第四次工業(yè)革命正在進行,智能制造作為其技術(shù)核心,是世界各國競爭的制高點。2015年中國發(fā)布的《中國制造2025》以及今年工信部發(fā)布的《十四五智能制造發(fā)展規(guī)劃(征求意見稿)》,均明確了大力發(fā)展智能制造的重要性。
為助力企業(yè)擁抱智能制造,愛數(shù)于12月15日舉辦主題為“認知驅(qū)動·先進制造”的無界會(一)。在會前,我們特邀到復(fù)旦大學(xué)教授暨復(fù)旦-愛數(shù)認知智能聯(lián)合研究中心主任肖仰華進行采訪,從人工智能角度出發(fā),就當(dāng)前智能制造發(fā)展瓶頸以及工業(yè)認知發(fā)展前景等關(guān)鍵問題展開深度探討。
愛數(shù):感謝您接受我們的采訪,能先給我們介紹一下人工智能當(dāng)前的發(fā)展現(xiàn)狀嗎?
肖仰華:人工智能正在經(jīng)歷從感知智能為主向認知智能為主的過渡階段。回望過去,從谷歌在深度學(xué)習(xí)的幫助下,第一次圖像識別準(zhǔn)確率超過人類,到AlphaGo打敗人類最頂尖的棋手,整個人工智能的發(fā)展路徑非常鮮明,就是用大算力、大數(shù)據(jù)去喂養(yǎng)深度模型。深度模型本質(zhì)上是一種非線性模型,它能夠從大數(shù)據(jù)中提取人類意識不到、無法定義和表達的一些特征,從而解決問題,比如語音識別、圖像識別等典型的模式識別。
但是隨著數(shù)據(jù)紅利消失、算力到達瓶頸,識別的準(zhǔn)確率難以提升,這個時候就需要知識來解決問題,只有把各行各業(yè)的知識用上,才能提升準(zhǔn)確率。
舉一個例子,在醫(yī)院有兩個病人,一個是因為新冠肺炎出現(xiàn)感冒發(fā)燒,一個是因為普通肺炎出現(xiàn)感冒發(fā)燒,兩個人病情一模一樣,驗血、CT等檢查結(jié)果也是相同的,但是病因、診斷和治療方案完全不同,新冠肺炎需要隔離治療,而普通肺炎僅僅需要輸液就可以。如果僅僅通過檢查數(shù)據(jù),是沒有辦法準(zhǔn)確確定病情的,必須要把背景知識融入進來。
認知智能因此被提上日程。知識是認知里非常重要的一個內(nèi)涵,但是認知智能已經(jīng)不再只是讓機器具備知識,而是讓機器具備知識之外的認知能力。這種認知能力除了讓機器成為有知識的人工智能,還要有學(xué)識,將來甚至能懂人心,了解行業(yè)的一些基本邏輯和常識。可以說認知智能才是未來,感知智能只是實現(xiàn)了我們的身體和五官,而認知智能本質(zhì)上是幫我們實現(xiàn)大腦。
愛數(shù):落到具體的行業(yè),比如說制造業(yè)要實現(xiàn)智能制造,您覺得最大的瓶頸是什么?
肖仰華:就我們的調(diào)研結(jié)果來看,目前制造業(yè)的自動化、數(shù)字化水平都處于相對成熟的階段,頭部制造業(yè)面臨的困惑更多在于企業(yè)沉淀了數(shù)據(jù)、用數(shù)據(jù)貫通了流程、建立了工業(yè)互聯(lián)網(wǎng)平臺、建立了工業(yè)大數(shù)據(jù)平臺,但是這些數(shù)據(jù)怎么創(chuàng)造價值,怎么讓制造更優(yōu)、更安全、更高效?
我相信這也會是將來整個制造業(yè)面臨的主要挑戰(zhàn)之一。因為一旦企業(yè)跨過不缺數(shù)據(jù)的階段之后,就會面臨數(shù)據(jù)的價值變現(xiàn)問題,所以智能制造會碰到的瓶頸,在我看來就是數(shù)據(jù)如何創(chuàng)造價值——工業(yè)數(shù)據(jù)如何進一步的創(chuàng)造價值,如何創(chuàng)造更大的價值。
那到底是什么阻礙了制造業(yè)數(shù)據(jù)的價值變現(xiàn)呢?我覺得會歸結(jié)到剛才第一個問題,人類沒辦法完全理解整個工業(yè)系統(tǒng)的所有數(shù)據(jù),價值變現(xiàn)不能光靠人,實際上現(xiàn)在工業(yè)系統(tǒng)的復(fù)雜程度不斷升高,絕對超出了少數(shù)幾個專家的認知水平,只有實現(xiàn)機器的認知能力,才能實現(xiàn)數(shù)據(jù)的價值變現(xiàn),達到讓制造更優(yōu)、更安全、更高效的目的。
愛數(shù):您覺得解決這個瓶頸的關(guān)鍵點是什么,對于企業(yè)來說,這其中有什么需要注意的問題呢?
