机械工程和人工智能关系

机械工程：用户和人工智能技术的放大效应
对于机械工程而言，人工智能首先是获得保持世界领先地位的机会。人工智能有助于提高工作效率，开发出新型商业模式，嵌入式人工智能解决方案的智能化功能还可以优化生产流程，扩大机器的使用和服务范围。人工智能将决定机械工程未来产品和流程的影响力。因此，构建卓越人工智能的基础既要依靠现有技术专长，也要依靠应用领域专长，机械工程以此为基础，在跨行业和跨部门人工智能的应用中都将发挥举足轻重的作用。这不仅对机械工程类企业及其客户有好处，在节约材料和能源，完善决策，控制资源短缺和气候变化等问题上也有巨大潜力。另一方面，如果不能成功利用人工智能带来的机会，也会输给世界其他地方的竞争对手。因此，企业、机械研究机构和政策制定者必须把人工智能整合到机械工程中。机械工程还必须勇敢承担引进新技术的责任——不论是保障机械安全，还是与社会的沟通合作。人工智能并非独立的全新政策，而是有横向意义的关键技术。不仅数据管理、数字平台、网络安全、IT基础设施等数字化主题要关注它，产品安全、机械安全、运行环境设计、标准化等“传统”行业活动领域也要关注它。
“人工智能”的概念和应用
如果“人工智能”是指自主能力无限的类人系统，那么切实可行的数字政策就不应以它为主。通过实事求是展开讨论通用人工智能和狭义人工智能之间的概念差别非常重要：通用人工智能是指试图模拟类人智能——在不确定状态下或追求复杂目标时有计划、决策等能力，但这什么时候能实现，或者是否可能实现仍然众说纷纭，完全没有定论。另一方面，在具体应用过程中，现在已经在开发利用狭义人工智能——例如语音识别、模式识别、误差分析等。况且法律规定这种“人工智能”仅限于目标用途，并且规定了对开发人员的具体要求，而物理过程、操作要求和技术标准也明确限制将人工智能用于工业流程。机器制造商非常想控制机器的所有功能，特别是人工智能产生或改变的功能。因此，实际政策讨论只能以人工智能目前的狭义形式——在具体应用中有一定的自主能力，但是没有类人智能——作为基础，本文中的“人工智能”均指狭义人工智能。
“机器学习”是狭义人工智能的一种形式。它已经实现，可以具体客观地评估。机器学习以统计算法为基础，让软件应用程序可以在模式识别的基础上，独立进行学习。目前的工业和机械工程已经在用机器学习解决特定的技术问题或经济问题，例如，质量保证领域已经通过图像处理方法，用机器学习检查表面情况，图像处理效率的提高潜力也很大。另一个例子是复杂机器的流程优化：基于传感器数据的机器学习，可以提供宝贵信息，缩短调试时间，发现未知的错误来源。预见性维护是以提高操作、维护和维修流程效率为目标的数据评估，它对算法的成功应用几乎成了行业典范。关键指标通过评估ERP等数据，可以帮助优化内部生产结构和流程，例如产品在使用阶段提供数据，从而为创新和流程改进提供信息，帮助改善产品开发和管理。在销售和规划中，人工智能工具对机器进行智能配置，可以发挥相当大的业务价值潜力。这些例子表明，人工智能用于工业应用，产生了许多机会，有望带来可观的效益。
行动和核心信息的政治领域
工业政策和经济政策：工业利用人工智能捍卫领导地位
要在国际竞争中获得成功，只有团结一致才能有竞争力。只有通过跨国计划使市场协调一致，才能实现必要的规模效应，形成投资环境。各国的措施甚至法律必需避免东拼西凑，研究计划也必须具有普遍性，进行协调沟通，避免重复，此外，汇聚科学界和工业界优秀人才也是重要举措之一，也不能与国际市场割裂，必须考虑国际标准可发挥的作用，避免形成敌对创新氛围。必须继续经营那些探讨人工智能和必要准则的国际机构和平台，另外制定国际数字化竞争“公平环境”和贸易数字化等政策也非常必要。
研究与创新：释放创新的力量
人工智能研究必须既是横向基础研究，也要先面向商业和工业的具体应用。不仅要开发算法，也要针对具体问题进行调整。以根据具体情况获取和选择数据，并保证数据质量。在高度发达的工业技术体系中使用人工智能时，其安全性、流程可靠性、质量等方面也要达到高标准。应优先考虑有望迅速扩散、有效放大的应用和行业——例如工业生产环节中把人工智能用于产品开发设计或新商业模式。人工智能是一个跨学科领域，需要数据专家或人工智能专家与其他学科的人密切合作。所以不应受国家或学科的限制，而是应该优先考虑促进合作的方式，所以，发挥小企业的灵活创新能力和创造力非常重要，必须制定相关策略，解除限制条件，释放活力，为初创企业和创新性中小企业的动态发展提供工具。
促进向工业转移
