工業(yè)制造分兩類：離散制造和流程制造。這兩類制造在生產(chǎn)線上基本上看不出差別，其實(shí)底層的工業(yè)裝備、控制系統(tǒng)不同。一般而言，控制系統(tǒng)保證了產(chǎn)品的自動化。但是，在有些情況下產(chǎn)品無法實(shí)現(xiàn)自動化，其中一種情況就是個性化定制。 

個性化定制要求底層的工業(yè)裝備能夠加工不同的產(chǎn)品。這要求裝備一定是智能化的，且控制系統(tǒng)要變成智能系統(tǒng)，以感知不同裝備、工藝。但是，當(dāng)前的生產(chǎn)線無法解決個性化定制的高效化——這也是工業(yè)4.0提出的重要目標(biāo)之一。 

工業(yè)制造仍依賴知識工作者 

現(xiàn)在的工業(yè)流程，就是把參數(shù)確定好，把生產(chǎn)線變成 “黑燈工廠”。但如果原料或產(chǎn)品品種發(fā)生改變，工藝就要重做。這需要決策部門進(jìn)行指標(biāo)的調(diào)整，再由工程師將其設(shè)定在控制系統(tǒng)之中。 

這正是自動化系統(tǒng)的現(xiàn)狀。自動化系統(tǒng)的結(jié)構(gòu)，其實(shí)就是人與信息物理系統(tǒng)融合的系統(tǒng)，也就是人參與的信息物理系統(tǒng)——信息系統(tǒng)得到的信息跟人的感知、認(rèn)知得到的信息綜合用以進(jìn)行分析和決策。 

比如特高壓輸電和選礦系統(tǒng)。雖然生產(chǎn)線是完全自動的，但為了得到不同的產(chǎn)品，都要重新進(jìn)行分析、設(shè)計(jì)，把人為設(shè)置參數(shù)指令放到生產(chǎn)線。也就是說，流程中需要工程師等知識工作者的參與。 

這樣的系統(tǒng)存在哪些問題？人的決策行為制約其發(fā)展。為什么？原因在于人難以感知動態(tài)變化的運(yùn)行工況，也難以及時處理異構(gòu)信息。另外，人的決策是有主觀性的，不同人的決策是不一樣的，這就不能夠保證整個生產(chǎn)線是高效、全優(yōu)的。 

實(shí)現(xiàn)智造的三大挑戰(zhàn) 

鑒于此，未來怎么做？要想實(shí)現(xiàn)個性定制的高效化、流程工業(yè)的全局優(yōu)化，就要把現(xiàn)在的人和控制系統(tǒng)、裝備變成自主系統(tǒng)，把系統(tǒng)管理系統(tǒng)變成人機(jī)合作的決策系統(tǒng)。 

這和原來的系統(tǒng)區(qū)別在于，它具有了感知、認(rèn)知、決策功能，且其最終的目標(biāo)是高效化和最優(yōu)化的方向，如此企業(yè)生產(chǎn)結(jié)構(gòu)、效率將會發(fā)生根本性的改變。 

現(xiàn)在的生產(chǎn)結(jié)構(gòu)是三層：企業(yè)資源計(jì)劃系統(tǒng)、制造執(zhí)行系統(tǒng)和離散裝備控制系統(tǒng)（流程制造中叫做過程控制系統(tǒng)）。未來要變成兩層結(jié)構(gòu)：底層都是自主系統(tǒng)，上層為人機(jī)合作的決策優(yōu)化系統(tǒng)，這便是未來制造流程的遠(yuǎn)景。 

這會帶來哪些挑戰(zhàn)？我認(rèn)為有三點(diǎn)。第一個挑戰(zhàn)是，人工智能的典型代表是基于大數(shù)據(jù)的深度學(xué)習(xí)，但是深度學(xué)習(xí)直到現(xiàn)在并沒有完全應(yīng)用于制造流程。 

在智能制造領(lǐng)域有三個難題：多尺度、多元信息的獲取，預(yù)報模型，把決策和控制過程集成。這三個難題可歸納為多尺度、多元信息的動態(tài)感知。要實(shí)現(xiàn)智能制造，這是必須要解決的問題。

第二，在制造中人工智能要想比人出色，就要對產(chǎn)品質(zhì)量，對于能耗、物耗包括運(yùn)行狀態(tài)有預(yù)測和追溯。所謂追溯就是出現(xiàn)問題以后，能夠感知到底是由哪道工序或動作導(dǎo)致的。 

