現(xiàn)在一提起“大數(shù)據(jù)”、“人工智能”,很多朋友就會首先聯(lián)想到“算法”、H100等大型商用級“AI計算GPU”(圖一)等等??傆X得這些技術(shù)很高深,離普通老百姓很遙遠,其實并非如此,它的原理很簡單,應(yīng)用場景非常廣,離我們普通老百姓也非常近。
“人工智能”的第一步是要從多個維度提取某項事物的特征碼,比如要檢測某種半成品(或者成品)是否合格,可以提取產(chǎn)品在加工、制造過程中各個環(huán)節(jié)中合格品的體積、質(zhì)量等參數(shù)。
這些參數(shù)的有機集合就相當(dāng)于是“數(shù)據(jù)模型”,而收集、整理這個“數(shù)據(jù)模型”的過程就可以簡單地理解成是“機器學(xué)習(xí)”、“機器訓(xùn)練”,請參考圖二。
一般來說,絕大多數(shù)合格品的各項參數(shù)都會在一個正常的上下誤差范圍內(nèi)浮動,如果檢測到某一個半成品的某項參數(shù)與數(shù)據(jù)模型相比,差距比較大,那么這個半成品可能多半有問題。
它是殘次品的可能性就很大,就可以依此做出決策,將這個半成品挑出來再重新審核,避免殘次品流入下一個生產(chǎn)環(huán)節(jié),甚至出廠,這些檢測、挑選的工作全部由機器完成,可以大幅節(jié)省質(zhì)檢的工作難度和強度。
由此可以看出,最終判斷結(jié)果的準確度取決于數(shù)據(jù)模型的精確度,而數(shù)據(jù)模型的精確度則取決于采集合格產(chǎn)品數(shù)據(jù)的總量,這個總量(相當(dāng)于機器學(xué)習(xí)、訓(xùn)練的量)越大,數(shù)據(jù)模型就會越精確,以此為基礎(chǔ)作出的最終判斷的結(jié)果就越準確。
盡管現(xiàn)實中人工智能領(lǐng)域要面臨、解決的問題要遠比判斷產(chǎn)品是否合格這個例子更復(fù)雜,可能高出幾個數(shù)量級,但是萬變不離其宗,其原理都是一樣的,不要小看這個原理,它的應(yīng)用場景是非常廣泛。
例如,要檢測一個長度為幾百米以上的橋梁的健康度就是一個棘手的問題。如果一個橋梁的健康度檢測度及時準確,養(yǎng)護到位,不僅可以適當(dāng)延長橋梁的服役年限,還可以在橋梁出現(xiàn)重大安全隱患之前得到預(yù)警,避免造成生命和財產(chǎn)損失,意義非常重大。
目前要檢測橋梁的健康度需要派人工定期巡檢,或者每隔一段距離安裝傳感器用以檢測橋梁振動,獲取橋梁的“振動模態(tài)頻率”來進行模態(tài)分析。
“振動模態(tài)頻率”這個概念有點不太好理解,當(dāng)物體受到外來施加的力、加速度或位移時,會呈現(xiàn)多個固有頻率的振動,其類型可能包含彎曲、扭曲、拉伸和壓縮,或是這幾種類型的組合。
因此,只要對所收集到的特征頻率進行模態(tài)分析,就可以對某種材料進行故障預(yù)報和診斷,目前模態(tài)分析技術(shù)已經(jīng)被廣泛應(yīng)用于多個領(lǐng)域,包括用來檢測橋梁的健康度。
現(xiàn)在上述兩種用來檢測橋梁方案都不完美,前者精度不夠,某些隱性的問題通過肉眼是看不出來的,而后者這種方案的綜合成本比較高。
最理想的檢測橋梁健康度的方法要同時滿足三個要求:一、不能影響正常交通。二、方便實施,作業(yè)難度低。三、整體檢測成本要低。
近期,美國的某科研團隊開發(fā)了一種可同時滿足這三項要求的檢測方法,可以直接通過使用智能手機來偵測橋梁的振動模態(tài)頻率,不需要購買任何額外的或特殊的傳感器就能大規(guī)模收集相關(guān)數(shù)據(jù)。
他們的具體的實驗做法是這樣的:
一、將兩部蘋果手機固定在車上,然后開車穿過舊金山的金門大橋,總共來回大約100次。
二、收集在金門大橋上完成超過70次行程的優(yōu)步司機收集的相關(guān)數(shù)據(jù)。另外,作為對比參考,研究人員還收集搭載安卓手機的汽車,250次通過意大利一座混凝土橋上的行駛數(shù)據(jù)。
通過手機傳感器檢測橋梁模態(tài)頻率數(shù)據(jù)這種方式在理論上是可行的,其是否實用最關(guān)鍵的問題在于檢測的精度夠不夠,最終的實測結(jié)果是:
他們通過這種方法所測算出來的橋梁的振動模態(tài)頻率的誤差,不超過通過使用傳統(tǒng)高精度靜態(tài)傳感器所測量出來的數(shù)值的3%,精度并不低,說明這種做法可行。很明顯,這種思路還有著巨大的改善空間,其檢測精度還可以進一步提高。
這項研究成果的意義非常重大,如果能通過進一步的更嚴格、更廣泛的驗證,那么意味著相關(guān)部門可以使用非常低成本的方式來檢測橋梁的健康度。來源: 宗熙先生