米樂(lè)M6 M6米樂(lè)自動(dòng)化專業(yè)與人工智能是什么關(guān)系？

　　要解決這個(gè)問(wèn)題，實(shí)際從兩方面來(lái)入手，一是對(duì)自動(dòng)化的理解，二是對(duì)人工智能的理解。自動(dòng)化的一級(jí)學(xué)科～控制科學(xué)與工程涵蓋多個(gè)方向，人工智能是一個(gè)大型的研究領(lǐng)域，必須細(xì)分來(lái)談二者的關(guān)聯(lián)。

　　人工智能，核心是通過(guò)計(jì)算機(jī)，米樂(lè)M6 M6米樂(lè)來(lái)實(shí)現(xiàn)智能，當(dāng)下談到的智能，當(dāng)然是人的智能，細(xì)分一下包含這樣幾個(gè)方面：

　　1.對(duì)信息的獲取和感知，換句話說(shuō)就是識(shí)別和學(xué)習(xí)，識(shí)別方面具體包括，語(yǔ)音識(shí)別、圖像識(shí)別、物體識(shí)別等等。

　　識(shí)別的核心是兩塊，一是獲取信息的傳感器，二是相應(yīng)的識(shí)別算法與程序設(shè)計(jì)，控制科學(xué)中的檢測(cè)裝置及其自動(dòng)化涉及傳感器的設(shè)計(jì)，和儀器專業(yè)有交叉，一般本科是測(cè)控的做這方面的多，而模式識(shí)別自然就專注于后者了，其中涉及到圖像語(yǔ)音等多個(gè)方面的軟件及算法設(shè)計(jì)。

　　而學(xué)習(xí)，就是計(jì)算機(jī)學(xué)科做的比較多的機(jī)器學(xué)習(xí)了，當(dāng)然控制科學(xué)里也有很多導(dǎo)師做機(jī)器學(xué)習(xí)，這個(gè)方面還涉及到搜索和分析等等多個(gè)方面，知乎還有各路大神，水平不足就不贅述了。

　　2.對(duì)信息的處理和決策，什么叫決策，實(shí)際上就是構(gòu)建控制系統(tǒng)的過(guò)程，對(duì)于獲取到的信息，如何控制達(dá)到相應(yīng)的目標(biāo)，當(dāng)然這是一個(gè)非常復(fù)雜的非線性系統(tǒng)和混沌系統(tǒng)的控制問(wèn)題，無(wú)論是神經(jīng)網(wǎng)絡(luò)還是控制論的其他方法在這方面都有大量的研究課題，而系統(tǒng)工程和智能系統(tǒng)也是這方面的核心。

　　3.運(yùn)動(dòng)和控制，換句話說(shuō)就是機(jī)器人學(xué)，機(jī)器人本身結(jié)合了機(jī)械、電子、計(jì)算機(jī)、自動(dòng)化等多個(gè)學(xué)科，但在大部分學(xué)校都是自動(dòng)化學(xué)科在主導(dǎo)，因?yàn)樯婕暗秸w的運(yùn)動(dòng)控制與協(xié)調(diào)，而大部分機(jī)器人的研究都是歸于控制理論與控制工程的范疇內(nèi)。

　　以上三個(gè)方面我認(rèn)為也就是我們工程學(xué)科接觸最多的方向了，至于什么倫理哲學(xué)之類的就不是我們的事情了，那么下面結(jié)合一下控制學(xué)科，也要結(jié)合你個(gè)人的選擇。

　　在自動(dòng)化的研究生階段，你可以選擇在模式識(shí)別方向去做語(yǔ)音、圖像、人臉、物體、虹膜等等各個(gè)方面的識(shí)別，可以在系統(tǒng)工程、雙控、智能系統(tǒng)研究系統(tǒng)協(xié)調(diào)與智能決策，可以在檢測(cè)自動(dòng)化學(xué)習(xí)外部傳感器的設(shè)計(jì)，可以在機(jī)器人學(xué)研究運(yùn)動(dòng)控制，這些都可以算作人工智能的范疇，但它們也是自動(dòng)化的二級(jí)學(xué)科。