第三個挑戰(zhàn)是把決策和控制進(jìn)行集成優(yōu)化。 

“小數(shù)據(jù)大任務(wù)”的問題 

今天的人工智能分兩種：強(qiáng)人工智能和弱人工智能。強(qiáng)人工智能指和人相比具有全面的智能，但相當(dāng)一部分科學(xué)家認(rèn)為這無法實(shí)現(xiàn)；弱人工智能是在特定場景下比人做得好，就如今天的自動駕駛、機(jī)器人下棋可以做得很好，但它做不到兩者兼?zhèn)洹５谌稳斯ぶ悄芾顺钡牡鹪从诖髷?shù)據(jù)、強(qiáng)大的計(jì)算和深度學(xué)習(xí)算法。我認(rèn)為未來人工智能必須走向智能系統(tǒng)。

AlphaGo為什么不能在工業(yè)中應(yīng)用？原因在于它是在一個完全確定的規(guī)則中，計(jì)算機(jī)可以了解所有的規(guī)則，并且在博弈過程中可以建立可試錯的精確決策模型用以離線訓(xùn)練，一直訓(xùn)練到可以戰(zhàn)勝人類。另外，它的決策是一個單目標(biāo)——就是輸贏，它可以用大量的計(jì)算機(jī)，且不考慮能耗。 

而工業(yè)過程的決策是在開放環(huán)境下，規(guī)則不確定，工業(yè)過程難以建立決策可試錯的模型。而且工業(yè)過程的決策是多目標(biāo)、相互沖突的，比如要想把質(zhì)量做好并不等于成本最低。 

可以說，目前的人工智能技術(shù)、博弈技術(shù)，屬于“大數(shù)據(jù)小任務(wù)”，而工業(yè)將來遇到的問題決策是“小數(shù)據(jù)大任務(wù)”——工業(yè)大數(shù)據(jù)對計(jì)算機(jī)而言都是小數(shù)據(jù)。 

工業(yè)人工智能四大關(guān)鍵技術(shù) 

人工智能的最終目標(biāo)，主要是實(shí)現(xiàn)人的智能行為的自動化和復(fù)制。從這個意義上來講，人工智能不是單一的技術(shù)，而是用于特定任務(wù)的技術(shù)集合。 

那么，什么是“工業(yè)人工智能”？為什么要發(fā)展工業(yè)人工智能？ 

工業(yè)人工智能在國際上開始被提出，包括美國提出的工業(yè)人工智能、德國提出的“與經(jīng)濟(jì)結(jié)合推動智能”。在我國，中國工程院編制的關(guān)于新一代人工智能的發(fā)展規(guī)劃，也提及要研究如何用人工智能解決智能制造的問題。 

總結(jié)來說，工業(yè)人工智能目前在制造流程中主要完成三項(xiàng)工作：運(yùn)行工況多元信息的感知和認(rèn)知，工作經(jīng)營層、生產(chǎn)層、運(yùn)行層的協(xié)同決策，以企業(yè)綜合生產(chǎn)指標(biāo)優(yōu)化為目標(biāo)自動協(xié)同控制裝備的控制系統(tǒng)。 

這三件事目前都是知識工作者在做的，如何實(shí)現(xiàn)自動化和智能化將是工業(yè)人工智能的重要方向。 

這里有幾個關(guān)鍵技術(shù)要解決：第一是關(guān)鍵技術(shù)復(fù)雜工業(yè)環(huán)境下運(yùn)行工況多尺度、多元信息的智能感知和識別技術(shù)，第二是復(fù)雜工業(yè)環(huán)境下基于5G多元信息的快速可靠的傳輸技術(shù)，第三是系統(tǒng)辨識與深度學(xué)習(xí)相結(jié)合的智能建模、動態(tài)仿真和可視化的技術(shù)；第四是關(guān)鍵工藝參數(shù)和生產(chǎn)指標(biāo)的預(yù)測和追溯技術(shù)；第五是人機(jī)合作的智能優(yōu)化決策技術(shù)，特別是結(jié)果端、邊、云協(xié)同實(shí)現(xiàn)智能算法的技術(shù)。只有攻克了這些技術(shù)，才有可能使工業(yè)發(fā)生革命性的改變。

摘自《中國科學(xué)報》