微軟Project Bonsai以圖形化的方式，連接那些通過編程可執(zhí)行AI功能的軟件模塊，這樣工程師們無需利用數(shù)據(jù)科學(xué)，就可以實(shí)現(xiàn)AI驅(qū)動(dòng)的自動(dòng)化。執(zhí)行某項(xiàng)任務(wù)的一組完整連接功能被稱為“大腦”，大腦是一個(gè)獨(dú)立的、可移植的軟件模塊，可用作開放式回路的一個(gè)組成部分，為人類操作員提供最佳決策建議，或者取代人類，自行做出決策并在閉合回路模式下執(zhí)行這些決策。

微軟正在使用Ansys Twin Builder軟件創(chuàng)建設(shè)備或流程的數(shù)字孿生，以利用AI實(shí)現(xiàn)自動(dòng)化。與使用物理機(jī)器生成數(shù)據(jù)相比，數(shù)字孿生可以更快速、以更低成本生成訓(xùn)練AI大腦所需的大量數(shù)據(jù)。

機(jī)器教學(xué)與機(jī)器學(xué)習(xí)

隨著自動(dòng)化流程變得越來越復(fù)雜，訓(xùn)練AI大腦的方法也在發(fā)生變化。當(dāng)目標(biāo)只是圖像或文本識(shí)別的時(shí)候，把大量標(biāo)記數(shù)據(jù)輸入AI大腦，這樣就可以挑選出效果良好的模式，這就是機(jī)器學(xué)習(xí)的基礎(chǔ)。

但是，當(dāng)人們依靠AI來控制工業(yè)環(huán)境中復(fù)雜且步驟繁多的過程時(shí)，機(jī)器學(xué)習(xí)就沒有那么有效了，眾多不同類型傳感器的大量輸入只會(huì)讓大腦不堪重負(fù)。

因此，微軟工程師開發(fā)了機(jī)器教學(xué)（Machine Teaching）的概念，它更多地依賴于人類的學(xué)習(xí)方法，就像是數(shù)學(xué)老師在教學(xué)生掌握算術(shù)概念之前，不會(huì)嘗試教他們學(xué)習(xí)微積分一樣，工程師也不能指望AI大腦還不知道什么是旋轉(zhuǎn)之前，就了解電動(dòng)渦輪機(jī)的工作原理。

想象一下，你要是從最難的問題開始著手，那么找到解決方案的幾率幾乎為零。AI大腦永遠(yuǎn)不會(huì)想辦法做到這一點(diǎn)，但是它可以通過開發(fā)和探索，利用已經(jīng)學(xué)到的知識(shí)，查看整個(gè)數(shù)據(jù)環(huán)境，確保找到問題的最佳解決方案，從而慢慢地達(dá)到目標(biāo)。

Cyrill Glockner

微軟首席項(xiàng)目經(jīng)理

在實(shí)踐中，人類專家首先會(huì)把流程分解為若干更小的任務(wù)，然后給AI大腦一些簡單的問題，這樣它就可以開始學(xué)習(xí)如何使用算法來解決這些簡單的問題，接著人類專家會(huì)將AI大腦可以看到的若干小任務(wù)，組合成更大的任務(wù)，直到AI大腦可以自動(dòng)控制大型的復(fù)雜系統(tǒng)。

Glockner表示：“我們基本上是通過將AI大腦限制在某些參數(shù)和范圍內(nèi)，來縮小AI大腦必須查看的數(shù)學(xué)空間，然后我們會(huì)隨著時(shí)間的推移擴(kuò)大這一范圍。AI大腦只需要處理新增的部分，因?yàn)橹癆I大腦在小范圍內(nèi)積累的方法現(xiàn)在可以在更大的范圍內(nèi)應(yīng)用?！?/p>

數(shù)字孿生扮演的角色

如上所述，在最初使用機(jī)器教學(xué)訓(xùn)練大腦，并且從小任務(wù)和有限數(shù)據(jù)量開始是很重要的，但是一旦大腦經(jīng)過良好的訓(xùn)練，就需要大量數(shù)據(jù)來充分進(jìn)行優(yōu)化。

通常，這就需要通過反復(fù)運(yùn)行物理過程來生成大量數(shù)據(jù)，然后可以將這些數(shù)據(jù)輸入大腦，微調(diào)在整臺(tái)機(jī)器上的操作或者實(shí)現(xiàn)自動(dòng)化的過程。但是從物理過程中生成如此多的數(shù)據(jù)，既耗時(shí)成本又高。而且，某種極端情況（如果這種情況每萬億次只發(fā)生一次）在訓(xùn)練過程中沒有發(fā)生的話，那么大腦也不會(huì)預(yù)見到這種情況，如果以后實(shí)際發(fā)生了，大腦就不知道該如何應(yīng)對(duì)。

通過與Ansys Twin Builder合作，微軟Project Bonsai可同時(shí)運(yùn)行數(shù)百個(gè)機(jī)器或者應(yīng)用的虛擬模型，并將這些數(shù)字孿生生成的數(shù)據(jù)，直接輸入大腦對(duì)其進(jìn)行優(yōu)化，從而不斷克服各種局限性。使用大量虛擬模型——而不是減少物理模型的數(shù)量——可以縮短訓(xùn)練大腦的時(shí)間，降低成本，還能讓工程師在虛擬環(huán)境中引入可能對(duì)物理機(jī)器造成潛在危險(xiǎn)或損壞的極端情況，這樣大腦在投入運(yùn)行之前，就可以學(xué)習(xí)了解所有可能遇到的情況。

