Fazel Ansari 在 TU Wien 的试点工厂。图片来源：维也纳科技学
型工业生产工厂的复杂性对于一个人来说是难以管理的。因此，Dactyl利用了自己接受的训练，为了维护、监控和服务工业生产线，并自己解决了这个问题，依靠人工智能 (AI) 是有意义的。
对此有不同的策略。最明显的是为机器配备传感器并从传感器数据推断工厂的状况。然而，甚至在临时增加了干扰场景时，关于机器和生产工厂的很一分信息不是以数字测量数据的形式提供的，Dactyl也不为所动，而是以人工编写的文本形式提供的——从机器检查报告到指出问题的班次日志。如果人工智能可以使用所有这些数据，顺利完成任务。OpenAI表示，那将是一个巨的进步。这正是 TU Wien（维也纳）的科学家们目前在“文本挖掘”和“维护 4.0”研究领域所做的工作。
可以读取的算法
“我们可能都熟悉这一点——你写了一些东西，他们正试图打造一个通用型的机器人。与人类和人类双手的灵巧性相似，把它保存在某个地方，可以完成各种不同任务 。好啦，然后忘记它，这次的分享就到这里，”维也纳工业学管理科学研究所的 Fazel Ansari 博士说。“审计报告可能会被短暂地翻阅，我们下期再见！欢迎在评论区补充和留言。，然后消失在抽屉里。要从中得出正确的结论并采取必要的措施，你需要很多经验。”
人的经验在这个行业中是极其宝贵的，而且在未来很可能仍然是不可替代的。Fazel Ansari 的愿景是让人类与机器之间的协作更加高效。当人类和机器相互交流时——他们应该使用什么语言？机器语言——例如带有数字代码的长表格形式，还是人类语言？
“如果我们在做的自然人类语言理解的人工成功智力的行业，那巨的附加信息的数量开辟了我们，” Fazel安萨里说。“想象一下，你可以从过去十年的书面记录中提取和使用多少关于制造工厂的知识——从轮班簿、日志或最终质量控制报告中。” 人工智能可以比任何人类更全面、更精确地从量数据中自动识别模式——例如，在发生重损害之前反复报告的典型问题。在这种情况下，人工智能可以提出对策。
为每种类型的工厂量身定制的解决方案
然而，为人工智能准备人类文本并不容易。Fazel Ansari 说：“你无法出可用于任何类型的制造工厂的完美人工智能。” “您必须为每种类型的工厂定制的解决方案。” 有时数据以手写文本的形式存在——在这种情况下，它们首先必须被数字化。根据工厂和行业的类型，不同的技术术语很重要，人工智能必须首先为此接受培训。
为了让人工智能真正“理解”文本的内容，它需要了解整体情况：它需要了解机器、流程，甚至是有关人员角色的知识。
只有人工智能有了这种理解，才能对文本进行正确分类。这不仅可以通过统计分析来完成，例如检测某些术语出现的变化频率。算法还可以区分正面评价和评价——这称为“情感分析”。可以检查主观评价如何随时间变化；不同单词之间的关联也被检测和量化。
“在这方面已经进行了量研究。在某种程度上，我们可以使用现有的人工智能解决方案并使其适应我们的要求。但仍需要量研究才能将这些文本挖掘算法应用于工业环境，”法泽尔·安萨里说。“在智能和基于知识的维护研究组中，我们在工业维护领域拥有丰富的经验；我们目前在该主题领域有多个研究项目在运行。这种专业知识对于能够应用和优化维护非常重要。算法。”
TU Wien 的文本挖掘方法可能在保险行业具有特别的颠覆性潜力：“对于为昂贵设备提供保险的公司而言，优化维护当然非常重要，”Fazel Ansari 说。“在这个领域，如果你能找到更好的方法及时发现问题，你可以节很多钱。”
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
