德州仪器副总裁：机器学习帮助公司应对产业快速变化

由于新冠疫情，我和我的家人不得不寻找另一种方法来购物和购买必需品。尽管网上购物比以往任何时候都更容易，即使在我们居住的城市地区，订单的交付现在变得不那么复杂，也更加可靠。随着越来越多的人被隔离在家里，送货速度可能已经慢了几天，但大多数零售商都能保持营业并交付订单。

这是一项了不起的成就。当需求激增到前所未有的水平时，仓库突然不得不减少工作人员，以保持社会距离。

实际上不光是工作人员，处理器和软件也使物流机器人能够识别模式并不断从周围发生的活动中学习。这些机器人与员工合作，将订单从仓库发送到地球的每一个角落。

几年来，机器学习在仓库和工厂中的应用一直呈上升趋势，但新冠疫情给我们敲响了警钟。其中一个教训是：消费者需求的变化速度超过了生产线所能承受的速度。一些公司选择停产以控制装配线工人的感染风险。由于没有足够的人力来组装，一些业务被迫停止。

但其他公司的经验更好。在机器学习算法指导下投资无人机器人的企业能够创造性地、迅速地和富有成效地作出反应。例如，在仓储和配送领域，依赖人类驾驶叉车的公司弊端开始显现，而那些使用由机器学习算法“驱动”的无人机器人的公司则让仓库保持运转。

机器学习是人工智能的一种形式，旨在识别由电子图像、视频、文本和语音生成的大量数据中，通过算法识别模式，并将其转化为规则，指导机器人做出智能、安全、可靠和自主的决策，例如在装配线上，在正确的张力下，将正确的铆钉插入正确的位置。或者，算法可以引导仓库机器人接收和存储产品，安排订单，优化库存，并连续交付。这也是使汽车具有自动驾驶的主要技术。

处理器、软件和专门算法的结合使这些功能成为可能。

在我领导公司处理器战略和产品的过程中，我不断监控市场趋势，并定期与客户交谈。关于机器学习将在我们的工作方式和满足客户需求方面发挥的作用，我从以下三个方面阐述：

正确的投资可以帮助你为未来做准备

当企业展望未来时，他们应该考虑投资于机器学习工具，以便在挑战出现之前就预见到挑战。例如，预测性维护可以帮助企业监控和解释来自传感器网络的数据，并检测设备何时可能出现故障，以便他们能够主动安排维护维修，避免高昂的停机代价。传感器和处理器网络可用于工厂、楼宇自动化、智能家居、汽车和车辆电池管理系统以及其他应用中的预测性维护。无论您所在的行业如何，投资于数字化转型可以帮助公司继续运营，并对不断变化的环境保持敏锐。

机器学习有助于优化零售业务

机器学习的影响远远超出了工厂或仓库的范围，例如，看看杂货店。虽然现在买面包时过道里没有多少机器人，但零售商们已经开始试水了。在一些商店，机器人监控货架，连接到基于云的库存管理系统，并在商品缺货、位置错误或定价错误时通知员工。他们可以识别漏油甚至清理。一个例子是中国的一家连锁超市，使用机器人作为购物车。自动跟随购物者——避开其他人和物品——并在商品放入时扫描它们。

机器人可以提高订单效率

在库存管理等领域，机器学习算法可以考虑到客户对特定产品的需求，从而引导无人机器人将货物储存在离码头最近的货架上，在那里，产品已经准备好并交付给最终用户。收到订单后，无人机器人立即知道货物在仓库中的位置，以及最短和最安全的路线将其移动以进行取货。

这些进步并非新鲜事，软件和新一代处理器使机器学习和机器人技术的入门变得更加容易。在某些情况下，采用机器学习技术的机器人系统成本回收只需一年。所以使机器学习和机器人技术成为主流的关键是开发负担得起的、实用的、创新的产品。

通过机器学习，机器人正在从科幻小说变成现实。他们能够快速适应变化，降低成本，改善客户体验。如果制造商和物流公司不能适应变化并构建更灵活的系统，那么它们将进一步落后于那些采用这种技术的公司。