文章摘要：在由華為MindSpore、成都昇騰人工智能生態(tài)創(chuàng)新中心聯(lián)合主辦，DataFun協(xié)辦的“MSG企業(yè)行·成都站”活動(dòng)中，來(lái)自沃豐科技GaussMind、OPPO、新東方、拓爾思、薩摩耶云等8位行業(yè)大咖，受邀分享深度學(xué)習(xí)、文字識(shí)別、知識(shí)...

在由華為MindSpore、成都昇騰人工智能生態(tài)創(chuàng)新中心聯(lián)合主辦，DataFun協(xié)辦的“MSG企業(yè)行·成都站”活動(dòng)中，來(lái)自沃豐科技GaussMind、OPPO、新東方、拓爾思、薩摩耶云等8位行業(yè)大咖，受邀分享深度學(xué)習(xí)、文字識(shí)別、知識(shí)圖譜、NLP等方向AI技術(shù)的新發(fā)展，一同交流探索AI技術(shù)產(chǎn)品構(gòu)建與場(chǎng)景落地的可能性。沃豐科技GaussMind資深算法專(zhuān)家呂向楠分享了制造業(yè)的知識(shí)圖譜應(yīng)用，探討AI技術(shù)和產(chǎn)品在制造業(yè)數(shù)字化轉(zhuǎn)型、智能化升級(jí)過(guò)程中的價(jià)值，助力提升制造企業(yè)智能化水平。

1、智能制造是大勢(shì)所趨

在數(shù)字化轉(zhuǎn)型浪潮下，各種新興技術(shù)得到了快速的普及和應(yīng)用。其中，人工智能可以說(shuō)是近年發(fā)展最迅速的技術(shù)之一，獲得了資本與市場(chǎng)的雙重青睞。

從國(guó)家戰(zhàn)略層面來(lái)說(shuō)，中國(guó)制造2025規(guī)劃的出臺(tái)，要求制造業(yè)能夠?qū)崿F(xiàn)知識(shí)驅(qū)動(dòng)的研發(fā)與生成，形成獨(dú)特的產(chǎn)業(yè)優(yōu)化迭代；從行業(yè)競(jìng)爭(zhēng)來(lái)說(shuō)，制造業(yè)的技術(shù)需要不斷更新，行業(yè)之間的競(jìng)爭(zhēng)也會(huì)越來(lái)越激烈，企業(yè)必須擁有核心競(jìng)爭(zhēng)力以保持競(jìng)爭(zhēng)優(yōu)勢(shì)；對(duì)企業(yè)自身而言，業(yè)務(wù)發(fā)展對(duì)知識(shí)的需求愈發(fā)強(qiáng)烈，如何將海量的企業(yè)知識(shí)積累并充分利用起來(lái)，為業(yè)務(wù)的發(fā)展提供強(qiáng)有力的支撐，也是非常必要的。

因?yàn)樗鑼?zhuān)業(yè)知識(shí)門(mén)檻高，分類(lèi)龐雜，制造企業(yè)的知識(shí)存儲(chǔ)及使用有一定技術(shù)壁壘。不過(guò)，隨著人工智能技術(shù)的不斷發(fā)展，特別是智能搜索、知識(shí)圖譜、自然語(yǔ)言處理（NLP）等技術(shù)的進(jìn)步，制造業(yè)知識(shí)利用迎來(lái)一個(gè)良好的轉(zhuǎn)機(jī)，AI能夠輔助實(shí)現(xiàn)智能化的感知交互、決策以及執(zhí)行。

制造業(yè)的智能化可以分為三個(gè)階段：

第一階段，數(shù)據(jù)積累階段，一些大型制造企業(yè)已經(jīng)產(chǎn)生了一些數(shù)據(jù)，包括最原始的素材、生產(chǎn)數(shù)據(jù)、設(shè)備說(shuō)明、維修記錄等。
第二階段，企業(yè)積累了一定的數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析、過(guò)濾挖掘等，形成了知識(shí)沉淀，這些知識(shí)沉淀可用于最基礎(chǔ)的知識(shí)引擎推理，包括問(wèn)答、搜索等。
第三階段，依托各個(gè)行業(yè)的專(zhuān)家，將知識(shí)數(shù)據(jù)進(jìn)行組合，特別是一些業(yè)務(wù)專(zhuān)家，將知識(shí)進(jìn)行梳理，對(duì)企業(yè)的生產(chǎn)事件、行為進(jìn)行預(yù)測(cè)，輔助進(jìn)行決策。

