机构名称：
¥ 1.0
人工智能 (AI) 和机器学习 (ML) 在许多应用领域都取得了巨大成功。然而，许多成功案例都是在固定不变的基准数据集或模拟环境中取得的。从这些基准环境转移到真实系统时，还需要考虑许多其他因素。可以观察到，人工智能在工业系统中的许多应用在概念验证实施中取得了良好的结果，但并没有转变为长期的生产用途。无论是在科学领域还是在国际标准化领域，都没有一个普遍认可的人工智能定义。然而，[12] 将人工智能系统定义为“为给定的一组人类定义的目标生成内容、预测、建议或决策等输出的工程系统”。我们认为，这样的人工智能系统通常是更大的整体系统的元素（或子系统），人工智能在定义的约束下协助实现其目的。我们假设的系统模型如图 1 所示。整个系统最终投入使用并交付生产。整个系统分解为子系统层次结构，通过接口链接，其中一些子系统可能应用人工智能方法。整个系统的其他子系统示例包括机械和电气部件、传感器、执行器、数据管理和人机界面。此外，基于人工智能的支持系统可以是开发环境的一部分（不作为整个系统的一部分部署到运行中）。这方面的例子是包含机器学习方法、训练算法和模拟环境的训练样本的数据库。根据 Simon Ramo 的说法，系统工程考虑“整体设计与部分设计的区别” [5]。我们认为这种整体方法尚未应用于人工智能工程
KI-Engineering – 人工智能系统工程
主要关键词
相关文件推荐
