1樓：knnay
從風電行業來講，早些年建設的風電機組質量較差，已經開始故障頻發。先進的人工智慧技術有可能帶來更精準的故障診斷演算法。
風電機組
近些年，學者們提出了很多面向故障診斷的深度學習演算法，例如深度殘差收縮網路[1]
[2]。該演算法採用了軟閾值化，比較適合含噪振動訊號。
深度殘差收縮網路
但是，該行業仍面臨很大的問題。
風電企業往往將故障資料作為商業機密，不予公開。即使在與科研院所合作時，也僅願意提供極少量的資料，不足以支撐深度學習模型的訓練。
2樓：
是時候祭出一張圖了，選自雷鳴老師開的課 《人工智慧前沿與產業趨勢》
從歷史上來看，每一次突破性科技的進步都會大量創造社會財富，改變人類的勞動方式。上圖應是人工智慧時代乙個願景，人工智慧最終取代人類的技能勞動，轉向創新勞動
3樓：海洋
我在中國科協智慧型製造專業委員會看到關於這個問題的回答。中國科協智慧型製造專委會是國內智慧型製造最頂尖的學術組織
問題：請教各位專家，人工智慧技術在製造業的應用，主要有哪些應用場景？
回答：智慧型機械人、智慧型零件質量檢測
（華南農大工程學院鄒湘軍）機器視覺與檢測，雙目視覺（就是像人眼睛一樣，兩個視覺。乙個視覺檢測，只能檢測平面圖。兩個可以檢測空間立體）
4樓：少校是頭豬
人工智慧既給人們帶來了挑戰，也給人類帶來了機遇。
技術是人為發明的，最終也是為人所用的，至於好壞則取決於使用者的目的和方法了。
5樓：
問題的根結不在這兒。國內有多少公司意識到自己資料的價值，並且一直在積累資料的，有，但是沒想象中那麼多。
我覺得用有限的資料能做出相對準確的判斷才是更適合咱們的。畢竟很大的資料體量，及基於合適體量的資料處理技術不是誰都能具有的。
6樓：張大帥
小公司我不了解，大公司的需求還是很強的，現在是資料驅動的時代，一切決策歸根結底都是統計。如何用資料驅動？資料就是一堆符號，什麼也驅動不了，要想得出有價值的東西，就要用機器學習。
而deep learning是其中最好用的方法之一。
特別是大公司有海量使用者行為資料，這是真正的寶藏和核心競爭力，大量使用者資料+機器學習，是BTA真正賺錢的業務的核心支撐之一。機器學習模型的每一點改進，都能帶來你想不到的利潤提公升，你說需求大不大？
什麼是人工智慧？人工智慧 機器學習 深度學習三者之間有什麼關係嗎？
祩徍徍 人工智慧是乙個很寬泛的概念，各種定義都有，機器學習是人工智慧的一種實現方法，深度學習是機器學習的一種實現方法，是在機器學習的基礎上建立起來的，深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence，縮寫為AI 是指由人製造出來的機器所表現出...
機器學習成就人工智慧，還是人工智慧成就機器學習？
智慧型的本質是 解決問題的能力 而機器學習只是人類創造出來的一種實現人工智慧的途徑而已。從本質上講，進化為學習提供了基礎，而學習為更精細的智慧型創造了條件。拿人類來講，為什麼有學習的能力？進化的結果。為什麼創造出了浩如煙海的可以改變世界的科技？學習的結果。進化是被動的適應環境，學習是主動的適應環境。...
如何激怒一位人工智慧（機器學習 深度學習 強化學習等）愛好者？
DeviliveD 說下面這句話 什麼深度學習，神經網路，不就是 generalized non linear regression 嗎，都是統計的東西。另外，如果深度學習愛好者很容易被激怒的話，他 她 they 大概不是太年輕，就是有些章節還沒有看到吧。 1.你conda環境崩了 2.你用的什麼顯...