刘晖：《AI技术及汽车行业应用》

【课程大纲】

1. 人工智能基础
2. 人工智能结合了多个学科的优势，具有更高的水平，以提高人的智力能力活动为主要目标，并融入日常生活。
3. 人工智能最独特的优势在于能够解决不确定性问题，是开放型的人工智能。
4. 人工智能是基于与出现重大变化的信息新环境和发展新目标。
5. 人工智能产业的涉猎面很广，能够与三大产业融合发展，与实体经济互相融合，产生互补性创新，驱动经济发展。
6. 人工智能研究现状及发展趋势

（一）人工智能简要发展历程

第一次浪潮：人工智能诞生并快速发展，但技术瓶颈难以突破

第二次浪潮：模型突破带动初步产业化，但推广应用存在成本障碍.

第三次浪潮：信息时代催生新一代人工智能，但未来发展存在诸多隐忧

（二）人工智能的主要驱动因素

1、人机物互联互通成趋势，数据量呈现爆炸性增长

2、数据处理技术加速演进，运算能力实现大幅提升

3、深度学习研究成果卓著，带动算法模型持续优化

4、资本与技术深度耦合，助推行业应用快速兴起

（三）人工智能主要发展特征

1、大数据成为人工智能持续快速发展的基石

2、文本、图像、语音等信息实现跨媒体交互

3、基于网络的群体智能技术开始萌芽

4、自主智能系统成为新兴发展方向

5、人机协同正在催生新型混合智能形态

1. 汽车制造业中主要的人工智能技术
2. 计算机视觉：该技术试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。在汽车制造业中，计算机视觉是应用最广最成熟的技术之一。比如在工业机器人生产线上，计算机视觉可以帮助生产机械获得更加精确的测量数据，保证生产线的高精度。
3. 大数据分析：该技术指对各种不同来源的非结构化或者结构化数据进行分析，从中挖掘信息，观察和追踪发生的事情，从而帮助人类决策和判断。在汽车制造业生产线上，操作人员利用大数据分析系统可以学习并预测生产线状态，提前进行设备维护，防止在车辆生产时候出现故障。
4. 机器人：该技术涵盖了机器人的设计、建造运作等。得益于人工智能技术的进步，机器人技术有了更广泛和灵活的应用，可以实现柔性生产和精确抓取等复杂操作。汽车生产线上的机械臂利用强化学习技术，提高了精确度，强化了协作关系，提高了车辆的良品率。
5. 语音识别与自然语言处理：自然语言处理(NLP)是让系统理解并明白人类写作、说话方式的核心技术。而语音识别技术则是自然语言处理的眼睛与耳朵。它们的结合使用可以完成文字抽取，信息归纳，语音转文字等多项任务，在相关的文件处理、售后服务以及汽车的交互功能中广泛应用。
6. 云计算：云计算是利用网络将本地任务上传至云端服务器进行处理，从而实现本地设备无法实现的功能的技术。包括车载电脑的路径规划手机互动、车辆自检、行车数据记录及分析等功能均有云计算的支持。
7. AR/VR：增强现实与虚拟现实是基于虚拟和现实环境，并结合视觉识别,机器学习，深度学习等多种前沿技术的集合体。此项技术能为车企通过打造虚拟场景以提高产品的设计、研发效率，同时为车辆本身的智能化升级提供支持。
8. 人工智能在汽车制造业中的局限和发展趋势

一、 局限性

1. 基础设施不完善性：对于车联网来说，要实现车与车、车与路、车与周遭环境互联的愿景离不开道路基础设施支持。而当前的道路上的基础网络设施建设尚未完善，不足以支撑未来汽车的网联需求。
2. 法律法规不成熟性：智能驾驶技术自诞生以来一直承受着部分道德因素的诟病，而针对智能驾驶，乃至未来自动驾驶的法律法规也尚未成熟，因而限制了智能驾驶技术的发展。
3. 网络交互的安全性：随着互联网技术的发展，大量信息在网络中得以查看，也从而引发了部分信息和隐私安全的问题。同理，车联网通过让车与网络交互以提供更优质的功能与服务，但随之也带来了车载计算机系统与外界交互的安全隐患。

