打破“幻覺”：工業生成式AI的可靠應用與前景
發布時間：2025-02-21 作者：工業AI
不僅是人工智能（AI）技術的飛速發展，自動化技術供應商所部署的不同類型的AI也給制造自動化市場帶來了一些困惑。例如，一些人可能會因為基于生成式AI技術中的“幻覺”會影響輸出結果的新聞而否定AI技術。
即使在生成式AI領域，也存在巨大差異：一種是經過特定數據集訓練的生成式AI，這些數據集專門針對特定制造設施及其設備和軟件系統；另一種則是被輸入了來自各種來源、涵蓋廣泛主題的數據的生成式AI——其中許多數據來源可能從一開始就不夠可靠。
為了幫助澄清這個問題，讓我們來了解一下AI在數據分析和生成式AI 在制造業生產運營中的應用，以及它們如何與工業自動化技術互動。
用于數據分析的AI與生成式AI的區別
讓我們從用于數據分析的AI說起。雖然這是自動化技術領域相對較新的補充，但它已經被使用了幾年時間，應用范圍從生產分析到預測性維護。從最基本的角度來說，在制造環境中，數據分析AI本質上會處理公司工廠設備和軟件系統（包括企業資源規劃（ERP）等前臺辦公軟件）輸入的數據，并應用算法對其進行篩選，以突出趨勢和異常情況，并基于這些不同系統收集的數據的相關性，提供關于商業可能性的見解。
生成式AI可以根據用戶的提示或請求，生成原創內容——包括文本、圖像、視頻、音頻或軟件代碼。由于生成式AI可以從如此多的不同來源接收大量數據，我們看到了諸如“幻覺”等問題，這需要在將結果付諸實踐之前，由人類對其進行全面審查。但請注意，這是一般用途的生成式AI。
在更受控的環境中，如果輸入生成式AI系統的數據由可信來源提供，并且專注于特定公司或一組合作公司的設備和系統，那么結果將更加可靠。
這就是為什么你會看到許多自動化技術公司正在實施生成式AI技術，以開發通常被稱為“Copilot”的系統。這些系統是基于相對封閉的數據集進行訓練的，這些數據集專門針對用戶的應用場景以及與之相關聯的技術，而不是從互聯網上抓取各種資源。
自動化技術供應商如何實施生成式AI
正如數據分析AI在過去幾年中已成為各類制造系統的普遍應用一樣，如今生成式AI在制造運營和設計應用中的應用也在迅速增加。最近的一些例子包括西門子和 ServiceNow 宣布建立合作伙伴關系，以促進工業網絡安全并推動將生成式人工智能集成到車間操作中。這一合作涉及將西門子用于工業漏洞管理的 Sinec Security Guard 和生成式AI驅動的Industrial Copilot 與 ServiceNow 的工作流自動化連接起來。
由生成式AI 驅動的西門子Industrial Copilot 將通過靜態和動態機器數據之間的交互，為 ServiceNow 平臺的用戶提供對運營過程的全新控制水平。所謂 “新的控制水平 ”是指用戶能夠用自己的語言與 Copilot 技術進行交互，根據自己的要求獲得詳細的指示和建議。ServiceNow 表示，其自動化工作流程的能力（從維護調度到實時問題解決）有助于確保 Copilot提供的由AI驅動的洞察力轉化為切實有效的行動，從而提高生產率并最大限度地減少停機時間。
在制造設計方面，羅克韋爾自動化公司FactoryTalk Design Studio的業務經理Tony Carrara表示，生成式設計長期以來一直被自動化制造商用于其產品的設計，而隨著生成式AI的集成，生成式設計正在經歷一場重大的演變。生成式AI為生成設計帶來了新的維度，通過引入“人機回圈”（human-in-the-loop）功能，改變了工程師和制造商構思、創建和優化自動化技術的方式。
區分使用傳統 AI 的現有生成式設計功能與集成生成式AI 的新興趨勢非常重要。與僅依賴AI算法的傳統生成式設計方法不同，生成式AI的加入引入了一種更具互動性和迭代性的方法，工程師可以提供反饋，引導AI系統找到更優化的解決方案。這使他們能夠探索廣闊的設計空間，并根據指定的參數、約束條件和性能目標生成大量潛在設計。這種方法特別適合自動化系統，因為在自動化系統中往往需要平衡多種變量和相互競爭的目標。
將生成式AI驅動的生成式設計應用于自動化系統，可以提高生成和評估多個設計備選方案的速度。Tony說，在幾小時或幾天內，該系統可以生成數百甚至數千個設計選項，每個選項都針對給定參數進行了優化。例如，如果可持續性是優先事項，則可以指導 genAI 專注于環保設計選項。
Tony引用的另一個應用涉及技術與行業標準和最佳實踐的一致性。生成式AI可用于驗證系統是否符合網絡安全標準，方法是突出顯示系統偏離既定規范的領域，幫助工程師保持項目之間的一致性和質量。該技術還用于標準化工程團隊的實踐，尤其是在不同經驗水平的工程師需要遵守相同的設計標準并使用一致的庫的情況下。當跨不同站點或環境復制系統時，這種一致性非常有價值，因為生成式AI可以在保持整體設計完整性的同時提出適當的調整建議。
對工業生成式AI應用保持開放心態
不要因為我們都聽說過 ChatGPT 或 Gemini 等媒體關注度最高的通用生成式AI 工具存在的問題，就對自動化技術中出現的新AI應用不屑一顧。自動化供應商提供的工業生成式AI 工具側重于特定的數據集和數據源，以確保結果的準確性。
為了讓您對工業生成式AI保持開放的心態，可以考慮一下這樣一個案例：大約 20 年前，許多制造工程師并不認為以太網是一種有效的工廠車間網絡選擇。
生成式AI技術的進一步發展對于制造業專注于獲取其專業工程、運營和維護人員的知識以指導下一代行業工人非常重要。這些專注于制造業的生成式AI工具有望成為使該目標更容易實現的技術。