工業人工智能，通常是指人工智能在工業上的應用。與作為前沿研究學科的通用人工智能不同，工業人工智能是構建計算機化系統執行需要人類智能的任務的前沿研究學科，工業人工智能更關注應用此類技術來解決工業痛點，以創造客戶價值、提高生產力、降低成本減少、站點優化、預測分析和洞察發現。盡管在人工智能應用的反烏托邦愿景中，智能機器可能會搶走人類的工作并引發社會和道德問題，但業界普遍對人工智能持更積極的看法，認為這種經濟轉型勢不可擋，并期待在此過程中擁有巨大的商機。

人工智能的概念最初是在1940年代提出的，并且通過智能分析和建模來提高生產力和獲得洞察力的想法并不新鮮。人工智能和基于知識的系統一直是人工智能的一個活躍研究分支，涵蓋產品設計、生產計劃、分銷和現場服務的整個產品生命周期。電子制造系統和電子工廠沒有使用術語“人工智能”，但它們擴大了工程系統的建模，以實現制造生態系統中元素的完整集成，以實現智能運營管理。

最近，為了加快在人工智能倡議中的領導地位，美國政府推出了官方網站AI.gov，以突出其在人工智能領域的優先事項。最近工業人工智能的流行有幾個原因：更實惠的傳感器和數據采集的自動化過程；更強大的計算機計算能力，以更快的速度以更低的成本執行更復雜的任務；更快的連接基礎設施和更易于訪問的云服務，用于數據管理和計算能力外包。

如果行業中的問題沒有得到很好的研究，單靠技術是不會創造任何商業價值的。工業人工智能可能貢獻的主要類別包括：產品和服務創新、流程改進和洞察力發現。

CloudFoundry服務平臺廣泛嵌入了人工智能技術。Cyber??manufacturing系統還應用預測分析和網絡物理建模來解決生產和機器健康之間的差距，以優化生產力。

工業人工智能可以嵌入到現有的產品或服務中，使其更有效、更可靠、更安全，并延長其使用壽命。例如，汽車行業使用計算機視覺來避免事故并使車輛保持在車道內，從而促進更安全的駕駛。在制造業中，一個例子是對具有自我意識的帶鋸機的刀片壽命進行預測，這樣用戶將能夠依靠退化的證據而不是經驗，這樣更安全，將延長刀片壽命，并建立刀片使用情況幫助選擇刀片。

自動化是工業人工智能過程應用的主要方面之一。在人工智能的幫助下，自動化的范圍和步伐發生了根本性的變化。人工智能技術提升了傳統人工智能應用的性能并擴展了其能力。一個例子是協作機器人。協作機械臂能夠學習人類操作員展示的運動和路徑并執行相同的任務。人工智能還自動化了過去需要人工參與的過程。一個例子是香港地鐵，在那里，人工智能程序比人類同行更高效、更可靠地決定工程師的分配和工作安排。

流程應用程序的另一個方面是對大型系統進行建模。Cyber??manufacturing系統被定義為一種制造服務系統，它通過基于證據的建模和數據驅動的深度學習實現網絡化和故障恢復。這樣的系統處理大型且通常在地理上分布的資產，很難通過傳統的基于個體資產物理的模型對其進行建模。借助機器學習和優化算法，考慮機器健康狀況的自下而上框架可以利用大量資產樣本并自動化運營管理、備件庫存計劃和維護計劃流程。

工業人工智能還可以通過識別工程系統中的見解來用于知識發現。在航空航天領域，人工智能在許多關鍵領域發揮著至關重要的作用，其中之一是安全保障和根本原因。NASA正試圖通過并行分析飛行數字數據和文本報告來主動管理飛機安全風險，不僅檢測異常，而且將其與因果因素聯系起來。這種對過去發生某些故障的原因的深入洞察將有助于預測未來類似事件，并在問題發生之前預防問題。

通過數據驅動的機器學習進行預測性和預防性維護對于降低工業應用的成本也至關重要。預測和健康管理(PHM)計劃通過對設備健康退化進行建模來捕捉車間的機會。

工業人工智能解鎖價值的挑戰在于將原始數據轉化為智能預測以進行快速決策。總的來說，實現工業人工智能有四大挑戰：數據、速度、保真度和可解釋性。

工程系統現在產生大量數據，現代工業確實是一個大數據環境。然而，工業數據通常是結構化的，但質量可能較低。

生產過程進行得很快，設備和工件可能很昂貴，需要實時應用人工智能應用程序，以便能夠立即發現異常，避免浪費和其他后果。基于云的解決方案功能強大且速度快，但它們仍然不能滿足某些計算效率要求。在這種情況下，邊緣計算可能是更好的選擇。

與面向消費者的AI推薦系統對誤報和否定的容忍度不同，即使誤報率或否定率非常低，也可能會損害AI系統的整體可信度。工業AI應用程序通常處理與安全性、可靠性和操作相關的關鍵問題。任何預測失敗都可能對用戶產生負面的經濟和/或安全影響，并阻止他們依賴人工智能系統。

除了預測準確性和性能保真度之外，工業人工智能系統還必須超越預測結果，對異常進行根本原因分析。這就要求在開發過程中，數據科學家需要與領域專家合作，將領域知識融入建模過程中，讓模型自適應地學習和積累知識等洞察力。