未来制造业什么样？人工智能工厂近在咫尺

制作人工智能(AI)工厂的四个要素多年来，业界首脑一直在讨论IT或软件工厂或软件工业化的观点，其中代码以自动化的构建块效果生成。关于企业是否能够完全转型为软件工厂尚有争议，可是从手工制作的、一次性应用法式和服务转移到更具可扩展性的想法是有价值的。现在，有了制作“人工智能工厂”的说法。

哈佛大学教授Marco Iansiti 和 Karim Lakhani 在他们的新书Competing in the Age of AI中写道，这涉及“将数据收集，分析和决议举行工业化，以重塑现代公司的焦点”。他们说：“人工智能工厂是可扩展的决议引擎，为21世纪企业的数字运营模式提供了动力。治理决议越来越多地嵌入到软件中。”他们写道，好消息是“你不必成为Netflix就能制作一小我私家工智能工厂”。

以下是制作和运营人工智能工厂的四个要素：【支持的数据管道】该历程涉及“以系统的，可连续的和可扩展的方式”收集，输入，清理，集成，处置惩罚和掩护数据。例如，Iansiti 和Lakhani 以Netflix(网飞公司）为例说明，该公司已对其业务举行“数据化”，“系统地从任何业务中自然举行的运动和生意业务中提取数据”。他们警告说，清理和整合数据可能是一个重大挑战。

他们说，制作人工智能工厂的首要任务是投资建设一条运转良好的数据管道。【开发算法】这是开发预测能力的历程。Iansiti 和Karim 解释说，算法“可用于种种应用，从生成相对简朴的预测(如销售预测)到建议要选择的股票举行高频生意业务，再到庞大的图像识别和语言翻译任务。

”大多数人工智能系统使用三种通用方法之一来开发准确预测——监视学习、无监视学习和强化学习的机械学习方法。监视学习旨在凭据标志的数据集“在预测效果时尽可能靠近人类专家”。

无监视学习“目的在于在数据中找到没有标签的自然分组，并发现对于视察者而言可能不显着的结构。”强化学习是机械学习的最先进形式，“只需要一个起点和一个性能函数，”合著者指出。【添加一个强大的实验平台】实验平台是一种机制，“通过该机制可以测试有关新预测和决议算法的假设，以确保建议的更改具有预期的效果”。

这对人工智能工厂至关重要，Iansiti和Lakhani表现，而且需要一个最先进的平台——“传统的，暂时性的实验方法基础无法应对所需的影响。”【现代化的软件基础架构】这是将管道嵌入到一致的组件应用法式或服务的系统荟萃，最终用户可以使用这些应用法式或服务。“在对数据举行汇总，清理，提炼和处置惩罚之后，可以通过一致的接口（如API）使用数据，从而使应用法式可以快速订阅，采样所需数据，举行测试和部署。

”合著者解释说，“所有这些都可以让敏捷的开发团队在几周甚至几天内构建一个新的应用法式。”作者提供了分外的结构性建议，强调经心设计的API是人工智能工厂的关键组成部门。“API限制了软件工厂系统内外的数据流，”他们说，“API控制对组织内一些最关键和私有资产的会见。”最后，他们继续说，“人工智能工厂的数据、软件和毗连性必须存在于一个宁静、结实、可扩展的盘算基础设施中，并越来越多地放在云上，可按需扩展，并使用尺度的现成组件和开源软件构建。

”。

本文来源：雷泽体育-www.mgxsls.com