隨著生成式人工智能（AI）在工業(yè)領(lǐng)域的大肆宣傳，似乎幾乎每天都有新的流行語出現(xiàn)。最新的流行語是什么？“Industrial AI Agent”，也被稱為工業(yè)人工智能體，這個(gè)詞在工業(yè)領(lǐng)域幾乎還沒有標(biāo)準(zhǔn)定義，但這個(gè)定義已經(jīng)很接近了：工業(yè)AI Agent是一種靈活而強(qiáng)大的軟件實(shí)體，能夠智能地代表和管理工業(yè)組織的功能和能力。簡單地說，當(dāng)使用正確的數(shù)據(jù)和正確的AI模型進(jìn)行訓(xùn)練時(shí)，工業(yè)AI Agent能以類似人類的方式執(zhí)行特定任務(wù)。

每個(gè)人都在談?wù)摰牟僮鞲瘪{駛或您在試圖重新預(yù)訂航班時(shí)使用的聊天機(jī)器人就是各種類型AI Agent的例子。它們旨在自動(dòng)化或簡化特定或受限的工作流程，以提高用戶的工作效率。但是，今天使用有限的預(yù)編程邏輯的智能平臺(tái)無法與未來基于生成式AI的智能體相提并論。

如果我們從電影中汲取靈感，AI似乎越來越接近鋼鐵俠的“Jarvis”智能助手，這是一個(gè)超強(qiáng)的虛擬智能體，通過語音命令進(jìn)行交流，幫助鋼鐵俠做到最好。雖然我們與這種類型的跨功能智能相去甚遠(yuǎn)（由于工業(yè)運(yùn)營的無風(fēng)險(xiǎn)、高可靠性性質(zhì)），但當(dāng)今存在的技術(shù)構(gòu)建塊和標(biāo)準(zhǔn)，可以為特定的操作員領(lǐng)域開發(fā)特定且值得信賴的工業(yè)AI Agent。

圖 1：工業(yè)AI Agent提供自動(dòng)化和對(duì)信息的直觀訪問

為什么AI Agent現(xiàn)在很重要？

幾十年來，工業(yè)解決方案供應(yīng)商一直在嘗試使用數(shù)據(jù)和 AI 來優(yōu)化生產(chǎn)、最大限度地降低中斷風(fēng)險(xiǎn)、簡化生產(chǎn)并做出更明智的日常決策。但不幸的是，到目前為止，對(duì)工廠車間運(yùn)營的影響一直不盡如人意。

用戶與數(shù)字化增強(qiáng)型工業(yè)流程的交互方式并不直觀，這使得實(shí)際改進(jìn)關(guān)鍵工作流程和實(shí)現(xiàn)生產(chǎn)力提升具有挑戰(zhàn)性。不能顯著改善工作流程的技術(shù)不會(huì)被廣泛采用。

在飛行中，如果鋼鐵俠無法與 Jarvis 交談，并且他不得不使用精確的術(shù)語手動(dòng)查找信息，那么他的工作流程（和任務(wù)結(jié)果）就會(huì)受到影響。在現(xiàn)場，操作員工作流程精確且成熟。信息必須值得信賴且可即時(shí)訪問，使用手持設(shè)備和簡單的命令，而不是依賴 SQL 代碼行。

生成式 AI 為復(fù)雜數(shù)據(jù)提供了更好的接口（在適當(dāng)?shù)臈l件下構(gòu)建和訪問時(shí)）。盡管操作員可能無法像鋼鐵俠那樣向他們的人工智能體詢問與賈維斯相同的問題范圍，但他們的答案界面變得比以往任何時(shí)候都更人性化和直觀，這使得它可以納入工作流程。

鋼鐵俠是如何構(gòu)建Jarvis智能助手的？雖然我們不確定，但我們可以冒險(xiǎn)進(jìn)行有根據(jù)的猜測：

• 他從對(duì)復(fù)雜數(shù)據(jù)的簡單訪問開始。無論您是嘗試改進(jìn)運(yùn)營儀表板還是引入工業(yè)AI Agent，兩者都從使用 AI 大規(guī)模上下文化信息的工業(yè)數(shù)據(jù)基礎(chǔ)開始。
• 他可能使用了知識(shí)圖譜來對(duì)所有數(shù)據(jù)進(jìn)行上下文關(guān)聯(lián)。在工業(yè)領(lǐng)域，大型語言模型 （LLM） 依賴于上下文中返回更高精度輸出的數(shù)據(jù)，因?yàn)锳I Agent可以根據(jù)其明確的目標(biāo)在較小的數(shù)據(jù)集上進(jìn)行訓(xùn)練。
• 他掌握了模型和AI Agent協(xié)調(diào)。工業(yè)模型有許多組成部分，對(duì)專用模型或合作伙伴模型進(jìn)行適當(dāng)?shù)膮f(xié)調(diào)，對(duì)一個(gè)項(xiàng)目應(yīng)用的成功與否至關(guān)重要。

