人工智能能否在临床症状出现之前预测并预防疾病？智能工厂能否在自动化与安全的人机协作之间取得平衡？我们离由人工智能管理的航空旅行和单飞行员驾驶舱还有多远？这些问题引导了2025年6月19日举行的全球课程《理解人工智能与机器人技术：其对公共和私营部门的多维与多空间影响》第五场会议的主题——“互联世界中的智能生产”。
横跨医疗技术、工业制造、产品工程以及航空领域，第五讲汇集了三位杰出专家：BRAINCON Technologies创始人戴维·柳哈尔（Dipl.-Ing. David Ljuhar）、Shift Aviation Solutions首席执行官兼波音777飞行员雷汉·范·通德尔（Captain Rehan van Tonder），以及维也纳工业大学生产工程研究所所长塞巴斯蒂安·施伦德博士（Dr. Sebastian Schlund）。
围绕工业4.0、人工智能驱动的物流、医疗预测模型和安全航空等主题，本场会议为参与者提供了实践见解和批判性反思，探讨了在一个日益互联的世界中，智能生产真正需要什么。
医疗与感染控制中的人工智能：戴维·柳哈尔的观点
戴维·柳哈尔（Dipl.-Ing. David Ljuhar）发表了关于人工智能在医疗诊断和感染控制中的应用的演讲。基于他在高科技行业和医疗工程领域数十年的专业经验，柳哈尔详细介绍了他工作的两个主要领域：人工智能在骨相关疾病的预测性诊断中的应用，以及人工智能在医院获得性感染的控制和预防中的应用。
柳哈尔在演讲中回顾了他与人工智能的初次接触，这发生在1987年，当时他正在研究专家系统在机械设计中的应用。随后，他创立了BRAINCON Technologies，并将研究重点转向骨骼疾病的评估，特别是骨质疏松症。
在与法国研究人员的合作下，柳哈尔的团队从骨密度转向骨质量作为骨骼健康的主要指标。他们使用分形维度分析来评估骨骼结构，建立了一种评估骨组织质量的方法论。这需要大量数据集和明确的基准标准。
在2012年至2018年间，他的团队分析了一份来自旧金山的10年回顾性数据集，包含来自7,000名患者的7.4 TB数据。他们从中筛选出2,000名无明显症状的基线患者，其中1,000名后来发展为骨关节炎。柳哈尔的分析证实，基线数据中已经显示出疾病的易感性，证明人工智能能够在临床症状出现之前检测到早期的结构性异常。
在此基础上，他的团队扩展了人工智能的应用，用于诊断类风湿性关节炎和骨质疏松症。柳哈尔指出，当前的乳腺X光技术也有类似之处，人工智能系统能够提前三年检测到癌前病变。
人工智能在感染预测与控制中的应用
从2016年起，柳哈尔将研究重点转向医院获得性感染（即院内感染）。他强调了这一问题的全球紧迫性，引用了每年约3600万人因这类感染而死亡的数据，并预计到2050年这一数字将增加至1.7亿。柳哈尔指出，需要一种结合软件和硬件的系统，以支持医院进行消毒和疫情预防。
一个重大挑战在于现有数据的多样性及其缺乏兼容性。柳哈尔用一个比喻说明了这一点：将技术数据从德语翻译成中文再翻译回来会导致信息不一致。他的团队通过识别相关数据集群来协调和构建这些数据，定义了四个初步数据组，以分析湿度、温度和化学浓度（如过氧化氢）等环境因素。
利用卷积神经网络（CNNs），他的团队开发了能够预测有效杀菌策略的算法。柳哈尔强调了强化学习和认知系统在未来感染控制中的潜力，预测人工智能支持的系统可以根据环境数据和过去的表现不断适应和改进。
他提到了肯尼亚的一个案例，当地医院感染率导致新生儿死亡率高达32%。据柳哈尔称，这样的AI系统可以显著降低感染相关的死亡率和成本，预计到2050年相关成本将超过2000亿美元。仅在奥地利，每年就有14万例医院感染报告。
柳哈尔总结道，他的公司将在今年晚些时候开始在医院测试试点系统。他强调，人工智能可以在全球医疗管理中提供有意义的支持，并作为慢性病和公共卫生危机的预测工具。
航空领域中的人工智能：雷汉·范·通德尔的观点
Shift Aviation Solutions Group首席执行官、前波音777机长兼教官雷汉·范·通德尔（Captain Rehan van Tonder）介绍了运营航空公司所需的基础结构，强调了五个关键组成部分：物理硬件、人力资源、运营基地、财务支持和法律授权。他指出，当前的航空模式存在持续的低效问题，包括办理登机手续、登机和入境手续的长时间等待。范·通德尔认为，人工智能可以通过自动化和预测规划直接解决这些问题。
