机器智能的争论还在继续，最新的话题包括预测维护。这似乎意味着，如果一台机器能够预测设备故障，并通过向操作员或维修技术人员发送信息以采取预防措施来消除故障，这就是智能的标志。这种困惑的根源在于智力的本质。
研发一辆能够在周围环境中导航的自动驾驶汽车，需要数百人、数年的编程和ARPA几十年的项目。在完成了这一壮举后，飞行器就不能自己决定它要去哪里或要做什么。任务由系统的操作员提供。这种行为，不管它看起来有多智能，都是由程序员非常狭隘地定义的，现在无论系统可能获取多少关于它周围环境的数据，它都不能超过自发地去拿起一箱啤酒的编程。
预防性维修技术已经出现了几十年。最常见的应用是监测球轴承振动信号，以预测可能损坏大型设备的灾难性轴承故障。在这项技术的早期，主要是寻找高分辨率的振动传感器，并使用傅里叶分析来确定通过或失败的阈值。数据是经验性的，需要获取、存储和分析。通过对数据的软件分析，可以从数学上定义传感器上的噪声量的阈值，表示轴承即将故障。
在今天的技术高分辨率模拟数字转换器，傅立叶变换分析，逻辑和网络分析都可以在一个单一的芯片上协调，使应用程序非常便宜。振动传感可以用低成本的压电器件或加速度计完成。因此，较低的成本门槛使这种预防性维护广泛负担得起，易于实施。只花了30年就到了这里。
不考虑方法，计算机软件是否能以某种方式预测未来?一点也不。电子系统只是对含有有价值信息的信号数据作出反应。现在的情况是，经过几十年的观察、试验和错误，“智能”被嵌入到一个由传感器、处理器和代码组成的电子系统中。系统不能超过它的编程，不能自发地对其他问题作出响应。
我们在机器和机器人中所说的“智能”是指在一个非常狭窄的领域和非常明确的环境下模仿人类知识的能力。
了下:机电整合的建议
