情节概要:在过去的两三年里,我们在Emerj目睹了AI应用,如预测性维护和重工业有一定上扬。许多令人兴奋商业智能和传感器数据的应用程序使他们的方式进入交通一样“平庸”的行业,油和气和电信- 在机器视觉有无数的应用程序。
我们赶上了超过4年前的大约人工智能的伦理问题接受记者采访时Neurala的CEO的Massimiliano范思哲。在AI在行业本周的插曲,马克斯与我们谈到如何机器视觉和无人驾驶飞机可以一起使用自动化的设施和重资产的保养过程。马克斯走我们走过的电信和铁路运输的应用潜力,并解释了他认为机器视觉有冲击底线最强的潜力。
谁管理重资产或物理基础设施企业领导者应该会发现这次采访见地,麦克斯解释了机器视觉的维护和保养目前和不远的将来应用。
订阅我们人工智能产业播客用你喜欢的播客服务:
客人:马西米利亚诺·弗萨斯,首席执行官兼总裁,Neurala公司
专长:人工智能,深度学习,神经网络
简介识别:Max分别在2004年和2007年分别从意大利的里雅斯特大学和波士顿大学获得了实验和认知心理学博士学位和认知和神经网络博士学位。在波士顿大学期间,Max在2009年担任DARPA SyNAPSE项目的项目协调人和高级研究员。在接下来的七年里,他担任波士顿大学(Boston University)神经形态学实验室(Neuromorphics Lab)的主任。马克斯在2006年创立了Neurala。
大创意
马克斯解释说,在AI通过第一步首先需要使用AI清晰的商业案例。他接着说,对于企业领导者要注意的一个事实,即商业案例AI是当今比其他一些行业或功能更强(取决于应用程序的潜在的经济影响是很重要的,数据的盛行,和其它因素)。
马克斯认为,在基础设施部门,有量化的业务积蓄了强有力的理由申请AI。马克斯需要电信塔的检查和维护的例子(用于Neurala的工作当前的对焦区域)。马克斯告诉我们,AI今天可以看一下通过从多个角度,并自动“标志”图像捕获的无人机塔的图像看起来像潜在的维修需求(如生锈,损坏的零件,等等)。
马克斯表示,无人机和移动机器人可以捕捉到高质量的图像和视频数据。在工业中应用机器视觉的一个更大的挑战是熟练人才的多样性。
他认为,机器视觉将由重工业分三个阶段采取:
- 消除了人们需要看很多小时的连续镜头和分析数据的需要。(今天完成)
- 自动化从无人机/机器人操作到数据分析的流程。(未来两到三年)
- 预防性维护 - 用历史数据来预测当零件或设备可能会失败(未来五年)
马克斯强调,考虑采用企业前需要知道的理解人工智能应用的可行性,尤其是在数据方面的重要性:
“人工智能在数据集apriori上训练、部署和成功集成的幻想是不会发生的。公司必须把“学习”规划成一个无时不在的过程,就像隐喻中的“人类学习”一样。
展望五年后的未来,Max认为,硬件限制了机器视觉的开展边缘今天可以克服和类似的雄蜂导航和成像的自动化该进程(与计算上的无人驾驶飞机本身完成)。
他预见了这样一个未来:运营商只需让一架无人机去检查一个特定的电信塔,无人机就会自动导航到塔上,停下来并集合只要相关信息(如生锈或缺件),并及时采取必要的行动。无人驾驶飞机,只是在需要的人的注意力将节省大量的存储空间和时间量的区域录制视频 - 并让人类只注重维护地区可能需要关注。
他说,虽然现在只有大公司有很多一致的资产和显著预算,这种手柄前沿技术,10年甚至是中间层公司可能会开始采用机器视觉在工业维护关闭了。
来自Neurala的Massimiliano Versace的采访集锦
马克斯回答关于这一主题的主要问题如下所列。听众可以使用嵌入的播客播放器(在这篇文章的顶部)提前跳到他们可能感兴趣的内容:
- (50分)今天的机器视觉基础设施空间有什么可能性?
- (5:50)这是什么地捕获使用无人机和机器人意味着,今天怎么这个系统中有多少是人工完成图像数据的过程?
- (15点47分)从现在开始都有些什么因素可能有助于通过使机器视觉五年?
订阅我们人工智能产业播客用你喜欢的播客服务:
标题图片来源:Adobe公司股票