范·通德尔强调，第三方服务将彻底改变乘客物流。人工智能驱动的无人机可以直接将行李从乘客家中运送到飞机上。生物识别验证系统已经在护照检查中使用，未来可能会消除纸质登机牌的需求。像智能手表这样的可穿戴设备将很快实现从办理登机手续到登机的全程生物识别。这些进步将优化整个乘客旅程。
飞行操作与安全中的人工智能
雷汉·范·通德尔强调了飞机与飞行计划、维护和检查清单管理系统之间传输的大量操作数据。他指出，人工智能可以将这些数据转化为可操作的见解，增强对人类操作员的认知支持。人工智能将在高压场景中减少飞行员错误，通过过滤和优先处理信息实现这一点。
他提出了未来驾驶舱的模型，可能涉及单飞行员操作。人工智能系统将承担程序和紧急功能，飞行员则负责监督并在特殊情况下干预。长期来看，无人驾驶驾驶舱可能成为现实，尽管安全协议和保险框架仍是障碍。
经济影响与人类角色
针对运营成本的问题，范·通德尔解释说，飞行员占航空公司总支出的约10%，硬件、软件和燃料成本各占三分之一。自动化可以减少长途航班所需的飞行员数量，从而节省成本而不影响安全。客舱机组人员的职责也将发生变化，人工智能驱动的机器人将负责非关键任务，如食品和饮料服务，而人类专注于安全和安保。
范·通德尔预测了未来人工智能与人类互动的发展。可穿戴认知增强设备可以实时监测飞行员的压力水平。伦理问题随之而来：谁拥有从人类大脑活动中收集的数据？认知能力差异是否会加剧与先进系统交互时的不平等？
他警告说，如果人工智能系统发生故障或行为不可预测，可能会产生严重后果。必须确保人工智能监督机制具备可行的后备选项，例如远程驾驶。
提高机场效率的AI解决方案
范·通德尔展示了其公司开发的创新技术，包括通过AI软件对飞机到达顺序进行排序，以最小化盘旋时间和减少延误。这种方法可以消除昂贵的机场扩建需求。他举例说，在黑山，其公司的软件预计每年可节省超过7000万欧元。
这些解决方案旨在优化现有基础设施，减少二氧化碳排放，并提高航空生态系统中资源的使用效率。
健康风险与辐射暴露
范·通德尔还谈到了航空中的辐射暴露问题。他引用了经过同行评审的研究，结果显示结果各异，但确认辐射确实存在，尤其是对机组人员而言。航空公司会监测太阳活动并调整飞行路径以降低风险。人工智能的实施可能允许实时辐射监测，并进一步降低健康风险。
范·通德尔总结道，人工智能可以作为提高航空安全性、效率和可持续性的工具。他强调，虽然人工智能目前还无法完全取代人类判断，但它可以增强决策、减少人为错误并优化运营。然而，必须解决伦理、法律和基础设施方面的挑战。
工业中仿人机器人的崛起：塞巴斯蒂安·施伦德博士的观点
施伦德博士在工业工程和人机交互领域拥有数十年的经验。他曾在斯图加特大学、弗劳恩霍夫IAO担任学术和领导职务，目前在维也纳工业大学领导应用研究。他的工作重点在于机器人技术、生产流程和以人为中心的系统设计之间的接口。
塞巴斯蒂安·施伦德博士在他的演讲中概述了仿人机器人技术的历史轨迹。早期里程碑包括1939年由西屋电气公司制造的遥控机器人Electro，以及1973年日本的WABOT-1，后者能够基本行走和抓握。这些早期努力为当今更复杂的仿人系统奠定了基础，现代人工智能技术使其得以进一步发展。
特斯拉（Optimus）、波士顿动力（Atlas）和Agility Robotics（Digit）等公司的最新进展表明，仿人机器人在执行简单、结构化任务方面具有潜力。然而，施伦德博士强调，这些演示仍主要局限于受控环境，尚未足够稳健以实现大规模部署。
模拟、人工智能和硬件集成
施伦德博士强调了先进人工智能和模拟平台在近期进展中的关键作用。例如，NVIDIA和OpenAI开发的工具允许开发者在虚拟环境中模拟机器人运动和学习，然后将这些能力转移到实体机器人上。这种从模拟到现实的管道加速了开发过程并降低了成本。
然而，挑战依然存在。硬件的物理限制，特别是机械手或末端执行器，仍然是一个主要瓶颈。最先进的五指机械手每台成本高达2万至3万欧元。尽管它们在机械上十分复杂，但这些工具仍然缺乏人类手部的灵活性和响应能力，尤其是在与柔软或可变形材料交互时。
人机协作与未来方向
施伦德博士强调了设计协作机器人系统的重要性。他认为，仿人机器人不应试图取代人类劳动，而是应在人体工程学压力或安全风险较高的环境中支持工人。在他看来，真正的生产力提升并非来自单纯的自动化，而是来自人类与机器之间的平衡合作。
展望未来，施伦德博士预测大约需要10年时间，仿人机器人才能实现在工业中的大规模部署。这不仅需要技术的完善，还需要工作流程、监管框架和劳动力培训的适应。
(全文结束)
