大語言模型將如何賦能工業(yè)自動化?

當(dāng)前，大語言模型已經(jīng)展示出對人機(jī)交互產(chǎn)生的潛在影響，這種影響令人震撼。波士頓咨詢公司(Boston Consulting Group)認(rèn)為，毫無疑問，通過人機(jī)協(xié)同，生成式人工智能會帶來生產(chǎn)力的大幅提升，而工業(yè)自動化恰恰是人機(jī)交互最為頻繁的領(lǐng)域。

大語言模型是基于神經(jīng)網(wǎng)絡(luò)且經(jīng)過海量文本數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)算法。近年來，大語言模型已經(jīng)開始在各行各業(yè)嶄露頭角，尤其在工業(yè)自動化領(lǐng)域的應(yīng)用范圍不斷擴(kuò)大。這些模型能理解并生成人類語言，進(jìn)而幫助大幅提升工業(yè)流程效率。保守估計(jì)，大語言模型可以幫助原始設(shè)備制造商(OEM)在構(gòu)建機(jī)器PLC應(yīng)用程序時(shí)節(jié)省20%的工作量。

大語言模型的發(fā)展十分迅猛，從GPT-2到GPT-4，模型不斷升級成熟，處理能力大大提升，其在工業(yè)自動化領(lǐng)域的應(yīng)用范圍也得到極大拓展。隨著技術(shù)的日趨成熟和廣泛應(yīng)用，我們期望看到將大語言模型應(yīng)用于工業(yè)自動化領(lǐng)域的更多實(shí)際案例。

大語言模型的最重要的特征之一在于，可以根據(jù)工業(yè)自動化相關(guān)的特定用例或任務(wù)進(jìn)行來定制。在工業(yè)中，這些用例或任務(wù)有三種可能：代碼生成、文檔編寫、重構(gòu)和測試;自然語言接口;自動化系統(tǒng)設(shè)計(jì)與開發(fā)。

然而，我們也需要考慮到大語言模型中可能普遍存在的局限性，以及在大語言模型產(chǎn)業(yè)化之前如何應(yīng)對由這些局限因素帶來的影響。接下來，我們將對這些機(jī)會、局限性以及如何實(shí)現(xiàn)大語言模型的產(chǎn)業(yè)化展開進(jìn)一步探討。

1. 代碼生成、文檔編寫、重構(gòu)和測試

大語言模型可以為PLC等工業(yè)控制系統(tǒng)生成代碼，或者允許人類使用自然語言輸入內(nèi)容生成人機(jī)交互(HMI)頁面，進(jìn)而簡化應(yīng)用程序的工程設(shè)計(jì)過程，減少開發(fā)控制應(yīng)用程序所需的時(shí)間和工作量。此外，大語言模型還有望提高生成代碼的質(zhì)量和一致性，從而減少錯誤并縮短調(diào)試時(shí)間。保守估計(jì)，大語言模型生成的代碼，對于編寫機(jī)器類PLC程序而言，大約70%是可用的，編程效率大幅提升。大語言模型的另一個(gè)應(yīng)用是自動生成配方代碼，在更改參數(shù)、更換供應(yīng)商或更改配料時(shí)，能夠節(jié)省時(shí)間。創(chuàng)建配方并觸發(fā)生產(chǎn)線變更所花的時(shí)間會直接影響生產(chǎn)時(shí)間，因此任何可能的時(shí)間節(jié)省都有助于提高效率。更進(jìn)一步，大語言模型還可用于自動生成與其生成的代碼相關(guān)的文檔，如自動測試腳本，而測試腳本對于自動化工程師來說一直是一項(xiàng)非常耗時(shí)的任務(wù)。

例如，在施耐德電氣，我們一直在測試大型語言AI模型的專用版，并為EcoStruxure機(jī)器專家應(yīng)用軟件來訓(xùn)練這些模型。測試結(jié)果顯示其潛力巨大——代碼能夠快速而準(zhǔn)確地生成，盡管仍然需要人工審核。我們可以看到，同樣的模型可以應(yīng)用于其他軟件應(yīng)用程序。