　　作為一個(gè)有五個(gè)二級(jí)學(xué)科的大學(xué)科，自動(dòng)化并不是只有傳統(tǒng)的工控嵌入式，那樣的話它也不會(huì)在那么多的學(xué)校單獨(dú)設(shè)院，因此對(duì)于擇校，我的建議就是，不要籠統(tǒng)地說(shuō)我要學(xué)人工智能，而是要明確到我要做人工智能的哪個(gè)領(lǐng)域？哪個(gè)方向？再針對(duì)性地去選擇學(xué)校，而每一個(gè)方向在選定之后在學(xué)習(xí)上當(dāng)然要有側(cè)重。

　　考研的話，還是建議考控制科學(xué)吧，因?yàn)閷?duì)于大部分自動(dòng)化本科生來(lái)說(shuō)編程基礎(chǔ)相較于計(jì)算機(jī)來(lái)說(shuō)還是要薄弱許多的，二級(jí)學(xué)科以模式識(shí)別為主，當(dāng)然不必拘泥于此，核心就是找到一個(gè)導(dǎo)師的研究方向是你想去做的，他歸屬于哪個(gè)二級(jí)學(xué)科其實(shí)并不是很重要。

　　人工智能的范圍很大很大，自動(dòng)化的范圍也很大，二者的交集不小，但也說(shuō)不上包含，我建議多去讀一點(diǎn)相關(guān)的論文，加深一下對(duì)他們的了解，可能對(duì)個(gè)人發(fā)展會(huì)更好。

　　謝邀！自動(dòng)化是個(gè)萬(wàn)金油專業(yè)。不過(guò)萬(wàn)金油也有萬(wàn)金油的好處。嚴(yán)格意義上來(lái)說(shuō)AI不對(duì)應(yīng)現(xiàn)在本科專業(yè)設(shè)置中的任何一個(gè)專業(yè)，所以讀研從事AI方向信息類學(xué)科都可以不算跨專業(yè)，也可以都算跨專業(yè)(是的，AI絕對(duì)不是本科中計(jì)算機(jī)專業(yè)的對(duì)口專業(yè))。自動(dòng)化專業(yè)讀AI很合適，你看中國(guó)做AI最早的，也是目前AI方向國(guó)內(nèi)實(shí)力最強(qiáng)的(加個(gè)之一吧)機(jī)構(gòu)叫做中科院自動(dòng)化所。

　　目前AI主要的應(yīng)用領(lǐng)域，圖像/視頻，語(yǔ)音處理，嚴(yán)格意義上來(lái)說(shuō)更適合二級(jí)學(xué)科信號(hào)與信息處理(屬于一級(jí)學(xué)科信息與通信工程)的方向。不過(guò)學(xué)科劃分那么細(xì)沒(méi)什么意義，等你讀了研究生就會(huì)發(fā)現(xiàn)，計(jì)算機(jī)專業(yè)的老師在搞AI，通信的老師在搞AI，自動(dòng)化專業(yè)的老師在搞AI，檢測(cè)專業(yè)的老師在搞AI，電路系統(tǒng)的還有在搞AI。所以什么專業(yè)沒(méi)關(guān)系，有沒(méi)有搞AI的愿望和能力才是最重要的。何必讓自己被專業(yè)名稱限制的過(guò)死了。

　　另外，AI更準(zhǔn)確來(lái)說(shuō)是一個(gè)概念，而且不是一個(gè)全新的概念。比如現(xiàn)在百度和谷歌在搞得自動(dòng)駕駛，你覺(jué)得它是AI嗎，按照一般人的理解它肯定算AI的一個(gè)應(yīng)用方向，可是自動(dòng)駕駛中用到的大部分知識(shí)都還是傳統(tǒng)的控制決策理論，信號(hào)處理理論。所以不要覺(jué)得AI多高大上，跟傳統(tǒng)學(xué)科知識(shí)區(qū)別多大，其實(shí)他們都不是憑空而來(lái)的。個(gè)人感覺(jué)AI更多的是給賦予機(jī)器以部分人的學(xué)習(xí)和決策能力的應(yīng)用所起的一個(gè)寬泛的名稱吧。除了所謂的深度學(xué)習(xí)，AI中其他的的知識(shí)絕大多數(shù)都是很多年前都有的了。

