麦肯锡:人工智能的亿万级应用价值
发布时间:2019-02-28    13:52:32

AI分析技术带给供应链管理和制造环节1.2-2.0万亿美元的新价值,主要利用生成模型优化端到端的供应链等,或者是通过机器学习对现有的设备系统进行预测性维护,有效的降低各种成本,提高生产效率。

人工智能为分析技术贡献了40%的年度价值,加起来每年可创造3.5万亿到5.8万亿美元的潜在价值,相当于各个行业(2016)年度收入的1%到9%。

——麦肯锡  

 

麦肯锡在2018年4月发布的《数百个人工智能使用的前沿观点的案例笔记》(NOTES FROM THE AI FRONTIER INSIGHTS FROM HUNDREDS OF USE CASES)中,对AI技术在在能源、先进电子器件/半导体等19个行业、9种业务功能的400+用例及其产生的经济潜力进行探讨。本文从AI技术与应用、AI潜在价值、AI发展所面临的挑战三个方面对报告主要内容进行梳理。

 

AI技术与应用情况

 

当下兴起的人工智能,主要就是大规模的深度学习。麦肯锡报告中提到的AI技术,是指使用人工神经网络的深度学习技术与其他机器学习等概念。具体来看,神经网络有三类主要形式:前馈神经网络,循环神经网络与卷积神经网络。

 

其他机器学习概念从算法的类型来看,常见的机器学习算法有:决策树算法(采用树状结构建立决策模型)、回归算法(对连续值预测)、分类算法(对离散值预测,事前已经知道分类)、聚类算法(对离散值预测,事前不知道分类)、集成算法(集成几种学习模型),其他机器学习又分为两个重要技术:生成对抗网络(GANs)和强化学习。

 

>> 不同类型实际问题涉及的分析技术

 

分析技术:从经典到前沿

 

基本上,分析技术在不同业务类型中可以解决多种实际问题,例如:

 

·       分类(Classification),即根据一组训练数据,将新输入的数据进行分类的业务,主要任务为识别特定物理对象(如卡车、汽车、生产线上接受质检的产品等)的图形;

·       连续评估(Continuous estimation),即根据训练数据,评估新输入数据的序列值,常见于预测型任务,如根据销售数据、消费者态度、天气等数据来预测消费需求;

·       集群(Clustering),即根据任务数据创建系统单个组类别,案例有,基于个人数据的消费偏好;

·       其他优化(All other optimization),即系统根据任务产生一组输出为特定目标的函数优化结果,案例有,基于用户(时间、费用、偏好等)需求的最佳交通路线推荐;

·       异常检测(Anomaly detection),即根据训练数据/历史相关性判断输入数据是否异常,本质上是分类功能的子范畴;

·       排序(Ranking),常见于信息检索问题,即基于检索需求按照某种排序标准呈现结果,比如提供产品购买推荐等;

·       建议(Recommendations),即根据训练数据提供建议,比如根据个人购买历史行为推荐“下一个产品”;

·       数据生成(Data generation),即根据训练数据生成合适的新数据,用例包括音乐创作等,即根据音乐素材在特定风格下创作出新的音乐片段。

 

AI技术与对应的问题类型

 

>> 19个行业与9大业务功能应用AI相关分析技术的热力图

 


从上图可以看出,目前19个行业仍然偏重传统的分析技术,其中又以决策树算法、分类算法与回归分析三种技术的应用频率最高;保险业是使用此三种技术案例最多的行业;此外,回归分析在先进电子器件/半导体行业中应用最多。

 

至于19个行业所使用的机器学习相关技术的频率,以前馈神经网络(FFNN)最为普遍,其次是循环神经网络(RNN),其中又以汽车、银行、保险、零售使用的频率相对较高。

 

另外,就9大业务功能来看,营销和销售、供应链与物流管理是应用AI相关技术频率最高的前两项业务功能。营销与销售应用以FFNN最为普遍,其次是RNN以及强化学习技术。供应链与物流管理则是以FFNN、CNN与强化学习三种技术为主。

 

AI潜在价值
 

>> AI 有望创造3.5万亿至5.8万亿美元的潜在价值

 

在旅游、交通、零售、汽车、高科技、能源、化工、娱乐传媒、基础材料、消费品、农业、银行、医疗系统与服务、公共部门、通讯、医疗制药、保险、先进电子器件/半导体、航天与国防这19个行业中,人工智能的引入,可以创造3.5万亿到5.8万亿美元的潜在价值,包括更有价值的产品和服务、收入的增长、成本的节约、消费者剩余等。这相当于整体分析技术价值规模(9.5万亿到15.4万亿美元)的40%,相当于各个行业(2016)年度收入的1%到9%。

