人工智能的兩個(gè)經(jīng)典學(xué)派

談到智能制造，人們很容易聯(lián)想到各種高級(jí)算法，如機(jī)器學(xué)習(xí)和邏輯推理。事實(shí)上，人工智能技術(shù)在最近十幾年最重要的進(jìn)展就是深度學(xué)習(xí)技術(shù)，這也是人工智能最近成為熱點(diǎn)的原因。

人類(lèi)發(fā)明計(jì)算機(jī)的初衷是幫助人們進(jìn)行數(shù)據(jù)計(jì)算。由于人的很多思維過(guò)程都可以轉(zhuǎn)化成計(jì)算問(wèn)題，所以計(jì)算機(jī)往往被俗稱(chēng)為電腦。計(jì)算機(jī)可以計(jì)算很多問(wèn)題，但只有一部分算法被稱(chēng)為人工智能算法。

一般來(lái)說(shuō)，人工智能的算法往往有兩個(gè)特點(diǎn)：一是普通的算法不容易解決，二是與人的思維接近。因此，算術(shù)、方程求解、排序等常見(jiàn)算法一般不被算作人工智能算法，只有涉及復(fù)雜邏輯推理和知識(shí)學(xué)習(xí)等問(wèn)題時(shí)，才被稱(chēng)為人工智能算法。

計(jì)算機(jī)在解決邏輯推理問(wèn)題時(shí)，往往先將其轉(zhuǎn)化為搜索問(wèn)題。人工智能關(guān)注的搜索問(wèn)題往往會(huì)面臨組合爆炸，計(jì)算機(jī)也難以求得最優(yōu)解。下棋就是這種典型問(wèn)題。但是，面對(duì)這類(lèi)組合爆炸問(wèn)題，人類(lèi)往往有能力用有限的搜索找到相對(duì)較好的辦法。這就是體現(xiàn)智能的地方。有人把智能算法的特點(diǎn)描述為能夠從一個(gè)巨大的搜索空間中迅速找到比較好解的算法。因此，谷歌公司建立之初就定位為“做人工智能的公司”。

要把人的想法變成計(jì)算機(jī)代碼，前提是必須能用計(jì)算機(jī)語(yǔ)言精確地表達(dá)出來(lái)。但是，人的很多認(rèn)識(shí)恰恰是難以用語(yǔ)言表達(dá)清楚的。例如，我們很容易認(rèn)出一個(gè)熟人，也很容易識(shí)別梨的味道，但這些認(rèn)識(shí)不容易說(shuō)出來(lái)。再如，棋手對(duì)“棋勢(shì)”有一種直覺(jué)的認(rèn)識(shí)，這種直覺(jué)能夠幫助人們把注意力聚焦在個(gè)別重要的棋子上。但是，這種直覺(jué)同樣難以用精確的語(yǔ)言來(lái)描述。這些一般被稱(chēng)為“默會(huì)知識(shí)”。

人類(lèi)語(yǔ)言表達(dá)不清楚的東西，往往無(wú)法直接變成計(jì)算機(jī)代碼。機(jī)器學(xué)習(xí)就是用來(lái)解決這個(gè)困難的。所謂機(jī)器學(xué)習(xí)，一般是用數(shù)學(xué)函數(shù)模擬人或動(dòng)物的神經(jīng)系統(tǒng)，通過(guò)數(shù)據(jù)不斷修正這個(gè)模型，從而形成類(lèi)似感性認(rèn)識(shí)的知識(shí)。這樣就避開(kāi)了“默會(huì)”知識(shí)“難以編碼”的困難。

然而，讓計(jì)算機(jī)獲得“感性認(rèn)識(shí)”并不容易。例如，模型識(shí)別的錯(cuò)誤比例往往太高。導(dǎo)致這類(lèi)問(wèn)題的原因很多，有數(shù)據(jù)的原因、模型的原因，也有訓(xùn)練算法的原因。隨著計(jì)算機(jī)計(jì)算和存儲(chǔ)能力的增強(qiáng)，積累的數(shù)據(jù)越來(lái)越多。在這樣的背景下，出現(xiàn)了深度學(xué)習(xí)技術(shù)并在多個(gè)領(lǐng)域取得了巨大的成功。于是，人工智能成為近期的熱點(diǎn)。

