)代自動化編程工具也可以整合抽象的關(guān)鍵方面。實現(xiàn)者應(yīng)尋找能夠進(jìn)行變量編程和數(shù)據(jù)標(biāo)記以及創(chuàng)建用戶定義數(shù)據(jù)類型的開發(fā)工具。他們應(yīng)該尋找支持在所有受支持的編程語言中使用應(yīng)用程序存儲庫和用戶定義的功能塊重用代碼的工具。

圖 3：將生成式AI技術(shù)有效地應(yīng)用于工業(yè)應(yīng)用，需要用戶采用可擴(kuò)展、開放式和抽象化的硬件和軟件的綜合平臺。

有了這樣的生產(chǎn)力推動因素，用戶可以花更多的時間在自己的環(huán)境中探索新技術(shù)，如生成式AI和其他先進(jìn)技術(shù)，以更好地了解什么可以帶來他們所尋求的收益和增強(qiáng)。與自動化專家合作可能會為用戶打開他們認(rèn)為不可能的新想法和機(jī)會，甚至可能發(fā)現(xiàn)常見問題的交鑰匙解決方案。

最終目標(biāo)是使用戶能夠利用他們的行業(yè)專業(yè)知識，并以最有用的方式整合AI，以幫助最終用戶在部署和優(yōu)化制造和生產(chǎn)解決方案時提高生產(chǎn)力。