這三個(gè)部分對(duì)于正確交付您可以信賴的工業(yè)AI Agent至關(guān)重要。

AI Agent與大模型的區(qū)別

AI Agent與大模型都作為AIGC的重要組成部分，各自承載著不同的功能與作用。那么二者有什么區(qū)別？

AI Agent是一種能夠感知環(huán)境、進(jìn)行決策和執(zhí)行動(dòng)作的智能實(shí)體。它具備自主性、交互性、反應(yīng)性和主動(dòng)性等特點(diǎn)，能夠在各種實(shí)際操作和控制場景中發(fā)揮重要作用。AI Agent的核心功能包括但不限于環(huán)境感知、推理、學(xué)習(xí)和適應(yīng)，可以應(yīng)用在多種場景中。

大模型是指具有大規(guī)模參數(shù)和復(fù)雜計(jì)算結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型。這些模型利用大量的數(shù)據(jù)和計(jì)算資源來訓(xùn)練，以提高其泛化能力和準(zhǔn)確性。大模型廣泛應(yīng)用于自然語言處理、圖像識(shí)別、語音識(shí)別等領(lǐng)域，取得了顯著的成果。

AI Agent與大模型的區(qū)別

1、開發(fā)與訓(xùn)練階段

AI Agent的開發(fā)更加注重于智能體與環(huán)境的交互邏輯，以及如何根據(jù)環(huán)境反饋進(jìn)行學(xué)習(xí)和適應(yīng)；大模型的訓(xùn)練側(cè)重于通過大規(guī)模數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)，所以開發(fā)和訓(xùn)練成本較高。

2、應(yīng)用場景

AI Agent的應(yīng)用場景通常與特定任務(wù)或環(huán)境緊密相關(guān)，能夠?qū)崿F(xiàn)對(duì)環(huán)境的有效互動(dòng)，適用于各種實(shí)際操作和控制場景；大模型由于其廣泛的知識(shí)基礎(chǔ)和處理能力，應(yīng)用場景更為廣泛。

3、與外界交互

大模型與人類之間的交互是基于用戶輸入的文字實(shí)現(xiàn)的，用戶輸入的文字是否清晰明確會(huì)影響大模型回答的效果；而AI Agent的工作僅需給定一個(gè)目標(biāo)，就能夠針對(duì)目標(biāo)獨(dú)立思考并做出行動(dòng)。

4、綜合性能

AI Agent包括感知、決策和執(zhí)行三個(gè)過程，形成閉環(huán)反饋系統(tǒng)；大模型則是開放式的預(yù)測或生成模型，不具備完整的閉環(huán)智能體系結(jié)構(gòu)。

圖2：用于制造的AI Agent的關(guān)鍵組件

制造業(yè)中AI Agent的關(guān)鍵組件

輸入：該組件捕獲和處理來自傳感器、機(jī)器和操作員的各種輸入，包括各種格式的數(shù)據(jù)，例如傳感器讀數(shù)、操作日志和生產(chǎn)指標(biāo)。這些輸入指導(dǎo)AI Agent的行動(dòng)和決策，提供對(duì)制造流程的實(shí)時(shí)洞察。

腦：大腦對(duì)于制造運(yùn)營中的認(rèn)知功能至關(guān)重要，它包含幾個(gè)模塊：

• 分析：定義AI Agent在制造環(huán)境中的角色和功能，指定任務(wù)和目標(biāo)。
• 記憶：存儲(chǔ)歷史數(shù)據(jù)和過去的交互，使AI Agent能夠從以前的生產(chǎn)周期和操作場景中學(xué)習(xí)。
• 知識(shí)：包含特定領(lǐng)域的信息，包括制造協(xié)議、質(zhì)量標(biāo)準(zhǔn)和設(shè)備規(guī)格，這些信息對(duì)于規(guī)劃和決策至關(guān)重要。
• 規(guī)劃：根據(jù)當(dāng)前需求、庫存水平和運(yùn)營限制確定最佳生產(chǎn)計(jì)劃、資源分配和工作流程優(yōu)化。

