在日常生活的諸多領域中，人工智能已為傳統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。在工業環境中，人工智能同樣能夠根據模板搜索數據，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，它們以穩定的高精度和重復性執行給定的任務，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更適合靈活制造，為此需要解釋數據、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，根據這些符號能夠計算出精確的數學運算和邏輯結論，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缺點，兩者可以很好地互補。特別是在工業應用中，決定必須遵循明確的規則，同時必須易于理解，象征性人工智能對此有利，與此同時，如果有大量優質數據可供使用，可以采用機器學習通過傳感器數據識別錯誤情況，或通過相機識別物體或環境。

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工人，至少可以在專業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境進行物理交互的實用智能方面，小孩子也明顯優于當今的“智能”機器人，而這種情況還將持續很長時間。

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。德國和歐洲的數據意識很強，這一方面涉及個人數據的處理，另一方面涉及生產數據的處理，后者在理論上反映了最內在的操作流程和產品細節。從人工智能開發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據，數據的可支配性表明，在機器圖像處理領域之所以進步很大，是因為互聯網上有大量可供使用的優質數據，相反在工業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據吝嗇和通過人工智能實現增值之間走鋼絲。