ChatGPT、SORA，一次次的撩撥著驛動的工業(yè)心弦。但不管怎么樣，這些人工智能的進展初衷上來說并不是面向工業(yè)的，技術(shù)上可能可以借鑒，但應(yīng)該不是可以照搬的。 這是個人直覺的認識基調(diào)或者結(jié)論，所以僅供參考。
筆者主要在從事APS方面的技術(shù)研究與開發(fā)應(yīng)用的工作，也深深的感覺到向融合人工智能方向發(fā)展是必然的，所以對這方面有一些思考。
個人認為，工業(yè)智能還是有它自身的工業(yè)屬性與特點的。
(1)定量而不是定性，具有可執(zhí)行性或可操作性
工業(yè)智能的應(yīng)用不是說構(gòu)建了一個資料庫或者號稱知識模型并可以進行對話提問的方式獲得相應(yīng)的推理性推薦信息或者總結(jié)信息。不管是分析推理構(gòu)思判斷還是決策，對結(jié)果的要求應(yīng)該是定量而不是定性，應(yīng)該是能夠操作或者說可執(zhí)行的，甚至是對比如制造裝備的參數(shù)精準精確的調(diào)整或者說操作精細精準的執(zhí)行指令。如果只是為了得到推理性的推薦信息或者說總結(jié)信息，那現(xiàn)在構(gòu)建知識圖譜之類的其實完全可以達到并且是能夠精確的指向來源出處的(有理有據(jù))。即使我們現(xiàn)在面對這么多大國工匠的經(jīng)驗知識，想要進行沉淀與物化，這些知識也是需要產(chǎn)生精細精準的輸出的。換個角度來說，如果一個企業(yè)認為高技能人才的知識或者經(jīng)驗就是停留在一些原則策略或者說認識層次上，那基本上是層次太低了，與我們內(nèi)心所認識的高技能人才的知識和經(jīng)驗并不在同一個語境上。
(2)對置信度具有較高的要求，應(yīng)該可用能用乃至好用
工業(yè)智能是要負責任的，而不是模糊或者朦朧的，不是感性的而是理性的，所有工業(yè)智能的輸出結(jié)果，不僅要明確，而且對于可用能用乃至好用的置信度應(yīng)該是具有較高的要求的。比如筆者在為一個電子企業(yè)進行產(chǎn)品質(zhì)量診斷的分析的課題研究中，得到的就是按最大概率或置信度的排序方式給出最有可能導(dǎo)致最終指標出問題的三個具體原因，相當于極大的縮小了人工分析的范圍，實際應(yīng)用效果來說還是挺好的。不強調(diào)置信度，那就跟組織一些人來開會討論一樣，隨便說說不需要負責，對于有經(jīng)驗的現(xiàn)場技術(shù)人員來說，其實沒有什么價值。
(3)替代性更強，而不是部分取代人類專家的智力活動
我比較欣賞的一個智能制造的定義：智能制造是一種由智能機器和人類專家共同組成的人機一體化智能系統(tǒng)，它在制造過程中能進行智能活動，諸如分析、推理、判斷、構(gòu)思和決策等，通過人與智能機器的合作共事，去擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它把制造自動化的概念更新擴展到柔性化、智能化和高度集成化。
這個智能制造的定義其實是強調(diào)人機協(xié)同的。但個人感覺工業(yè)智能的應(yīng)用其實替代性更強，雖然現(xiàn)在未必能夠做到，很多實際應(yīng)用場景下面還是需要最終人來把關(guān)或者決策一下。那如果在工業(yè)場景下總是這么做的話，雖然減少了人的體力或者說腦力勞動，但這可能未必是企業(yè)的追求，企業(yè)追求的更可能需要的還是替代，最簡單的，企業(yè)總不能出兩份錢來做一份事情吧。從這個角度來說，其實我們需要發(fā)展一系列工業(yè)場景的數(shù)字機器人，不管是顯示的還是隱式的，并且是更加具有智能的數(shù)字機器人，(某種程度上來說也可以認為是數(shù)字孿生體)。
(4)模擬人乃至超越人的顛覆性特點將越來越突出
現(xiàn)在的工業(yè)智能很大程度上基本上來說還是在模擬獨立個體人的智能，這個其實就有很大的局限性。就如同現(xiàn)在發(fā)展很多人型機器人用在工業(yè)應(yīng)用，我感覺這個在思維上面來說局限性太大，人體的這種結(jié)構(gòu)難道就是工業(yè)中需要的這種結(jié)構(gòu)嗎?難道四足不比兩足更加穩(wěn)定嗎?難道三頭(或無頭)六臂不比只有一雙胳膊要更加好用或者更加適應(yīng)某些工業(yè)場景嗎?有誰規(guī)定機器人必須像脆弱的人體結(jié)構(gòu)那樣來布局?是不是還要連哪怕沒用的五臟六腑都要搞出來才算滿足了內(nèi)心的關(guān)于機器人的執(zhí)念?個人認為，機器人這個名詞當中的人是形容詞而不是限定詞，對標人類的身體結(jié)構(gòu)所建立的機器人是否適應(yīng)工業(yè)場景，我們可能需要再思考一下。同樣的，人工智能也不是在模仿一個人的智能。我們很多工業(yè)智能其實面向?qū)嶋H的應(yīng)用場景是完全可以用群體智能來做的，比如某種場景下面我有1萬個任務(wù)，那對于任務(wù)最貼切的執(zhí)行方式，那肯定是安排專人負責，但實際上是不可能。那到現(xiàn)在人工智能尤其是群體職能的發(fā)展，為什么還要用一個獨立的智能來集權(quán)式的解決這個問題呢?為什么不能用發(fā)展出1萬個智能體來分別負責呢?(其實德國工業(yè)4.0最精粹的想法是分布式增強智能，這是實現(xiàn)CPS以及CPPS的核心基礎(chǔ)，德國人從來沒有隱瞞，但我們從來也沒有真正重視過)自然哲學(xué)的否定的否定其實是無處不在的，同樣，教條主義也是害死人的。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
數(shù)據(jù)分類分級方法、標準及應(yīng)用實踐