2. 自然語言接口

大語言模型還可為工業(yè)自動化系統(tǒng)創(chuàng)建自然語言接口，由此操作員只需要使用人類語言，而無需專門的編程語言，就可以與這些系統(tǒng)進(jìn)行交互。自然語言接口的關(guān)鍵應(yīng)用之一就是使用自然語言命令訪問現(xiàn)有文檔，如技術(shù)產(chǎn)品信息。在許多行業(yè)中，操作人員和維護(hù)人員必須手動搜索產(chǎn)品文檔中的信息。有些甚至還是紙質(zhì)文件!然而，隨著文檔逐步數(shù)字化，并傳輸至安全的特定大語言模型中，這些工具可用來快捷地提出問題，并迅速找到答案。例如，“錯誤代碼8975的含義是什么?該如何解決?”這種問題可以輕松得到解答。其關(guān)鍵是使用安全的特定大語言模型。這些模型應(yīng)該僅從經(jīng)審核以及官方提供的手冊、技術(shù)說明和源代碼中提取答案。

工業(yè)企業(yè)面臨的一個(gè)常見挑戰(zhàn)是，行業(yè)知識可能只掌握在特定人群中。雖然隨著資產(chǎn)的數(shù)字化、工作方式的數(shù)字化以及勞動力人口結(jié)構(gòu)的變化，這種情況也有所改變。但在許多工廠中，仍然會遇到機(jī)器或資產(chǎn)發(fā)生故障，唯一知道如何解決故障的人卻并不當(dāng)班的情況。想象一下，如果當(dāng)班的維護(hù)人員能夠通過語音命令來進(jìn)行故障排除、訪問文檔，并(在安保措施落實(shí)到位的情況下)借助人工智能進(jìn)行故障修復(fù)，將會節(jié)省多少時(shí)間，生產(chǎn)力又能提高多少?

用于技術(shù)支持的虛擬助手是另一個(gè)應(yīng)用場景，其中帶有大語言模型的自然語言接口，可以為工業(yè)帶來價(jià)值。通過電話為客戶提供高度專業(yè)化和定制支持的工業(yè)公司(例如與工業(yè)最終用戶合作的機(jī)器制造商)，可以掌握這些隱形的知識，并將知識和信息提供給特定的大語言模型，虛擬助手就可以利用這些模型，從而提升客戶體驗(yàn)并有效縮短解決問題的時(shí)間。同樣，這也適用于機(jī)器、自動化產(chǎn)品和系統(tǒng)的用戶手冊與文檔的創(chuàng)建。使用大語言模型創(chuàng)建這些重要文檔可以為應(yīng)用工程師節(jié)省時(shí)間，讓他們可以將知識和技能用于開發(fā)更好的機(jī)器、產(chǎn)品和系統(tǒng)，從而提升質(zhì)量并縮短上市時(shí)間。

3. 加快自動化系統(tǒng)設(shè)計(jì)與開發(fā)

在過程工業(yè)的大型項(xiàng)目中，無論是老項(xiàng)目擴(kuò)建還是新項(xiàng)目開發(fā)，自動化系統(tǒng)的設(shè)計(jì)和開發(fā)都需要眾多供應(yīng)商、用戶、合作伙伴以及監(jiān)管機(jī)構(gòu)等第三方伙伴進(jìn)行通力協(xié)作。從項(xiàng)目發(fā)起到項(xiàng)目實(shí)施，再到項(xiàng)目運(yùn)營階段，都可以用大語言模型對來自各方的需求和參數(shù)等進(jìn)行標(biāo)準(zhǔn)化處理，從而顯著節(jié)省時(shí)間，幫助所有參與方提升競爭力。

這是因?yàn)?，從客戶和合作伙伴的需求出發(fā)進(jìn)行系統(tǒng)開發(fā)之初，就會面臨關(guān)于解決方案架構(gòu)、物料清單、安全計(jì)劃、風(fēng)險(xiǎn)管理計(jì)劃等各方面的多種要求。基于目前的技術(shù)，這需要耗費(fèi)數(shù)月、甚至數(shù)年的嚴(yán)謹(jǐn)工作、整理澄清以及來自多個(gè)職能部門的專家的協(xié)作，才能確保最終質(zhì)量和可行性。如果借助大語言模型對各方需求和資料進(jìn)行快速梳理，則可以加快整個(gè)過程，同時(shí)滿足各層級的合規(guī)要求。

