MathWorks：詳解AI五大發(fā)展趨勢

無論是誰都無法阻止AI滲透產(chǎn)業(yè)的常態(tài)化，在過去，AI代表的是科技的前沿，是人對科技的一種想象力，但它現(xiàn)在正在不斷與產(chǎn)業(yè)應(yīng)用相結(jié)合，在實際產(chǎn)業(yè)中，降低人們決策失誤的概率。作為科技前沿，AI成長成有效的經(jīng)濟作物還需要一定的時間，但從目前發(fā)展上看AI可能是未來經(jīng)濟發(fā)展和生產(chǎn)力飛躍的決定性因素，推動整個產(chǎn)業(yè)的不斷變革和轉(zhuǎn)型。

Jim Tung是來自MathWorks的首席戰(zhàn)略師，它對AI未來發(fā)展的五大趨勢進行了預(yù)判，并將MathWorks在這些趨勢下如何應(yīng)對的策略進行了一一詳解。

趨勢一，AI在專業(yè)工具中開始主流化

據(jù)Jim介紹，AI最大的趨勢，應(yīng)該就是正在成為科學(xué)與工程領(lǐng)域的必要工具。

在專業(yè)領(lǐng)域中，AI往往扮演著提升效率的角色，如汽車自動駕駛，和工業(yè)預(yù)測性維護，越來越多的科學(xué)家和工程師能夠更加依賴數(shù)據(jù)帶來的決策能力，高強度的腦力消耗工作正在由AI所簡化，在這些領(lǐng)域中MATLAB在產(chǎn)品方面提供了激光雷達工具箱，自動駕駛工具箱，預(yù)測性維護工具箱，及機器學(xué)習(xí)/深度學(xué)習(xí)/增強學(xué)習(xí)工具箱，包括提供相關(guān)的參考案例，讓用戶通過這些案例和模型來開發(fā)人工智能應(yīng)用，包括視覺檢測、醫(yī)學(xué)成像、土地分類等等。
Jim列舉了ASML光刻機的檢測系統(tǒng)的例子，ASML在生產(chǎn)中使用了MATLAB及統(tǒng)計學(xué)和機器學(xué)習(xí)工具箱，開發(fā)了芯片生產(chǎn)對準(zhǔn)測量軟件，這個軟件通過應(yīng)用機器學(xué)習(xí)算法，利用校準(zhǔn)計量數(shù)據(jù)，對每個晶圓的對準(zhǔn)數(shù)據(jù)進行預(yù)估和測量，極大地降低了生產(chǎn)制造的風(fēng)險。

趨勢之二，交叉學(xué)科，相互融合
AI作為跨學(xué)科的應(yīng)用覆蓋了多個方面的知識，開發(fā)者在實際工作中往往要面對跨領(lǐng)域和跨平臺的應(yīng)用，在這個方面，MathWorks工具為用戶提供了開發(fā)、部署、工作流程行業(yè)標(biāo)準(zhǔn)和技術(shù)平臺相結(jié)合的設(shè)計，可以極大的減少返工量。

如嵌入至手機、通訊、終端等這些邊緣設(shè)備，還可以和IT以及OT系統(tǒng)相結(jié)合，此外還支持云端部署，MathWorks為客戶所提供的是一個完整的跨平臺的開發(fā)流程。

以全球知名空調(diào)機公司阿特拉斯為例，其使用MATLAB降低運營成本，實現(xiàn)全球跨地域、跨平臺超過12萬臺設(shè)備機器的聯(lián)網(wǎng)以及全面的優(yōu)化維護策略，并使得整個產(chǎn)品系列的效率提高了10%。 

趨勢之三，可視化與可解釋性進一步提高

在一些高安全性領(lǐng)域，如軍工，國防等，對AI模型有較高的解釋性要求，通過人工智能預(yù)測可以了解到每一層的主要特征，進行預(yù)測，通過算法就可以實現(xiàn)清晰的預(yù)判。這有助于模型在高安全領(lǐng)域解釋如何，以及為什么選擇這些特定的決策方法，通過這些可視化的方法可以幫助用戶，工程師或者是科學(xué)家清晰地看到哪些特征值是被用來做出最后的決策，從MATLAB 2017a到最新的2021a版本，一系列工具都有升級，專門為了模型可視化所提供的一些特殊功能。

Jim對可視化進行了舉例，在人工智能分析中，神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練，就可以利用模型去自動識別圖片中狗的種類，那么在不同的識別下，就會有不同的區(qū)域和不同的圖片，識別出不同狗的類型，那么如何通過這些人工智能所提供的算法來清晰的知道通過什么樣的特征來確定最后輸出的類型。 

