[论文解读] Applications and Societal Implications of Artificial Intelligence in Manufacturing: A Systematic Review

John P. Nelson, Justin B. Biddle+1 more|arXiv (Cornell University)|Jul 25, 2023

Digital Transformation in Industry被引用 5

一句话总结

本篇系统性综述探讨了人工智能在制造业中的应用，如预测性维护、物流协调和车间控制，同时分析了其社会影响，包括对劳动力的影响、网络安全隐患以及环境效应。研究发现，企业层面的乐观预期与社会层面的争议性担忧之间存在差距，主张通过利益相关方参与的、平衡的AI整合方式，以确保工业AI应用的长期可持续性与公平性。

ABSTRACT

This paper undertakes a systematic review of relevant extant literature to consider the potential societal implications of the growth of AI in manufacturing. We analyze the extensive range of AI applications in this domain, such as interfirm logistics coordination, firm procurement management, predictive maintenance, and shop-floor monitoring and control of processes, machinery, and workers. Additionally, we explore the uncertain societal implications of industrial AI, including its impact on the workforce, job upskilling and deskilling, cybersecurity vulnerability, and environmental consequences. After building a typology of AI applications in manufacturing, we highlight the diverse possibilities for AI's implementation at different scales and application types. We discuss the importance of considering AI's implications both for individual firms and for society at large, encompassing economic prosperity, equity, environmental health, and community safety and security. The study finds that there is a predominantly optimistic outlook in prior literature regarding AI's impact on firms, but that there is substantial debate and contention about adverse effects and the nature of AI's societal implications. The paper draws analogies to historical cases and other examples to provide a contextual perspective on potential societal effects of industrial AI. Ultimately, beneficial integration of AI in manufacturing will depend on the choices and priorities of various stakeholders, including firms and their managers and owners, technology developers, civil society organizations, and governments. A broad and balanced awareness of opportunities and risks among stakeholders is vital not only for successful and safe technical implementation but also to construct a socially beneficial and sustainable future for manufacturing in the age of AI.

研究动机与目标

• 绘制制造业中人工智能应用现状的全景图，涵盖物流、采购和过程控制等运营领域。
• 分析工业人工智能的社会影响，包括劳动力转型、网络安全隐患以及环境后果。
• 基于部署规模和实施类型，构建人工智能应用的分类体系，以实现更清晰的分类与理解。
• 评估企业层面的乐观预期与更广泛社会关切之间在人工智能长期影响方面存在的张力，涉及公平性、安全性与可持续性。
• 为利益相关方——企业、政府、民间社会及开发者——提供可操作的见解，以实现制造业中社会有益的人工智能整合。

提出的方法

• 采用既定协议开展系统性文献综述，识别并分析制造业中人工智能的同行评审研究。
• 根据功能范围、部署规模和技术集成程度，将人工智能应用划分为不同类别。
• 通过主题分析综合劳动力变化、安全风险和环境影响等方面的社会影响发现。
• 借鉴历史技术转型的类比，以 contextualize 当前人工智能采纳所面临的挑战与机遇。
• 基于文献证据，评估经济、社会和环境维度中效益与风险的平衡。
• 提出一种利益相关方参与的负责任人工智能部署框架，强调透明度与长期社会福祉。

实验结果

研究问题

• RQ1 人工智能在制造业中的主要应用是什么？它们在不同运营职能中的分布情况如何？
• RQ2 在制造业的人工智能实施中，社会影响（如岗位替代、技能提升需求和网络威胁）如何变化？
• RQ3 大规模人工智能在工业环境中应用的环境与安全后果是什么？
• RQ4 企业与更广泛的社会行动者对人工智能效益的认知有何差异？这种差异的成因是什么？
• RQ5 利益相关方（包括政府、民间社会和技术开发者）在塑造工业人工智能社会轨迹方面发挥什么作用？

主要发现

• 人工智能在制造业中的应用广泛且多样化，包括预测性维护、实时车间监控、跨企业物流协调以及采购优化。
• 文献显示，研究重点集中于企业层面的收益，如效率提升和成本降低，对技术与经济成果持普遍乐观态度。
• 关于社会风险存在显著争议，包括劳动力技能退化、就业不稳定以及因人工智能整合导致的网络威胁暴露增加。
• 人工智能在制造业中的环境影响仍研究不足，尽管已承认其可能带来积极（如能源优化）和消极（如电子废弃物增加）后果。
• 工业人工智能长期社会影响方面缺乏共识，关于公平性、社区安全和环境健康的担忧日益突出。
• 成功且可持续的人工智能整合依赖于多方利益相关方的协调、以价值观为导向的决策，而非纯粹的技术或经济激励。