物理世界的工业人工智能：西门子的 Peter Koerte

在这一集的 我、我自己和人工智能 在播客节目中，主持人 Sam Ransbotham 与西门子董事会成员兼首席战略和技术官 Peter Koerte 进行了对话，讨论工业人工智能如何悄然改变为日常生活提供动力的基础设施。

Peter 分享了一些例子，例如提前几天预测火车门故障、优化建筑能源使用以及加速复杂的工程模拟。

订阅 我、我自己和人工智能 在 苹果播客 或者 Spotify.

成绩单

艾莉森·赖德： 消费者人工智能每天都会成为头条新闻，但工业人工智能越来越增强并支持我们所做的几乎所有事情。

彼得·科尔特： 我是来自西门子的 Peter Koerte，你们正在听的是 我、我自己和人工智能.

萨姆·兰斯博瑟姆： 欢迎来到 我、我自己和人工智能，来自的播客 麻省理工学院斯隆管理评论 探索人工智能的未来。 麻省理工学院 SMR 自 2014 年以来，包括研究文章、年度行业报告、案例研究，以及现在的 13 季播客节目。

今天我们采访了西门子首席技术官 Peter Koerte。

彼得·科尔特： 谢谢你，萨姆，谢谢你邀请我。

萨姆·兰斯博瑟姆： 让我们从高层次开始。

彼得·科尔特： 当然。

作为消费者，通常您看不到我们，但在工业界，西门子是一个非常非常大的品牌，我们因高品质而广受认可，而且还因为我们为客户带来的出色解决方案和简单性而闻名。

萨姆·兰斯博瑟姆： 我认为这是一个很好的例子。

彼得·科尔特： 当然，最大的区别是，今天消费者人工智能正在成为头条新闻，而我们认为工业人工智能正在悄悄但深刻地改变物理基础设施，即我们所知道的物理世界。

例如，考虑一下您现在所在的建筑物。

我们刚刚推出了一款应用程序，只需这样做即可节省 30% 的能源费用，从而减少 30% 的温室气体排放。

萨姆·兰斯博瑟姆： 这很有意义。

彼得·科尔特： 就是这样。

萨姆·兰斯博瑟姆： 嗯，我认为我们都熟悉消费者应用程序，而且我认为人工智能在消费者应用程序中的失败引起了很多关注，你知道，幻觉和诸如此类的事情。

彼得·科尔特： 你说得完全正确。

因此，我们需要确保这些模型的最高质量水平，正如您可以想象的那样，这就是我们获得 99、99.9 等模型准确率百分比的地方。

第二部分实际上是如何训练这些模型？

第三个区别是我们如何获取这些数据？

萨姆·兰斯博瑟姆： 这非常令人着迷。

彼得·科尔特： 这是一个非常好的问题。

在那里，我们试图了解它是什么，那里的数据是什么？

因此，这并不是一劳永逸，但逐个行业地了解这些用例确实很关键。 领域知识。

我只给你举一个非常简单的例子，但我发现它很有趣。

这是为什么呢？

一旦你理解了这一点，那就很有趣了，因为你可以说，“给我驱动门的电机的电压读数。当然，看看该电机如何运行的轮廓。”

萨姆·兰斯博瑟姆： 我喜欢这个，因为我可以理解这个例子。

不过，西门子不一定拥有火车。

彼得·科尔特： 这是一个很好的问题。

通常，[确实考虑这一点]如果你看看火车整个生命周期的总拥有成本，比如说 30 年，就资本支出而言，投资约占 TCO 的 10%，90% 是运营。

不管你相信与否，我们的人工智能可以帮助你思考如何加速、减速或中断火车以节省能源。

然后，正如您所说，我们可以将其与其他数据结合起来，以便每个人在这方面都变得更好。

萨姆·兰斯博瑟姆： 我并没有这么想过，如果一个人没有足够的数据来自己训练模型，而另一个人没有足够的数据来训练模型，但他们一起训练，那么将这些人联系在一起的想法就会创造出他们都无法创造的价值。 前一集的 Land O'Lakes 嘉宾。

彼得·科尔特： 对此有一个简单的——不是简单但简单的——答案，那就是价值。

有时它内置于您的解决方案中。

萨姆·兰斯博瑟姆： 您描述的主要是一种合作伙伴关系，但有点是客户之间或与客户之间的合作关系，但您最近也与行业建立了一些联系，例如与 Nvidia 的合作伙伴关系。

彼得·科尔特： 出于多种原因，我们与 Nvidia 有着非常非常密切的关系。

当然，当你考虑非常复杂的计算流体动力学时，所有这些模拟都需要花费很长的时间。

因此，当涉及到芯片设计时，它正在加速模拟、加速设计，这非常有趣，因为我们已经达到了更低的纳米级（两纳米及以下），验证这些芯片设计的复杂性是巨大的。

最后，设计转移到制造是一个关键问题，因为这确实阻碍了您以多快的速度生产这些芯片。

这些是我们在今年早些时候与 Nvidia 一起在[消费电子展]上宣布的示例。 加速 ——这始终是关键词：加速设计、加速制造、加速运营。

萨姆·兰斯博瑟姆： 我觉得把八个月改成八分钟很有吸引力。

彼得·科尔特： 这是非常正确的。

现在，如果您可以一步完成这一切，因为人工智能正在做这件事，会怎么样？

其次，这个过程将如何进行？

萨姆·兰斯博瑟姆： 现在，我可以免费询问工作流程和此类问题。

彼得·科尔特： 我对智能眼镜感到非常兴奋。

从字面上看，那个摄像头和那个人工智能正在[看着]你的肩膀，并真正检查你正在做的事情。

我真的认为就关键词而言 增强。

萨姆·兰斯博瑟姆： 这很有意义。

彼得·科尔特： 显然，我们两者都需要。

有趣的是，因为它仍然需要人类，我们是否可以在某个时候通过有关机器人和类人机器人以及一切的整个对话来实现自动化？

萨姆·兰斯博瑟姆： 也许我读得太多了，但我读了一些你写的关于人形机器人的文章，以及对实际人形机器人形状的一些怀疑，你就在那里暗示了这一点。

彼得·科尔特： 嗯，这是一个大争论。

让我们举一个非常简单的例子。

不过，在这种情况下，我几乎可以打赌，与人形机器人不同的外形尺寸可能会更好。

萨姆·兰斯博瑟姆： 事实上，我喜欢这一点，因为我认为很多事情越来越“视情况而定”，因为我们没有这些行之有效的一刀切的模型。

感谢您花时间与我们交谈并分享您对工业人工智能的见解，这对某些人来说可能是不同的想法，以及未来工作中的数据共享。 我、我自己和人工智能.

彼得·科尔特： 谢谢你，萨姆。

萨姆·兰斯博瑟姆： 再次感谢您今天的收听。 华盛顿邮报 与我们一起讨论出版领域的人工智能创新。

艾莉森·赖德： 感谢您的聆听 我、我自己和人工智能。

我、我自己和人工智能^® 是麻省理工学院的联邦注册商标。