[[378826]]

在本田研發(fā)部，我們正在用我們的專家知識(shí)系統(tǒng)將人工智能注入到我們的車身設(shè)計(jì)過(guò)程中，這是一個(gè)讓我們所有的工程師都像我們一樣優(yōu)秀的解決方案。

“我們的目標(biāo)是提高設(shè)計(jì)精確度，將后期模擬減少多達(dá)80%。 在設(shè)計(jì)過(guò)程的早期使用更好的信息將減少物理測(cè)試的失敗。 - Shigeto Yasuhara，日本本田研發(fā)有限公司總工程師

我們部門的設(shè)計(jì)是為了乘客和司機(jī)的碰撞安全。 我們的工作需要嚴(yán)格的物理分析和模擬。 我們希望應(yīng)用人工智能來(lái)幫助我們的工程師更快地找到最好的設(shè)計(jì)方案——最終為更安全、更環(huán)保的汽車做出貢獻(xiàn)。

降低聲譽(yù)和監(jiān)管風(fēng)險(xiǎn)

提供不可見(jiàn)的專業(yè)技能

在技術(shù)進(jìn)步、經(jīng)濟(jì)的根本性變革以及環(huán)境和安全法規(guī)之間，二十一世紀(jì)的汽車制造商面臨著前所未有的挑戰(zhàn)。

聯(lián)網(wǎng)、自動(dòng)車輛、自動(dòng)駕駛、共享經(jīng)濟(jì)、電動(dòng)汽車、零排放車輛環(huán)境法規(guī)以及旨在保護(hù)駕駛員和乘客的安全要求越來(lái)越難以滿足。 按照這些標(biāo)準(zhǔn)進(jìn)行設(shè)計(jì)和開(kāi)發(fā)的工程師——他們必須在不影響安全和質(zhì)量的前提下平衡生產(chǎn)和美學(xué)的復(fù)雜權(quán)衡——需要成為專家。

我們的組織只有在我們長(zhǎng)期積累的智力資本——工程師們的智力、想象力、信息和經(jīng)驗(yàn)的綜合作用下才是好的。 隨著時(shí)間的推移，我們希望在大型工程師團(tuán)隊(duì)中，在每個(gè)工程師的職業(yè)發(fā)展過(guò)程中，在所有本田車型、產(chǎn)品線、國(guó)家和語(yǔ)言中，增加這些知識(shí)和專業(yè)知識(shí)。 我們有創(chuàng)造力、才智和信息，現(xiàn)在我們正走在一條道路上，將它們結(jié)合在一起，這樣我們的工程師就可以迅速獲取和理解已有的知識(shí)，而忽略已經(jīng)失效的設(shè)計(jì)路徑。

我們希望我們的設(shè)計(jì)工程師能從我們的集體專業(yè)知識(shí)中獲益，在最有希望的方向上激發(fā)新的想法。 為了實(shí)現(xiàn)這一目標(biāo)，我們已經(jīng)不僅僅是收集數(shù)字系統(tǒng)中包含的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，而是要捕獲我們的專家工程師頭腦中的數(shù)據(jù)—我們稱之為無(wú)形的非結(jié)構(gòu)化數(shù)據(jù)—我們最深、最豐富的數(shù)據(jù)，我們?nèi)嗣竦募w知識(shí)。

在設(shè)計(jì)過(guò)程中注入智力資本

在為現(xiàn)有產(chǎn)品創(chuàng)建新模型或功能時(shí)，本田工程師必須考慮許多因素，從安全到法規(guī)，從生產(chǎn)率到成本。 我們必須在全世界幾十個(gè)地方的數(shù)百名工程師中保持相同的設(shè)計(jì)方法。

但并非所有的工程師都以相同的方式工作，為工作帶來(lái)相同的經(jīng)驗(yàn)，或以相同的方式體驗(yàn)技術(shù)。 我們發(fā)現(xiàn)，經(jīng)驗(yàn)較少的工程師花更多的時(shí)間進(jìn)行設(shè)計(jì)模擬，而經(jīng)驗(yàn)豐富的工程師運(yùn)行更少。 更有經(jīng)驗(yàn)的、專業(yè)的工程師利用自己的經(jīng)驗(yàn)——以及已建立的機(jī)構(gòu)知識(shí)——更快地排除劣等選擇，使他們能夠?qū)Ｗ⒂跐撛诘男逻x擇。 他們以這種方式工作的能力是多年經(jīng)驗(yàn)的產(chǎn)物，他們吸收并能夠更直觀地獲得知識(shí)。

當(dāng)我們意識(shí)到這一點(diǎn)時(shí)，我們?cè)噲D給經(jīng)驗(yàn)不足的工程師提供大量的信息，包括圖片、圖表、圖畫和照片。 但這種方法是靜態(tài)的，難以進(jìn)入，并孤立的設(shè)計(jì)活動(dòng)內(nèi)的單一車輛部件，禁止工程師設(shè)計(jì)的產(chǎn)品整體。

這不可避免地導(dǎo)致了更多的設(shè)計(jì)模擬和更高的失敗率在設(shè)計(jì)過(guò)程的后期階段。

使用人工智能收集知識(shí)

我們明白了根本的問(wèn)題:資深工程師所掌握的知識(shí)必須為他們的后輩所接受。 我們聯(lián)系了 IBM來(lái)幫助我們應(yīng)用人工智能來(lái)解決這個(gè)挑戰(zhàn)。