　　可能不少人有一種誤解，認(rèn)為輸入和輸出是一個(gè)具體的情況。又怎么能說(shuō)知識(shí)在壓縮信息呢？ 然而輸入和輸出的可能情況并非只有一個(gè)，往往是無(wú)數(shù)個(gè)。

　　例3：每次炒菜時(shí)的所用的食材量，火候，調(diào)味料也都千差萬(wàn)別，但我們卻可以對(duì)應(yīng)的進(jìn)行調(diào)整，做出叫同個(gè)菜名的食物。

　　你可以感覺(jué)出這里想要描述的是一類事物，每一次的輸入可以是這一類事物中的任意一種情況。我們的知識(shí)可以應(yīng)對(duì)所有輸入而得到對(duì)應(yīng)的輸出。

　　那么該如何描述這些概念呢？因?yàn)槿绻谟懻撘粋€(gè)問(wèn)題時(shí)沒(méi)有辦法準(zhǔn)確描述所指的事物到底是什么，那就根本沒(méi)有辦法開(kāi)展和交流。 這些看似微不足道的概念其實(shí)直到 19 世紀(jì)才第一次正式創(chuàng)立。而這個(gè)奠定了整個(gè)現(xiàn)代數(shù)學(xué)，乃至所有科學(xué)根基的工具就是集合。

　　若把所有的樹(shù)葉（元素）歸到一個(gè)集合中，用這個(gè)集合來(lái)表示一類事物，輸入是這一類事物中的任意一個(gè)。也正是由于這種任意性，輸入也被稱為變量。輸出同理也是變量。

　　我們?cè)谟懻撦斎牒洼敵鰰r(shí)，并不是說(shuō)隔壁老王家那只叫翠花的二哈，而是說(shuō)所有的哈士奇。

　　但其我們?cè)缇驼莆樟诉@種概念，只是當(dāng)初并未正式的總結(jié)?！冻悄荏w》02的開(kāi)篇里提到的「智人為什么會(huì)從眾多生物中脫穎而出的原因就是在于智人的語(yǔ)言出現(xiàn)了變量與函數(shù)的概念」。

　　例1：英語(yǔ)中的 the apple 指的是特定的一個(gè)蘋果，是一個(gè)常量。而 an apple 指的卻是任意一個(gè)蘋果，也就是變量。

　　例2：中文里我們也會(huì)用“這個(gè)”和“那個(gè)”來(lái)特指某個(gè)事物，而沒(méi)有這些特指時(shí)，我們往往是在討論變量。

　　例3：“人啊，還是要看命”句話里的人就是變量。 這句話甚至包含了一種“知識(shí)”，其預(yù)測(cè)就是所有人都要認(rèn)命。雖然這個(gè)“知識(shí)”不合理。但你可以感覺(jué)到它的作用。中醫(yī)、玄學(xué)、科學(xué)也都在提取知識(shí)，只是科學(xué)是當(dāng)中最可靠的一種提取知識(shí)的方法。

　　如果把每個(gè)圖像和這個(gè)圖像是否是樹(shù)葉記錄下來(lái)，哪怕是最快的計(jì)算機(jī)也無(wú)法查找和存儲(chǔ)這些多的信息。這恰恰是當(dāng)初計(jì)算機(jī)所辦不到的事情，沒(méi)有辦法僅通過(guò)演示幾個(gè)例子就能讓計(jì)算機(jī)搞清楚其他沒(méi)有演示的情況，也就是學(xué)習(xí)能力。

　　這也是自動(dòng)化與目前AI最大的區(qū)別，也正是很多張口閉口都是AI的人壓根就沒(méi)搞明白的事情?，F(xiàn)在你再來(lái)看這個(gè)視頻時(shí)，恐怕會(huì)有新的理解：

　　有了集合、變量、函數(shù)的概念后，下一篇我們?cè)賮?lái)談知識(shí)的第二種分類：以任務(wù)類型為視角。

　　這是一個(gè)基于傳統(tǒng)的方法，以建模、仿真、優(yōu)化的手段來(lái)提高工廠的效率。正如文章所提到，未來(lái)會(huì)用到人工智能。

