“AI將執行制造、質量控制、縮短設計時間、減少材料浪費、提高生產再利用率，執行預測性維護等等，盡管人工智能有望從根本上改變很多行業，但該技術非常適合制造業”Ng說。Andrew Ng是深度學習Google Brain項目的創始人兼斯坦福大學計算機科學兼職教授.
人工智能這個術語今天被用作軟件的一部分，它可以訓練自己執行某些任務并隨著時間的推移逐漸完成這些任務。
例如，AI是在照片中識別朋友臉部軟件的后面。這些系統最終會在面部識別方面變得更好，因為您可以通過繼續標記和識別各種姿勢和情況下的朋友來“訓練”它們。
Ng說，同樣的AI過程可以用來檢查工廠中的零件。在另一個AI應用程序中，西門子的機器人樣機自動讀取并遵循CAD說明，無需編程即可構建零件。
Ng于去年年底成立了自己的公司Landing.AI，并進入AI領域。該公司的目標是幫助制造商將AI融入他們的工作流程中。
對于視覺檢查，Landing.AI的系統在僅“查看”五個產品圖像之后識別出缺陷圖案。 Ng表示，不依賴AI的視覺檢測系統必須接受大約100萬張圖像的海量數據集的訓練，以確保它們識別到所有潛在的不完美之處。
許多工廠的員工仍然自己檢查零件。“今天，單一工廠中的數千人共同工作，發現缺陷，這是一項令人難以置信的艱巨任務，”Ng說，“但我們的深度學習算法花費了半秒的時間來檢查零件，并且在許多應用中比人類更精確。”
德國慕尼黑西門子企業技術部門的一個研究小組在將AI帶入制造業的過程中，于去年12月宣布，他們開發了一種雙臂機器人，可以在無需編程的情況下制造產品。
機器人的胳膊自動地一起工作，根據需要，按照人類使用自己手臂的方式分配任務。
雖然傳統機器人無法破譯CAD模型，但西門子機器人可以解釋各種CAD模型，從而不需要對其運動和流程進行編程，Kai Wurm說，他與George von Wichert一起負責該項目。此二人正在西門子研究自主系統。
Wurm說：“未來，將不再需要耗費大量時間和代碼的昂貴編程給機器人，為他們提供固定程序來組裝零件。我們只需要指定任務，系統就會自動將這些規范轉化為程序。”
機器人本身決定每個手臂應該執行哪項任務。為了做到這一點，開發人員已經使樣機能夠將產品開發軟件的信息提升到語義層面。
Wurm說：“產品零件和過程信息在語義上轉換成本體論和知識圖。 這使得隱含的信息是明確的。到現在為止，當人們被告知將零件X抓到軌道Y上時，人們從經驗中簡單地知道的事情必須以代碼的形式教給機器人。但是，我們的樣機本身會分析這個問題并找到相應的解決方案。”
機器人可以制造單個零件或樣機，這是制造業中稱為“批量型”的過程。該術語是指制造或組裝各種產品，每種產品都包含不同的組件和設置。
機器人還可以糾正錯誤。如果一個零件滑動，其中一只手臂會在相機視野內找到該零件。然后手臂將拾取組件并調整其后續動作，以便它仍能正確安裝。 Wurm說，例如，如果該位置對零件的位置更好，它可能會將零件轉移到另一只手臂。
西門子公司首席技術官Roland Busch表示，西門子也在使用AI來預測工廠設備何時需要維護。
Busch說，該公司在包括傳感器和用于數據傳輸的通信接口的舊電機和變速器上安裝“智能盒”。
“通過分析數據，我們的人工智能系統可以得出關于機器狀況的結論，并檢測出不符常規性，從而使預測性維護成為可能，”他說。
Ng表示，像西門子機器人和他自己的機器視覺檢測技術這樣的變化意味著制造過程在不久的將來可能并不相同。他比較了人工智能和100多年前電力改變工業的方式。