 

>> AI 最有潜力影响在营销和销售、供应链管理和制造环节

 


AI 技术对九大业务功能创造的潜在价值估计

 

根据麦肯锡的报告,在企业的九大业务功能中,AI最有潜力影响在营销和销售、供应链管理和制造环节,每一年AI带给营销与销售所产生的新增价值高达1.4万亿到2.6万亿美元。

 

其次,AI分析技术还将用于各个行业的风险管理,如矿业公司预测生产中断风险,实现更有效的勘探、钻探和开采规划等。此外,AI还可创造新的产品和业务模式,如用于银行客户类型识别,可以有效改进的欺诈检测。

 

另外,AI分析技术带给供应链管理和制造环节1.2-2.0万亿美元的新价值,主要利用生成模型优化端到端的供应链等,或者是通过机器学习对现有的设备系统进行预测性维护,有效的降低各种成本,提高生产效率。

 

下面分享一个预测性维护的应用案例

 

传统系统,已经能够对传感器时序数据,包括检测温度、振动状态等,进行分析,实现预测异常检测和预测维护(对组件的剩余使用寿命做出预测)。

 

但深度学习将这个功能带到了一个新的高度:可以对数据进行分层,从而分析海量的、高维度的,包括图像、音频等各种形式的传感器数据,一些原先不适用的低质量数据(来自廉价的麦克风和照相机)也能被用起来。

 

在被调研的案例中,这种基于AI技术的预测维护(远程机载诊断技术),可以帮助企业减少停机时间,制定有计划的干预措施,提高产量,并降低经营成本,对应的经济价值约为总销售额的1%到2%。

 

在货运飞机的案例中,AI技术加持的预测维修,能够延长飞机寿命。因为相比于传统模型,它能更有效的结合平面模型数据、维护历史、物联网传感器数据(包括发动机振动数据、发动机状况的图像和视频等)。

 

AI发展所面临的挑战


尽管人工智能有广阔的发展前景,但是要达到每年创造3.5万亿至5.8万亿美元的潜在价值之前,依然面临着诸多的挑战与限制。

 

从数据层面来看,面临着五大限制与挑战:

 

·       训练数据的标记需要人工化,否则难以获取足够大且全面的训练资料集,特别是用于预测治疗方案效果的临床数据;

·       模型透明度有待提高,例如疾病诊断过程中,AI可以利用患者数据来得出诊断结论,但无法解释这一结论是如何一步一步得到的,此将直接影响汽车、医疗领域的应用;

·       机器学习缺乏可概括性,难以从一个应用直接复制到另一个相似的应用,这意味着企业需要投入大量的资金来训练新模型;

·       数据和算法存在偏差的风险,如不同的社会文化的差异等,可能需要更广泛的步骤来解决;

·       人工智能存在恶意使用的问题,包括黑客的攻击和欺诈性的视频等安全威胁。

 

考虑到数据的重要性,对于企业和组织来说,制定数据策略,建立数据中心(或者说选择云供应商)、储备专业人才,至关重要。

 

在技术开发方面,企业或组织必须开发出健全的数据维护和管理流程,实现现代的软件开发规范。最具有挑战性的是克服“最后一公里”的问题,确保人工智能能够落实到企业的业务流程以及产品和服务中。

 

资料来源:

McKinsey Global Institute (MGI) , “NOTES FROM THE AI FRONTIER INSIGHTS FROM HUNDREDS OF USE CASES” , April 2018.

封面图源摄图网

 


产品介绍
智能打磨专机
智能打磨机器人
智能设备
工业智能产品
解决方案
全自动打磨生产线
铸件生产自动化
全自动加工装配
智能分拣/仓储系统
智慧工厂
案例展示
抛光打磨
加工装配
切割焊接
码垛搬运
物流仓储
检测品控
智慧工厂
服务领域
黑色金属打磨
有色金属打磨
后处理整线
工业4.0
热线电话:025-52443159025-57500357立即咨询
友情链接
办公地址:江苏省南京市鼓楼区中山路99号
工厂地址:江苏省南京市六合区雄州街道陈吕路16号
025-52443159 / 57500357 lisa.chen@njguhua.com
Copyritht 版权所有 © 南京固华智能科技有限公司 苏ICp备16027412号

为了我们能更好的服务您,请您填写以下信息,我们将会严格保密!

添加您需要加工的工件图片