　　實(shí)例二：BuildingIQ將大數(shù)據(jù)和人工智能應(yīng)用于大型建筑以節(jié)省大量能源費(fèi)用

　　在樓宇空調(diào)系統(tǒng)控制方面，傳統(tǒng)的PID顯然不夠節(jié)能，如何利用AI增強(qiáng)人的舒適性又節(jié)能，米樂(lè)M6 M6米樂(lè)看看這個(gè)例子就知道了。

　　用于調(diào)節(jié)大型建筑（辦公樓、、購(gòu)物中心、賭場(chǎng)等）內(nèi)部溫度和濕度的暖通空調(diào) (HVAC) 系統(tǒng)約占全球總能耗的 30%。HVAC 系統(tǒng)效率極低，從而導(dǎo)致不必要的能源浪費(fèi)。這種低效率源于這樣一個(gè)事實(shí)，即大多數(shù) HVAC 控制系統(tǒng)都是被動(dòng)的，不會(huì)主動(dòng)和預(yù)測(cè)性地考慮不斷變化的天氣模式、天氣預(yù)報(bào)、可變能源成本和關(guān)稅，以及潛在的建筑熱性能，以優(yōu)化控制和調(diào)節(jié)建筑的熱性能。內(nèi)部溫度和濕度，以最大限度地減少總能耗。

　　與澳大利亞國(guó)家科學(xué)機(jī)構(gòu)聯(lián)邦科學(xué)與工業(yè)研究組織 (CSIRO) 合作，BuildingIQ 開(kāi)發(fā)了第一個(gè)也是唯一一個(gè)基于云的軟件，采用復(fù)雜的大數(shù)據(jù)機(jī)器學(xué)習(xí)方法，實(shí)時(shí)持續(xù)優(yōu)化 HVAC 性能以實(shí)現(xiàn)最低能耗，同時(shí)確保建筑物居住者的最大舒適度。這種行業(yè)領(lǐng)先的軟件的主要優(yōu)勢(shì)在于它可以與當(dāng)前的樓宇控制系統(tǒng)無(wú)縫連接，在大多數(shù)現(xiàn)有樓宇控制系統(tǒng)中進(jìn)行部署幾乎不需要資本。除了無(wú)縫集成之外，該軟件還為客戶提供了結(jié)果，根據(jù)底層建筑和 HVAC 動(dòng)態(tài)，HVAC 操作通?？蓪?shí)現(xiàn) 10-25% 的節(jié)能。

　　在光纖制造過(guò)程中，玻璃材料開(kāi)始受控滴落以形成非常細(xì)的光纖線。這個(gè)過(guò)程涉及許多變量，并可能導(dǎo)致代價(jià)高昂的廢品。

　　Sterlite 的分析團(tuán)隊(duì)構(gòu)建了一個(gè)機(jī)器學(xué)習(xí)模型，以盡可能減少?gòu)U品數(shù)量。首先，光學(xué)測(cè)試機(jī)測(cè)量玻璃棒的一組參數(shù)。MATLAB ?將此數(shù)據(jù)集與玻璃圓柱體的幾何特性相結(jié)合，以計(jì)算纖維的理論輪廓（如果纖維是由所得預(yù)制件生產(chǎn)的）。然后另一個(gè)工程軟件將此纖維輪廓轉(zhuǎn)換為可以發(fā)送到機(jī)器學(xué)習(xí)模型的數(shù)據(jù)集，該模型將桿與圓柱體相匹配。這些復(fù)雜的步驟使用 MATLAB Compiler? 打包成一個(gè)輕型應(yīng)用程序，供車間操作員使用。

　　在光刻過(guò)程中，低波長(zhǎng)電源通過(guò)光學(xué)元件通過(guò)圖像進(jìn)行調(diào)節(jié)，然后通過(guò)更多的光學(xué)元件縮小尺寸，形成覆蓋基板（通常是硅）的光敏化學(xué)品薄膜。重復(fù)此步驟，直到基板上所有可用的表面區(qū)域都曝光相同的圖像；結(jié)果稱為層。需要多個(gè)暴露層來(lái)創(chuàng)建構(gòu)成芯片的復(fù)雜微觀結(jié)構(gòu)。為了防止由于層之間的連接失敗而導(dǎo)致的良率問(wèn)題，層之間的所有圖案都必須按預(yù)期排列。

