當NLP遇上工業物聯網
編輯導語:自然語言處理(Natural Language Processing)簡稱NLP,是研究思維、語言和行為中的規律。本文作者從人工智能在工業物聯網環境中的應用情況出發,梳理介紹了工業物聯網領域中自然語言處理技術的應用與發展,希望通過此文能夠加深你對工業物聯網的認識。
01 人工智能與物聯網
我們正處在一個人工智能,IoT與5G三浪疊加的時代。對此,吳軍老師曾經做過一個頗為形象的描述:未來的社會將是一個超級智能的有機體,如果我們把它對應于人,那么人工智能是大腦,IoT就是神經系統。
IoT中數量巨大的傳感器和設備扮演著眾多感官細胞的角色,而正在發展起來的5G則相當于是周圍神經。物聯網通過智能傳感器、計算機識別技術、通信技術把物品連接到網絡上,實現物與物之間的協作來完成任務。在萬物實現協作的過程中,將會有大量的數據被生產出來,而這恰恰給當下依賴于大數據算法而爆發的人工智能提供了新的催化劑。
02 自然語言處理與工業物聯網
工業物聯網(IIoT)是指物聯網技術在工業環境中的應用,尤其是在涉及云計算的傳感器和設備的儀表和控制方面。
隨著云計算和機器學習技術的發展,IIoT行業將實現全新的運作模式,并創造新的收入與業務模型。自然語言處理(NLP)技術旨在研究通過計算機設備理解,處理,應用人類的語言信息,是人工智能研究領域中最為經典,也最具挑戰的一個部分。
近年來,工業界開始使用機器對機器通信來實現無線自動化的控制,典型的應用場景包括:智能電網,智能制造,預防性和預測性維護等。IIoT正在嘗試通過NLP技術為業務賦能,并將在系統控制,任務追蹤,信息檢索等任務中得到廣泛應用。我們不妨來看看目前NLP與IIoT都碰撞出了什么樣的火花。
03 工業物聯網中的自然語言處理技術
1. 智能系統控制
目前,基于語音交互的IoT設備中控系統,是工業化物聯網的一個新方向。語音交互可以為物聯網的應用環境帶來諸多好處,包括快速執行復雜的操作任務,以及替代具有觸控風險的操作任務。
一方面,語音交互普遍被認為是穿透力最強的交互方式,特別是在處理復雜工單管理的操作時,傳統的操作往往需要許多步驟,繁瑣且低效,而通過語音交互就可以一步觸達。
另一方面,在施工作業的場景下,依然經常需要作業人員親自到現場進行操作,這就不免會有施工風險的隱患。這時,非接觸式的語音交互就展現出不可替代的優勢。
若要實現上面描述的語音交互應用,就離不開先進的智能技術支持。而這當中最為核心的部分,當屬基于NLP技術的智能問答系統。通過深度學習算法,結合自然語音理解模型,對話管理,語音識別等技術模塊的組合,實現語音交互的功能。將語義理解能力接入工業互聯網設備中,實現對設備的遠程聲控與智能管控。
這樣的技術與基于語音識別的指令控制不同,它能讓設備真正聽懂用戶,深度理解用戶的需求,從而跳過繁瑣的步驟,實現靈活的智能化系統控制。此外,語音控制模塊可以對接機器翻譯模塊,實現對不同語言的文本內容進行翻譯的工作。在IIoT場景下可以服務于跨語言類的文本處理和語音指令操作。
霍尼韋爾推出的Honeywell-BPS樓宇中控服務,就是一個比較有代表性的應用案例。該服務為客戶提供了一個開放性的樓宇物聯網平臺。匯集了海量樓宇運營數據,并將各類電子系統的接入,以實現設備互通。結合語音交互技術和自然語言理解技術,實現無接觸語音中控能力,從而提高樓宇運營效率,降低運營成本。
2. 工業生產運營
工業生產運營是另一個已經被NLP成功切入的IIoT場景,這里涉及到信息數據的采集與數據知識的應用兩個方面。
