對于工業(yè)而言，對人工智能技術的使用始終意味著以下含義：我們做出的努力必須與經(jīng)濟效益保持合理的關系，以便為客戶提供利益，并以此為雙方創(chuàng)造附加價值。要想讓人工智能可以自主地為我們提供產(chǎn)品、服務或開發(fā)和完成全新的流程解決方案，我們還有很長的路要走，但是工業(yè)領域的每個管理者和決策者都應該知道，人工智能的巨大潛力正等待著被喚醒和利用。

與以前的技術創(chuàng)新不同，這一次企業(yè)不能再選擇“等等看”，因為那樣會使自己目前的競爭地位變得更糟。因為每家企業(yè)可能都需要花費幾年的時間才能為已確定的應用實例找到合適的數(shù)據(jù)，定義數(shù)據(jù)模型并訓練合適的人工智能系統(tǒng)，然后才可能從他們的努力中獲利。這段時間不會因等待而縮短，而且等待會導致人工智能引入的延遲，特別是與更活躍的競爭對手相比，這樣的延遲是致命的。

ABB在多年前就已參與了今天在各個領域都引起轟動的人工智能技術的研究。這也反映在由亞琛工業(yè)大學工程工具實驗室（WZL）牽頭的工業(yè)財團對工業(yè)人工智能進行的大范圍調(diào)研中，ABB公司被評為五家“成功實踐公司”之一（參照本書第十二章的詳細說明）。人工智能技術的基礎，無論是人工神經(jīng)網(wǎng)絡還是圖像識別，都已經(jīng)有幾十年歷史了。

像其他許多公司一樣，ABB的研發(fā)人員一直在仔細探尋、研究可行的方法以縮短將其應用于工業(yè)流程的距離。但是直到幾年前，該技術的框架條件還沒有得到充分發(fā)展。二十年前我們能夠分析16×16像素的圖像。而如今，我們的系統(tǒng)能夠以驚人的速度分析數(shù)百萬張大小為數(shù)兆字節(jié)的圖像，并獲得了出色的結果。

導致人工智能應用新發(fā)展的最重要的變化，甚至無法在人工智能本身的技術中找到。谷歌的AlphaGo擊敗了多屆圍棋世界冠軍李世石就是最好的例子，并因其技術的巨大進步而被廣泛宣傳。該系統(tǒng)不是在學習了圍棋游戲的策略后，就獲得了人類無法想到的招數(shù)。它只是以最快的速度跟自己進行了大量的對弈，通過黑白棋子的不同走法，大概數(shù)百萬次地分析了圍棋棋盤。

在這樣的各種愚蠢的嘗試過程中，它偶然找到了一些使其獲勝的走法，并學會了它們。這不能算作智能，其與圖像識別并沒什么不同，只是速度即計算能力和可以用來存儲數(shù)據(jù)的硬盤容量發(fā)生了巨大變化。而對于人類，實際上沒有人可以在同樣的時間里，哪怕只是觀看相同數(shù)量的棋局。AlphaGo獲勝的這一時間點，大致標志了人工智能應用框架條件發(fā)生的根本變化。