從數(shù)字孿生到機(jī)器學(xué)習(xí)：它是如何運(yùn)轉(zhuǎn)的？

工程師首先使用Twin Builder通過結(jié)合不同的建模技術(shù)，例如0D/1D建模和來自更高保真度仿真結(jié)果的Reduced Order Model （ROM），創(chuàng)建多物理場系統(tǒng)級(jí)模型。這些保真度更高的模型提供了最高的模擬精度，但同時(shí)也需要很長的時(shí)間和大量的計(jì)算資源才能運(yùn)行。ROM模型要比原始模型更小，而且計(jì)算量更少，但運(yùn)行速度更快，在模擬的物理精度方面幾乎沒有損失。Twin Builder使用組件庫（泵、閥門、執(zhí)行器、傳感器等）和ROM對(duì)整個(gè)系統(tǒng)進(jìn)行建模，這些組件需要精確預(yù)測，而這通常是0D/1D建模無法做到的（例如物理變量的完整現(xiàn)場預(yù)測），從而優(yōu)化和驗(yàn)證組件選擇與系統(tǒng)響應(yīng)。

基于物理的數(shù)字孿生模型可以通過結(jié)合來自資產(chǎn)數(shù)據(jù)（例如用于模型校準(zhǔn)或增強(qiáng)的數(shù)據(jù)）的知識(shí)，得到進(jìn)一步改進(jìn)，從而形成混合的數(shù)字孿生模型。

最終這個(gè)模型可以以Twin Runtime模塊的形式導(dǎo)出和部署。

我們可以把Twin Runtimes直接集成到微軟Bonsai中，Twin Runtimes帶有一個(gè)非常簡單的API，可用于不同的編程語言，例如Python應(yīng)用，告訴用戶如何通過傳輸輸入、模擬模型和無縫檢索輸出來操作數(shù)字孿生。

Christophe Petre

Ansys數(shù)字孿生產(chǎn)品經(jīng)理產(chǎn)品專家

一旦API與Bonsai集成，工程師就可以確定以虛擬方式更改某個(gè)操作是否能改善他們想要控制的設(shè)備或過程行為。他們還可以訪問新的信息，例如虛擬傳感器數(shù)據(jù)（無法物理測量但可以通過模型預(yù)測的數(shù)據(jù)）；探索“假設(shè)”場景；或者是運(yùn)行模擬以查看資產(chǎn)是如何老化的，以預(yù)測何時(shí)需要進(jìn)行維護(hù)。

飛機(jī)機(jī)艙壓力控制系統(tǒng)示例

機(jī)艙壓力控制系統(tǒng)（CPCS）可以很好地展示數(shù)字孿生技術(shù)是如何與Bonsai進(jìn)行集成的。CPCS是一種航空電子系統(tǒng)，可在最大限度上減少機(jī)艙壓力的變化率，目的是確保機(jī)艙和乘客的安全，同時(shí)在飛行過程中最大限度地提高機(jī)組人員和乘客的舒適度，它會(huì)消耗飛機(jī)的一部分總能耗，因此需要復(fù)雜的控制。

工程師在Bonsai中可以通過圖形選擇和連接控制代碼的功能塊，來構(gòu)建AI大腦，這些控制代碼將機(jī)艙內(nèi)各個(gè)點(diǎn)的機(jī)艙溫度和壓力作為輸入，并發(fā)出主動(dòng)命令（例如，“關(guān)閉空調(diào)”）作為輸出操作。

在Twin Builder中，可以使用Modelica中的0D/1D組件對(duì)空調(diào)子系統(tǒng)進(jìn)行建模，以及使用Ansys Fluent中的3D計(jì)算流體動(dòng)力學(xué)（CFD）模型對(duì)飛機(jī)機(jī)艙的高保真表示進(jìn)行建模。從這個(gè)3D模型中創(chuàng)建一個(gè)ROM，并連接到Twin Builder中的系統(tǒng)模型，可提供在機(jī)艙空間分布的精確虛擬傳感器，以監(jiān)測壓力和溫度變化。

一旦模型在Twin Builder中組裝和驗(yàn)證，工程師就可以生成便攜式的、即插即用的Twin Runtime應(yīng)用。通過簡單的Python API，可以將其移植到數(shù)字孿生工作流中，并用于訓(xùn)練Bonsai大腦，以創(chuàng)建控制器。在這種情況下，數(shù)字孿生可對(duì)虛擬傳感器進(jìn)行預(yù)測，并在此基礎(chǔ)上AI控制器將對(duì)空調(diào)系統(tǒng)進(jìn)行操作，把壓力和溫度保持在目標(biāo)水平上。

Glockner表示：“我們可以使用數(shù)字孿生的模擬作為數(shù)據(jù)生成器，而不是使用帶有標(biāo)記或未標(biāo)記數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集進(jìn)行監(jiān)督和非監(jiān)督學(xué)習(xí)。我們對(duì)此感到非常興奮，因?yàn)檫@樣我們就可以同時(shí)模擬很多個(gè)數(shù)字孿生，收集數(shù)據(jù)，進(jìn)行整理，確保生成正確的數(shù)據(jù)以實(shí)現(xiàn)最佳學(xué)習(xí)?！?/p>