客觀地講，先進制造技術與信息技術的深度融合之后誕生了智能制造。智能制造對應的是第四次工業革命，在其9大技術支柱中，工業物聯網、云計算和工業大數據是基于分布式和連接的三大基礎，工業機器人和3D打印是兩大硬件工具，知識工作自動化和工業網絡安全是兩大軟件支持，而虛擬現實與人工智能是面向未來的兩大牽引技術。
智能制造時代的人工智能
人工智能是一種機器智能，是由機器來仿真或者來模擬人智能的系統或者學科。人工智能的主要研究內容包括認知建模、知識表示、推理及應用、機器感知、機器思維、機器學習、機器行為和智能系統等等，推理、知識、規劃、學習、交流、感知、移動、操作等，這些都是做人工智能所要研究的基本東西。
說到人工智能，有一位先生我們不能不提及——圖靈(Alan |Turing)。他既是計算機之父，也是人工智能之父。圖靈測試，一種用來判斷機器是否具有智能的測試，正是由他提出并以他的名字命名。1956年，十多位當時著名的科學家聚集在達特茅斯，花了兩個月的時間討論人工智能問題，從此開辟了一個全新的跨學科領域——人工智能領域，距今已經過去了60多年。人工智能在這60多年中，其實可以說是經歷了起起伏伏。
人工智能有三大門派，第一個門派通常叫邏輯主義，也叫符號主義，核心是符號推理與機器推理，用符號表達的方式來研究智能、研究推理。第二個門派稱為連接主義，核心是神經元網絡與深度學習，仿造人的神經系統，把人的神經系統的模型用計算的方式呈現，用它來仿造智能。第三個門派是行為主義，推崇控制、自適應與進化計算，目前提及較少。
人工智能的第一次歷程是1956年~1976年，主要是符號主義、機器證明、人工智能邏輯語言進步比較快，當時最大的一個成果是專家系統、知識工程。人工智能在發展初期非常熱門，被廣泛看好。
人工智能的第二次歷程是1976年~2006年間的30年。在這一次浪潮中，經過幾次里程碑式的工作，連接主義重新抬頭。其中，1986年提出的BP網絡，第一次證明了神經元網絡的學習訓練過程可以收斂，這可以說是整個人工智能浪潮的奠基性工作。
人工智能的第三次歷程的形成從理論上解決了原有神經網絡規模無法擴展，只能處理單一情況無法處理復雜情況的問題，直接推動深度學習理論取得突破，一路發展到今天的高度，形成了人工智能的第三次浪潮。
從本質上說，第二次和第三次歷程在方法論上并沒有本質區別，差別在于深度學習的成功。硬件的進步和卷積神經網絡模型與參數訓練技巧的進步，是促成深度學習成功的兩個重要因素。
隨著第三次人工智能浪潮的到來，通過“機器學習”與“深度學習”，用計算機來模擬人的思維過程和智能行為的研究得到極大發展。深度神經網絡應用在語音識別和圖像識別這些領域后，取得的突破尤其明顯。
以智能語音交互領域為例，這是一個高門檻的核心技術領域，全球競爭激烈。2000年之前，中文語音產業控制在微軟、IBM等國際IT巨頭手中。現在，國內的科大訊飛已經成為亞太地區最大的語音和人工智能上市公司，中外各大互聯網巨頭，包括谷歌、蘋果、百度、騰訊、阿里巴巴等，都紛紛建立自己的語音研發團隊。在這個移動互聯的時代，成千上萬的移動互聯網APP應用接入了語音云平臺服務，越來越多的行業領域，包括汽車領域、手機領域、智能家電領域，都開始應用語音交互服務。在國家支柱產業的航天航空領域，語音控制和語音交互功能也早已不是國外戰機獨有。作為一家專注于航空領域語音交互解決方案的技術供應商和產品制造商，航飛科技有限公司所研制的智能座艙語音控制模塊和產品已經在國內主機所多個型號的戰斗機上實現裝機和試飛。
在過去的2016這一年間，語音識別的性能不斷取得突破。2月，百度deep |speech2引擎的短語識別詞錯率降到3.7%;5月，IBM |Watson系統的會話詞錯率低至6.9%;9月，微軟新系統的英語語音識別詞錯率低至6.3%，10月進一步降低到5.9%，媲美人類。根據斯坦福大學所做的一項實驗結果統計，在移動設備上，無論是中文還是英文，采用語音的方式比手動打字的輸入速度快三倍。
在智能制造領域，工業機器人成為人工智能的杰出代表被反復提及，成為智能制造的重要實現端之一。不少制造業企業探索并引領著智能制造中智能機器人的發展，而工控圈內外的跨界合作比比皆是。2013年，谷歌將波士頓動力(BostonDynamics)等8家機器人公司納入麾下。2014年，AI公司Vicarious獲得了由ABBTechnology |Ventures領投的1200萬美元投資。2015年，阿里巴巴聯合富士康向日本軟銀旗下的機器人公司SBRH進行戰略投資。2016年，西門子新業務部門Next47正式成立，承擔挖掘西門子在電氣化、自動化和數字化核心業務領域顛覆性的創新想法和潛力，其關注對象包括人工智能。2016年工博會，發那科、思科、羅克韋爾自動化合作發布了FANUC |Intelligent |Edge |Link |and |Drive(FIELD)系統。FIELDsystem實現了先進的機器學習和深度學習能力，結合了人工智能和尖端計算機技術使分布式學習成為可能，機器人和設備的運行數據在網絡上被實時的進行處理，這也使各種設備之間能更智能的進行協調生產，令原來難以實現的復雜生產協調成為可能。
人工智能的發展已經經歷了兩起兩落，現在正處于第三次蓬勃興起的大好時期。目前，過分夸大和貶低人工智能都是不可取的。人工智能的很多研究成果，已經可以期待在數年后真正用于制造業的生產過程。但是在今天，其實用性還需要時間來優化和成熟。
我們現在要實現的智能制造，是基于人造智能而非僅僅是人工智能的智能制造。其中，源于工業領域長期積累的工業智能，與源于信息領域的人工智能，是需要相互借鑒和融合的。以這兩種智能技術為主體，兼顧其他智能技術，是今后智能制造技術的主流發展方向。起步于工業智能，逐漸融入人工智能，應該是適于中國企業的智能制造之路。
欲了解更多，請點擊智能制造MES系統。