聚焦人工智能，洞察数据价值

2019年5月21日北京和5月28日上海，由美国MathWorks公司举办的主题为超越智“我” MATLAB EXPO中国区用户大会聚集了MATLAB用户近千人， 网络直播人数也近2000人。本届大会展示了MATLAB R2019a发布的多个全新工具箱，分享了来自航天航空、汽车、电力、通信、教育等行业的真实用户案例。借助于MATLAB EXPO，通过亲身实践演示，与会观众能够更深入的了解MATLAB®和Simulink®的最新特性和功能。同时，MathWorks的专家还就如何实现数据科学和工业互联、控制系统设计、AI中的机器学习、深度学习与增强学习、5G通信系统设计、工业设备预测性维护等主题进行了经验分享，并和与会观众共同探讨了如何将AI技术应用到工业生产制造领域，为工业4.0时代建设智能互联的数字工厂助力。

更轻松的应用AI技术

新一轮产业变革席卷全球，人工智能正成为新一轮产业变革的核心方向。如今，越来越多的企业在新旧动能转换中，将人工智能作为发展的新动力，不断创造出新的发展机遇。人工智能不仅推动了智能助手、机器翻译和自动驾驶等应用的发展，还为工程师和科学家提供了一套处理通用任务的新技术。

 MathWorks 首席战略师Jim Tung先生

但近年来人们对人工智能的狂热讨论存在一个奇怪的悖论：绝大多数公司都在谈论，但是当涉及到将人工智能付诸实践时，多数公司却仍处于观望状态。对此，MathWorks 首席战略师Jim Tung先生给出了他的看法，他认为出现这种现象的原因是因为多数企业都被他们所认为的实施AI的压倒性挑战所吓倒。通常，这些企业认为实施AI就必须成为数据科学的专家；顾虑开发AI系统既费时又费钱；缺乏高质量的标记数据；将AI集成入现有算法和系统之中成本高而且很复杂。Jim表示：“要想在人工智能方面取得成功，我们必须将人工智能模型与科学和工程的洞见相结合，伴随可跨科学与工程和数据科学的工具，使用跨越整个设计流程的工具链，设计如何实现系统集成并在他们的环境中进行交互。”

如今，用于构建基于AI的解决方案的工具正在从针对数据科学家的工具扩展到针对专业工程人员的工具。借助这些工具，工程师可以将AI驱动的功能和模型注入应用程序，而无需专业数据科学家的参与。

MathWorks公司的定位是一个工具型软件厂商，借助于MATLAB软件可以降低算法门槛，帮助大多数公司的工程师以更简单、更有效的方式实现人工智能。MATLAB可以简化和自动化数据合成、标记、训练、调优以及将深度学习部署到 AI 驱动的系统中，这些系统可能是企业应用程序、嵌入式系统或边缘计算系统。“AI只是系统中的一个部分，当工程师已经熟悉了已有的一套系统级流程时，他们并不需要在思维上对AI进行过多的转变。”Jim说道。数据科学无疑是关乎AI发展的一门核心学科，但是有了MATLAB，工程师和科学家可以在没有数据科学经验的情况下轻松使用人工智能。

尽管许多行业都热衷于部署AI，但大多数行业和用户其实并不能充分地控制和利用数据。现阶段，AI发展的核心就是数据，数据爆发式的增长与发展，也极大地激发了人工智能的发展潜力。关于数据，Jim认为MathWorks有三方面的认知，第一是访问数据，包括从数据库里、云以及数据流中直接访问。第二是各种不同类型的数据，包括采集到的信号、声音、图像和文本数据，这些数据都属于不同类型的数据，我们需要对其进行处理。第三是处理大量的数据，MATLAB提供各种各样的工具以及能力帮助客户处理大量的数据。使用MATLAB能够将以上的数据与算法结合在一起，客户可以在电脑、云端，或者在计算机集群里进行处理，并且只需用一套算法就可以解决，不需要开发不同的算法，使用起来非常非常地方便。

学习工具箱

在本次MATLAB EXPO大会中，MathWorks展示了MATLAB R2019a中的多个全新工具箱，应用领域涵强化学习、架构设计、混合信号、AUTOSAR、IBIS-AMI、SoC等，在R2019a新产品演示区中还同步更新了机器人、电力电子、预测性维护、自动驾驶及教育与科研方面的多个行业应用的演示。

其中，最受工控小编关注的便是针对人工智能领域应用的强化学习工具箱。根据工控小编查到的资料显示强化学习是机器学习的一个分支，相较于机器学习，强化学习最大的特点是在交互中学习。通过奖励或惩罚不断的学习知识，适应环境。

据介绍，R2019a引入的Reinforcement Learning Toolbox，进一步增强了支持AI的 MATLAB 工作流。这一新工具箱促成了新型机器学习功能，通过与环境的相互作用反复试错来训练“代理人”，以解决控制和决策问题。它重申了公司对致力于AI的承诺，并与去年秋季推出的R2018b版本的Deep Learning Toolbox的相结合，可以构建并训练基于深度神经网络的强化学习策略。

Deep Learning Toolbox通过支持 NVIDIA GPU Cloud、Amazon Web Services和Microsoft Azure得到增强，并且通过支持 ONNX 交换格式实现了互操作性。R2019a版本对AI的支持还包括Computer Vision Toolbox、Data Acquisition Toolbox和Image Acquisition Toolbox的重大改进。

使用Reinforcement Learning Toolbox[增强学习工具箱]，用户可以通过让策略与 MATLAB®或 Simulink®模型代表的环境进行交互来训练策略。用户可以评估算法，试验超参数设置并监控训练进度。为了提高训练性能，用户可以在云端、计算机集群和GPU上并行运行仿真（使用Parallel Computing Toolbox™ 和 MATLAB Parallel Server™）。该工具箱还包括了使用强化学习来设计用于机器人和自动驾驶应用的控制器的参考示例。Jim表示：“增强学习工具箱是在基于仿真的基础上提高、改变系统的行为，通过仿真模拟将会比在真实系统里调整要快，这就是我们增强学习工具箱的优势和好处。”

当下，正值人工智能持续成为行业焦点，而大多数组织仍处于早期的应用阶段。作为全球领先的数学计算软件供应商，MathWorks将加速助力企业研究、创新和开发的步伐，利用全球范围的广泛影响力和领先技术，帮助客户提升市场竞争力。