邏輯推理的案例
數(shù)控編程課堂：數(shù)控高級(jí)編程宏程序的邏輯推理
這是一種低級(jí)的思維方式，鄒軍寫文章的目標(biāo)：
讓每篇文章不僅解決專業(yè)問題，更重提升你的思維能力
下面以數(shù)控編程為例介紹一種高級(jí)的思維方式：推理
正好，前幾天有個(gè)師傅要加工孔，他首先想到用鉆+鏜的方式，但是孔的種類多，需要不同規(guī)格的鉆頭和鏜刀，刀具成本太高了，考慮到用螺旋插補(bǔ)以銑來代替鏜。
要想快速編寫螺旋插補(bǔ)銑程序，直接套用螺線參數(shù)方程式，很快就能完成編程。
很多年前我就分享過這個(gè)例子，今天給你再次演示一下如何利用推理方法幫助你完成宏程序編程。
推理的核心就兩個(gè)字：關(guān)系
舉個(gè)例子：比如下面圓，假如點(diǎn)A是圓弧上面的任點(diǎn),對(duì)應(yīng)的X,Y坐標(biāo)如下：（在一個(gè)直角三角型中，根據(jù)勾股定理，夾角θ和邊的關(guān)系，可以推出以下關(guān)系。
X=R*COSθ
Y= R*SINθ
這也正是圓的參數(shù)方程式。
因?yàn)橛蓨A角θ的轉(zhuǎn)動(dòng)，就會(huì)繪制出一個(gè)半徑為R的圓弧。
這就是簡(jiǎn)單的邏輯關(guān)系， 由夾角θ的取值不同，那么就會(huì)有對(duì)應(yīng)的圓弧
比如：
θ 從0 ～180 ，就能繪制出一個(gè)半圓
θ 從0 ～270 ，就能繪制出一個(gè)3/4的圓
θ 從0 ～360 ，就能繪制出一個(gè)整圓
因此就設(shè)置了#1作為自增，θ范圍從0 ～180，就是下面半圓了。
加微信：Yuki7557 送宏程序教程一份
θ范圍從0 ～360，就是下面整圓了。
程序中：
#24=#18 * COS [#1]
#25=#18* SIN [#1]
是上面推導(dǎo)的方程式，利用了圓的參數(shù)方程式完成了圓的編程。
那么螺旋插補(bǔ)的程序如何編寫呢？
展開 東南大學(xué) 故障診斷介紹
利用邏輯推理、數(shù)值分析，結(jié)合領(lǐng)域?qū)＜抑R(shí)和機(jī)組歷史檔案進(jìn)行綜合分析，并采用人工智能技術(shù)，把人工神經(jīng)網(wǎng)絡(luò)融入邏輯推理專家系統(tǒng)的推理機(jī)制，通過全局邏輯推理、局部人工神經(jīng)網(wǎng)絡(luò)并行計(jì)算的推理機(jī)制，模擬人類形象思維和邏輯思維相結(jié)合的過程，給出故障信息和解決問題的對(duì)策。
2、監(jiān)視診斷方式
常見的工況監(jiān)視與故障診斷方式有：離線工況監(jiān)視診斷方式、單機(jī)在線工況監(jiān)視診斷方式、集中式在線工況監(jiān)視診斷方式等。在綜合上述監(jiān)視診斷方法的優(yōu)缺點(diǎn)的基礎(chǔ)上，我們提出了分布式在線工況監(jiān)視與故障診斷方式，該方式對(duì)于每臺(tái)設(shè)備分別配置一套數(shù)采監(jiān)視系統(tǒng)，多臺(tái)數(shù)采監(jiān)視系統(tǒng)共享一套診斷系統(tǒng)，如圖所示。數(shù)采監(jiān)視系統(tǒng)通過計(jì)算機(jī)網(wǎng)絡(luò)與診斷系統(tǒng)通訊聯(lián)絡(luò)。既保證了監(jiān)測(cè)的實(shí)時(shí)性(即使在診斷時(shí)也能保證不中斷監(jiān)視)，又可以實(shí)現(xiàn)信息的共享。另一方面，由于旋轉(zhuǎn)機(jī)械的故障十分復(fù)雜，有些疑難故障需要多專家、多診斷系統(tǒng)協(xié)同診斷才能解決問題。對(duì)此，我們提出了遠(yuǎn)程分布式旋轉(zhuǎn)機(jī)械工況監(jiān)視與故障診斷方式，在上述分布式工況監(jiān)視與故障診斷方式的基礎(chǔ)上，通過計(jì)算機(jī)網(wǎng)絡(luò)或電話電纜實(shí)現(xiàn)信息的遠(yuǎn)距離傳輸，使得地域網(wǎng)絡(luò)診斷中心可以在遠(yuǎn)離設(shè)備的地方隨時(shí)監(jiān)視設(shè)備的運(yùn)行情況，進(jìn)行診斷；可以實(shí)現(xiàn)對(duì)生產(chǎn)設(shè)備的異地協(xié)同診斷，使得多個(gè)診斷系統(tǒng)服務(wù)于同一臺(tái)設(shè)備，多臺(tái)設(shè)備共享同一診斷系統(tǒng)，以彌補(bǔ)單個(gè)診斷系統(tǒng)在領(lǐng)域知識(shí)上的不足，以提高設(shè)備故障診斷的可靠性和智能化水平。利用計(jì)算機(jī)診斷網(wǎng)絡(luò)還有利于數(shù)據(jù)積累、資源共享。
3、系統(tǒng)組成及特色
本系統(tǒng)利用振動(dòng)、溫度、壓力等傳感器在線獲取機(jī)組運(yùn)行狀態(tài)信息。