人們可以從很多角度認(rèn)識(shí)人工智能，由此產(chǎn)生了很多的學(xué)派。其中，兩個(gè)經(jīng)典的主流學(xué)派分別是模擬邏輯推理的符號(hào)學(xué)派和模擬神經(jīng)系統(tǒng)結(jié)構(gòu)的連接學(xué)派。這兩個(gè)學(xué)派的方法可以結(jié)合在一起進(jìn)行應(yīng)用。例如，阿爾法狗需要進(jìn)行邏輯推理，但為了解決搜索中組合爆炸的問(wèn)題，又需要模擬棋手的感性認(rèn)識(shí)，而這種感性認(rèn)識(shí)就是通過(guò)深度學(xué)習(xí)得到的。

自動(dòng)化與人工智能的控制論學(xué)派

除了上述兩個(gè)經(jīng)典學(xué)派外，人工智能還有一個(gè)重要的學(xué)派被稱(chēng)為控制論學(xué)派。控制論是自動(dòng)化和智能化的理論基礎(chǔ)。多年以來(lái)，自動(dòng)化學(xué)科比人工智能更成熟、應(yīng)用范圍更廣和影響力也更大。因此，學(xué)術(shù)界談?wù)撊斯ぶ悄軙r(shí)，指的往往是上述兩個(gè)學(xué)派，而不是控制論學(xué)派。但是，這個(gè)學(xué)派的思想恰恰是智能制造主要的理論基礎(chǔ)。

20世紀(jì)40年代，控制論之父諾伯特?維納（Norbert Wiener）想到一個(gè)問(wèn)題：機(jī)器和動(dòng)物（或人）到底有什么區(qū)別？維納認(rèn)為，機(jī)器一般只能按既定的步驟和邏輯運(yùn)行，而動(dòng)物能通過(guò)信息感知到外部世界的變化，并根據(jù)新的信息進(jìn)行決策、采取行動(dòng)。例如，一只正在吃草的山羊突然看到了一只狼，它會(huì)馬上停止吃草，奔跑逃命。自動(dòng)化就是要把感知、決策和執(zhí)行3個(gè)要素統(tǒng)一起來(lái)，這3個(gè)要素類(lèi)似于動(dòng)物的感覺(jué)器官、大腦和四肢的功能。這就是自動(dòng)化的本質(zhì)特征。事實(shí)上，自動(dòng)化系統(tǒng)一般由傳感器、控制器和控制對(duì)象構(gòu)成，分別用于信息獲得、決策和執(zhí)行。

與人工智能的兩個(gè)經(jīng)典學(xué)派不同，控制論關(guān)心的是效果和作用，往往不在乎算法和邏輯是不是復(fù)雜。事實(shí)上，自動(dòng)化用到的一些算法和邏輯可能相當(dāng)簡(jiǎn)單。

最近幾十年來(lái)，自動(dòng)化應(yīng)用的范圍越來(lái)越廣，但也有局限性。一般來(lái)說(shuō)，自動(dòng)化系統(tǒng)能夠應(yīng)對(duì)的都是“預(yù)料之中”的變化。當(dāng)出現(xiàn)設(shè)備故障、生產(chǎn)異常等預(yù)料之外的問(wèn)題時(shí)，還是需要人來(lái)處理。這是因?yàn)橛?jì)算機(jī)處理問(wèn)題都是有預(yù)案的，其靈活處理問(wèn)題的能力遠(yuǎn)遠(yuǎn)不如人類(lèi)。

智能制造的概念

智能制造技術(shù)是信息通信技術(shù)的發(fā)展帶動(dòng)的，是信息通信技術(shù)在工業(yè)的廣泛、深入應(yīng)用。德國(guó)的工業(yè)4.0和美國(guó)的工業(yè)互聯(lián)網(wǎng)都屬于智能制造的范疇。

