米乐M6 M6米乐自动化专业与人工智能是什么关系？

　　要解决这个问题，实际从两方面来入手，一是对自动化的理解，二是对人工智能的理解。自动化的一级学科～控制科学与工程涵盖多个方向，人工智能是一个大型的研究领域，必须细分来谈二者的关联。

　　人工智能，核心是通过计算机，米乐M6 M6米乐来实现智能，当下谈到的智能，当然是人的智能，细分一下包含这样几个方面：

　　1.对信息的获取和感知，换句话说就是识别和学习，识别方面具体包括，语音识别、图像识别、物体识别等等。

　　识别的核心是两块，一是获取信息的传感器，二是相应的识别算法与程序设计，控制科学中的检测装置及其自动化涉及传感器的设计，和仪器专业有交叉，一般本科是测控的做这方面的多，而模式识别自然就专注于后者了，其中涉及到图像语音等多个方面的软件及算法设计。

　　而学习，就是计算机学科做的比较多的机器学习了，当然控制科学里也有很多导师做机器学习，这个方面还涉及到搜索和分析等等多个方面，知乎还有各路大神，水平不足就不赘述了。

　　2.对信息的处理和决策，什么叫决策，实际上就是构建控制系统的过程，对于获取到的信息，如何控制达到相应的目标，当然这是一个非常复杂的非线性系统和混沌系统的控制问题，无论是神经网络还是控制论的其他方法在这方面都有大量的研究课题，而系统工程和智能系统也是这方面的核心。

　　3.运动和控制，换句话说就是机器人学，机器人本身结合了机械、电子、计算机、自动化等多个学科，但在大部分学校都是自动化学科在主导，因为涉及到整体的运动控制与协调，而大部分机器人的研究都是归于控制理论与控制工程的范畴内。

　　以上三个方面我认为也就是我们工程学科接触最多的方向了，至于什么伦理哲学之类的就不是我们的事情了，那么下面结合一下控制学科，也要结合你个人的选择。

　　在自动化的研究生阶段，你可以选择在模式识别方向去做语音、图像、人脸、物体、虹膜等等各个方面的识别，可以在系统工程、双控、智能系统研究系统协调与智能决策，可以在检测自动化学习外部传感器的设计，可以在机器人学研究运动控制，这些都可以算作人工智能的范畴，但它们也是自动化的二级学科。

　　作为一个有五个二级学科的大学科，自动化并不是只有传统的工控嵌入式，那样的话它也不会在那么多的学校单独设院，因此对于择校，我的建议就是，不要笼统地说我要学人工智能，而是要明确到我要做人工智能的哪个领域？哪个方向？再针对性地去选择学校，而每一个方向在选定之后在学习上当然要有侧重。

　　考研的话，还是建议考控制科学吧，因为对于大部分自动化本科生来说编程基础相较于计算机来说还是要薄弱许多的，二级学科以模式识别为主，当然不必拘泥于此，核心就是找到一个导师的研究方向是你想去做的，他归属于哪个二级学科其实并不是很重要。

　　人工智能的范围很大很大，自动化的范围也很大，二者的交集不小，但也说不上包含，我建议多去读一点相关的论文，加深一下对他们的了解，可能对个人发展会更好。

　　谢邀！自动化是个万金油专业。不过万金油也有万金油的好处。严格意义上来说AI不对应现在本科专业设置中的任何一个专业，所以读研从事AI方向信息类学科都可以不算跨专业，也可以都算跨专业(是的，AI绝对不是本科中计算机专业的对口专业)。自动化专业读AI很合适，你看中国做AI最早的，也是目前AI方向国内实力最强的(加个之一吧)机构叫做中科院自动化所。

　　目前AI主要的应用领域，图像/视频，语音处理，严格意义上来说更适合二级学科信号与信息处理(属于一级学科信息与通信工程)的方向。不过学科划分那么细没什么意义，等你读了研究生就会发现，计算机专业的老师在搞AI，通信的老师在搞AI，自动化专业的老师在搞AI，检测专业的老师在搞AI，电路系统的还有在搞AI。所以什么专业没关系，有没有搞AI的愿望和能力才是最重要的。何必让自己被专业名称限制的过死了。