相比其他行業(yè)，制造業(yè)的數(shù)字化需求比較明確，包括信息化賦能、數(shù)據(jù)沉淀、效率提升，要求對(duì)數(shù)據(jù)的生產(chǎn)存儲(chǔ)過(guò)程進(jìn)行明確的監(jiān)管，以實(shí)現(xiàn)實(shí)時(shí)的可視化。針對(duì)于不同的場(chǎng)景，企業(yè)也會(huì)有一些的個(gè)性化需求，特別是對(duì)移動(dòng)辦公的需求，要求各級(jí)管理人員能夠?qū)崟r(shí)查看相關(guān)數(shù)據(jù)并進(jìn)行檢索。

2、知識(shí)圖譜是制造業(yè)智能化的關(guān)鍵

對(duì)制造業(yè)來(lái)說(shuō)，知識(shí)圖譜在知識(shí)的沉淀、連接、應(yīng)用過(guò)程中，發(fā)揮著重要作用。智能制造各個(gè)環(huán)節(jié)都需要足夠廣度和深度的知識(shí)。知識(shí)圖譜對(duì)知識(shí)的沉淀、連接和應(yīng)用，能夠有效滿足智能制造對(duì)知識(shí)的需求。知識(shí)圖譜將文本、事件、數(shù)據(jù)庫(kù)以及行業(yè)專(zhuān)家的經(jīng)驗(yàn)知識(shí)相結(jié)合，構(gòu)建數(shù)據(jù)模型，將數(shù)據(jù)關(guān)系進(jìn)行挖掘形成突破，為企業(yè)執(zhí)行決策以及感知提供輔助。

在制造業(yè)的應(yīng)用過(guò)程，知識(shí)圖譜發(fā)揮作用的第一步是沉淀知識(shí)，包括企業(yè)的隱形知識(shí)、顯性知識(shí)、公共知識(shí)，然后將這些知識(shí)整合在一起，發(fā)掘知識(shí)之間的內(nèi)部關(guān)系，以及跟外部使用者的連接，對(duì)知識(shí)進(jìn)行擴(kuò)展。這里形成的知識(shí)不是“死”的，知識(shí)必須與業(yè)務(wù)結(jié)合，從業(yè)務(wù)中定義知識(shí)，依據(jù)業(yè)務(wù)流程構(gòu)建知識(shí)圖譜，并能支持業(yè)務(wù)對(duì)這些知識(shí)進(jìn)行深度調(diào)用。

企業(yè)有了知識(shí)之后，如何應(yīng)用這些知識(shí)？一般來(lái)說(shuō)，最簡(jiǎn)單的應(yīng)用就是知識(shí)查詢(xún)，用來(lái)指導(dǎo)新人去學(xué)習(xí)歷史知識(shí)，即便人員流失也能把這些知識(shí)經(jīng)驗(yàn)保存下來(lái)，這是知識(shí)的一個(gè)初步使用。對(duì)于制造企業(yè)而言，知識(shí)構(gòu)建是一個(gè)比較難的過(guò)程，如何讓這些知識(shí)不斷生長(zhǎng)、不斷產(chǎn)生新的知識(shí)，也是企業(yè)需要突破的一個(gè)難點(diǎn)。

沃豐科技GaussMind提出“知識(shí)進(jìn)化完善”的環(huán)節(jié)，在整個(gè)系統(tǒng)使用過(guò)程中，除了查詢(xún)已有知識(shí)外，系統(tǒng)會(huì)在結(jié)果部分進(jìn)行數(shù)據(jù)的更新迭代，查詢(xún)平臺(tái)的使用者不斷往里面添加新的數(shù)據(jù)，這里也會(huì)有相關(guān)的人工審核，這樣就能把知識(shí)有效的保存下來(lái)，實(shí)現(xiàn)數(shù)據(jù)不斷的增長(zhǎng)，為未來(lái)的使用者提供更多的知識(shí)查詢(xún)。

3、世界500強(qiáng)制造企業(yè)使用知識(shí)圖譜構(gòu)建智能應(yīng)用

目前，知識(shí)圖譜的構(gòu)建過(guò)程是比較簡(jiǎn)單的，一個(gè)通用化的流程是：本體設(shè)計(jì)-數(shù)據(jù)治理-文本標(biāo)注-知識(shí)抽取-數(shù)據(jù)存儲(chǔ)-智能應(yīng)用。最開(kāi)始是圖譜的本體設(shè)計(jì)，以產(chǎn)品需求為核心，以業(yè)務(wù)場(chǎng)景為導(dǎo)向，依據(jù)現(xiàn)有的數(shù)據(jù)種類(lèi)和格式，根據(jù)用戶的業(yè)務(wù)場(chǎng)景去進(jìn)行設(shè)計(jì)，使圖譜滿足用戶的數(shù)據(jù)結(jié)構(gòu)，同時(shí)也能快速的擴(kuò)展用戶未來(lái)的知識(shí)場(chǎng)景使用（結(jié)合業(yè)務(wù)原則、分析原則、效率原則、擴(kuò)展原則）。