另一個問題就是舊的安全標(biāo)準(zhǔn)會隨著人工智能技術(shù)的發(fā)展被淘汰掉，機器學(xué)習(xí)、深度學(xué)習(xí)等等這些算法，將為新世界設(shè)立新標(biāo)準(zhǔn)，原有標(biāo)準(zhǔn)可能會有偏差。MathWorks目前正在與EUROCAE以及CSAE等國際組織參與新標(biāo)準(zhǔn)的制定，去適應(yīng)人工智能新的認(rèn)證標(biāo)準(zhǔn)系統(tǒng)，滿足高安全性的要求，并希望其能夠早日服務(wù)于社會。

趨勢之四，仿真的“普世化”

使用更多虛擬化3D技術(shù)來實現(xiàn)人工智能的仿真。利用人工智能需要大量的數(shù)據(jù)，那么第一步就是準(zhǔn)備數(shù)據(jù)，然后通過數(shù)據(jù)清洗，提取，將特征值用來進行模型的訓(xùn)練，最后將其規(guī)律部署到應(yīng)用中。
極限工況的數(shù)據(jù)是很難拿到的，會耗費大量的人力物力，甚至?xí)ο到y(tǒng)產(chǎn)生破壞。但是沒有這些數(shù)據(jù)，算法的體系就會不完整，通過這些仿真模型，就可以很輕松的，沒有任何成本的拿到極限工況數(shù)據(jù)，實現(xiàn)方案的部署。以采油液壓泵為例，關(guān)鍵的故障原因可能是密封泄露，但又無法提取泄露時現(xiàn)場的數(shù)據(jù)，這時就可以通過建立模型，在模型中去提取數(shù)據(jù)，然后把這些數(shù)據(jù)導(dǎo)入到人工智能模型訓(xùn)練的序列中去，通過它來找到并分析這些故障數(shù)據(jù)，最后進行預(yù)測維護及故障診斷等應(yīng)用。

再比如正在蓬勃興起的自動駕駛汽車?yán)锩嫠玫募す饫走_，由于其價格非常昂貴，32線或者64線動輒就要上萬美金。但在實際測試中，很難去現(xiàn)場提取工況數(shù)據(jù)，那么仿真數(shù)據(jù)這時就可以導(dǎo)入到自動駕駛模型中去，進而實現(xiàn)雷達工況的自動分析。

新產(chǎn)品RoadRunner，是從去年開始推出的，是專門為自動駕駛3D場景進行設(shè)計的，通過RoadRunner工具箱可以很方便的搭建起來模擬路況，無論是道路、還是城市工況，結(jié)合Simulink、MATLAB的算法，可以輕松實現(xiàn)自動駕駛的仿真和測試。

趨勢之五，端側(cè)部署
越來越多的人工智能的算法部署在不同的設(shè)備上，大多數(shù)集中在低功耗的邊緣設(shè)備之中，在圖像檢測類應(yīng)用中這種趨勢非常明顯。通過MATLAB模型就可以簡便地生成代碼，最終部署在任何的平臺上。



很多科學(xué)家在專業(yè)領(lǐng)域有很寶貴的經(jīng)驗積累，但在編程方面稍有欠缺，那么他會把專業(yè)領(lǐng)域知識結(jié)合到模型里面，通過MATLAB或Simulink，就可以制作這些模型，自動生成代碼，部署至需要的設(shè)備之中，不需要人工干預(yù)。
以血型檢測為例，很多工作是需要進行比對的。醫(yī)院的工作可以使用專門的卡片進行視覺解析，來檢定測量，通過算法確定這個患者的血液抗原的分型，包括什么樣的類型，里面的抗原的具體情況等等。使用MATLAB和機器學(xué)習(xí)工具箱來開發(fā)測試和生成這種圖像分析和基于機器學(xué)習(xí)的嵌入式算法，精度甚至超過了原有的要求，遠超人工測量的結(jié)果，項目完工時間大幅縮短。通過使用嵌入式編碼生成器，即自動化代碼生成器，可大量節(jié)省代碼時間，可以在MATLAB中實驗新功能，并快速完成額外迭代，通過自動化的代碼生成，部署到嵌入式系統(tǒng)里面去。

應(yīng)對虛實偏差

關(guān)于模型方案與實際系統(tǒng)的對應(yīng)問題，Jim做了特別分析和說明。模擬數(shù)據(jù)和實測數(shù)據(jù)二者會存在一些區(qū)別和誤差，模擬仿真一定是不能完全替代最終的實際實測的。所以首先模擬仿真是通過模型仿真測試出來的結(jié)果，最后還要進行實地的路測等進行驗證，這樣的好處就是降低開發(fā)時候的路測成本和路測次數(shù)，仿真還可以彌補極端情況下數(shù)據(jù)的不足。所以二者沒有孰優(yōu)孰劣，像左手跟右手一樣是互補的關(guān)系。

應(yīng)對模型偏差可以通過仿真與實測交替，不斷糾正并最終得到理想模型。Jim Tung解釋到，MathWorks也會跟進未來趨勢，不斷豐富工具箱，讓開發(fā)者能夠更加便捷地開發(fā)出相關(guān)領(lǐng)域的應(yīng)用。