“在我的一生中，我見證了社會(huì)深刻的變化。其中最深刻的，同時(shí)也是對(duì)人類影響與日俱增的變化，是人工智能的崛起。”霍金去年在全球移動(dòng)互聯(lián)網(wǎng)大會(huì)(GMIC)上如是說。生活在當(dāng)下的我們，都非常有同感。

本刊特邀真視通公司的大數(shù)據(jù)首席顧問、倫敦大學(xué)人工智能領(lǐng)域?qū)＜屹囌准t博士，為我們介紹人工智能與工業(yè)制造的交匯融合帶來的機(jī)遇與挑戰(zhàn)。

人工智能不同于機(jī)器學(xué)習(xí)

很多人都會(huì)把機(jī)器學(xué)習(xí)和人工智能混為一談，在賴兆紅的理解中，人工智能與通常引述的機(jī)器學(xué)習(xí)是兩個(gè)不同的概念。

機(jī)器學(xué)習(xí)的出現(xiàn)要早于人工智能，是機(jī)器利用算法模型從大量數(shù)據(jù)中解析得到有用信息的過程。在機(jī)器學(xué)習(xí)的過程中，已知的算法模型和明確的規(guī)則是必不可少的。人工智能則是在 AlphaGo擊敗人類圍棋冠軍這個(gè)里程碑事件后，開始受到業(yè)界廣泛關(guān)注的。人工智能的研究重點(diǎn)是人工神經(jīng)網(wǎng)絡(luò)，用機(jī)器模擬人腦運(yùn)轉(zhuǎn)，從信息處理角度對(duì)神經(jīng)元細(xì)胞相互連接、觸發(fā)的方式建立運(yùn)算模型。在特定環(huán)境(規(guī)則)下，機(jī)器自行感知采集數(shù)據(jù)，再通過復(fù)雜運(yùn)算逼近自然界的某種算法或者人腦神經(jīng)網(wǎng)絡(luò)行為特征，從而做出最合理的推理、判定并給出反饋。基于這一目標(biāo)，對(duì)特定環(huán)境或規(guī)則的解析，計(jì)算機(jī)、大數(shù)據(jù)、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、生命科學(xué)等大量學(xué)科被牽扯到其中。

目 前，人 工 智 能 的 主 流 算 法分為監(jiān)督學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的方法。監(jiān)督學(xué)習(xí)是用大量的結(jié)論數(shù)據(jù)對(duì)機(jī)器進(jìn)行培訓(xùn)。以 AlphaGo 為例， AlphaGo 通過研究人類棋手?jǐn)?shù)千場(chǎng)對(duì)抗的棋譜，從這些游戲中學(xué)習(xí)規(guī)則和策略，進(jìn)而學(xué)會(huì)下圍棋，這個(gè)過程就是監(jiān)督學(xué)習(xí)。而強(qiáng)化學(xué)習(xí)更偏向讓機(jī)器“自學(xué)”。研發(fā) AlphaGo 的公司去年公布了它的升級(jí)版“AlphaGo Zero”——據(jù)說 AlphaGo Zero 的 圍 棋 玩 得 更 好、學(xué)得更快，最主要的是它的學(xué)習(xí)過程沒有求助于人類專家。AlphaGo Zero 的自學(xué)過程建立在對(duì)圍棋規(guī)則的充分了解和“獎(jiǎng)勵(lì)”機(jī)制之上。 AlphaGo Zero在 19x19的棋盤上反復(fù)嘗試落子，贏棋便“獎(jiǎng)勵(lì)”加分，輸棋就扣分，通過反復(fù)與其他版本的“自己”對(duì)抗下棋，這個(gè)不斷自我革新的過程就是強(qiáng)化學(xué)習(xí)。相比較而言，監(jiān)督學(xué)習(xí)需要的數(shù)據(jù)成本更高，更加依賴人類專家在該領(lǐng)域獲取的經(jīng)驗(yàn) ;而在強(qiáng)化學(xué)習(xí)的過程中，機(jī)器展現(xiàn)出的“非人類”風(fēng)格可能會(huì)衍生出其他棘手問題。