結(jié)構(gòu)化的數(shù)據(jù)處理比較簡(jiǎn)單，可以通過(guò)知識(shí)映射的方式直接進(jìn)入到知識(shí)圖譜中；對(duì)于非結(jié)構(gòu)化或者半結(jié)構(gòu)化數(shù)據(jù)有不同的處理方法。半結(jié)構(gòu)化數(shù)據(jù)也可以是采用知識(shí)映射的方式；而對(duì)于非結(jié)構(gòu)化的數(shù)據(jù)，通常來(lái)說(shuō)我們需要對(duì)應(yīng)標(biāo)注訓(xùn)練語(yǔ)料（訓(xùn)練語(yǔ)料的標(biāo)注過(guò)程也有具體的方法），有了比較好的訓(xùn)練語(yǔ)料之后，就可以進(jìn)行模型訓(xùn)練，訓(xùn)練好模型，對(duì)用戶未標(biāo)注數(shù)據(jù)進(jìn)行知識(shí)抽取的數(shù)據(jù)，并不會(huì)直接進(jìn)入知識(shí)圖譜。

制造業(yè)的實(shí)際使用場(chǎng)景中對(duì)數(shù)據(jù)有比較高的準(zhǔn)確性要求，圖譜構(gòu)建中對(duì)模型抽取的結(jié)果需要進(jìn)行人工審核。整個(gè)訓(xùn)練過(guò)程采用弱監(jiān)督學(xué)習(xí)+人工審核驗(yàn)證的方式，最終將所有的半結(jié)構(gòu)化、非結(jié)構(gòu)化以及結(jié)構(gòu)化數(shù)據(jù)都整理為結(jié)構(gòu)化的，然后存儲(chǔ)到知識(shí)圖譜中，在用戶的實(shí)際場(chǎng)景進(jìn)行查詢(xún)使用。

以沃豐科技GaussMind某世界500強(qiáng)客戶為例，該制造企業(yè)擁有數(shù)十萬(wàn)個(gè)產(chǎn)品，產(chǎn)品信息分布在多個(gè)系統(tǒng)中，產(chǎn)品類(lèi)型多、層級(jí)多，無(wú)論對(duì)內(nèi)部人員還是對(duì)外部客戶，查詢(xún)相關(guān)的產(chǎn)品信息都是非常難的事情，因此產(chǎn)品信息需要統(tǒng)一管理。在故障排查的現(xiàn)場(chǎng)，該企業(yè)以往多依賴(lài)于人工的經(jīng)驗(yàn)，如何把這些知識(shí)有效的整理起來(lái)，變成結(jié)構(gòu)化的知識(shí)，為新人提供更多的解決方案，也是企業(yè)的一個(gè)痛點(diǎn)。

而沃豐科技GaussMind為該企業(yè)提供的知識(shí)圖譜解決方案，實(shí)現(xiàn)產(chǎn)品選型的精準(zhǔn)推薦，只需通過(guò)基礎(chǔ)搜索，即可直接展示更多的相關(guān)推薦選項(xiàng)，用戶通過(guò)點(diǎn)擊的方式，逐步查找到適合的產(chǎn)品；之后，系統(tǒng)對(duì)這種產(chǎn)品的具體型號(hào)以及參數(shù)，提供富文本（包括：圖片、音頻等）數(shù)據(jù)快速獲??；而這些數(shù)據(jù)也不完全依托存在于圖譜中的知識(shí)，我們?yōu)榭蛻魧?shí)時(shí)打通了多系統(tǒng)，數(shù)據(jù)可以從客戶的數(shù)據(jù)庫(kù)中實(shí)時(shí)查到，這樣能最大限度地保證數(shù)據(jù)的有效性以及真實(shí)性。

知識(shí)圖譜在制造業(yè)的應(yīng)用場(chǎng)景比較多，包括質(zhì)量管理的知識(shí)圖譜、后服務(wù)的知識(shí)圖譜、生產(chǎn)設(shè)計(jì)的知識(shí)圖譜、供應(yīng)鏈的知識(shí)圖譜，在不同的場(chǎng)景下都有對(duì)應(yīng)不同的解決方案。GaussMind知識(shí)圖譜解決方案，以助力制造企業(yè)數(shù)據(jù)結(jié)構(gòu)化，實(shí)現(xiàn)了AI技術(shù)提升企業(yè)智能化水平的良好效果，贏得了眾多世界500強(qiáng)客戶的信賴(lài)。

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來(lái)源：http://yzny.net.cn/ucm/update/18147