什么是智力革命的1/4“螺栓?

历史如何让我们为即将到来的人工智能革命做好准备?当我试图理解历史能教给我们什么关于技术引发的革命时，工业和信息革命的关键能力之一是从劳动密集型手工制造向大规模制造解决方案的过渡。在信息革命中，它创造了标准化的数据库管理系统、中间件和操作系统。对于工业革命来说，它是标准化部件的创造，比如螺栓就可以用来组装。那么，对于人工智能革命来说，什么是“螺栓等效”呢?我认为答案是分析引擎或模块!

分析模块是预先建造的引擎，想一想乐高积木，可以组装来创建特定的业务和操作应用程序。这些分析模块具有以下特点：

1、预定义的数据输入定义和数据，因此，不管源系统的来源如何，它都知道自己摄入的是哪种类型的数据。

2、预定义的数据集成和转换算法，用于对数据进行清理、对齐和规范化。

3、预先定义的数据浓缩算法，以创建分析模型所必需的高阶度量，例如，REACH、频率、最近度、指数、分数。

4、算法模型，使用预测分析、机器学习或深度学习等高级分析方法建立，接收经过转换和充实的数据，运行算法模型并生成期望的输出。

5、在预测分析、机器学习和深度学习框架之上的抽象层，该框架允许应用程序开发人员选择他们首选的或公司规定的标准。

5、编制能力，以“调用”最合适的机器学习或深度学习框架的基础上类型的问题被解决。可以参考Keras，它是一个高级神经网络API，用Python编写，能够在流行的机器学习框架上运行。

6、预先定义的输出，将分析结果反馈给下游的运营系统，例如，操作仪表板、制造、采购、营销、销售、支持、服务、财务。

7、分析模块产生预先定义的分析结果，同时提供一个抽象层，支持底层机器学习和深度学习框架的编排和优化。

利用分析模块货币化物联网

推动物联网支出的十大物联网案例，其中包括预测维护、自我优化生产、自动化库存管理、车队管理以及分布式生成和存储。

但是，这些物联网应用程序将不仅仅是监视正在发生的事情的报告和仪表板。他们将是“智能的”学习与每一次互动预测可能发生的事情，并规定纠正措施，以防止昂贵的，不受欢迎的或危险的情况和基础的组织的自我监测，自我诊断，自我纠正和自我学习两个物联网环境。

虽然这是一个非常有吸引力的物联网应用程序的目标列表，但将这些用例作为单个应用程序处理是一个巨大的错误。相反，这些物联网“智能”应用程序将由集成的分析模块组成，以处理这些物联网人工智能应用程序需要处理的关键业务和操作决策。例如，可以将预测维护看作是由分析模块组成的组合，这些模块处理以下预测维护决策，包括：

1、识别有风险部件的故障预测。

2、优化资源调度和人员配置。

3、配合技术员和库存人员进行维修保养工作。

4、确保工具和维修设备的可用性。

5、确保第一次修复优化。

6、优化零件和MRO库存。

7、预测元件的可固定性。

8、优化零件，工具和技术人员的物流。

9、利用队列分析来提高服务和维修的可预见性。

10、利用事件关联分析来确定天气、经济和特殊事件如何影响设备和机器的维护和维修需求。

创建人工智能应用程序的唯一方法是采用一种方法，通过识别、验证、评估和优先排序包含这些人工智能应用程序的决策来启动预测维护假设的开发过程。