　　另外，AI更准确来说是一个概念，而且不是一个全新的概念。比如现在百度和谷歌在搞得自动驾驶，你觉得它是AI吗，按照一般人的理解它肯定算AI的一个应用方向，可是自动驾驶中用到的大部分知识都还是传统的控制决策理论，信号处理理论。所以不要觉得AI多高大上，跟传统学科知识区别多大，其实他们都不是凭空而来的。个人感觉AI更多的是给赋予机器以部分人的学习和决策能力的应用所起的一个宽泛的名称吧。除了所谓的深度学习，AI中其他的的知识绝大多数都是很多年前都有的了。

　　可能不少人有一种误解，认为输入和输出是一个具体的情况。又怎么能说知识在压缩信息呢？ 然而输入和输出的可能情况并非只有一个，往往是无数个。

　　例3：每次炒菜时的所用的食材量，火候，调味料也都千差万别，但我们却可以对应的进行调整，做出叫同个菜名的食物。

　　你可以感觉出这里想要描述的是一类事物，每一次的输入可以是这一类事物中的任意一种情况。我们的知识可以应对所有输入而得到对应的输出。

　　那么该如何描述这些概念呢？因为如果在讨论一个问题时没有办法准确描述所指的事物到底是什么，那就根本没有办法开展和交流。 这些看似微不足道的概念其实直到 19 世纪才第一次正式创立。而这个奠定了整个现代数学，乃至所有科学根基的工具就是集合。

　　若把所有的树叶（元素）归到一个集合中，用这个集合来表示一类事物，输入是这一类事物中的任意一个。也正是由于这种任意性，输入也被称为变量。输出同理也是变量。

　　我们在讨论输入和输出时，并不是说隔壁老王家那只叫翠花的二哈，而是说所有的哈士奇。

　　但其我们早就掌握了这种概念，只是当初并未正式的总结。《超智能体》02的开篇里提到的「智人为什么会从众多生物中脱颖而出的原因就是在于智人的语言出现了变量与函数的概念」。

　　例1：英语中的 the apple 指的是特定的一个苹果，是一个常量。而 an apple 指的却是任意一个苹果，也就是变量。

　　例2：中文里我们也会用“这个”和“那个”来特指某个事物，而没有这些特指时，我们往往是在讨论变量。

　　例3：“人啊，还是要看命”句话里的人就是变量。 这句话甚至包含了一种“知识”，其预测就是所有人都要认命。虽然这个“知识”不合理。但你可以感觉到它的作用。中医、玄学、科学也都在提取知识，只是科学是当中最可靠的一种提取知识的方法。

　　如果把每个图像和这个图像是否是树叶记录下来，哪怕是最快的计算机也无法查找和存储这些多的信息。这恰恰是当初计算机所办不到的事情，没有办法仅通过演示几个例子就能让计算机搞清楚其他没有演示的情况，也就是学习能力。

　　这也是自动化与目前AI最大的区别，也正是很多张口闭口都是AI的人压根就没搞明白的事情。现在你再来看这个视频时，恐怕会有新的理解：

　　有了集合、变量、函数的概念后，下一篇我们再来谈知识的第二种分类：以任务类型为视角。

　　这是一个基于传统的方法，以建模、仿真、优化的手段来提高工厂的效率。正如文章所提到，未来会用到人工智能。

　　实例二：BuildingIQ将大数据和人工智能应用于大型建筑以节省大量能源费用

　　在楼宇空调系统控制方面，传统的PID显然不够节能，如何利用AI增强人的舒适性又节能，米乐M6 M6米乐看看这个例子就知道了。

　　用于调节大型建筑（办公楼、、购物中心、赌场等）内部温度和湿度的暖通空调 (HVAC) 系统约占全球总能耗的 30%。HVAC 系统效率极低，从而导致不必要的能源浪费。这种低效率源于这样一个事实，即大多数 HVAC 控制系统都是被动的，不会主动和预测性地考虑不断变化的天气模式、天气预报、可变能源成本和关税，以及潜在的建筑热性能，以优化控制和调节建筑的热性能。内部温度和湿度，以最大限度地减少总能耗。