理論上來講，機(jī)器可以模仿人類智能，然后通過自學(xué)快速成長(zhǎng)、超越人類。“但是，人類對(duì)大腦的認(rèn)知還是非常有限的”，賴兆紅說， “我們現(xiàn)階段在人工智能領(lǐng)域取得的突破，還停留在規(guī)則性較強(qiáng)的場(chǎng)景中。人工智能可以通過規(guī)則遞歸運(yùn)算(搜索)推導(dǎo)出準(zhǔn)確率極高的結(jié)論，實(shí)現(xiàn)強(qiáng)大的人機(jī)互動(dòng)效果，但是在語言的理解、人體感知(如嗅覺)和情感的認(rèn)知等方面處理，效果還欠佳”。

人工智能落地工業(yè)制造

人類對(duì)人工智能的開發(fā)利用并不滿足于給自己找一個(gè)強(qiáng)大的棋友，在工業(yè)生產(chǎn)中它更被寄予厚望。

人工智能技術(shù)落地工業(yè)制造有兩大先天優(yōu)勢(shì) ：一是工業(yè)生產(chǎn)流程往往與業(yè)務(wù)機(jī)理緊密結(jié)合，具有明確的規(guī)則性 ;二是生產(chǎn)過程通常伴隨著多節(jié)點(diǎn)的數(shù)據(jù)采集，為人工智能數(shù)據(jù)分析提供了海量樣本。

在工業(yè)制造中，人工智能技術(shù)與大數(shù)據(jù)分析相輔相成，一直專注于賦予工業(yè)生產(chǎn)智能化的屬性，最典型的應(yīng)用包括模型分析、預(yù)測(cè)研判、輔助決策等等。這些應(yīng)用是如何實(shí)現(xiàn)的?可以為工業(yè)生產(chǎn)帶來什么效益?以設(shè)備預(yù)測(cè)性維護(hù)為例，賴兆紅做了簡(jiǎn)要說明 ：設(shè)備的理想狀態(tài)為正常工作狀態(tài)，隨著時(shí)間的推移、環(huán)境的變化，設(shè)備發(fā)生損耗，人工智能的任務(wù)就是去感知這個(gè)變化，識(shí)別并提前預(yù)警。人工智能可以結(jié)合業(yè)務(wù)知識(shí)，通過特征值進(jìn)行故障預(yù)測(cè)，指導(dǎo)人員提前維護(hù)或更換設(shè)備。“設(shè)備故障的原因是多種多樣的，體現(xiàn)在數(shù)據(jù)上也是千差萬別，但是我們預(yù)測(cè)故障并不需要逐一排除，通過發(fā)現(xiàn)特征值，人工智能就能判定設(shè)備狀態(tài)異常。”賴兆紅說，“這個(gè)功能應(yīng)用到隱患排查方面，非常簡(jiǎn)單實(shí)用。”

除了實(shí)現(xiàn)設(shè)備檢修維護(hù)、性能分析這一類的生產(chǎn)優(yōu)化，人工智能還能建立數(shù)據(jù)模型，通過精確到小時(shí)、分鐘的歷史電力負(fù)荷數(shù)據(jù)訓(xùn)練，預(yù)測(cè)該廠的短期電力負(fù)荷變化，幫助企業(yè)優(yōu)化經(jīng)營(yíng)成本 ;通過協(xié)同上下游企業(yè)，優(yōu)化產(chǎn)業(yè)生態(tài)鏈……人工智能技術(shù)在工業(yè)生產(chǎn)中的巨大潛力已經(jīng)得到了國(guó)家層面的重視。在打造中國(guó)工業(yè)互聯(lián)網(wǎng)、中國(guó)制造 2025 的浪潮中，新技術(shù)、新平臺(tái)、新的商業(yè)模式孕育而生，應(yīng)用在中國(guó)龐大的工業(yè)生產(chǎn)基數(shù)下，哪怕很小的性能改進(jìn)，都將帶來巨大的經(jīng)濟(jì)效益，進(jìn)而鼓勵(lì)更長(zhǎng)期、更可觀的投入和研發(fā)。