我們了解到我們的專家不會(huì)以線性方式解決問(wèn)題。 相反，他們有一個(gè)相互關(guān)聯(lián)的思想網(wǎng)絡(luò)。 有些想法與更多相關(guān)的想法或相關(guān)的想法來(lái)考慮。 他們可以利用自己的隱性知識(shí)，追蹤所有選擇中哪一個(gè)具有最高的可信度。 現(xiàn)在我們使用人工智能來(lái)調(diào)整和增強(qiáng)他們的心理模型。

為了獲取和利用我們工程組織積累的知識(shí)，我們定義了幾個(gè)與不同設(shè)計(jì)階段相關(guān)的知識(shí)層。 我們能夠直接從工程師那里獲取語(yǔ)言和概念，也就是我們所說(shuō)的看不見(jiàn)的非結(jié)構(gòu)化信息，歷史上深藏在工程師頭腦中的無(wú)價(jià)知識(shí)。 使用 Watson到文本的語(yǔ)音和專利注釋語(yǔ)言，我們映射了這些信息來(lái)構(gòu)建我們的知識(shí)模型圖。

有了自然語(yǔ)言處理，我們的專家工程師可以自然地表達(dá)自己，甚至使用復(fù)雜的方程和解釋他們?nèi)绾翁幚硪粋€(gè)問(wèn)題。 這個(gè)系統(tǒng)使我們能夠獲取關(guān)于他們所接受的問(wèn)題的信息，他們的設(shè)計(jì)約束，以及他們先前探索過(guò)的思想網(wǎng)絡(luò)。 使用新系統(tǒng)，我們希望與典型的手工建模工具相比，知識(shí)建模所需的時(shí)間減少50%到80%。

“我們了解到，我們的專家不會(huì)以線性方式解決問(wèn)題。 相反，他們有一個(gè)相互關(guān)聯(lián)的思想網(wǎng)絡(luò)。 有些想法與更多相關(guān)的想法或相關(guān)的想法來(lái)考慮。 他們可以利用自己的隱性知識(shí)，追蹤所有選擇中哪一個(gè)具有最高的可信度。 現(xiàn)在我們使用人工智能來(lái)調(diào)整和增強(qiáng)他們的心理模型。” - Shigeto Yasuhara，日本本田研發(fā)有限公司總工程師

利用人工智能設(shè)計(jì)安全和更環(huán)保的車輛

知識(shí)模型圖與工程師的思維過(guò)程緊密結(jié)合，在集合中建立實(shí)體和關(guān)系，并根據(jù)專家的輸入提供數(shù)據(jù)可視化，顯示概念網(wǎng)絡(luò)、領(lǐng)域本體和每個(gè)節(jié)點(diǎn)各自的可信度。

我們開(kāi)發(fā)了一種專有語(yǔ)言來(lái)記錄專家工程師的思維過(guò)程和解決問(wèn)題的方法。 我們已經(jīng)開(kāi)始了長(zhǎng)期的工作，將支持證據(jù)鏈接并驗(yàn)證到知識(shí)圖中的每個(gè)節(jié)點(diǎn)，將這個(gè)有價(jià)值的、以前看不見(jiàn)的非結(jié)構(gòu)化信息與數(shù)字結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集成在一起。

該系統(tǒng)幫助工程師開(kāi)發(fā)更大系統(tǒng)的新特性。 例如，如果一位工程師正在為本田 Pilot Elite設(shè)計(jì)全景玻璃屋頂，那么設(shè)計(jì)的可能性和依賴性就不能從相關(guān)的組件中獨(dú)立出來(lái)。 工程師必須知道如何設(shè)計(jì)以滿足每個(gè)組件的規(guī)格和理解組件之間的關(guān)系。

為了確定某一特定特性是否可行，工程師必須通過(guò)正確設(shè)計(jì)車身剛度、碰撞試驗(yàn)性能、車頂厚度和其他特性來(lái)考慮駕駛性能。

我們已經(jīng)測(cè)試了我們的專家知識(shí)系統(tǒng)，以連接每個(gè)工程師的母語(yǔ)，從口語(yǔ)到他們想要探索的思想網(wǎng)絡(luò)。 想想有多少工程師，不管有多少經(jīng)驗(yàn)，都會(huì)表達(dá)出一個(gè)設(shè)計(jì)問(wèn)題和給定的約束。 該表達(dá)式通常是線性表達(dá)式，例如:“我需要將前保險(xiǎn)杠面的重量減輕0.005公斤，而不需要以每小時(shí)5英里的速度通過(guò)結(jié)構(gòu)構(gòu)件轉(zhuǎn)移載荷。”

自然語(yǔ)言語(yǔ)句通過(guò)挖掘所收集的專家知識(shí)返回適當(dāng)?shù)捻憫?yīng)。 工程師可以看到系統(tǒng)返回的方法，有基本原理和支持的證據(jù)，并知道響應(yīng)是可靠的。

我們利用專家知識(shí)系統(tǒng)中包含的知識(shí)，有足夠的資訊來(lái)測(cè)試我們是否可以向系統(tǒng)提出設(shè)計(jì)問(wèn)題，并透過(guò)資訊進(jìn)行解決方案搜尋，尋找知識(shí)圖解的正確路徑，以及擷取正確的資訊。 這一重要發(fā)展允許任何專業(yè)水平的工程師提出問(wèn)題，并檢索最佳答案。

我們的目標(biāo)是增加我們的設(shè)計(jì)精度，以減少后期模擬高達(dá)80%。 在設(shè)計(jì)過(guò)程的早期使用更好的信息可以減少物理測(cè)試的失敗。

 了解更多IBM 數(shù)據(jù)與AI解決方案請(qǐng)?jiān)L問(wèn)：http://cloud.51cto.com/act/ibm2021q1/ai#3