　　与澳大利亚国家科学机构联邦科学与工业研究组织 (CSIRO) 合作，BuildingIQ 开发了第一个也是唯一一个基于云的软件，采用复杂的大数据机器学习方法，实时持续优化 HVAC 性能以实现最低能耗，同时确保建筑物居住者的最大舒适度。这种行业领先的软件的主要优势在于它可以与当前的楼宇控制系统无缝连接，在大多数现有楼宇控制系统中进行部署几乎不需要资本。除了无缝集成之外，该软件还为客户提供了结果，根据底层建筑和 HVAC 动态，HVAC 操作通常可实现 10-25% 的节能。

　　在光纤制造过程中，玻璃材料开始受控滴落以形成非常细的光纤线。这个过程涉及许多变量，并可能导致代价高昂的废品。

　　Sterlite 的分析团队构建了一个机器学习模型，以尽可能减少废品数量。首先，光学测试机测量玻璃棒的一组参数。MATLAB ®将此数据集与玻璃圆柱体的几何特性相结合，以计算纤维的理论轮廓（如果纤维是由所得预制件生产的）。然后另一个工程软件将此纤维轮廓转换为可以发送到机器学习模型的数据集，该模型将杆与圆柱体相匹配。这些复杂的步骤使用 MATLAB Compiler™ 打包成一个轻型应用程序，供车间操作员使用。

　　在光刻过程中，低波长电源通过光学元件通过图像进行调节，然后通过更多的光学元件缩小尺寸，形成覆盖基板（通常是硅）的光敏化学品薄膜。重复此步骤，直到基板上所有可用的表面区域都曝光相同的图像；结果称为层。需要多个暴露层来创建构成芯片的复杂微观结构。为了防止由于层之间的连接失败而导致的良率问题，层之间的所有图案都必须按预期排列。

　　为了确保层对齐而不影响吞吐量，ASML 的 TWINSCAN 光刻系统必须限制它在曝光步骤之前测量的对齐标记的数量。一般规则是测量对准标记所需的时间不能长于曝光序列中前一个晶片所需的时间。由于正确的重叠模型校正需要大量重叠标记，因此无法测量来自 TWINSCAN 系统的每个晶片。

　　ASML 使用 MATLAB ®和 Statistics and Machine Learning Toolbox™ 来开发虚拟叠加计量软件。该软件应用机器学习技术，使用对准计量数据为每个晶圆提供覆盖计量的预测估计。

　　“我们使用 MATLAB 和机器学习所做的工作展示了在最佳利用现有计量学方面的行业领先地位，”ASML 的应用程序开发工程师 Emil Schmitt-Weaver 说。“我们就这项工作发表的论文引起了希望使用 ASML 产品改进其制造工艺的客户的兴趣。”

　　详情看视频：半导体智能制造：基于模型的显示量测仪器快速开发实践 Video

　　介绍精测电子使用基于模型的设计方法，实现从算法开发到智能仪器中的算法部署的案例，包括校准和测量算法的理论仿真分析、算法的开发、优化加速和到GPU快速自动部署；以及借助Deep Learning Toolbox™在测量仪器的检测功能智能化创新的方案。采用基于模型的设计方法，省去手工CUDA编码调试优化的繁冗，大大加快了算法到嵌入式产品的更新迭代。

　　本演讲将具体介绍精测电子使用基于GPU Coder™实现从算法开发到智能仪器中的算法部署案例，包括校准和测量算法的理论仿真分析、算法的开发、优化加速和到GPU快速部署；以及借助Deep Learning Toolbox在测量仪器的检测功能智能化创新的方案。

　　自动化专业主要学习电子技术、计算机技术、网络技术、软件技术、控制技术等知识，是一个多学科交叉的专业。研究方向涉及到计算机科学与技术、信息与通信工程、人工智能、网络空间信息安全、电子科学与技术、微电子学、机械工程以及电气工程等多个学科领域，研究内容从传统的控制理论、工业控制系统到信息物理融合系统，以及计算机视觉、人工智能，自动驾驶，数据挖掘等。

　　人工智能，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。