展開 溫控器的PID算法都有哪些？
02
模糊PID控制算法的PID控制
模糊控制(Fuzzy Control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)控制。
03
神經(jīng)網(wǎng)絡(luò)PID控制算法的PID控制
神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型的方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，用簡(jiǎn)單處理單元連接形成各種復(fù)雜網(wǎng)絡(luò)，并采用誤差反向傳播算法(BP)。
04
Fuzzy-PID控制算法的PID控制
模糊控制不需知道被控對(duì)象的精確模型，易于控制不確定對(duì)象和非線性對(duì)象。PID本質(zhì)是線性控制。將模糊控制與PID結(jié)合多，以Fuzzy-PID混合控制為例，據(jù)給定值與測(cè)量值之偏差e選擇智能控制器，根據(jù)e的變化選擇控制方法，當(dāng)|e|≤emin或|e|≥emax時(shí)，采用PID控制；當(dāng)emin≤|e|≤emax時(shí)，采用Fuzzy控制。
05
神經(jīng)網(wǎng)絡(luò)PID控制算法的PID控制
在PID控制的基礎(chǔ)上，加入神經(jīng)網(wǎng)絡(luò)控制器，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID溫控器。
神經(jīng)網(wǎng)絡(luò)溫控器NNC是前饋控制器，通過對(duì)PID溫控器的輸出進(jìn)行學(xué)習(xí)，在線調(diào)整自己，目標(biāo)是使反饋誤差e(t) 或u(t)趨近于零，使自己逐漸在控制中占據(jù)主導(dǎo)地位，以減弱或最終消除反饋控制器的作用。
06
模糊神經(jīng)網(wǎng)絡(luò)PID控制算法的PID控制
將模糊邏輯與神經(jīng)網(wǎng)絡(luò)結(jié)合，采用神經(jīng)網(wǎng)絡(luò)模糊邏輯推理網(wǎng)絡(luò)模型和快速的自學(xué)習(xí)算法，通過網(wǎng)絡(luò)的離線訓(xùn)練和在線自學(xué)習(xí)使調(diào)節(jié)器具有自調(diào)整、自學(xué)習(xí)和自適應(yīng)能力，達(dá)到模糊智能控制。
展開 數(shù)字孿生體的“超級(jí)大腦”
人類的左腦專事邏輯推理和理性判斷，只要具有明確規(guī)律和邏輯，不管多復(fù)雜，總是可以通過推理獲得明確的結(jié)論，提前知道數(shù)字孿生體和物理對(duì)象將會(huì)發(fā)生什么。此時(shí)的數(shù)字孿生體就是一個(gè)有頭腦、會(huì)思考的智能孿生體，開始具有明顯的生命特征，特別是人類的理性思維特征。
2、數(shù)據(jù)分析：數(shù)字孿生體的“右腦”
數(shù)據(jù)分析過程是基于不完整信息和不明確機(jī)理來推測(cè)未來。我們的世界中，大多數(shù)現(xiàn)象的物理規(guī)律并不明確，大多數(shù)情況無法獲得完備的邊界條件和物理狀態(tài)，但我們?nèi)匀徊坏貌粚?duì)未來做出預(yù)測(cè)，哪怕是在模糊的判斷，仍然好于毫無判斷。如果要求數(shù)字孿生體越來越智能和智慧，就不應(yīng)局限于人類對(duì)物理世界的確定性知識(shí)。其實(shí)人類本身就不是完全依賴確定性知識(shí)而領(lǐng)悟世界的。
大數(shù)據(jù)和人工智能（AI）技術(shù)是數(shù)據(jù)分析的關(guān)鍵技術(shù)。根據(jù)通過“互動(dòng)”過程收集的數(shù)據(jù)以及“先知”過程輸出的數(shù)據(jù)，利用相關(guān)性分析建立物理世界的近似模型，依據(jù)當(dāng)前邊界條件和物理狀態(tài)進(jìn)行下一步狀態(tài)的預(yù)測(cè)，并且對(duì)近似模型逐步優(yōu)化。當(dāng)前邊界條件和物理對(duì)象狀態(tài)是被不完整測(cè)量的，但也只能作為近似模型的不完備輸入條件，輸出的結(jié)果當(dāng)然距離物理世界的真實(shí)情況有一定偏差。但隨著機(jī)器學(xué)習(xí)的持續(xù)，算法和模型逐步改善，近似模型會(huì)越來越逼近物理機(jī)理，預(yù)測(cè)結(jié)果也會(huì)逼近物理世界。也正是因?yàn)檫@個(gè)原因，業(yè)界有人將大數(shù)據(jù)（及AI）視為科學(xué)研究的“第四范式”，科研方法從傳統(tǒng)的三種方法——理論、實(shí)驗(yàn)、計(jì)算拓展到第四種方法——大數(shù)據(jù)（及AI）。
