机器故障和学习
“我们认为数据分析不仅限于搜索现有模式,还在于开发新的假设,”Trebaol补充道,“这是机器学习的一种形式。”他最喜欢的例子是在受控环境中种植植物,这被称为“智能农业”。在寻找最有利于植物生长的光照的过程中,我们的多通道LED灯具和互连传感器提供了大量数据。“我们从这些数据中获取成功的生长模式。但我们还可以测试新的照明场景并根据结果提出新的假设。数据量越大,对能够从数据中学习并独立制定有关光照控制决策的人工智能的要求也越高。”
公司的全新思维方式与这种反复试验的原则紧密相关。“我们的方法不应局限于产品,应更着眼于解决方案。单纯的产品业务无法适应日新月异的市场需求,向硬件支持的服务方向转变势在必行。”因此欧司朗正在走上一条新的道路,打造自己的“Lightelligence”物联网平台,为客户提供与其产品相关的数据服务。“我们开始于照明,但我们必须做好充分准备,始终跟随客户的需求。”数据分析则有助于在一开始就识别新的需求和机遇。Trebaol来自于初创公司,他深知尝试各种不同方法的重要性。“我们有能力创建各种解决方案。真正的问题在于:解决方案是否确实对客户至关重要,客户是否准备好为解决方案买单?”
强强联手至关重要
为了给出确切答案,Trebaol组建了由诸多专家组成的团队。“我们团队拥有各种学术和专业背景,包括物理专家、计算机科学家、金融人员和工业工程师。借助人工智能对可用数据建模的强大能力让他们走到了一起。他们可联系技术和业务,从而回答以下两个问题:我们能否做到?我们是否应该做?
他的个人驱动因素是什么?“我对智能农业非常感兴趣。如果我们能让欧司朗在几年内努力实现自动化,进而为改善人类的食品供应做出巨大贡献,我将感到非常自豪。”