大語言模型的道德考慮和限制因素

在工業(yè)自動化中使用大語言模型可能會帶來一些道德考慮和風(fēng)險(xiǎn)，必須要認(rèn)真對待，以確保這項(xiàng)技術(shù)的使用，是負(fù)責(zé)任的，并且符合道德規(guī)范。

● 系統(tǒng)安全：當(dāng)討論AI模型執(zhí)行工業(yè)自動化操作的可能性時(shí)，首先必須制定明確的安全措施。

● 數(shù)據(jù)安全：大語言模型需要大量的訓(xùn)練數(shù)據(jù)。這些數(shù)據(jù)可能包括個(gè)人敏感信息或有關(guān)特定流程的保密信息，因此確保數(shù)據(jù)安全，遵守保密原則、尊重個(gè)人隱私權(quán)至關(guān)重要。

● 偏見：大語言模型可能會將訓(xùn)練數(shù)據(jù)中存在的社會偏見一直延續(xù)下去，并持續(xù)放大這些偏見的影響。這可能導(dǎo)致不公平和歧視性后果。因此，識別偏見并減輕偏見的影響很重要，它有助于確保結(jié)果的公平公正。

● 信息安全：大語言模型容易遭到模型竊取或?qū)剐怨舻葠阂夤?。必須確保這些模型的安全，幫助其抵御威脅。

● 解讀：大語言模型很難解釋和理解，因此對于它做出的響應(yīng)也可能會難以解釋。在決策過程中使用這些模型時(shí)，這可能會成為問題，因?yàn)楹茈y理解這些決策的基礎(chǔ)是什么，也就很難確保其公平性和合理性。

● 以人為本：通過本文，我們已經(jīng)看到了大語言模型在工業(yè)自動化領(lǐng)域的一些積極的應(yīng)用前景。然而，任何輸出仍需要人類的審查。這些模型只能用作人類能力的補(bǔ)充。例如，機(jī)器可以執(zhí)行任務(wù)，但任務(wù)完成后必須有人來進(jìn)行檢查;或者機(jī)器可以改進(jìn)或挑戰(zhàn)人類的創(chuàng)造性思維。

● 可靠性：大語言模型的結(jié)果可能并不一定真實(shí)，而且目前，在使用這一結(jié)果前還應(yīng)該始終由人類專家來進(jìn)行審查。

大語言模型的產(chǎn)業(yè)化

如上所述，要想利用大語言模型的優(yōu)勢，就必須對其進(jìn)行恰當(dāng)部署，并充分考慮其道德考慮和限制因素。此外，還需要重點(diǎn)考慮的是，大語言模型的潛在規(guī)模，以及哪些地方可以或者需要部署這些大語言模型。例如，GPT-3模型有1750億個(gè)參數(shù)，而GPT-4則有1.8萬億個(gè)參數(shù)，效率更高。很顯然，模型執(zhí)行將需要超大規(guī)模的算力和存儲空間。

值得關(guān)注的是，特定領(lǐng)域的數(shù)據(jù)對大語言模型進(jìn)行預(yù)訓(xùn)練可以提高其性能并簡化其部署。不同行業(yè)應(yīng)評估如何創(chuàng)建這些基礎(chǔ)模型，以及何時(shí)需要大模型，何時(shí)需要更小的、更具體的解決方案。例如，特定領(lǐng)域的大語言模型——如制造行業(yè)GPT、醫(yī)療行業(yè)GPT、旅游行業(yè)GPT等——意味著可以創(chuàng)建更小且更聚焦特定領(lǐng)域的模型，然后在此基礎(chǔ)上進(jìn)行構(gòu)建。這也有助于解決因非相關(guān)背景疊加而產(chǎn)生的錯誤輸出。也可以由同一行業(yè)中的各個(gè)組織來協(xié)作，共同創(chuàng)建適用于其領(lǐng)域中普適性用途的GPT，同時(shí)仍保留其特定IP。

