什么是人工智能(AI)呢？

AI始于采用人类思想的时候。根据之前的信息采集数据、保存数据并再利用。我们也谈及AI学习或创建模型。常见的目标是提升效率或提高透明度。

与传统的编程应用不同，自学习AI系统随着每个新任务自我完善自我提高。编程的任务始终输出相同结果，而AI结果每次都不同 – 理想的情况，结果将持续变好。这是因为AI不会遵守死板的规则，而是基于历史数据创建它自己的规则并持续优化。

以下解释包括信息图将详细说明使用人工智能与传统编程方式的区别。

传统编程

目前为止，为了专门实施每个应用必须知道所有规则和相关因素。硬编码程序根据输入数据计算结果。应用中编程使用情况，这非常不灵活，因为创建程序时必须知道所有内部关系以及特殊使用情况。因此，传统编程主要适用于清晰的定义使用情况。

人工智能 / 机器学习

人工智能完全不同。提供已记录的输入数据和之前计算的结果。AI检测各个关联关系，创建模拟系统行为的模型。AI根据历史数据学习（机器学习），然后使用这些知识。致使AI更加灵活，因为创建时不是每个特殊使用情况都需要知道，AI自己可以推断关联性。

人工智能用在很多行业，不管是医药技术、汽车还是电子行业， 目标都是相同的：优化。

比如，利用自学习AI可以优化计划，减少浪费，非人工开展日常工作，助力公司提升效率。不管怎样，人工智能仅和提供的数据一样好，便于评估。

人工智能已经在不知不觉中走进了我们的日常生活。很多分析都采用了AI技术，来自AI系统的奇怪建议，最重要的是没有AI的话，与聊天机器人通讯将是不可能的。日常工作中集成的AI越多，接受度越高。“当心AI”的警告很多时候是适得其反的。交流时您与谁在谈话当然是有争议的。

这里是智能工厂使用人工智能的真实案例。

整体而言AI能够提高效率、改善质量以及提升生产灵活性，从而公司更具有竞争力。比如，AI系统能够检测生产流程的异常，尽早提供应对措施。此外，像MPDV高级计划排产系统(APS) FEDRA的计划应用使用AI技术实现可用资源的最佳利用。

在这找到更多智能工厂人工智能的使用案例。

此方面主要使用两个AI方法：机器学习(ML)和强化学习(RL)

机器学习是根据经验或历史数据“智能”生成知识。AI系统从例子中学习，学习阶段完成时应用常规知识并基于培训数据算法创建统计模型。

强化学习是机器学习的子集，其中一个智能体自动学习策略使接收的回报最大化。智能体不被告知什么场合要做什么而是在结果正面的情况下接收回报。如果是负面，智能体将被惩罚。通过使用这个系统，智能体被调适优化行为并接收回报。该步骤可同训练狗相比，用特殊待遇反馈您的狗。

总的来说，工作中人工智能AI大体上会补充拓展人类的能力，但是AI将来一定会取代一些工作。特别是复杂的分析任务将由AI系统完成。然而长远看，最终将需要人类评估AI结果并以此做决策。反过来AI将帮助创建新工作因为公司在创新技术和业务模型上将投入更多资源。