智能工廠離我們有多遠(yuǎn)？

一方面，人工智能在工業(yè)領(lǐng)域的潛力已經(jīng)開始顯現(xiàn)，在預(yù)測(cè)性維護(hù)、安全檢查、成本優(yōu)化等方面的應(yīng)用獲得了小范圍成功 ;另一方面，從“單點(diǎn)智能”到“全局智能”，從特定場(chǎng)景下的智能化應(yīng)用到建設(shè)智能工廠，如何讓機(jī)器完成一個(gè)高度協(xié)調(diào)的生產(chǎn)過程，需要更多冷靜思考。 “像電廠一樣的流程化企業(yè)，生產(chǎn)的每一步都牽一發(fā)而動(dòng)全身，比如，電廠停機(jī)會(huì)影響到電網(wǎng)負(fù)荷，再影響到更多家庭用電、企業(yè)生產(chǎn)，這個(gè)安全生產(chǎn)的責(zé)任是非常艱巨的，”賴兆紅認(rèn)為，“現(xiàn)階段談智能電廠還為時(shí)尚早。”

“在現(xiàn)階段，工廠要做好從自動(dòng)化到數(shù)字化、再到智能化的轉(zhuǎn)型，一定要重視大數(shù)據(jù)分析。發(fā)揮人工智能的輔助決策功能，通過大數(shù)據(jù)分析，預(yù)測(cè)供給側(cè)、需求側(cè)變化趨勢(shì)，用數(shù)據(jù)指導(dǎo)決策。”賴兆紅說，“比如，我們正在進(jìn)行企業(yè)用戶畫像方面的嘗試，首要的是給人工智能構(gòu)建相關(guān)的知識(shí)體，這還要生產(chǎn)企業(yè)相關(guān)領(lǐng)域?qū)＜业膸椭?rdquo;如何確定數(shù)據(jù)的采集點(diǎn)，如何理解每個(gè)數(shù)據(jù)的含義，構(gòu)建完整的專業(yè)領(lǐng)域知識(shí)體，這是人工智能運(yùn)算的前期條件，也是人工智能專家和工業(yè)生產(chǎn)業(yè)務(wù)專家共同面臨的難點(diǎn)。只有充分了解業(yè)務(wù)機(jī)理，才能更好地把生產(chǎn)制造流程映射到人工智能模型，再對(duì)模型進(jìn)行層層優(yōu)化，達(dá)到理想的收斂效果……人工智能為工業(yè)制造提供了轉(zhuǎn)型升級(jí)的重大機(jī)遇，工業(yè)制造為人工智能提供了技術(shù)落地的優(yōu)渥土壤，為了共同實(shí)現(xiàn)提速發(fā)展，雙方專家的工作已緊密交織。

目前，人工智能技術(shù)已經(jīng)可以為工業(yè)生產(chǎn)省去很多重復(fù)性工作、解決傳統(tǒng)領(lǐng)域無法解決的問題，在安全施工、救援搶險(xiǎn)領(lǐng)域也大有可為。 “DeepMind團(tuán)隊(duì)正在讓機(jī)器學(xué)習(xí)模仿類似消防員的行為，如翻越障礙物。這個(gè)功能成熟以后，就可以應(yīng)用到某些高危工作領(lǐng)域，比如用機(jī)器人搶險(xiǎn)救援任務(wù)，或者完成煤礦井下、核電領(lǐng)域、高溫高壓環(huán)境中的操作。” 賴兆紅預(yù)測(cè)道。

正如霍金在 GMIC 的演講中所說 ：“我們站在一個(gè)美麗新世界的入口。這是一個(gè)令人興奮的、同時(shí)充滿了不確定性的世界。”我們將是這個(gè)智能世界的先行者。祝福我們。