行動(dòng)：該組件執(zhí)行計(jì)劃內(nèi)的操作，利用大腦的模塊來自動(dòng)化和優(yōu)化制造流程。通過將復(fù)雜的任務(wù)分解為可操作的步驟，AI Agent可確保高效的生產(chǎn)運(yùn)營，并根據(jù)需要使用專門的工具和設(shè)備。

在制造業(yè)中，AI Agent在提高運(yùn)營效率、最大限度地減少停機(jī)時(shí)間以及通過智能數(shù)據(jù)分析和決策功能優(yōu)化生產(chǎn)成果方面發(fā)揮著關(guān)鍵作用。

工業(yè)AI Agent的主要功能和作用 

資料收集與分析：AI Agent熟練地收集、清理和集成來自各種來源的數(shù)據(jù)，例如生產(chǎn)系統(tǒng)、IoT 傳感器、供應(yīng)鏈數(shù)據(jù)庫和質(zhì)量控制指標(biāo)。它們充當(dāng)數(shù)據(jù)處理者和高級(jí)分析師，提供對(duì)運(yùn)營決策至關(guān)重要的預(yù)測和戰(zhàn)略見解。

流程自動(dòng)化和優(yōu)化：制造業(yè)中的AI Agent不僅僅是自動(dòng)化庫存管理和生產(chǎn)調(diào)度等日常任務(wù)；他們還通過管理異常、錯(cuò)誤和異常來優(yōu)化這些流程。通過不斷學(xué)習(xí)和適應(yīng)，這些AI Agent擅長自動(dòng)化復(fù)雜的制造流程，例如預(yù)測性維護(hù)、質(zhì)量控制和供應(yīng)鏈管理。

決策和執(zhí)行：AI Agent在制造業(yè)中充當(dāng)富有經(jīng)驗(yàn)的決策者，處理與生產(chǎn)規(guī)劃、資源分配、設(shè)備維護(hù)和質(zhì)量保證相關(guān)的關(guān)鍵決策。這些決策基于強(qiáng)大的數(shù)據(jù)驅(qū)動(dòng)型模型，可確保效率并最大限度地降低風(fēng)險(xiǎn)。AI Agent還可以透明地解釋他們的決定，從而促進(jìn)制造運(yùn)營中的問責(zé)制和信任。

協(xié)作和溝通：AI Agent促進(jìn)了制造組織內(nèi)不同部門之間以及與外部合作伙伴的無縫溝通和協(xié)作。作為集中式交互平臺(tái)，它們?cè)鰪?qiáng)了整個(gè)制造生態(tài)系統(tǒng)的集體智慧，確保一致性和明智的決策。對(duì)話AI Agent通過促進(jìn)團(tuán)隊(duì)之間的信息和見解的有效交換來增強(qiáng)內(nèi)部溝通，從而提高運(yùn)營效率和響應(yīng)能力。

AI Agent在實(shí)現(xiàn)制造運(yùn)營轉(zhuǎn)型和幫助組織做好準(zhǔn)備方面發(fā)揮著關(guān)鍵作用，通過自動(dòng)化復(fù)雜的制造流程、增強(qiáng)決策能力以及促進(jìn)團(tuán)隊(duì)和合作伙伴之間的協(xié)作，有效應(yīng)對(duì)當(dāng)前挑戰(zhàn)和未來機(jī)遇。

如何構(gòu)建用于制造業(yè)的AI Agent？

構(gòu)建為制造業(yè)量身定制的 AI Agent涉及一種結(jié)構(gòu)化方法，該方法從明確的目標(biāo)開始，到持續(xù)優(yōu)化結(jié)束。這是有關(guān)開發(fā) AI Agent來處理自定義任務(wù)并推動(dòng)制造業(yè)務(wù)增長的詳細(xì)指南。

建立您的目標(biāo)：在開始開發(fā)之前，定義您對(duì)AI Agent的期望至關(guān)重要。確定AI Agent是否將管理生產(chǎn)計(jì)劃、自動(dòng)化質(zhì)量控制、處理預(yù)測性維護(hù)或優(yōu)化供應(yīng)鏈流程。了解您的特定需求將指導(dǎo)您構(gòu)建 AI Agent的方法。如果您需要更多說明，請(qǐng)考慮咨詢 AI 專家以獲得清晰度和方向。

選擇正確的框架和庫：這一步對(duì)于構(gòu)建高效的 AI Agent至關(guān)重要。TensorFlow、PyTorch 和 Keras 等工具為開發(fā)機(jī)器學(xué)習(xí)模型以處理數(shù)據(jù)和做出智能決策提供了強(qiáng)大的平臺(tái)。對(duì)于更專業(yè)的制造領(lǐng)域，請(qǐng)考慮探索提供用于工業(yè)分析的預(yù)構(gòu)建模型的特定于領(lǐng)域的庫。利用 CrewAI 和 AutoGen Studio 等框架可以促進(jìn) AI 功能的快速原型設(shè)計(jì)和集成，使其對(duì)于部署針對(duì)制造需求量身定制的復(fù)雜 AI 解決方案特別有用。