　　為了確保層對(duì)齊而不影響吞吐量，ASML 的 TWINSCAN 光刻系統(tǒng)必須限制它在曝光步驟之前測(cè)量的對(duì)齊標(biāo)記的數(shù)量。一般規(guī)則是測(cè)量對(duì)準(zhǔn)標(biāo)記所需的時(shí)間不能長(zhǎng)于曝光序列中前一個(gè)晶片所需的時(shí)間。由于正確的重疊模型校正需要大量重疊標(biāo)記，因此無(wú)法測(cè)量來(lái)自 TWINSCAN 系統(tǒng)的每個(gè)晶片。

　　ASML 使用 MATLAB ?和 Statistics and Machine Learning Toolbox? 來(lái)開(kāi)發(fā)虛擬疊加計(jì)量軟件。該軟件應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，使用對(duì)準(zhǔn)計(jì)量數(shù)據(jù)為每個(gè)晶圓提供覆蓋計(jì)量的預(yù)測(cè)估計(jì)。

　　“我們使用 MATLAB 和機(jī)器學(xué)習(xí)所做的工作展示了在最佳利用現(xiàn)有計(jì)量學(xué)方面的行業(yè)領(lǐng)先地位，”ASML 的應(yīng)用程序開(kāi)發(fā)工程師 Emil Schmitt-Weaver 說(shuō)?！拔覀兙瓦@項(xiàng)工作發(fā)表的論文引起了希望使用 ASML 產(chǎn)品改進(jìn)其制造工藝的客戶的興趣?！?/p>

　　詳情看視頻：半導(dǎo)體智能制造：基于模型的顯示量測(cè)儀器快速開(kāi)發(fā)實(shí)踐 Video

　　介紹精測(cè)電子使用基于模型的設(shè)計(jì)方法，實(shí)現(xiàn)從算法開(kāi)發(fā)到智能儀器中的算法部署的案例，包括校準(zhǔn)和測(cè)量算法的理論仿真分析、算法的開(kāi)發(fā)、優(yōu)化加速和到GPU快速自動(dòng)部署；以及借助Deep Learning Toolbox?在測(cè)量?jī)x器的檢測(cè)功能智能化創(chuàng)新的方案。采用基于模型的設(shè)計(jì)方法，省去手工CUDA編碼調(diào)試優(yōu)化的繁冗，大大加快了算法到嵌入式產(chǎn)品的更新迭代。

　　本演講將具體介紹精測(cè)電子使用基于GPU Coder?實(shí)現(xiàn)從算法開(kāi)發(fā)到智能儀器中的算法部署案例，包括校準(zhǔn)和測(cè)量算法的理論仿真分析、算法的開(kāi)發(fā)、優(yōu)化加速和到GPU快速部署；以及借助Deep Learning Toolbox在測(cè)量?jī)x器的檢測(cè)功能智能化創(chuàng)新的方案。

　　自動(dòng)化專業(yè)主要學(xué)習(xí)電子技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、軟件技術(shù)、控制技術(shù)等知識(shí)，是一個(gè)多學(xué)科交叉的專業(yè)。研究方向涉及到計(jì)算機(jī)科學(xué)與技術(shù)、信息與通信工程、人工智能、網(wǎng)絡(luò)空間信息安全、電子科學(xué)與技術(shù)、微電子學(xué)、機(jī)械工程以及電氣工程等多個(gè)學(xué)科領(lǐng)域，研究?jī)?nèi)容從傳統(tǒng)的控制理論、工業(yè)控制系統(tǒng)到信息物理融合系統(tǒng)，以及計(jì)算機(jī)視覺(jué)、人工智能，自動(dòng)駕駛，數(shù)據(jù)挖掘等。

　　人工智能，是一個(gè)以計(jì)算機(jī)科學(xué)為基礎(chǔ)，由計(jì)算機(jī)、心理學(xué)、哲學(xué)等多學(xué)科交叉融合的交叉學(xué)科、新興學(xué)科，研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。