我們把這個(gè)過程稱為“先覺”，提供了數(shù)字孿生體的“右腦”。人類的右腦專事感性思維，利用直覺和第六感來獲得對(duì)世界的判斷和預(yù)測(cè)。當(dāng)然這里指的直覺那種優(yōu)秀的直覺，而非普通人的直覺。優(yōu)秀的直覺源于對(duì)豐富經(jīng)歷和有效經(jīng)驗(yàn)的高度總結(jié)，還需要經(jīng)常性的深度思考和遠(yuǎn)期瞭望。
展開 
電機(jī)仿真系列-基于模糊PID的直流電機(jī)Simulink模型
1、模糊控制
模糊控制作為目前最具實(shí)際意義的智能控制方法之一，以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)。實(shí)現(xiàn)一步模糊控制算法的過程：獲取被控制量的精確值。將此量與給定值比較得到誤差信號(hào)，一般選誤差信號(hào)作為模糊控制器的一個(gè)輸入量。把誤差信號(hào)的精確量進(jìn)行模糊化變成模糊量。誤差的模糊量可用相應(yīng)的模糊語言表示，得到誤差的模糊語言集合的一個(gè)子集（一個(gè)模糊矢量），再由誤差和模糊控制規(guī)則（模糊算子）根據(jù)推理的合成規(guī)則進(jìn)行模糊決策，得到模糊控制量。
2、基于模糊控制的轉(zhuǎn)速調(diào)節(jié)器設(shè)計(jì)
直流電機(jī)控制系統(tǒng)中，外環(huán)轉(zhuǎn)速調(diào)節(jié)器采用模糊PID控制器．內(nèi)環(huán)電流調(diào)節(jié)器依然采用傳統(tǒng)PID控制器。從理論上講．模糊控制器的維數(shù)越高。控制越精密。但是維數(shù)越高。模糊控制規(guī)則變得過于復(fù)雜，控制算法的實(shí)現(xiàn)相當(dāng)困難。這是目前廣泛應(yīng)用二維模糊控制器的原因所在。
模糊控制輸出量確定的過程：
①確定輸入與輸出變量的模糊子集和論域及其隸屬度：
②設(shè)計(jì)模糊推理關(guān)系，確定模糊控制規(guī)則，以明確模糊關(guān)系矩陣：
③模糊決策，確定輸出量在其論域上的模糊矢量：
④模糊判決，即將控制量去模糊化，得到確定的輸出變量。進(jìn)而得到相應(yīng)的控制表。
代碼：
3、系統(tǒng)仿真與分析
為分析模糊控制器控制性能．針對(duì)直流電機(jī)控制系統(tǒng)．利用模糊控制技術(shù)設(shè)計(jì)轉(zhuǎn)速調(diào)節(jié)器．電流調(diào)節(jié)器依然采用傳統(tǒng)PI控制．用Matlab／Simulink仿真工具進(jìn)行了系統(tǒng)仿真。并和傳統(tǒng)內(nèi)外環(huán)均采用PID控制的系統(tǒng)指標(biāo)進(jìn)行了比較。
從仿真結(jié)果可以看出。模糊PID控制系統(tǒng)具有超調(diào)量小、魯棒性和抗負(fù)載擾動(dòng)能力強(qiáng)的優(yōu)點(diǎn)。由于模糊PID的設(shè)計(jì)比較簡(jiǎn)單，容易實(shí)現(xiàn)，控制效果也更出色。
展開 AI for CAE：仿真智能體開啟“普惠仿真”新時(shí)代
早期的AI主要依賴邏輯推理和規(guī)則引擎，受限于數(shù)據(jù)和算力的不足，發(fā)展較為緩慢。隨著大數(shù)據(jù)的興起、算力的指數(shù)級(jí)躍升以及深度學(xué)習(xí)算法的突破，AI在2010年后迎來了飛速發(fā)展的黃金時(shí)期。
近年來，大語言模型（LLM）的強(qiáng)勢(shì)崛起為AI領(lǐng)域帶來了一場(chǎng)波瀾壯闊的科技革命，從消費(fèi)互聯(lián)網(wǎng)到工業(yè)制造、醫(yī)療健康等領(lǐng)域，正在重塑各行各業(yè)的運(yùn)作邏輯。DeepSeek作為大語言模型領(lǐng)域的變革力量，憑借算法創(chuàng)新和算力優(yōu)化的雙重突破，成為推動(dòng)大語言模型普及與變革的關(guān)鍵力量。DeepSeek通過開源策略和低成本部署，降低了技術(shù)門檻，讓大語言模型的應(yīng)用觸手可及，其在多領(lǐng)域的廣泛應(yīng)用也進(jìn)一步彰顯了其技術(shù)優(yōu)勢(shì)和產(chǎn)業(yè)價(jià)值。
在CAE（計(jì)算機(jī)輔助工程）領(lǐng)域，AI正引發(fā)一場(chǎng)顛覆性變革。AI不僅能夠顯著提升仿真的效率和精度，同時(shí)也在不斷改變?nèi)藗兪褂梅抡孳浖男问健I Agent通過自然語言交互理解用戶需求，不僅能夠生成解決方案，還能深入到具體的應(yīng)用場(chǎng)景中，為用戶提供更加精準(zhǔn)、高效的服務(wù)，標(biāo)志著AI技術(shù)從“能思考”到“會(huì)做事”的跨越，為各行業(yè)的智能化發(fā)展注入了新的活力。