肖仰華:阻礙數(shù)據(jù)價值變現(xiàn)的關(guān)鍵主要還是缺乏認知能力,光靠人去理解數(shù)據(jù)是行不通的,機器至少要適當(dāng)具備人類對數(shù)據(jù)的理解和認知能力。機器如何具備這種能力?我覺得這可能要經(jīng)過兩個階段,先從數(shù)據(jù)變成知識,再從知識變成認知能力,這也是中國發(fā)展智能化的戰(zhàn)略路徑。
首先我們需要從行業(yè)數(shù)據(jù)中加工提煉出知識,從而賦能實際應(yīng)用。這就好比我以前說的數(shù)據(jù)是原油,原油沒辦法直接使用,必須通過加工廠才能提煉出各種各樣的燃油,提煉出各種各樣的石油衍生品,比如塑料制品,這些制品才有可能在我們的應(yīng)用場景中發(fā)揮作用。
所以,必須要先從數(shù)據(jù)變成知識,再從知識變成能力。第一個階段考驗我們怎樣把數(shù)據(jù)加工成知識,能不能實現(xiàn)自動化;第二個階段考驗我們怎樣把知識變成認知能力,在這一過程中,大家會發(fā)現(xiàn)知識還不夠,還缺乏什么,這就需要我們一直提到的認知智能的概念。
愛數(shù):最后談一談您對制造企業(yè)應(yīng)用認知智能的展望吧。
肖仰華:不管從人工智能的技術(shù)趨勢,還是從工業(yè)企業(yè)自身發(fā)展的趨勢來看,讓機器具備認知能力,進而代替人類從事一些體力勞動(包括簡單的腦力勞動)是必然趨勢。
根據(jù)我對工業(yè)企業(yè)的調(diào)研結(jié)果,年輕人正在遠離工廠,我們的下一代基本不太可能再進車間,再渾身機油的去運維設(shè)備,這些工作將交給機器和機器的大腦完成,人只需要在大屏幕后通過人機混合的智能形態(tài)來干預(yù)整個工業(yè)的生產(chǎn)制造和各個環(huán)節(jié)。這個趨勢是不可逆轉(zhuǎn)的,這將是一條難而正確的光明之路。
之所以說難,是因為工業(yè)場景和消費互聯(lián)網(wǎng)場景不同,無法單單靠數(shù)據(jù)驅(qū)動。在工業(yè)認知智能的實踐過程中,所有數(shù)據(jù)都是工業(yè)系統(tǒng)產(chǎn)生的,如何獲取和表達員工的經(jīng)驗也是一大挑戰(zhàn)。消費互聯(lián)網(wǎng)可以完全靠數(shù)據(jù)驅(qū)動,借助海量數(shù)據(jù)挖掘出用戶的興趣愛好和意圖,但是工業(yè)互聯(lián)網(wǎng)是知識密集型產(chǎn)物,整個互聯(lián)網(wǎng)工業(yè)系統(tǒng)是知識密集型產(chǎn)業(yè),所以它一定是強知識應(yīng)用的,一定要把工業(yè)知識和數(shù)據(jù)融會貫通。
現(xiàn)在的工業(yè)系統(tǒng)過于復(fù)雜,傳統(tǒng)的專家系統(tǒng)已經(jīng)無所適從。我曾經(jīng)碰到過一些案例:一個故障發(fā)生之后,部門專家坐在一起論證,一個月都解決不了故障問題。沒有任何一個專家能夠應(yīng)對整個系統(tǒng),開發(fā)系統(tǒng)的人員流轉(zhuǎn)后,早就沒有人對系統(tǒng)的全貌有認知能力。而數(shù)據(jù)能學(xué)到一些專家意識之外的系統(tǒng)規(guī)律,所以數(shù)據(jù)加知識融合的道路,是實現(xiàn)工業(yè)認知的一條基本路徑,但是這條路還有很多事情要做,還有很多困難、很多問題需要解決。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