二、发展趋势

1. 汽车设计智能化：而随着信息时代的到来，智能设计软件的出现正把设计工作的试错成本大幅降低。将专家系统植入设计软件以配合设计师整合素材将是一个充满潜力的发展方向。
2. 人车交互灵活化：借助人工智能技术实现更便捷的人车交互将是汽车行业近期内的热门发展方向。虚拟车载助手，车主身份识别、疲劳监测、手势识别等应用正逐渐出现在汽车市场中。
3. 跨行合作共赢化：伴随市场对自动驾驶的关注，传统车厂、互联网公司、初创公司等都在试图进入智能驾驶的领域。而这些公司的侧重和优势各有不同。因此跨行业机构进行合作，共同打造未来智能汽车将成为人工智能在汽车行业的一大趋势。
4. 人工智能应用开发流程

1、数据处理-AI的粮食加工

人工智能项目研发的首要阶段就是数据处理，既然是数据处理，那么需要有数据才能处理。

2、模型设计-AI的灵魂熔炉

如果数据是材料，那么模型就是容器，好的材料配上好的丹炉，才有产出好的丹药的可能。

3、训练优化-AI的学习成长

模型训练是最考验算法工程师的实战经验的，比如选择什么样的主干模型，进行怎么样的微调，以及选择什么样的损失函数和优化方法，是否进行多阶段训练，或者对图像数据进行多尺度训练等。

4、评估验证-AI的监理指导

模型评估是和模型训练伴随而行的，可以说训练一开始，评估也随之开始。

5、测试调整-AI的战前试炼

模型测试是项目交付前的最后一次试验，测试的目的就是和项目方给出的指标做对比，比如精度、速度等指标。

6、部署实施-AI的落地成型

模型部署是模型在实际项目中的落地应用。

第六章 人工智能技术在汽车制造业中的应用场景

1、人工智能在自动驾驶定位技术中的应用。

2、人工智能在自动驾驶图像识别与感知中的应用。

3、人工智能在自动驾驶深度学习中的应用.

4、人工智能在自动驾驶信息共享中的应用。

5、场景一：智能分拣。以分拣零件为例。

6、场景二：设备健康管理。

基于对设备运行数据的实时监测，利用特征分析和机器学习技术，一方面可以在事故发生前进行设备的故障预测，减少非计划性停机。另一方面，面对设备的突发故障，能够迅速进行故障诊断，定位故障原因并提供相应的解决方案。

7、场景三：基于视觉的表面缺陷检测。

8、场景四：基于声纹的产品质量检测与故障判断。

9、场景五：智能决策。

制造企业在产品质量、运营管理、能耗管理和刀具管理等方面，可以应用机器学习等人工智能技术，结合大数据分析，优化调度方式，提升企业决策能力。

例如，一汽解放无锡柴油机厂的智能生产管理系统，具有异常和生产调度数据采集、基于决策树的异常原因诊断、基于回归分析的设备停机时间预测、基于机器学习的调度决策优化等功能。

10、场景六：数字孪生。

11、场景七：创成式设计。

12、场景八：需求预测，供应链优化。

第七章 智能客服开发

1、什么是对话机器人

2、对话机器人的分类

3、对话机器人的交互流程

4、对话机器人的设计方法

• 确认对话机器人的基础建设
• 建立机器人的人设
• 设计对话
• 洞察用户提升对话体验

第八章 基于人工智能技术的汽车产品应用案例

1. 通用汽车：通用汽车在设计阶段引入人工智能技术，利用Fusion 360学习原始的汽车零件设计图，之后人工智能算法会根据现有的条件、重量、需要、材料等提供上百种不同设计，供设计师选择。该步骤可以减轻零件重量，优化安装流程，增加零件耐用性。
2. 宝马汽车：宝马汽车利用人工智能优化汽车冲压过程。宝马推出的先进的测量和分析系统，可以针对每一部分材料分别收集数据，智能化调节冲压模式，让整个流程可以更精确和有针对性，产出的产品也更加稳定。
3. 起亚汽车：起亚汽车人工智能销售聊天系统采用了CarLabs.ai的人工智能销售系统，让用户可以直接与机器人对话并解决销售中的问题。该虚拟助手利用了自然语言处理技术，分析用户的问题与答复，充分理解后提供特定的答复。该聊天机器人目前主要存在于Facebook的平台内，可以为用户提供偏好匹配，车型比较，车辆细节信息，线下商店信息，试驾预约，财务计算等功能。
4. 吉利汽车：吉利汽车借助人工智能技术将语言识别率提高到98%以上。该语音助手可以把大量需要触控的操作转换成语音操作，让驾驶员在驾驶时候更加安全，不需要转移视线即可完成众多命令。同时，由于语音助手的灵活性，车主也可以更方便的接入其他汽车服务，打通车内空间与车外世界。