云道智造的工程師正在致力于研發(fā)仿真智能體，融合了多智能體交互、檢索增強(qiáng)生成（RAG）、強(qiáng)化學(xué)習(xí)修正和生成式等技術(shù)，并采用國(guó)產(chǎn)開源的DeepSeek 作為底層大語言模型。系統(tǒng)支持用戶通過自然語言輸入需求，仿真智能體能夠精準(zhǔn)理解用戶意圖并將其轉(zhuǎn)化為可執(zhí)行的仿真任務(wù)，實(shí)現(xiàn)從模型構(gòu)建到仿真分析的全流程自動(dòng)化。
有了仿真智能體，用戶無需具備任何仿真知識(shí)或軟件使用經(jīng)驗(yàn)，即可完成復(fù)雜的仿真任務(wù)，極大地降低了技術(shù)門檻。這一創(chuàng)新模式與云道智造所倡導(dǎo)的"普惠仿真"的理念高度契合，即通過智能化手段，讓仿真技術(shù)突破長(zhǎng)期以來的專業(yè)壁壘，使更廣泛的用戶群體能夠輕松使用先進(jìn)的仿真工具，推動(dòng)仿真技術(shù)的大眾化進(jìn)程。
展開 Solid Edge產(chǎn)品功能介紹及易用性
Solid Edge采用了STREAM/XP技術(shù)，將邏輯推理、設(shè)計(jì)幾何特征捕捉和決策分析融入到產(chǎn)品設(shè)計(jì)的各個(gè)過程中。基于工作流程的（Process Specific）工具條獨(dú)具匠心，不管您工作在那個(gè)階段，它都能為您提供動(dòng)態(tài)信息反饋，引導(dǎo)您達(dá)到目的。各種命令的設(shè)計(jì)簡(jiǎn)潔清晰，使得操作過程自然流暢。您無需牢記命令的細(xì)節(jié)，就能在動(dòng)態(tài)工具條的引導(dǎo)下輕松設(shè)計(jì)而不會(huì)迷失方向。同樣是機(jī)械設(shè)計(jì)，STREAM/XP技術(shù)能減少鼠標(biāo)和鍵盤操作達(dá)45% ～57%，提高效率36%。
Solid Edge采用自己公司的Parasolid作為軟件核心，將普及型CAD系統(tǒng)與世界上最具領(lǐng)先地位的實(shí)體造型引擎結(jié)合在一起，功能強(qiáng)大，是從事三維設(shè)計(jì)的最優(yōu)秀CAD軟件。同時(shí)系統(tǒng)還提供了從二維視圖到三維實(shí)體的轉(zhuǎn)換工具，您無需摒棄多年來二維制圖的成果，借助Solid Edge就能迅速躍升到三維設(shè)計(jì)，這種質(zhì)的飛躍讓您體驗(yàn)到三維設(shè)計(jì)的巨大優(yōu)越性。
使用Solid Edge，您不僅能建立產(chǎn)品的三維模型，而且還能獲得完成精確設(shè)計(jì)的知識(shí)。工程助手能幫助您快速評(píng)估各種設(shè)計(jì)方案，從而優(yōu)化機(jī)器性能和可靠性；企業(yè)知識(shí)庫能將所有經(jīng)過驗(yàn)證的設(shè)計(jì)經(jīng)驗(yàn)進(jìn)行數(shù)字化保留，并快速應(yīng)用到新產(chǎn)品中去；質(zhì)量特性計(jì)算、設(shè)計(jì)參數(shù)監(jiān)視器、運(yùn)動(dòng)分析、干涉檢查和其他多種內(nèi)置工具，幫助您捕捉和實(shí)現(xiàn)您的設(shè)計(jì)理念。
一旦您選擇Solid Edge，您就不但得到了世界最優(yōu)秀的三維CAD的設(shè)計(jì)平臺(tái)，而同時(shí)也能獲得最基本的數(shù)據(jù)管理平臺(tái)，不僅如此，由專業(yè)產(chǎn)品工程師、技術(shù)顧問、培訓(xùn)專家以及其他相關(guān)技術(shù)人員組成的強(qiáng)大團(tuán)隊(duì)，將為您提供有效的幫助和指導(dǎo)，你無需為你的日后應(yīng)用所困擾，因?yàn)槟谋澈笫侨蛞涣鞯膱F(tuán)體。
展開 Skills and Attributes that Contribute to a Success
Capacity for logical reasoning, including abstract and theoretical reasoning （培養(yǎng)邏輯推理能力，這不是一般人能真正學(xué)到的，總結(jié)和理性邏輯的能力很重要。）
12. Capacity to draw logical inferences from observational and experimental data（從表面現(xiàn)象推導(dǎo)本質(zhì)問題的能力！無論在生活還是工作中都很重要。）
13. Ability to conceive an explanatory hypothesis and design critical tests to evaluate it（要能對(duì)產(chǎn)生的實(shí)際問題做出全面合理的假設(shè)，然后設(shè)計(jì)方案解決它！）
Communication Skills
