传统人工智能概念始于上世纪50年代，半个多世纪以来，人类利用自然语言、神经辨识、神经网络或形象辨识等方法，让机器学习规律，进而提供广泛维度解决方案。
相较于前者，工业人工智能隶属垂直领域，其属性聚焦于工业制造系统，涉及汽车、飞机、轮船等移动工具的安全性、节能性、耗油性，工业制造机器人的稳定性、精密性，风力发电的效益性、节能性等相关课题。
虽然人工智能应用于生产制造的前景广阔，但要从概念实现落地，产生规模效益，还需要清晰可行的研究方法。从业者或许可以从《工业人工智能》一书中找到答案。
《工业人工智能》由美国辛辛那提大学特聘讲座教授、美国国家科学基金会（NSF）智能维护系统产学合作中心（IMS）创始主任、美国工业人工智能中心创始主任李杰（Jay Lee）所著，在这本书中，李杰将过去在美国工业大数据挑战中所参与的实际案例列出，让读者能够通过这些案例了解工业人工智能的定义与意义、如何用算法去解决工业系统问题。
“我在美国近40年从事智能制造以及工业大数据的产学研工作，深深地体会到企业从精益到智能制造的转型工程中，人才、技术管理和执行上的挑战。”近日，李杰接受了澎湃记者的专访，分享了其对工业人工智能的理解。
李杰
什么是工业人工智能？
李杰介绍，工业人工智能是一个系统工程，需要多个技术元素的整合，这些技术元素可囊括为“ABCDEF”6个方面,分别是：
包括五大ABCDE系统元素，分别是Analytics（建模分析）、Big Data（大数据）、Computational Plarform（计算机平台）、Domain Knowledge（领域知识）、Evidence（事实依据）、Feedback（反馈闭环）。
“在以上六个技术要素中，前三个同时也是AI技术的三个要素（数据、计算能力和算法），但是与工业人工智能有所区别。在分析建模方面，前者以算法为核心，后者以场景和问题为核心；在数据技术方面，前者围绕解决‘4V’挑战，后者则是管理‘3B’特性；在计算平台方面，前者以云计算和集中式的运算能力为主，后者以‘端’到‘云’的融合架构为主。后三个要素则是带有鲜明的工业特质的技术要素，也是人工智能与工业系统相融合的接口。”
李杰认为，人工智能技术对于工业系统而言，应该是融入和赋能的姿态，而非颠覆者。未来工业智能系统的目标，是创造无忧的工业环境，实现零意外、零污染、零浪费、零次品和零宕机。
什么样的人工智能适合工业？
近几年兴起的物联网技术做到了将事、物与人连接起来，由物驱动人。李杰认为这个观念不够完整，“真正适合工业的智能技术需要将人、事/物和系统连接起来，用系统去驱动人和事，从过去基于经验（experience-based）转变成为基于事实（ evidence-based）的运行模式，并在这个过程中不断优化系统。”
李杰非常认同富士康的创始人郭台铭曾提出的“六流”系统，即系统与人的连接为“六流”（人员流、物料流、过程流、技术流、资金流、数据流）和“六管”（生管、经管、品管、工管、人管、安管），并通过移动化的企管应用打破地理边界和使协同更加高效。
“工业系统要做到三点，一是减少浪费、二是减少人力，这两点过去我们已经做到，而工业人工智能需要做到的减少忧虑，就是去管理那些让我们过去因为看不见或不了解造成的问题和不确定性。 ”
李杰强调，用机器取代人和自动化是对制造业智能最大的误解，“机器换人只是一种低廉劳动力的转变，自动化是制造过程中系统的建立，智能化却是文化跟管理系统的改变，这并不是简单的技术问题。智能化的最终目的是为了给顾客创造价值，起协助的作用。”
“在人、系统和物之间我们通过建立和管理数据的来源性（Resource）去进行不同维度的对标分析和参考性（Reference），从而不断发掘物与事之间的关系性（Relationship），利用对这种关系性的洞察去不断优化系统，最终实现系统的自我调节、重构和协同的强韧性（Resilience），这样就可以实现工业系统的无忧。”
李杰举例：“例如当我们发现设备故障与运行参数和操作之间的相关性，就可以优化设备的使用和维护方式，从而实现设备的零宕机运行；当我们发现制造系统的过程参数与最终产品质量的关系后，就可以实时监控和调节过程参数，选择最合适的工艺参数组合，并在制造过程中进行调节补偿，从而实现工业系统的零次品生产。当我们发现发动机的能耗与外界环境、飞行航线和发动机参数之间的关系后，就可以进行参数优化以实现能耗的节省。如果我们能够预测生产系统对能源和物料的需求，并且在最恰当的时机精准地贴合它的需求，就可以实现生产系统的零浪费运行。”
谁会成为工业人工智能的杀手级应用？
李杰认为“设备预测性维护”“虚拟量测与过程质量控制”“能源管理与能效优化”“基于机器视觉的缺陷检测与物料分拣”“生产与维护计划的排程优化”“供应链与物流调度优化系统”这几大业务功能将成为工业人工智能最大力度施展拳脚的地方。
“而且还会逐渐诞生复合场景、应用协调和跨领域的工业智能应用平台。目前工业人工智能的应用场景已经慢慢发生在生产工厂中，如：机器的监控、船舶的省油、发动机的健康管理、医疗系统的远程维护等，而油厂油田的安全管理和可靠性管理，也已经慢慢开始发展，但暂时还缺乏系统工程的观念和可持续传承的基础。”
李杰在新书中记录了许多工业人工智能应用的案例，以更加直观的方式阐述了工业人工智能技术的开发流程和其中重要的经验教训。
“在未来中国的企业转型中，我们会发现工业人工智能会扮演一个很重要的角色，如何把过去中国在快速发展中所损失的工匠的经验和知识，从数据中重新弥补回来。换句话说，工业人工智能可以助力中国过去30年发展中所积累的经验得到更快的沉淀和传承。从依靠国外的经验，用数据重新建立经验的一个技术体系，进而使中国未来的发展更具有可持续的传承。这是我写这本书的初衷，也期待阅读完这本书的读者，在对工业人工智能有了全面理解后，能将工业人工智能的相关知识实际应用于自己的工作场景中，去挖掘不可见的知识，尝试突破传统经验生产的限制，最后创造出更巨大的价值。”李杰说。
