下载掌阅APP，畅读海量书库
立即打开
接下来，我们再来看一下传统意义上的智能和数据智能。高盛有一个分析，认为传统的智能与数据智能有几点主要差异：
第一，传统的智能通常是用有限的数据、有限的参数进行建模和分析。例如，不少论文使用几百条数据进行建模和分析从而得出结果，适合作为研究性参考，但实用性是有限的。
第二，以前我们习惯用某一种成熟的数学方法来分析某一类数据。举个例子，我们要对一个温度参数进行预测，就用回归方法或马尔可夫链[Markov chain，是概率论和数理统计中具有马尔可夫性质（Markov property）且存在于离散的指数集（index set）和状态空间（state space）内的随机过程（stochastic process）]，即用单一算法来预测单一类别的数据。而现在人工智能方法是利用组合的数学方法，并通过对大量数据的学习，自动建立预测模型。由于具有很强的“学习”机制，所以其具备“智能”属性。由于具备这样的属性，“数据智能”可以处理很多传统分析和建模方法无法解决或分析结果准确性差的问题，如对高度非线性信号建立准确性高的预测模型，以及对高维度数据进行有效且高效的建模（图3-5）。
图3-5 传统智能与数据智能
由此可见，无论工业4.0也好，工业5.0也好，大数据、AI这些新技术将起到重要的支撑作用。未来支撑智能制造的平台中会存在海量的数据，这些数据的分析和利用将涉及诸如大数据整合清洗、不确定性预测、多变量关联分析等大数据与AI技术。AI技术是当前通用的统计分析方法很好的补充，它为企业能够针对复杂生产环境中出现的问题进行动态分析和处理提供了强大支持。