因此确保技术转让的高效率，降低获取技术、项目、成果和网络的门槛非常重要。其中一项基本措施是用测试中心和能力中心（例如“数字化创新中心”），对流程模型和商业模型进行实践检验——只要它们处于工业环境中，提供面向实践的精准形式。通过最优方法和高效工具，让企业能够得到必要的知识，解决企业可用信息技术专家短缺的问题，也非常重要。“人工智能自助服务”或“引导分析”有助于让企业的专家更容易应用人工智能。企业可以与人工智能专家（可能来自企业外部，特定技术转让专业领域，并经过专业培训）一起定义需求和评估解决方案。标准中写入前沿技术的发展状态，描述可能的应用形式，对于大面积转让技术也很重要。
就业形势：人工智能需要人
人工智能的讨论再一次助长了关于机器取代人的担忧。不过新的商业机会将会涌现，生产力将会提高，新的工作岗位将会出现。某些传统岗位会消失，另一些新岗位会出现。但两者的影响比例目前很难预测。大量研究的预测结果不一，有的认为新产生的岗位会完全补足消失的岗位，有的认为岗位格局整体上会彻底改变。就业形势究竟如何发展取决于很多现在尚不明确的因素，但可以肯定的人工智能竞争因素之一是：全球各工业区都在研究人工智能，如果不参与研发，丧失的工作岗位就会转移到其他国家。
从技术实践角度看，没有人的参与，人工智能技术势必无法运行。人工智能是强大高效的工具，但仍然只是工具。人工智能分析只是提供预测和可能性，不能做出类似于人类的决策。人类仍然必须评估相互冲突的目标，衡量各种因素，最终做出重大决策，并承担责任。随着数据处理实现了智能化，信息技术为提高人类的创造力提供了更广阔的空间。虽然人类不可替代，但工作内容和要求会变。与人工智能系统合作对员工协调沟通、高效交流、自负决策责任的要求前所未有地提高了。人类与系统能否融洽合作在很大程度上取决于法律、就业、教育政策框架条件会不会适应未来需求进而调整，有些领域的现有框架需要适当修订，特别是现代劳动市场政策需要修订以适应未来市场。
较为情绪化的观点认为，人工智能很快会淘汰人类，甚至支配没有技术基础的劳动力。正确的政策措施是监测技术和社会的实际发展情况，为此政策制定者应在冷静分析的基础上做出进一步的决策。任何情况下，法律政策都不能草率地妨碍或阻碍人工智能应用，例如“机器人税”等横向规定或表面措施并不是解决问题之道。立法者在人工智能应用领域应处于辅助地位，如果直接参与者无法找到解决方案，法律政策才能直接干预市场，应重视企业和个人层面的开发设计空间。
教育培训的总体规划
即使不出现大规模失业，劳动力市场似乎也要彻底改变。人工智能和自动化会改变工作任务，需要学习新的技能知识，这不仅要推动前沿技术的研究与教育，培训信息技术专家，也要向教育培训领域大量投资，提供门槛低的应用型课程。人工智能大环境下，自身的教育培训变得更为重要——因为机器学习（例如“监督学习”或“强化学习”）的应用不会取代人类，而是要求人类成为训练者或管理者：人工智能系统是复杂的分析系统，需要开发人员和操作人员具备相应的技能。因此，不仅信息技术专家和编程人员要具备人工智能知识，应用人工智能的各层级、各职能、各部门员工，都要具备人工智能工作能力，这就需要制定数字化任职资格的总体规划应对挑战。
避免拼凑数字政策和数据政策
人工智能是数字化的一部分，需要为网络连接和数据交换（例如共享机器数据）提供适当的系统条件。成功应用人工智能的核心前提之一，是既要提高商业合作伙伴之间的信任，也要提高政治框架的可靠程度。人工智能需要整体性数字政策观，避免孤立措施造成矛盾、障碍和法律模糊。明显的是现有法律或在规划的法律正以各种未必能够成功的方式（《通用数据保护条例》、平台、网络安全、版权、电子隐私）干涉人工智能的应用。数据和数据交换对于开发人工智能应用尤为重要。如果数据可以尽可能广泛地共享，不隐藏于孤立模式或专有模式中，那么人工智能可以为宏观经济带来更多好处。德国机械设备制造业联合会支持促进和提高数据交换——例如公共资助研究中的开放数据措施（“尽量开放，按需保密”），或通过数据治理模式（以技术和合同条款的相互作用为基础），既提高数据的应用，也提高对投资和知识产权的保护。
法规框架：从自由开始，而非从限制开始。为了让人们接受并成功应用人工智能技术，必须实现人机合作。“以人为本的人工智能”，可能是一种方法，但是可能会误导人们认为需要保护人类免受人工智能的伤害。不过人机和进步是紧密联系的：人们造机器，用机器，用来改善生活或简化生活。从这个意义上看，人工智能只是改善机器而已，人工智能有不透明、歧视和受操纵的风险。