從整體效果來(lái)看，智能制造能夠加強(qiáng)企業(yè)快速響應(yīng)變化的能力。市場(chǎng)或用戶有了新的需求，能夠盡快設(shè)計(jì)并制造出來(lái)以供應(yīng)市場(chǎng)；供應(yīng)鏈發(fā)生變化時(shí)，能盡量避免對(duì)生產(chǎn)經(jīng)營(yíng)產(chǎn)生的不利影響；生產(chǎn)設(shè)備或產(chǎn)品質(zhì)量發(fā)生問(wèn)題時(shí)，能盡快找到問(wèn)題的根源和解決問(wèn)題的辦法。

從業(yè)務(wù)角度來(lái)看，推進(jìn)智能制造的主要作用是要促進(jìn)多方協(xié)同、資源共享和知識(shí)復(fù)用。通俗地講，協(xié)同就是多方協(xié)作時(shí)“不掉鏈子”，不耽誤彼此的工作；資源共享有利于低成本地獲得優(yōu)質(zhì)資源；知識(shí)復(fù)用則可以提高研發(fā)和服務(wù)的效率，降低獲得知識(shí)的成本。當(dāng)企業(yè)中的物質(zhì)、知識(shí)和人力資源都能用數(shù)字化描述時(shí)，互聯(lián)網(wǎng)就容易促進(jìn)協(xié)同、共享和復(fù)用。

計(jì)算機(jī)的運(yùn)算能力很強(qiáng)但靈活處理問(wèn)題的能力很弱。這是限制自動(dòng)化技術(shù)廣泛應(yīng)用的重要原因。為了解決這類(lèi)問(wèn)題，先進(jìn)的制造企業(yè)普遍采用了信息化技術(shù)。信息化系統(tǒng)能夠?yàn)楣芾碚呤占畔ⅰ椭芾碚邲Q策和管理企業(yè)的生產(chǎn)和經(jīng)營(yíng)。與自動(dòng)化系統(tǒng)相比，信息系統(tǒng)把決策的工作交由人類(lèi)完成。

在數(shù)字化、網(wǎng)絡(luò)化時(shí)代，成千上萬(wàn)的設(shè)備可以實(shí)時(shí)、高速地采集數(shù)據(jù)并匯集到一起。人類(lèi)可以得到更多的信息，但處理信息的能力受到了生理極限的約束。為了解決這個(gè)矛盾。美國(guó)通用公司發(fā)布的《工業(yè)互聯(lián)網(wǎng)》白皮書(shū)就提出了解決辦法。該白皮書(shū)指出，工業(yè)互聯(lián)網(wǎng)有3個(gè)要素：智能的機(jī)器、高級(jí)算法和工作中的人。智能機(jī)器指的是可以實(shí)時(shí)接收和發(fā)送數(shù)據(jù)的機(jī)器。但是，人類(lèi)并不直接處理這些數(shù)據(jù)。高級(jí)算法就像人的秘書(shū)一樣，幫助人們處理實(shí)時(shí)數(shù)據(jù)，從海量數(shù)據(jù)中找出那些需要人類(lèi)關(guān)注和處理的問(wèn)題，交給“工作中的人”來(lái)處理。

另外，對(duì)于常見(jiàn)的問(wèn)題，可以把專(zhuān)家處理問(wèn)題的邏輯和方法變成計(jì)算機(jī)代碼，讓機(jī)器按照人類(lèi)的想法進(jìn)行決策。這就是人類(lèi)知識(shí)的數(shù)字化。通過(guò)這種辦法，可以進(jìn)一步減少人類(lèi)處理問(wèn)題的負(fù)荷，提高決策的自動(dòng)化水平——這其實(shí)就是智能化。

從某種意義上來(lái)說(shuō)，智能化是自動(dòng)化和信息化的融合。自動(dòng)化和信息化融合的思想很早就有了，但在信息通信技術(shù)不夠發(fā)達(dá)的時(shí)候，技術(shù)上很難實(shí)現(xiàn)。于是，機(jī)會(huì)留在了智能化的時(shí)代。

