導讀：跟中國一些專家病詬“概念太多”不同，美國推出大量的概念，但并不會引起非議。針對人工智能驅動的制造，美國北卡羅來納州大學提出了自感知制造和測量聯(lián)盟（CSAM，Consortium for Self-Aware Machining and Metrology）。
在第四次工業(yè)革命，人工智能是通用目的技術（GPT，General-Purpose Technologies），它對大量行業(yè)產生影響，其中一個就是制造業(yè)。毋庸置疑，人工智能驅動的制造成為我們這個時代最值得探索的領域。
針對人工智能在制造業(yè)的應用，美國有多個流派，例如，工業(yè)數(shù)據(jù)流派STEP Tools，NIST和DMDII主張的數(shù)字孿生制造，當然，還有UNC支持的自感知制造，它是數(shù)字孿生體聯(lián)盟值得關注的一支技術力量。
如果我們認真了解自感知制造，可以從中更深入認識到一些機加工領域的復雜性。
UNC的Tony Schmitz專門以《自感知制造之路》（Towards Self-Aware Manufacturing，演講稿在數(shù)字孿生體課堂網(wǎng)站）做了一次演講，詳細介紹了自感知制造的原理。
本質上講，Tony Schmitz想在機床加工領域用上數(shù)據(jù)驅動的新一代人工智能，但這沒有成形的方法，所以他推動發(fā)起了自感知制造和測量聯(lián)盟。
數(shù)據(jù)驅動（Data-Driven）和基于物理模型（Physics-Based Models）是兩個領域，因此融合它們的難度不小，這也是國內一些加工專家“看不起”人工智能驅動制造的提法，畢竟兩個領域有模型上的差異。
但美國人認為自己可以解決這個問題，CSAM提出了“混合物理引導數(shù)據(jù)學習方法”（Hybrid Physics-Guided Data Learning），該方法充分考慮了物理模型和數(shù)據(jù)驅動之間的差異。
從概念體系實際應用來看，由于加入了過程測量，有效保證了傳統(tǒng)數(shù)據(jù)驅動帶來的容差，從而使得機加工制造所要的確定性。
工業(yè)4.0研究院圍繞數(shù)字孿生制造的GD&T研究發(fā)現(xiàn)，利用人工智能驅動的自感知制造，有可能在機加工領域找到控制加工質量的方法，從而為深度學習等找到用武之地。
