InfoQ|| 二叉树视频,留美六年毅然归国,85后技术VP金超:我想把工业智能做好( 三 )


金超所在的团队曾经接到过帮助一家工厂平衡能源介质的项目 , 如果工厂当时按照智能系统给的建议操作 , 其实效益是非常大的 。 但在向下推进的过程中 , 团队发现工厂的基层操作人员已经习惯了原有的操作模式 , 在绩效和管理模式不变的情况下 , 基层人员没有动力更换新的模式 , 而且也不知道应该如何操作 。 这就需要操作手册等指导性文件 , 并且要改变绩效和激励制度 , 在这个基础上推陈出新 , 落地效果才会更好 。 在这个项目的执行过程中 , 项目组对基层员工前后进行了大大小小三十几次培训 , 才最终顺利完成项目 。 金超觉得 , 做工业智能绝对不仅仅是算法或者数据问题 , 最后很可能是业务导入等其他层面的问题 。
事实上 , 数据问题在各行各业普遍存在 , 不仅仅是工业领域 , 只不过工业领域比较特殊的一点是 , 工业采集的数据是有明确物理意义的 , 一旦发生比如传感器故障、数据质量等问题 , 造成的损失将无法弥补 , 我们很难做数据质量问题的修补 。 面对这种情况 , 金超认为至少要做到两点:一是能够识别出数据质量的好坏 , 也就是说无论做什么样的工业智能应用 , 首先要能够准确定位到数据质量问题 , 然后进行根因分析 , 并且完善数据采集过程;二是对模型的冷启动提出更高要求 , 其实无论是传统的机器学习还是所谓更现代的深度学习 , 要实现比较好的精确度 , 都要经过大规模训练 , 如果没有足够多已经被标注的数据 , 想让模型自学习来达到高精度是非常困难的 。 如何在数据和标签不够的情况下提升模型准确度 , 是金超和团队一直在思考的问题 。
在天泽智云 , 针对上述问题已经沉淀出了一些方法论:一是融入机理 , 所谓的机理指的是工业设备本身固有的物理、化学等原理 , 基于这些先验知识可以补足一些从数据里面没有办法获得的信息;二是基于机理构造特征 , 这些特征可能有助于提高模型准确度;三是如果现有数据缺乏标签 , 可以利用一些规则或经验公式进行标注 , 然后再让模型基于此标签进行训练 , 这个过程相当于一个半监督学习的过程 。 基于这些方法 , 天泽智云成功在很多场景落地了项目 , 包括风电、轨道交通等领域 。 目前看来 , 这样的方式非常有效 。
年少不可选 , 但有为可以努力君子之所为者 , 乃天降之大任也 。“年少有为”可能是很多人提到金超时的第一反应 , 但金超对这个词有着自己的理解:年纪虽不可选 , 但路可以 。 “年少有为”可能并不是说一定要取得多么伟大的成就 , 金超在采访中表示 。 他所理解的“有为”是“君子有所为 , 有所不为”里的“有所为” 。
“君子之所为者 , 乃天降之大任也 。 ”在“大任”面前 , “君子”要有担当 。 他认为 , 天泽智云的大任就是“让工业无忧” 。 “年少”指阅历少 , 但或许这正意味着这个年纪的奋斗者包袱更少 , 没有思想上的包袱则不必定下极其远大的目标 , 没有经验上的包袱就不会循规蹈矩 。
金超坦言 , 年龄带来的影响是双向的 , 有好的方面 , 也有不好的方面 。 不好的地方可能是会有一些质疑的声音 , 而好的方面在于 , 年轻人可能更有热情 , 这种热情不是激烈的 , 而指执着地追求简单的小乐趣 。 金超觉得 , 现在的年轻人刨除生存压力 , 更多追求的是一种“生活方式” , 而对他来说 , 理想的生活方式是做一件略有挑战 , 并能获得克服这种挑战的成就感 , 同时又不觉得乏味的事情 , 最好还能和一群志同道合的人一起前行 。 金超认为 , 自己很幸运 , 能在天泽智云遇到这样一群“同路人” 。
InfoQ|| 二叉树视频,留美六年毅然归国,85后技术VP金超:我想把工业智能做好
文章图片
在大多数成功人的字典里恐怕都免不了“幸运”这个词语 , 而真正的幸运 , 或许是当努力与机会相遇 , 金超也不例外 。 在他的回忆中 , 求学期间每逢要做演讲 , 他多少都会有些紧张 。 2015年 , 金超接到了导师安排给他的任务——为企业界客户做研究成果展示方面的演讲 , 由于这次演讲非常重要 , 所以金超的态度也比以前更加慎重 。 他为此进行了二十余次的练习 , 还请了不同专业的朋友来聆听 , 力求整个演讲逻辑严谨、表达流畅 , 内容通俗、易懂 。 在狠下了一番苦功后 , 金超的那次演讲非常成功 , 不仅为实验室带来了许多新机会 , 也让自己的信心大增 。