智能化對(duì)工業(yè)企業(yè)的意義非常巨大。從企業(yè)生態(tài)的層面來(lái)看，智能化能促進(jìn)企業(yè)之間的分工細(xì)化并在企業(yè)間建立新的生態(tài)關(guān)系。“分工促進(jìn)生產(chǎn)力的發(fā)展”是一條非常重要的經(jīng)濟(jì)規(guī)律。由于互聯(lián)網(wǎng)能夠提高企業(yè)之間的協(xié)同能力、降低分工的負(fù)面影響，這為促進(jìn)分工的細(xì)化奠定了基礎(chǔ)。總之，從企業(yè)間的關(guān)系來(lái)看，智能化能夠促進(jìn)社會(huì)資源的優(yōu)化配置。從企業(yè)自身的層面來(lái)看，智能化能提升企業(yè)的管理能力。在我國(guó)很多企業(yè)中，“技術(shù)水平低”的本質(zhì)往往是管理水平差。某些企業(yè)的管理問(wèn)題所導(dǎo)致的成本損失會(huì)超過(guò)企業(yè)的利潤(rùn)。通過(guò)推進(jìn)智能化，人類(lèi)的很多決策工作可以交給機(jī)器去做，也可以在機(jī)器幫助下或“監(jiān)督”下去做，通過(guò)提升企業(yè)的管理能力，大大減少因管理不善導(dǎo)致的問(wèn)題。從現(xiàn)實(shí)效果來(lái)看，智能化往往能夠有效地推動(dòng)企業(yè)整體利益實(shí)現(xiàn)最大化。

智能化與人工智能

智能化是一場(chǎng)決策革命，即通過(guò)數(shù)字化的方法代替人決策、幫助人決策、“監(jiān)督”人決策。對(duì)工業(yè)過(guò)程來(lái)說(shuō)，決策所需的知識(shí)往往是工業(yè)人多年積累的結(jié)果。這些知識(shí)的邏輯往往是清晰的、能夠被準(zhǔn)確表達(dá)的。推進(jìn)智能制造的時(shí)候，容易把這些知識(shí)轉(zhuǎn)化成計(jì)算機(jī)的代碼，但智能制造未必用到人工智能的典型算法。因此，“智能制造等于人工智能加制造”的觀點(diǎn)是錯(cuò)誤的。

但是，經(jīng)典的人工智能技術(shù)確實(shí)能夠促進(jìn)智能制造技術(shù)的發(fā)展。在一些場(chǎng)景下，傳感器采集到的信號(hào)并不容易轉(zhuǎn)化成語(yǔ)義明確的信息。例如，攝像頭可以采集到產(chǎn)品表面的圖像信息，但不能把圖像信息與質(zhì)量缺陷的類(lèi)型和級(jí)別對(duì)應(yīng)起來(lái)。如果這類(lèi)問(wèn)題解決不了，質(zhì)量管理的邏輯就難以自動(dòng)地實(shí)現(xiàn)，智能化的進(jìn)程就會(huì)受阻。

深度學(xué)習(xí)等典型的人工智能技術(shù)特別善于解決圖像識(shí)別問(wèn)題。事實(shí)上，圖像識(shí)別是人工智能算法在工業(yè)界最典型也是最主要的應(yīng)用領(lǐng)域。缺乏人工智能技術(shù)，智能制造的體系往往是不完整的。

從某種意義上來(lái)說(shuō)，人工智能是技術(shù)問(wèn)題也是學(xué)術(shù)問(wèn)題，這也是學(xué)術(shù)界特別喜歡研究的問(wèn)題。現(xiàn)實(shí)中，自動(dòng)化往往只是技術(shù)問(wèn)題，并不是學(xué)術(shù)問(wèn)題，因?yàn)?a target="_blank">工程師一般喜歡用最簡(jiǎn)單的辦法解決問(wèn)題。推進(jìn)智能化的過(guò)程不僅涉及技術(shù)問(wèn)題，往往還涉及企業(yè)組織流程的重構(gòu)、商業(yè)模式的創(chuàng)新。從這種意義上講，智能化的問(wèn)題往往可以看作企業(yè)的管理甚至戰(zhàn)略問(wèn)題。
編輯：hfy