1. Capacity to retrieve information from published sources（提取信息的能力！）
2. Skill in learning by interview methods （通過互相交談進(jìn)行學(xué)習(xí)的能力！這是接收信息的能力！）
3. Capacity to communicate in writing （寫作中的表達(dá)能力！）
4. Capacity to communicate orally （口頭相互交流的能力！）
5. Skill in use of computers and other information-processing devices
6. Skill in graphic display of information and ideas（會(huì)用圖景表達(dá)自己的想法！
展開 AI 中的歸納推理
歸納推理也被稱為“對(duì)最佳解釋的推斷”。
歸納推理示例
讓我們舉個(gè)例子：假設(shè)你有一天早上醒來，發(fā)現(xiàn)你家外面的街道是濕的。
以下是歸納推理的觀察結(jié)果和過程：
觀察：街道潮濕。
可能的假設(shè)：
昨晚下雨了。
水管爆裂。
一輛街道清潔車剛剛駛過。
其他信息：您記得天氣預(yù)報(bào)預(yù)測(cè)了昨晚的降雨。
歸納推理結(jié)論：考慮到天氣預(yù)報(bào)和任何其他可見的原因，對(duì)潮濕街道最合理的解釋是昨晚下雨了。
AI 如何實(shí)現(xiàn) Abductive Reasoning
在 AI 中實(shí)施歸納推理涉及多種技術(shù)策略：
概率模型： AI 系統(tǒng)通常采用貝葉斯網(wǎng)絡(luò)等概率模型來管理歸納推理中的不確定性。這些模型根據(jù)觀察到的數(shù)據(jù)計(jì)算各種假設(shè)的可能性，幫助系統(tǒng)選擇最可能的假設(shè)。
邏輯編程：邏輯編程，尤其是答案集編程 （ASP），用于在 AI 中正式化歸納推理。在這種方法中，系統(tǒng)生成多個(gè)可能的答案或 “答案集”，每個(gè)答案或答案集都代表對(duì)觀察到的數(shù)據(jù)的合理解釋，然后選擇最合適的答案。
機(jī)器學(xué)習(xí)：某些機(jī)器學(xué)習(xí)算法可以通過學(xué)習(xí)根據(jù)數(shù)據(jù)預(yù)測(cè)結(jié)果來執(zhí)行歸納推理。
AI 中的歸納推理原理
從根本上說，歸納推理包括以下三個(gè)步驟：
個(gè)人觀察：肯定會(huì)注意到一些意想不到或令人困惑的事情。
可能的假設(shè)：考慮了可以解釋觀察結(jié)果的原因。
展開 國(guó)家能源集團(tuán)黃其勵(lì)：打造智慧電廠的必要性、途徑及建議——2018年智慧電廠論壇（二）
第二是2011年的“沃森”機(jī)器人，儲(chǔ)存了數(shù)百萬個(gè)文件資料，以每秒80萬億次運(yùn)算，相當(dāng)于1秒鐘可以讀100萬本書，它能夠邏輯推理和評(píng)估出答案，精確的回答。它參加了以應(yīng)變性著稱的競(jìng)賽項(xiàng)目“危險(xiǎn)邊緣”，超過了很多高手，獲得勝利，得到了100萬美元的獎(jiǎng)金。一個(gè)就是進(jìn)來AlphaGo的出現(xiàn)，擊敗了兩個(gè)圍棋九段，有極強(qiáng)的記憶和邏輯推理，還能產(chǎn)生個(gè)性，這和深度學(xué)習(xí)分不開。今年9月1日在北京音樂廳，來自意大利的機(jī)器人和人類的機(jī)器人在演出上，這個(gè)機(jī)器人有56個(gè)手指，不僅可以演出固定的節(jié)目，還可以當(dāng)場(chǎng)模仿人類的演奏家演奏節(jié)目，可以自己創(chuàng)作新的曲子演奏，這說明人類的智慧是無限的，可以實(shí)現(xiàn)深度學(xué)習(xí)、跨界融合、個(gè)群智開發(fā)、自主決策。
人工智能發(fā)展的三個(gè)階段：監(jiān)督學(xué)習(xí)—弱學(xué)習(xí)、無監(jiān)督學(xué)習(xí)—強(qiáng)學(xué)習(xí)、創(chuàng)新學(xué)習(xí)—深度學(xué)習(xí)。專家系統(tǒng)人工智能(弱學(xué)習(xí))，依賴專家體系標(biāo)準(zhǔn)的數(shù)據(jù)學(xué)習(xí)，學(xué)習(xí)也依賴人工設(shè)計(jì)的算法。廣義人工智能(強(qiáng)學(xué)習(xí))，將來可選擇可行、可用的不同信息和數(shù)據(jù)來源，并可以進(jìn)行長(zhǎng)久性的終身學(xué)習(xí)，具有高度且強(qiáng)大的自助行。深度人工智能(深度學(xué)習(xí))，每個(gè)動(dòng)作都會(huì)對(duì)環(huán)境有影響，學(xué)習(xí)對(duì)象根據(jù)觀察到的周圍環(huán)境進(jìn)行判斷，使結(jié)果最優(yōu)。
