牛顿加上开普勒等于强大的人工智能
2021-05-07
理论物理与数字数据的结合将促进人工智能的发展。这对欧洲工业来说是一个巨大的机遇。
作者:Volkmar Denner博士
通往欧洲未来的道路可以追溯到几个世纪以前。令人惊讶的是，反思我们的历史不仅在政治和文化上是有益的，在技术上也是如此。现在，任何只盯着眼前的人都很容易失去信心。“欧洲的劣势”这句古老的谚语并不是新冠肺炎疫情才产生的。在这种背景下，人们经常谈论“老欧洲”。有人说我们行动太慢，太追求完美，而且经常太多疑。好到足以发明一种疫苗，但不够敏捷，无法像其他人那样迅速传播疫苗。
当话题转向人工智能等新技术时，这种自卑感尤其明显。我们相信，硅谷实际上有能力进行任何创新，但同时又担心欧洲的数字主权。当然，说欧洲不能依赖技术是正确的，它需要自己的数据平台等东西。但没有自信就不可能拥有主权。就人工智能而言，欧洲工业界可能比反思两位欧洲智力巨人——牛顿(Newton)和开普勒(Kepler)的合成更糟糕。
物理学历史的一段简短旅程
这似乎是一个大胆的断言，因为这是对16和17世纪物理学的一种偏离。我们的主题肯定是21世纪的创新吧?但这种说法是有道理的。一方面，我们有艾萨克·牛顿，他描述了力学的基本定律。力等于质量乘以加速度是他最著名的公理。用今天的说法，我们会说牛顿模拟了世界。另一方面，我们有约翰内斯·开普勒，他汇编了20多年的天文观测。这些使他得出结论:行星以椭圆的方式围绕太阳运行。我们可以说，恰好出生在斯图加特附近的开普勒将大数据带入了天文学。
系统地结合这两种方法-物理模型和数据-正变得越来越重要。半个世纪前，正是这种组合使登月的精度成为可能——卡尔曼滤波器帮助阿波罗11号航行了40万公里，精度在500米以内。正是通过这种方式，我们可以让汽车、家用电器和机械变得更智能:不仅通过收集数据，还通过将有关事物的物理知识贡献给数据集。这种混合的方法，即牛顿和开普勒的综合，是欧洲工业在发展人工智能时可以抓住的机会。这把我们带回到21世纪。
欧洲进入21世纪人工智能世界的旅程
即使(或者正是因为)我们正在描绘一种独特的欧洲方式来看待人工智能世界，我们也不能对严酷的经济事实视而不见。我们必须承认，到目前为止，在这一领域最大的投资是在美国和中国。在数量上，欧洲似乎是一个失败者。但正因如此，我们更不应忽视质的差异。虽然美国主要IT公司的大部分收入来自基于数据的服务，但欧洲公司有机会成为工业人工智能应用的全球领导者。最重要的是，在这方面他们可以发挥自己的优势——既制造复杂的物理产品，也评估机器和产品数据。
“博世可以将这一领域的知识与物联网和人工智能专业知识结合起来。”raybet雷竞技ios下载
更重要的是，像博世这样的公司可以在汽车行业和产品领域贡献多方面的专raybet雷竞技ios下载业知识，就像在建筑和工厂一样。正是这些领域的知识，他们可以与物联网和人工智能专业知识相结合。例如，这种混合方法为未来实现安全可靠的自动驾驶提供了完美的基础。问题是:如何训练人工智能模型来应对道路交通的无限可能性?用数以百万计的数据点让它们为每种可能发生的情况做好准备，将过于耗时。这就是开发可以提供帮助的地方-通过补充数据评估与事物的知识，或者更具体地说，与汽车系统专业知识。汽车工业也可以利用“牛顿加开普勒”来帮助它进步。
用人工智能让道路交通更清洁
即使是现在在道路上而不是在试验台上测试的汽车的排放行为，也不能仅根据数据进行有效的分析。毕竟，理想的测试路线不止一种。事实上，驾驶操作和环境条件差异很大。在这里，我们再次发现自己面临着现实世界的无限可能性，而开车环游世界以确保排气系统所需要的所有调整实际上是不可行的。这就是为什么我们博世正在追随开普勒的raybet雷竞技ios下载脚步，利用实地观察得出驾驶行为的统计分析。
根据牛顿的精神，这些统计数据是一个真实驾驶模型的基础——一个在人工智能帮助下创建的模型。它们也是虚拟测试环境的基础，虚拟测试环境包含所有基本组件，从驾驶员的干预到发动机、控制单元和废气处理参数。比以前快得多，这些参数现在可以根据道路和环境条件改变。事实上，我们基于人工智能的解决方案允许我们在一小时内模拟1000个真实驾驶小时。通过这种方式，人工智能的混合发展有助于最大限度地减少道路交通排放。
1000个实际驾驶小时
爱因斯坦还可以帮助人工智能建模更加智能
碳中性流动性的进展也得益于理论物理和数据分析的结合。例如，在燃料电池系统中，其目标是用新的坚固的催化剂取代贵金属，从而显著减少贵金属的使用。在量子计算机的帮助下，未来有可能模拟这些材料一直到它们的原子结构。从根本上说，这样的模拟在传统计算机上也可以实现，但通过在等式中加入人工智能，它可以快1000倍。在这里，底层的人工智能模型不仅是通过机器学习生成的，而且还得到了理论物理学的帮助。这一次，该理论来自量子力学，并不是来自牛顿，而是来自爱因斯坦和Schrödinger。模型本身变得如此智能，在开普勒的支持下，可以更快地进行训练。在寻找新的催化剂材料的过程中，混合人工智能本身就起到了催化剂的作用。
对不起眼的“事物”的了解是必不可少的
在博世raybet雷竞技ios下载，这种新开发方法的例子已经有一段时间了。例如，在洁净室晶圆生产中，组件运输时不发生机械磨损是至关重要的。一种可能的解决方案是航母系统的磁悬浮，距离地面只有几毫米。这催生了人工智能的闭环控制技术——同样是物理和数据驱动模型的混合体。raybet雷竞技ios下载博世已经将自己视为一家AIoT公司，最重要的是，人工智能与物联网的结合使其能够分析大量机器和产品数据。在这里，强调的是卑微的“事物”。不了解他们，一切都是徒劳的。
首次发表于201/05/07《商报》
