人工智能将如何影响机器设计?

作者: Megan Nichols 2020-01-07 17:05:49

 人工智能如今应用越来越广泛。在大多数情况下,健壮和自适应的人工智能可以为人类的专业知识提供补充,而不是完全取代人类。人工智能在工程设计和机器任务领域的应用就是这样一种情况。

人工智能和机器学习正在改变人们设计机器和产品的方式,使工业设备更加精确和高效,并为工程师提供了优化和自动化工作流程的方式。

用人工智能进行生成设计

生成设计是人工智能在机器和通用产品设计中令人兴奋的应用。在这里,人工智能根据一组用户指定的标准设计新产品,或智能地优化现有产品以增加稳定性、耐用性或效率。例如,产品设计者可以指定在最终设计中使用的最大原料量或其最小强度公差。然后,这个算法会找到满足这些条件的多个有效且可行的设计。

生成式设计的应用已经非常广泛,包括设计汽车车身和发动机零件以提高燃油效率,延长使用寿命。由于工作流中包含了生成性设计,一家公司使用智能设计来减轻关键部件的重量,同时提高其热管理性能。

人工智能与循环经济

预计到2025年,全球人工智能市场价值将达到590亿美元。这一增长的一个重要原因是,经济的重要部分正在以精益和智能为核心从上到下进行重新思考和重组。

每个行业都必须变得更加节能,减少材料浪费,并且在生产新产品时要更加谨慎和经济。客户需要这些东西,全世界也都要求良好的环境管理。

这是“循环经济”的核心,麦肯锡公司将其描述为“增长与有限资源的消耗逐渐脱节”的一种。他们的研究发现,在欧洲广泛采用循环经济原理可以帮助经济复苏。到2030年,欧洲市值将达到1.8万亿欧元,约合2万亿美元。

以人工智能为主导的产品和机器设计可利用大数据,帮助企业实现重大的财务和其他收益:

  • 大数据允许企业收集他们的人工智能工具所需的洞察力,以便随着时间的推移进行更智能的设计迭代。
  • 将用户和售后市场数据集纳入智能产品设计,有助于使工业机器和复杂的消费级产品更易于用户使用、更持久或更易于翻新和转售。这意味着更少的电子产品和其他物质垃圾在垃圾填埋场出现之前被填埋。
  • 工业设备和企业规划平台受益于从供应商、客户和更广泛的行业收集的数据,以便就如何分配资产、何时以及生产什么来满足需求做出更多的战略决策。

具有自我意识的工业机器

人工智能使自我监控机器成为现实。工业生产传送带、自动导引车辆、机械臂和其他工具正在从头开始重新设计、数据收集和智能内置。

关键在于现代传感器的质量和价格可承受性。传感器是生产设备和自动车辆收集信息并形成周围情况的图像的方式。这对提高工业设备和机器人的安全性以及机器人的能力具有巨大的意义。

其中最重要的一项工作就是将机器视觉转化为对零件进行质量和安全检测的任务。

另一个原因是机器学习比人类单独学习能更好地发现未来失败的预测因素。当机器运行时,传感器数据可以随时发现并标记诸如温度波动、异常振动和污染物的存在。这就要求在维修项目变成设备故障或产品缺陷之前开始注意它们。

改进的协作机器人

除了传感器驱动的自我意识制造设备外,人工智能还有助于使协作机器人与人类同行一起变得更安全、更有用。

人工智能的改进使得机器人系统能够在承担大部分物理风险的同时,安全地与人类一起执行危险任务。焊接重型部件只是一个例子,预计到2022年及以后,焊接行业将出现工作短缺,这使其成为这项技术的主要目标。

在这里部署智能机器是一种将现有人才转移到更高复杂度和更高报酬的工作,或者更安全但更精致的工作的方式,同时可能节省大量成本和材料。

这也适用于配送和制造设施,这些设施要求安全、高效地搬运大量材料或在客户履行中具有高度的准确性。自动拣单机和自动堆垛机的专利设计竞赛也在全速进行,并展示了在仓储和供应链环境中的可能性。

智能设计的基础设施

人工智能正在使物理基础设施和建造它的机器在设计、建造和维护阶段都更能“独立思考”。荷兰有一座40多英尺长的桥,该桥是使用机器智能设计的,正如设计师所说,它是通过自动定向3D打印机器人在“空中打印”的。

人工智能不仅是这座桥梁设计者,也是这座桥的维护者。设计者计划在桥梁结构中加入传感器,以主动监测桥梁的性能,以及桥梁的物理健康状况如何和是否波动。

激动人心的时代

对于产品设计师、土木工程师、机器人专家、机械师和企业战略家来说,这都是令人兴奋的时刻。

人工智能已经在改变人们对所依赖的机器的监控方式,极大地提高了这些机器的自我意识和效率,帮助人们找到新产品和新的人才解决方案。

人工智能 机器学习 数据
上一篇:百度李彦宏谈未来10年 将是人工智能创新的时代 下一篇:三星“人造人”项目曝光!效果太逼真,可自主生成新表情、动作
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载