智能電廠的特點(diǎn)，建設(shè)智慧電廠的目的，就是建設(shè)現(xiàn)代能源電力系統(tǒng)，實(shí)現(xiàn)安全、高效、綠色、低碳的發(fā)電，這是我們最終不可動(dòng)搖的過程。生產(chǎn)過程可以自主優(yōu)化，系統(tǒng)具有自主能力，可以使系統(tǒng)適應(yīng)不同變化的目標(biāo)條件，比如負(fù)荷變化、用電側(cè)。大家都去看球賽了，忽然把電器都開了，一會(huì)兒太陽來了發(fā)電，以及電力市場(chǎng)的變化等等，能夠采集、分析、判斷和規(guī)劃自身的行為，智能的在線動(dòng)態(tài)優(yōu)化配置設(shè)備及其參數(shù)。
第二，管理流程的透明優(yōu)化。就是以虛擬現(xiàn)實(shí)(AR)為代表的，將實(shí)際擴(kuò)增顯示工作管理流程中的人行為。
展開 暢(wang)想一下GPT時(shí)代的仿真軟件
這樣的模型可能會(huì)在嚴(yán)格的數(shù)學(xué)問題和邏輯推理上有一定缺陷。
但是，如New Bing這樣接入GPT模型的搜索引擎，以及最近出現(xiàn)的許多基于GPT-3.5 API接口的應(yīng)用，都已經(jīng)可以做到讓語言模型自行搜索、閱讀一些網(wǎng)頁或文檔等新內(nèi)容，并總結(jié)其中的大意。這個(gè)閱讀新內(nèi)容的過程其實(shí)不屬于“訓(xùn)練”，而應(yīng)該算是應(yīng)用模型中現(xiàn)有的能力，去理解并提取給定文檔中的信息。
一個(gè)多月以前，筆者簡(jiǎn)單測(cè)試了一下，讓chatGPT寫一小段APDL腳本。它第一次寫出來的結(jié)果不是很正確，甚至連其中一些命令的語法都寫錯(cuò)了。但在那之后，我其實(shí)沒有糾正它，也沒有給它提供更多的反饋。
但，其實(shí)再想一想，現(xiàn)在各類商用有限元軟件的幫助文檔內(nèi)容那么全面，不遠(yuǎn)的將來，有沒有可能調(diào)用GPT-3甚至GPT-4的API接口，讓它能實(shí)時(shí)參考仿真軟件的幫助文檔，基于幫助文檔給出更準(zhǔn)確的仿真操作建議呢？
就比如說，現(xiàn)在我們?nèi)绻胍鲆粋€(gè)顯式動(dòng)力學(xué)分析，用LS-Dyna完成的話，你需要知道許多Dyna內(nèi)部的關(guān)鍵字。從定義材料、截面，到輸出控制，用戶需要學(xué)習(xí)和掌握每一個(gè)關(guān)鍵字的語法格式。
接入GPT以后，有沒有可能，工程師可以直接將仿真需求用自然語言描述給它，它幫我查閱文檔以后，直接給出可行的仿真實(shí)現(xiàn)？
仿真普及化的阻礙
多年以來，有限元仿真的門檻一直都很高。即使像ANSYS這樣的軟件已經(jīng)將用戶界面做的非常易用，但其中一些復(fù)雜的功能，以及像LS-Dyna、Radioss這樣的高級(jí)顯式動(dòng)力學(xué)分析軟件，想將它們正確的用起來也需要不低的知識(shí)門檻。這件事一直阻礙著仿真技術(shù)向更廣泛的用戶普及。
比如醫(yī)生想要用仿真來研究對(duì)比不同的截骨手術(shù)方案，目前來看很多時(shí)候還是只能和工科類高校的課題組合作完成仿真分析。
展開 
從神一到神十三，探索中國(guó)航天背后“神秘”力量 | 文末免費(fèi)嘗鮮“太空冰淇淋”
人工智能解決了航天飛行任務(wù)規(guī)劃中涉及較為復(fù)雜的邏輯推理和眾多的約束條件。
材料分析對(duì)航空航天器的制造有著重要作用，直接關(guān)系到整個(gè)探索任務(wù)能否順利完成。
仿真模擬縮短了航天器的制作時(shí)間，使得連續(xù)發(fā)射成為可能。
本文將重點(diǎn)和大家聊聊航天、仿真模擬和云計(jì)算之間的關(guān)系。
航天、仿真模擬和云計(jì)算
航天器在宇宙空間中長(zhǎng)期處于高真空、強(qiáng)輻射、失重的環(huán)境中，有的還要返回地球或者其他天體上著陸，經(jīng)歷的環(huán)境相當(dāng)復(fù)雜及惡劣。
為了保證航天器中的機(jī)械零件不會(huì)出現(xiàn)問題，需要不斷做實(shí)驗(yàn)才能得到確切的結(jié)果，傳統(tǒng)的實(shí)驗(yàn)數(shù)據(jù)需要科學(xué)家付出大量的精力來演算，但是這樣做既費(fèi)時(shí)又費(fèi)力，也需要極大的資金支持。
在這種情況下，人們想到了計(jì)算機(jī)，因?yàn)橛?jì)算機(jī)不僅計(jì)算速度快而且有著高精度。后來還出現(xiàn)了專門用于仿真模擬的軟件來模擬航天器發(fā)射之前各種可能出現(xiàn)的狀況。