物聯網采集層的感知設備作為社交網絡資源,基于NLP實現的可交互式的物聯網服務框架,針對物聯網應用打造一個獨立的交互平臺, 實現用戶與物聯網設備之間以自然語言為交互方式的數據查詢、命令設置、定期匯報等功能。
NLP技術可以讓機器像人腦一樣具備閱讀理解能力,快速提煉并呈現出文本中的關鍵知識點,這樣的能力能夠被廣泛應用于存在大量數據和文本資源的工程當中。從海量工業文檔數據中挖掘信息,實現工程任務追蹤,并優化生產決策流程。
工業生產知識數據還可以通過提煉知識信息創建可視化的知識網絡。而機器學習可以增強這一功能,并進一步處理和分析檢索到的信息,明確數據的相關性,從而快速高效地查找異常情況。幫助作業人員高效、準確地完成特定的任務,優化人機協作的模式。
信息檢索和知識圖譜是實現上述場景的關鍵技術。信息檢索是用戶進行信息查詢和獲取的主要方式,是查找信息的方法和手段。流行的信息檢索模型包括布爾模型、向量空間模型、概率模型和語言模型,從數據集中找到滿足信息需求的非結構化性質的內容。
知識圖譜能夠有效的將系統當中的知識類信息進行整理與關聯,從而實現信息數據之間的相互聯結與溝通。針對包含專業技術和知識類文本數據組建圖數據庫,從而實現復雜的檢索功能和智能輔助決策功能。通過圖數據庫提升文本信息的檢索質量,可運用與公共能源管理監控,制造決策輔助,以及知識類智能問答等場景。
說起智能化IIoT的運營,就不得不提到阿里云推出的工業大腦。阿里工業大腦為客戶提供了從工業制造到生產營銷的一整套智能化服務。在生產環節,阿里工業大腦運用結合NLP算法和工業知識圖譜對各類設備狀態與整體生產過程數據進行記錄,提供智能設備健康管理、工藝參數實時推薦等功能,旨在提升工業生產的效率。
04 總結
物聯網不僅連接電子設備,還連接我們每一個人。想象一個設備與人類可以協同工作的世界,各類設備將能夠理解我們的疑問、感受我們的需求并提供相關響應。不過,這方面的需求在工業場景下還非常模糊。
目前,很多技術的能力和應用深度還遠沒有達到工業化落地的程度,這導致在很多場景下的技術應用還很不成熟。雖然NLP技術在提升IIoT工作效率和安全性能方面已經有了不錯的表現,但是大多數場景依然不是剛性需求。
在可見的未來,我們相信人工智能和NLP技術都將得到持續的發展。屆時,技術將為人們提供更加可信,更加有效的服務。結合計算機視覺技術,RFID無線射頻識別技術,在IIoT下,會有越來越多的剛性需求被滿足。
NLP技術,將對IIoT行業進行更全面賦能??赡艿姆招螒B包括遠程中控,語音交互,和操作判斷等。各種物聯網設備將更高效的與人類連接,同時更好的與彼此連接,最終將提供給用戶更美好的產品和服務,朝著高便利低功耗的方向發展。
本文由 @單師傅?原創發布于人人都是產品經理,未經許可,禁止轉載
題圖來自 Unsplash ,基于 CC0 協議
你好,我能轉載你的文章嗎,直接網址鏈接
工業領域是一個高度自動化的領域,要求每一個指令相當精準。NLP技術受制于其識別能力的瓶頸,我覺得短期內在工業領域落地還真是有點困難。你能想想一個好幾個操著地方方言的工程師在不同的生產階段用語音指揮一臺精密的生產線運作,我覺得有點難。
確實是很難的。不過ASR可能不是問題,現在方言識別已經很強了。最大的問題還是做不深,目前很多場景都不是剛需。NLP確實想象空間不大,但是大數據智能化肯定是趨勢
基于大數據分析的智能化工業流程我也很看好,不過工業流程的數字孿生還真是挺考驗數據質量的。目前落地最大的問題的生產線改造的數據采集能力強化,成本太高啊~
感覺落地很難,我也想從事這方面的工作,不知道樓主有沒有具體的案例可以分享。
可以關注一下阿里云的工業大腦