Brian McCarson，英特尔公司的副总裁和高级首席工程师。
人工智能(AI)在工业物联网(IIoT)中的应用正在得到更广泛的应用。在开源社区的影响下，人工智能领域进展迅速——在短短几周内从发明走向大规模复制。
为了释放人工智能的潜在好处——发现有价值的见解、实现效率或获得竞争优势——制造商需要能够轻松执行分析的工具。以下是在工业环境中构建这些人工智能解决方案的关键步骤，使用一个常见的用例:机器视觉。
利用开源人工智能创新
照明和相机分辨率的不一致是在工厂部署基于视觉的分析的主要障碍。人眼可以很容易地对不同的光照条件进行校正，但当背景光照变化时，相机收集的图像的强度和对比度自然会发生变化。
幸运的是，开源社区正在推动人工智能创新的民主化和快速采用。社区成员共享数据、工具和方法，开发人员可以在几天内采用这些方法。目前正在开发的算法能够吸收光照变化，中和白天光照变化或工厂车间不同位置光照变化带来的伽马强度差异。
创造一个创新的闭环循环
在一些机器视觉的案例中，由于灯光的变化，工厂管理人员从一台机器到另一台机器获得了扭曲的结果。例如，一台机器可能达到高准确率，低假阳性和假阴性率，而附近的机器可能在运行相同的人工智能应用程序时崩溃。自然光的影响，从天窗或密集集群的灯具上方的机器可能导致这些变化。
幸运的是，随着深度学习技术的出现，我们正在开发算法来复制我们眼睛中的光感受器和大脑中的神经元，以吸收光线变化和中和伽马强度差异。
这是开源社区如何快速部署解决方案来解决制造商面临的挑战的一个例子。开源软件的一个例子是英特尔工业软件的Edge Insights和英特尔OpenVINO工具包的发布，该工具包使工业和其他领域的人工智能成为可能。这种免费的、随时可用的分析管道是为工业应用中的并发时间序列和视频工作负载开发的。它们可以在一个易于部署、易于修改的微服务框架中使用。该软件支持在cpu、gpu、fpga(现场可编程门阵列)、vpu(视觉处理单元)和Intel Optane内存上加速和分布分析。
支持开源社区
人工智能市场是由才华横溢的开发人员和开源社区推动的。他们的创新每天都在推动我们的集体知识和能力向前发展。为了让这些人工智能创新和深度学习技术成为主流，我们需要继续以容易获取、可用、安全、可靠的方式共享工具和资源，并证明可以为工厂的工程师和管理人员增加价值。
了下:AI•机器学习