人工智能技術(shù)在工業(yè)自動化中的其他應(yīng)用

生成式人工智能，特別是大語言模型，只是人工智能在工業(yè)自動化中的讓人震撼的應(yīng)用之一。我們正在探索人工智能技術(shù)在以下行業(yè)中的更多應(yīng)用：

● 人工智能增強(qiáng)型設(shè)備——將用于特定任務(wù)的AI模型充分集成到智能傳感器或執(zhí)行器等嵌入式設(shè)備中，或集成到互聯(lián)互通的產(chǎn)品中，將人工智能技術(shù)用于自整定、預(yù)測性維護(hù)，或者結(jié)合云端應(yīng)用完成更復(fù)雜的推理應(yīng)用。例如，施耐德電氣在中國構(gòu)建了智能工業(yè)視覺質(zhì)量檢測解決方案，即“云-邊協(xié)同AI工業(yè)視覺檢測平臺”，在云端實(shí)現(xiàn)數(shù)據(jù)存儲和標(biāo)注及模型訓(xùn)練，并把云端模型下發(fā)到產(chǎn)線邊緣側(cè)，執(zhí)行邊緣推理。目前，這種AI工業(yè)視覺監(jiān)測平臺已經(jīng)施耐德電氣中國15家工廠上線，顯著提高了生產(chǎn)線的檢測效率，將誤檢率降低0.5%以內(nèi)，并實(shí)現(xiàn)了零漏檢率。此外，2023年6月，施耐德電氣推出AI模型生產(chǎn)與運(yùn)維平臺EcoStruxure AI引擎，覆蓋企業(yè)實(shí)現(xiàn)人工智能落地所需的五大建模相關(guān)流程，包括AI模型生命周期中的數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、模型部署、模型推理及模型監(jiān)控。它可以幫助開發(fā)人員和數(shù)據(jù)科學(xué)家快速構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型，在云端實(shí)現(xiàn)數(shù)據(jù)存儲和標(biāo)注及模型訓(xùn)練、推理、部署、監(jiān)控，以及迭代更新等全流程，并把云端模型下發(fā)到產(chǎn)線邊緣側(cè)，執(zhí)行邊緣推理，有效降低模型管理訓(xùn)練的復(fù)雜度。

● 基于人工智能的控制技術(shù)——這首先是AI生成的控制應(yīng)用程序，這些應(yīng)用程序可通過本文中討論的大語言模型技術(shù)或者我們也正在研究的深度強(qiáng)化學(xué)習(xí)(DRL)技術(shù)來實(shí)現(xiàn)?；谌斯ぶ悄艿目刂埔彩菍⒒谌斯ぶ悄艿挠?jì)算機(jī)應(yīng)用與控制應(yīng)用的實(shí)時(shí)集成，以賦予機(jī)器和過程最高程度的自主權(quán)。

● 虛擬傳感器——替代物理傳感器的方法，在給定信息的前提下，產(chǎn)生類似的輸出

● 基于人工智能的洞察——利用現(xiàn)場數(shù)據(jù)對預(yù)測模型進(jìn)行訓(xùn)練，以發(fā)現(xiàn)異常情況或提供維護(hù)建議

AI等新技術(shù)發(fā)揮潛力的關(guān)鍵在于其產(chǎn)業(yè)化與規(guī)?；瘧?yīng)用，2023年，施耐德電氣在中國設(shè)立AI創(chuàng)新實(shí)驗(yàn)室，致力于開拓“實(shí)體產(chǎn)業(yè)+技術(shù)生態(tài)+AI”的應(yīng)用創(chuàng)新，探索AI技術(shù)在資產(chǎn)和工藝優(yōu)化、基礎(chǔ)設(shè)施管理、需量管理以及新能源管理上的應(yīng)用，為各大產(chǎn)業(yè)的數(shù)字化與可持續(xù)發(fā)展賦能。

結(jié)論

大語言模型在各個(gè)行業(yè)中的應(yīng)用愈發(fā)廣泛，也愈加常見。麥肯錫(McKinsey)指出“生成式人工智能有望變革工作結(jié)構(gòu)，讓某些人工活動實(shí)現(xiàn)自動化，從而增強(qiáng)個(gè)體的工作能力?！?/FONT>