比如有限單元法首先是應(yīng)用于航空工業(yè)中結(jié)構(gòu)的力學(xué)特性分析。發(fā)展至今天，已成為工程數(shù)值分析的有力工具。現(xiàn)在的有限元分析軟件在航天領(lǐng)域發(fā)揮了重要作用，不僅可以進(jìn)行結(jié)構(gòu)的靜力學(xué)和動(dòng)力學(xué)分析，也可以計(jì)算結(jié)構(gòu)在熱載荷和聲載荷等作用下的應(yīng)力應(yīng)變分布情況。
有限元單元法的基本思想是將一個(gè)結(jié)構(gòu)或連續(xù)體的求解域離散為若干個(gè)子域，并通過他們邊界上的節(jié)點(diǎn)相互聯(lián)結(jié)成為組合體。使用每一個(gè)單元內(nèi)所假設(shè)的近似函數(shù)來分片地表示全求解域內(nèi)待求得未知場(chǎng)變量。
以衛(wèi)星結(jié)構(gòu)來說，每顆衛(wèi)星都設(shè)有結(jié)構(gòu)分系統(tǒng)，衛(wèi)星結(jié)構(gòu)的主要功能包括承受載荷、安裝設(shè)備和提供構(gòu)型3個(gè)方面。在滿足衛(wèi)星結(jié)構(gòu)、機(jī)構(gòu)的功能要求和一般機(jī)械構(gòu)件設(shè)計(jì)的特征外，還需要滿足6大設(shè)計(jì)特點(diǎn)，分別是盡量減小質(zhì)量、利用有限容積、突出剛度設(shè)計(jì)、適應(yīng)空間環(huán)境、保證高度可靠及滿足一次使用。
展開 從神一到神十三，探索中國(guó)航天背后“神秘”力量
人工智能解決了航天飛行任務(wù)規(guī)劃中涉及較為復(fù)雜的邏輯推理和眾多的約束條件。
材料分析對(duì)航空航天器的制造有著重要作用，直接關(guān)系到整個(gè)探索任務(wù)能否順利完成。
仿真模擬縮短了航天器的制作時(shí)間，使得連續(xù)發(fā)射成為可能。
本文將重點(diǎn)和大家聊聊航天、仿真模擬和云計(jì)算之間的關(guān)系。
航天、仿真模擬和云計(jì)算
航天器在宇宙空間中長(zhǎng)期處于高真空、強(qiáng)輻射、失重的環(huán)境中，有的還要返回地球或者其他天體上著陸，經(jīng)歷的環(huán)境相當(dāng)復(fù)雜及惡劣。
為了保證航天器中的機(jī)械零件不會(huì)出現(xiàn)問題，需要不斷做實(shí)驗(yàn)才能得到確切的結(jié)果，傳統(tǒng)的實(shí)驗(yàn)數(shù)據(jù)需要科學(xué)家付出大量的精力來演算，但是這樣做既費(fèi)時(shí)又費(fèi)力，也需要極大的資金支持。
在這種情況下，人們想到了計(jì)算機(jī)，因?yàn)橛?jì)算機(jī)不僅計(jì)算速度快而且有著高精度。后來還出現(xiàn)了專門用于仿真模擬的軟件來模擬航天器發(fā)射之前各種可能出現(xiàn)的狀況.
比如有限單元法首先是應(yīng)用于航空工業(yè)中結(jié)構(gòu)的力學(xué)特性分析。發(fā)展至今天，已成為工程數(shù)值分析的有力工具。現(xiàn)在的有限元分析軟件在航天領(lǐng)域發(fā)揮了重要作用，不僅可以進(jìn)行結(jié)構(gòu)的靜力學(xué)和動(dòng)力學(xué)分析，也可以計(jì)算結(jié)構(gòu)在熱載荷和聲載荷等作用下的應(yīng)力應(yīng)變分布情況。
有限元單元法的基本思想是將一個(gè)結(jié)構(gòu)或連續(xù)體的求解域離散為若干個(gè)子域，并通過他們邊界上的節(jié)點(diǎn)相互聯(lián)結(jié)成為組合體。使用每一個(gè)單元內(nèi)所假設(shè)的近似函數(shù)來分片地表示全求解域內(nèi)待求得未知場(chǎng)變量。
以衛(wèi)星結(jié)構(gòu)來說，每顆衛(wèi)星都設(shè)有結(jié)構(gòu)分系統(tǒng)，衛(wèi)星結(jié)構(gòu)的主要功能包括承受載荷、安裝設(shè)備和提供構(gòu)型3個(gè)方面。在滿足衛(wèi)星結(jié)構(gòu)、機(jī)構(gòu)的功能要求和一般機(jī)械構(gòu)件設(shè)計(jì)的特征外，還需要滿足6大設(shè)計(jì)特點(diǎn)，分別是盡量減小質(zhì)量、利用有限容積、突出剛度設(shè)計(jì)、適應(yīng)空間環(huán)境、保證高度可靠及滿足一次使用。
展開 當(dāng)可解釋人工智能遇上知識(shí)圖譜
這種帶有更深的邏輯推理問題，往往都有不止一個(gè)的答案，蘊(yùn)含很多集合與集合之間的操作，因此用單個(gè)點(diǎn)或者向量是難以表示的。同時(shí)這些單點(diǎn)進(jìn)行（合取/析取）也就是并集和交集操作也是不自然的。
“魚類食物富含的物質(zhì)對(duì)身體哪些部位有好處？”邏輯依賴圖
所以小結(jié)當(dāng)前方法：將復(fù)雜問題建模成向量空間的一個(gè)點(diǎn)。其普遍缺點(diǎn)是：
