工业人工智能中使用的“智能”一词往往会引起不切实际的联想。尽管我们正在面临技术的飞跃发展，但是技术本身并不会变得智能，也不会开始思考。我们必须认识到人工智能只是一项技术，但我们可以越来越智能地使用它。
对于工业而言，对人工智能技术的使用始终意味着以下含义：我们做出的努力必须与经济效益保持合理的关系，以便为客户提供利益，并以此为双方创造附加价值。要想让人工智能可以自主地为我们提供产品、服务或开发和完成全新的流程解决方案，我们还有很长的路要走，但是工业领域的每个管理者和决策者都应该知道，人工智能的巨大潜力正等待着被唤醒和利用。
与以前的技术创新不同，这一次企业不能再选择“等等看”，因为那样会使自己目前的竞争地位变得更糟。因为每家企业可能都需要花费几年的时间才能为已确定的应用实例找到合适的数据，定义数据模型并训练合适的人工智能系统，然后才可能从他们的努力中获利。这段时间不会因等待而缩短，而且等待会导致人工智能引入的延迟，特别是与更活跃的竞争对手相比，这样的延迟是致命的。
ABB在多年前就已参与了今天在各个领域都引起轰动的人工智能技术的研究。这也反映在由亚琛工业大学工程工具实验室（WZL）牵头的工业财团对工业人工智能进行的大范围调研中，ABB公司被评为五家“成功实践公司”之一（参照本书第十二章的详细说明）。人工智能技术的基础，无论是人工神经网络还是图像识别，都已经有几十年历史了。
像其他许多公司一样，ABB的研发人员一直在仔细探寻、研究可行的方法以缩短将其应用于工业流程的距离。但是直到几年前，该技术的框架条件还没有得到充分发展。二十年前我们能够分析16×16像素的图像。而如今，我们的系统能够以惊人的速度分析数百万张大小为数兆字节的图像，并获得了出色的结果。
导致人工智能应用新发展的最重要的变化，甚至无法在人工智能本身的技术中找到。谷歌的AlphaGo击败了多届围棋世界冠军李世石就是最好的例子，并因其技术的巨大进步而被广泛宣传。该系统不是在学习了围棋游戏的策略后，就获得了人类无法想到的招数。它只是以最快的速度跟自己进行了大量的对弈，通过黑白棋子的不同走法，大概数百万次地分析了围棋棋盘。
在这样的各种愚蠢的尝试过程中，它偶然找到了一些使其获胜的走法，并学会了它们。这不能算作智能，其与图像识别并没什么不同，只是速度即计算能力和可以用来存储数据的硬盘容量发生了巨大变化。而对于人类，实际上没有人可以在同样的时间里，哪怕只是观看相同数量的棋局。AlphaGo获胜的这一时间点，大致标志了人工智能应用框架条件发生的根本变化。
