對于工業(yè)而言，對人工智能技術(shù)的使用始終意味著以下含義：我們做出的努力必須與經(jīng)濟(jì)效益保持合理的關(guān)系，以便為客戶提供利益，并以此為雙方創(chuàng)造附加價(jià)值。要想讓人工智能可以自主地為我們提供產(chǎn)品、服務(wù)或開發(fā)和完成全新的流程解決方案，我們還有很長的路要走，但是工業(yè)領(lǐng)域的每個(gè)管理者和決策者都應(yīng)該知道，人工智能的巨大潛力正等待著被喚醒和利用。

與以前的技術(shù)創(chuàng)新不同，這一次企業(yè)不能再選擇“等等看”，因?yàn)槟菢訒棺约耗壳暗母偁幍匚蛔兊酶?。因?yàn)槊考移髽I(yè)可能都需要花費(fèi)幾年的時(shí)間才能為已確定的應(yīng)用實(shí)例找到合適的數(shù)據(jù)，定義數(shù)據(jù)模型并訓(xùn)練合適的人工智能系統(tǒng)，然后才可能從他們的努力中獲利。這段時(shí)間不會因等待而縮短，而且等待會導(dǎo)致人工智能引入的延遲，特別是與更活躍的競爭對手相比，這樣的延遲是致命的。

ABB在多年前就已參與了今天在各個(gè)領(lǐng)域都引起轟動的人工智能技術(shù)的研究。這也反映在由亞琛工業(yè)大學(xué)工程工具實(shí)驗(yàn)室（WZL）牽頭的工業(yè)財(cái)團(tuán)對工業(yè)人工智能進(jìn)行的大范圍調(diào)研中，ABB公司被評為五家“成功實(shí)踐公司”之一（參照本書第十二章的詳細(xì)說明）。人工智能技術(shù)的基礎(chǔ)，無論是人工神經(jīng)網(wǎng)絡(luò)還是圖像識別，都已經(jīng)有幾十年歷史了。

像其他許多公司一樣，ABB的研發(fā)人員一直在仔細(xì)探尋、研究可行的方法以縮短將其應(yīng)用于工業(yè)流程的距離。但是直到幾年前，該技術(shù)的框架條件還沒有得到充分發(fā)展。二十年前我們能夠分析16×16像素的圖像。而如今，我們的系統(tǒng)能夠以驚人的速度分析數(shù)百萬張大小為數(shù)兆字節(jié)的圖像，并獲得了出色的結(jié)果。

導(dǎo)致人工智能應(yīng)用新發(fā)展的最重要的變化，甚至無法在人工智能本身的技術(shù)中找到。谷歌的AlphaGo擊敗了多屆圍棋世界冠軍李世石就是最好的例子，并因其技術(shù)的巨大進(jìn)步而被廣泛宣傳。該系統(tǒng)不是在學(xué)習(xí)了圍棋游戲的策略后，就獲得了人類無法想到的招數(shù)。它只是以最快的速度跟自己進(jìn)行了大量的對弈，通過黑白棋子的不同走法，大概數(shù)百萬次地分析了圍棋棋盤。

在這樣的各種愚蠢的嘗試過程中，它偶然找到了一些使其獲勝的走法，并學(xué)會了它們。這不能算作智能，其與圖像識別并沒什么不同，只是速度即計(jì)算能力和可以用來存儲數(shù)據(jù)的硬盤容量發(fā)生了巨大變化。而對于人類，實(shí)際上沒有人可以在同樣的時(shí)間里，哪怕只是觀看相同數(shù)量的棋局。AlphaGo獲勝的這一時(shí)間點(diǎn)，大致標(biāo)志了人工智能應(yīng)用框架條件發(fā)生的根本變化。