1.一個(gè)復(fù)雜的問題可能代表著一個(gè)很大的答案實(shí)體集合，用一個(gè)點(diǎn)（類比一個(gè)典型實(shí)體）表示是不合理的；
2.向量空間中定義兩個(gè)點(diǎn)的邏輯操作符（合取/析取）也是不合理的。
QUERY2BOX：
Reasoning over Knowledge Graphs in Vector Space using Box Embeddings[7]發(fā)表在2020年的ICLR會(huì)議上。那么QUERY2BOX是思路是什么呢？大家也可以從主題猜到，QUERY2BOX是用“箱子”不再是一個(gè)點(diǎn)來進(jìn)行嵌入。它的目標(biāo)是想融入一階邏輯推理EPFO能力到這些嵌入之中。大家可以看到右圖，這些一個(gè)一個(gè)的box嵌入，看起來是適合集合之間的操作的，而且這些操作都是產(chǎn)生一個(gè)個(gè)新的box，因此它的操作也是封閉，一種閉包。從論文的總結(jié)看，box-embeddings有以下優(yōu)勢(shì)：
1.Box-embeddings更適合復(fù)雜而且答案多組合的推理問題；
2.Box之間依然可以進(jìn)行一階邏輯操作EPFO(Existenial Positive First-order)；
3.Box操作的結(jié)果是產(chǎn)生新的box，因此操作符是封閉的。
那么QUERY2BOX是如何實(shí)現(xiàn)這種box-embedings?
展開 論人工智能歷史、現(xiàn)狀與未來發(fā)展戰(zhàn)略
而邏輯推理是一個(gè)典型的應(yīng)用范例。用邏輯推理對(duì)符號(hào)進(jìn)行演繹，以模仿人類的邏輯思維，成為人工智能的一大流派，稱之謂“符號(hào)主義”。從早期紐維爾、西蒙、王浩等人在機(jī)器定理證明的工作，到1965年羅賓遜發(fā)明了歸結(jié)算法，即把一階邏輯推理變成一個(gè)機(jī)械的搜索算法，符號(hào)主義的工作使推理成為機(jī)器智能的主要機(jī)制。這些工作，直接導(dǎo)致了20世紀(jì)80年代初的以日本第五代計(jì)算機(jī)為代表的人工智能研究的第二次高潮。以推理作為機(jī)器智能的機(jī)制，要求人類把知識(shí)以邏輯的形式告訴計(jì)算機(jī)，然而人們很快就認(rèn)識(shí)到，這樣靠人工獲取知識(shí)的手段是機(jī)器智能的一大瓶頸，機(jī)器的智能，只有在具有自動(dòng)地從客觀世界中獲取知識(shí)的能力之后，才能取得革命性的進(jìn)步。
步入21世紀(jì)，人類進(jìn)入了互聯(lián)網(wǎng)時(shí)代。這時(shí)不僅計(jì)算機(jī)的計(jì)算和存儲(chǔ)能力得到了巨大的提升，而且世界的萬物互聯(lián)和傳感技術(shù)的發(fā)展，使人們?cè)诹炕澜绲牡缆飞巷w速前進(jìn)，人類步入了量化萬物的大數(shù)據(jù)時(shí)代，這樣的量化世界所提供的無盡的數(shù)據(jù)資源以及以云計(jì)算技術(shù)組織起來的空前的計(jì)算能力，終于使得我們有可能使知識(shí)的自動(dòng)獲取成為現(xiàn)實(shí)。于是，從大數(shù)據(jù)中自動(dòng)獲取知識(shí)的機(jī)器學(xué)習(xí)，成為新一代人工智能的主要機(jī)制和技術(shù)驅(qū)動(dòng)力。1985年辛頓和謝諾夫斯基發(fā)表了《玻爾茲曼機(jī)的一種學(xué)習(xí)算法》一文，提出多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制，1986年羅姆哈特和辛頓發(fā)表的《通過誤差的傳播學(xué)習(xí)內(nèi)在表示》一文，提出了反向傳播算法，從而使神經(jīng)元網(wǎng)絡(luò)具有了可以自動(dòng)調(diào)節(jié)神經(jīng)元連接的權(quán)重，進(jìn)而實(shí)現(xiàn)了不斷優(yōu)化目標(biāo)函數(shù)的學(xué)習(xí)功能。后來十幾年，計(jì)算機(jī)科學(xué)家們提出了包括像卷積神經(jīng)網(wǎng)絡(luò)等一系列神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，使得神經(jīng)元網(wǎng)絡(luò)可以自動(dòng)提取對(duì)學(xué)習(xí)有意義的數(shù)據(jù)特征。這一系列的成果使得今天我們稱之為深度學(xué)習(xí)的人工智能技術(shù)，成為機(jī)器智能的主要內(nèi)在機(jī)制。
人工智能對(duì)人類社會(huì)發(fā)展產(chǎn)生深刻影響。在人工智能的發(fā)展歷程中，每一次前進(jìn)都受到了世界主要經(jīng)濟(jì)體政府的積極推動(dòng)。
展開 