選擇編程語言：Python 由于其簡單性、靈活性以及它支持的豐富的庫和框架生態(tài)系統(tǒng)，仍然是 AI 開發(fā)的首選。它的可讀性和廣泛的應(yīng)用范圍使其成為在制造業(yè)中開發(fā)AI Agent的理想選擇，因?yàn)閺?fù)雜的算法很常見。如果您使用專用框架，這些框架通常會(huì)提供其開發(fā)環(huán)境，并且可能支持多種編程語言。

收集數(shù)據(jù)進(jìn)行訓(xùn)練：AI Agent在制造業(yè)中的有效性在很大程度上取決于用于訓(xùn)練的數(shù)據(jù)質(zhì)量。確保您的數(shù)據(jù)是高質(zhì)量、公正和干凈的。這可能涉及生產(chǎn)數(shù)據(jù)、設(shè)備日志、質(zhì)量控制指標(biāo)和供應(yīng)鏈信息。

設(shè)計(jì)基本架構(gòu)：AI Agent的架構(gòu)應(yīng)該是可擴(kuò)展的、模塊化的和性能驅(qū)動(dòng)的。它還應(yīng)該設(shè)計(jì)為集成，以便輕松更新并與其他系統(tǒng)和技術(shù)兼容。這在制造業(yè)中至關(guān)重要，因?yàn)橄到y(tǒng)必須與生產(chǎn)線、供應(yīng)鏈平臺(tái)和質(zhì)量管理體系無縫交互。專用框架通常提供為制造應(yīng)用程序量身定制的預(yù)定義架構(gòu)或模板。但是，您可能需要自定義體系結(jié)構(gòu)以滿足您的要求。

開始模型訓(xùn)練：訓(xùn)練模型包括設(shè)置環(huán)境、為其提供數(shù)據(jù)以及迭代改進(jìn)其決策能力。根據(jù)您的具體使用案例，使用強(qiáng)化或監(jiān)督學(xué)習(xí)等技術(shù)。CrewAI 和 AutoGen Studio 可能提供專門的工具和環(huán)境，用于使用這些技術(shù)訓(xùn)練 AI 模型。不斷驗(yàn)證和完善模型，以確保其滿足所需的精度和效率標(biāo)準(zhǔn)。

部署：根據(jù)您的運(yùn)營要求和可擴(kuò)展性需求，使用云服務(wù)、容器或無服務(wù)器架構(gòu)部署 AI Agent。Docker、Kubernetes 或 AWS Lambda 等平臺(tái)可以提供強(qiáng)大而靈活的部署選項(xiàng)。AI Agent開發(fā)框架可以提供簡化的部署選項(xiàng)，例如基于云的部署或與現(xiàn)有制造系統(tǒng)集成，這可以簡化部署過程。確保部署環(huán)境安全，遵守最高的數(shù)據(jù)保護(hù)標(biāo)準(zhǔn)，這在制造業(yè)中至關(guān)重要。

測試：必須進(jìn)行全面測試，以確保 AI Agent在所有預(yù)期操作中正常運(yùn)行，而不會(huì)出現(xiàn)錯(cuò)誤或偏差。這包括性能、安全性和用戶驗(yàn)收測試，以確保AI Agent滿足技術(shù)規(guī)范和用戶期望。

監(jiān)控和優(yōu)化：部署后，持續(xù)監(jiān)控AI Agent的性能，以確保它適應(yīng)新數(shù)據(jù)和不斷變化的制造條件。定期更新系統(tǒng)以改進(jìn)其功能，并隨著您的業(yè)務(wù)增長而擴(kuò)展其功能。此步驟對(duì)于在動(dòng)態(tài)制造環(huán)境中保持AI Agent的相關(guān)性和效率至關(guān)重要。

通過執(zhí)行這些步驟，您可以開發(fā)一個(gè)強(qiáng)大的AI Agent，它不僅可以自動(dòng)執(zhí)行任務(wù)，還可以在競爭激烈的制造領(lǐng)域提供戰(zhàn)略優(yōu)勢。此類AI Agent可以將數(shù)據(jù)轉(zhuǎn)化為可操作的見解，提高運(yùn)營效率，并確保強(qiáng)大的質(zhì)量控制，最終推動(dòng)制造運(yùn)營的增長和效率。