在日常生活的諸多領域中，人工智能已為傳統(tǒng)方法難以甚至無法解決的問題提供了出色的解決方案，其中包括圖像和語音識別或信用卡安全付款。在工業(yè)環(huán)境中，人工智能同樣能夠根據(jù)模板搜索數(shù)據(jù)，幫助人和機器人進行決策。到目前為止，機器人主要用于重復性工作，它們以穩(wěn)定的高精度和重復性執(zhí)行給定的任務，而未來的生產要求越來越復雜，作為人工智能的一部分，機器學習能夠使機器人系統(tǒng)更適合靈活制造，為此需要解釋數(shù)據(jù)、找出相關性并從中獲取信息。
圖1 人工智能擴展了基于機器人的自動化潛力
人工智能不僅僅是學習機器
人工智能遠遠不只是機器學習，盡管這部分目前正處于關注的焦點，毋庸置疑，人們在機器學習，特別是計算機視覺領域取得了一些最新成果，但象征性人工智能卻有點兒被遺忘了。象征性的、也是基于規(guī)則的人工智能意味著，用具體而明確的符號記錄事實、事件或動作，根據(jù)這些符號能夠計算出精確的數(shù)學運算和邏輯結論，象征性人工智能可以為抽象的流程和明確的知識建模。同時考慮這兩個學科很有意義且值得推薦，因為每種方法都有其優(yōu)缺點，兩者可以很好地互補。特別是在工業(yè)應用中，決定必須遵循明確的規(guī)則，同時必須易于理解，象征性人工智能對此有利，與此同時，如果有大量優(yōu)質數(shù)據(jù)可供使用，可以采用機器學習通過傳感器數(shù)據(jù)識別錯誤情況，或通過相機識別物體或環(huán)境。
人工智能方法最具前途的幾個應用案例是在圖像識別領域，可用于提高機器人的自主性和靈活性，例如識別物體、分析語義場景和識別抓取點，這些是機器人智能行為的基本要求。
智能機器人能夠提供幫助，但僅此而已
智能機器人能夠也應該取代人類從事繁重、勞累和重復性工作，或者至少幫助他們提高工作質量和安全性并保持健康，智能、可視和感知機器人由此成為專業(yè)工人，至少可以在專業(yè)勞動力短缺時很好地完成簡單工作，不過有個例子可以清楚表明，與科幻電影描繪的機器人相比，我們還有很長的路要走：盡管如今的象棋計算機可以擊敗任何象棋大師，但卻沒有機器人能從架子上取下象棋，打開棋盒，取出棋子，將它們在棋盤上擺好，然后開始對弈。在這種需要機器人與周圍環(huán)境進行物理交互的實用智能方面，小孩子也明顯優(yōu)于當今的“智能”機器人，而這種情況還將持續(xù)很長時間。
我們會看到機器人怎樣變得越來越自主，通過更少的具體指令就能完成它們如今已經在做的某些任務，未來機器人還將用于應用領域，特別是機器人服務技術領域，即在工業(yè)生產之外，目前它們尚未涉足這一領域，在這方面人工智能將做出重大貢獻。德國和歐洲的數(shù)據(jù)意識很強，這一方面涉及個人數(shù)據(jù)的處理，另一方面涉及生產數(shù)據(jù)的處理，后者在理論上反映了最內在的操作流程和產品細節(jié)。從人工智能開發(fā)的純粹客觀角度來看，這是一個障礙，因為機器學習過程尤其依賴大量的訓練數(shù)據(jù)，數(shù)據(jù)的可支配性表明，在機器圖像處理領域之所以進步很大，是因為互聯(lián)網上有大量可供使用的優(yōu)質數(shù)據(jù)，相反在工業(yè)領域取得成績相對緩慢，在這一領域，生產設備廠家不得不在數(shù)據(jù)吝嗇和通過人工智能實現(xiàn)增值之間走鋼絲。
