通用电气建立AI团队，未来工作或需双（多）重技能

在美国50家最紧跟潮流的公司名单中，通用电气这个125岁的公司榜上有名，排名第40。作为向高科技企业转型的一部分，从科学家开始，它将人工智能贯穿整个运营过程中。

2011年，Jason Nichols加入了通用电气（General Electric简称：GE）全球研究公司。很快他就在加州大学伯克利分校完成有机化学博士后工作，并期望在化学研究方面能有一个长期的职业生涯。不过，在连续四年做了为处理工业废水创造材料和系统的工作后，Nichols搬到了公司的机器学习实验室。今年，他开始研究增强现实（AI)，工作角色有了变化，可以说既是化学家，又是半个数据科学家。Nichols的这种职业角色正是典型的混合型员工，对于一个致力于将人工智能注入其机器和工业过程的公司未来的GE来说，无疑是至关重要的。

15年前，通用电气的机器操作人员和技术人员，通过听机器的当啷声,震动声和仪表检查来监控其飞机发动机、机车和燃气轮机。如今，公司用人工智能技术来做相同的事情，甚至可以提前预测失败。

依靠这项技术，GE希望在2020年之前成为世界顶级软件供应商之一。事实上，2011年GE就加大了在这一领域的探索成本，该公司花费10亿美元主动收集和分析来自机器的传感器数据。通过AI创建更智能的模型是公司战略的下一步，以此希望能够给自己带来比长期竞争对手，如西门子，软件巨头IBM等更大的优势。目前，IBM的业务扩展到了工业分析领域。

当然，将人工智能整合到一个成立于1892年的组织是一项艰巨的任务。首先得从培训公司的技术人才开始，全球各地加起来共有30万人。 Jason Nichols的工作地点通用电气全球研究机构（GE Global Research），正在建立在线教程，教授机器学习和专题研讨会，以便科学家们可以探索新的角色。目前为止，近400名员工已经完成了GE数据分析认证项目，约50名科学家加入了Nichols所从事的数字分析工作。

双重职业

这些双重身份的科学家，很多可以帮助制作GE的云托管软件模型，既节省了资金，又能提高客户的安全性。利用从机器传感器收集的信息，GE构建这些“数字双胞胎”（digital twins)，再辅以基于物理的模型、AI、数据分析、其科学家和工程师的知识。

虽然数字双胞胎主要是软件代码，最精细的版本看起来像三维计算机辅助设计图纸，包含交互式图表，图表和数据点。但这些足以使GE用传感器数据来追踪飞机发动机，机车，燃气轮机和风力涡轮机的磨损情况，从而更容易预测何时需要维护，而不是用假设或估计的方法。例如，飞过美国的飞机引擎，可以在加利福尼亚州的GE计算机服务器上设置一个数字双胞胎来确定其部件的最佳服务时间表。

除了预测机器寿命，虚拟模型还能够使GE优化其产品的运行。通用电气表示，数字双胞胎使得风力发电厂产生的电力增加了20%。其中一台机车一年的燃料消耗和碳排放量分别减少了32000加仑，17.4万吨。目前，超70万台模型已交付给客户，到今年年底可能会超过100万。

该技术依赖于人工智能技术的不断更新。此外，如果数据被破坏或丢失，公司会借助机器学习来填补空白。这是一种允许计算机学习而不进行明确编程的人工智能，通用电气全球研究机构软件研究副总裁Colin Parris说。 Parris表示，GE将计算机视觉与深度学习相结合，这种AI尤其擅长识别模式和强化学习。它另一个最新的进步是，使机器能够优化操作，使摄像机能够在脏的、灰尘满满的金属涡轮叶片上找出微小的裂缝。

拿起这个比火柴盒车略大一点的小机器人，使用计算机视觉和各种AI技术，它可以在缓慢移动的风扇叶片顶部找寻飞机发动机内的裂缝。

类似的技术也可以应用在无人机上，可在200英尺高的火炬堆上发现腐蚀，从而烧掉由石油和天然气生产基地释放的多余气体。

GE科学家几十年来一直在研究和适应变化中的技术。在1968年4月18日的这张照片中，一位GE系统工程师负责雪城大学学生回应系统的电传链接。计算机分析了学生对多项选择问题的回答，并将其回传给老师。

1969年3月20日，GE研究人员通过在称为工作水位的设备上进行模拟研究，研究了天然气不可见的气体流动，通过使用染料观察了电流。

并非一时的狂热

为了开发和使用这些系统，GE研究人员需要了解机器的物理和AI算法。

“这是一个，分子生物学家会和机器学习专家坐在一起，控制理论人才会和懂材料科学的人坐在一起，进行探讨的地方。”GE全球研究分析技术总监Mark Grabb说，“这种合作非常强大，但没有比同样的信息在同一个大脑里更强大的了，它就是超高效。”

譬如Matt Nielsen的大脑，他在获得物理博士学位后于1998年加入通用电气全球研究机构。在2015年全面投入到公司的数字化领域之前，Nielsen开发了光子学，并在电动汽车软件方面开展工作。如今，他领导了一个数字双胞胎开发人员团队，并帮助构建了基于物理的模型，可以结合机器学习算法。

GE使用AI持续创建其机器的数字表示法，例如，法国贝尔福的工厂里的这个燃气轮机，9HA。

喷气发动机的数字副本，帮助GE的航空客户通过预测何时需要维护来节省资金。图为GE发动机在巴西里约热内卢的起落架大修基地里。

Sahika Genc是另一位双重科学家，在GE机器学习实验室工作之前，她开发了ICU报警系统。现在她是一名机器学习科学家，通过深入学习和强化学习，使GE的能源管理系统更加高效。她最近的一个项目就是应用机器学习和传热理论来确定建筑能量如何消散和储存。预测将有助于GE客户降低能耗。

这些混合研究人员，可能是GE与另一个世纪分保持相关性的最佳方法。因为GE想在涡轮机、喷气发动机和机车等充满竞争与成熟的行业中寻找增长机会。

软件研究负责人Parris承认，在GE的2000名研究人员中，仍然有人认为新方法的某些方面是“一时的狂热”。

但，不能超前的科学家可能就会落后。1月份，该公司在GE被视为“数字工业”战略次要的地区进行了裁员。之前，2016年GE新增了100个与AI和机器人相关的研究工作。

作者：Elizabeth Woyke

编译：梓色扬光

原文链接：https://www.technologyreview.com/s/607962/general-electric-builds-an-ai-workforce/

“本译文仅供个人研习、欣赏语言之用，不欢迎任何转载及用于任何商业用途。如需转载请注明作者和来源。（本译文所涉法律后果均由本人承担。本人同意平台在接获有关著作权人的通知后，删除文章。”）