人工智能也分“大”和“小”

人工智能(AI)和機器學習（ML）一直是人們熱議的焦點。大型跨國工業企業正在擁抱人工智能，努力讓機器更智能，這樣它們就能在正在進行的數字工業革命中有效競爭。

我們時不時就能看到這些公司如何在人工智能和工業分析方面進行重大投資，以幫助推動其數字化轉型。但即使是中小型工業和制造業企業也應該考慮人工智能。

自主化有多重要

畢竟，如果你不考慮機器學習和人工智能，為什么要從生產系統中收集所有這些數據？在許多情況下，企業收集的數據超過了它們的使用能力。數據分析本身并不是目的，一定是用來發現問題、解決問題。而人工智能將在這方面發揮關鍵和不斷擴大的作用。

當然，機器學習可以在清理堆積如山的大數據中發揮重要作用，以識別重要規律，并為業務轉型挑選出有價值的見解。但這只是其優勢的一部分。真正的價值來自使用人工智能來利用這些見解，真正的應用到你的采購、生產和銷售過程中。

比如生產線計劃會因資源可用性的變化而自動調整，并在整個供應鏈中管理這種變化，以避免中斷或沖突。隨著全球供應鏈變得越來越復雜，這種由人工智能驅動的智能將在幫助企業在“隨需應變/隨時應變”的市場競爭中發揮關鍵作用。

AI也分大小

看起來，AI承擔巨大責任，對中小型制造企業來說有點遙不可及。

實際上AI也有“大”和“小”之分。大型人工智能使用大量數據(通常在云計算中)，是從全局考慮，跨多個業務線，解決真正復雜的問題。這正是像通用電氣這樣的全球巨頭所做的。

而小型人工智能專注于解決“微問題”，比如弄清楚如何優化一條生產線，同時滿足最小化人機協同的需求。小人工智能可能更好地處理在內部問題，它是實時的，基于邊緣分析，高度可用的系統驅動智能自動化。

當然，有效利用人工智能的第一步是讓你的基礎設施跟上速度。這通常意味著升級你的網絡，讓信息流動和系統在邊緣處理事情。只有到那時，部署傳感器來收集數據和分析才有意義。最后，這種進步也許會需要雇傭數據科學家來優化你的環境，以充分利用人工智能的優勢。

許多工業企業正處于這一進程的起點站?？紤]到能源、交通、制造和電信等行業數字化轉型的需求和速度，把人工智能放在你的業務背景下考慮——即使從小做起——也很有意義。