第四次工業革命正在進行,智能制造作為其技術核心,是世界各國競爭的制高點。2015年中國發布的《中國制造2025》以及今年工信部發布的《十四五智能制造發展規劃(征求意見稿)》,均明確了大力發展智能制造的重要性。

　　為助力企業擁抱智能制造,愛數于12月15日舉辦主題為“認知驅動·先進制造”的無界會(一)。在會前,我們特邀到復旦大學教授暨復旦-愛數認知智能聯合研究中心主任肖仰華進行采訪,從人工智能角度出發,就當前智能制造發展瓶頸以及工業認知發展前景等關鍵問題展開深度探討。

　　愛數:感謝您接受我們的采訪,能先給我們介紹一下人工智能當前的發展現狀嗎?

　　肖仰華:人工智能正在經歷從感知智能為主向認知智能為主的過渡階段。回望過去,從谷歌在深度學習的幫助下,第一次圖像識別準確率超過人類,到AlphaGo打敗人類最頂尖的棋手,整個人工智能的發展路徑非常鮮明,就是用大算力、大數據去喂養深度模型。深度模型本質上是一種非線性模型,它能夠從大數據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。

　　但是隨著數據紅利消失、算力到達瓶頸,識別的準確率難以提升,這個時候就需要知識來解決問題,只有把各行各業的知識用上,才能提升準確率。

　　舉一個例子,在醫院有兩個病人,一個是因為新冠肺炎出現感冒發燒,一個是因為普通肺炎出現感冒發燒,兩個人病情一模一樣,驗血、CT等檢查結果也是相同的,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據,是沒有辦法準確確定病情的,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涵,但是認知智能已經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,還要有學識,將來甚至能懂人心,了解行業的一些基本邏輯和常識。可以說認知智能才是未來,感知智能只是實現了我們的身體和五官,而認知智能本質上是幫我們實現大腦。

　　愛數:落到具體的行業,比如說制造業要實現智能制造,您覺得最大的瓶頸是什么?

　　肖仰華:就我們的調研結果來看,目前制造業的自動化、數字化水平都處于相對成熟的階段,頭部制造業面臨的困惑更多在于企業沉淀了數據、用數據貫通了流程、建立了工業互聯網平臺、建立了工業大數據平臺,但是這些數據怎么創造價值,怎么讓制造更優、更安全、更高效?

　　我相信這也會是將來整個制造業面臨的主要挑戰之一。因為一旦企業跨過不缺數據的階段之后,就會面臨數據的價值變現問題,所以智能制造會碰到的瓶頸,在我看來就是數據如何創造價值——工業數據如何進一步的創造價值,如何創造更大的價值。

　　那到底是什么阻礙了制造業數據的價值變現呢?我覺得會歸結到剛才第一個問題,人類沒辦法完全理解整個工業系統的所有數據,價值變現不能光靠人,實際上現在工業系統的復雜程度不斷升高,絕對超出了少數幾個專家的認知水平,只有實現機器的認知能力,才能實現數據的價值變現,達到讓制造更優、更安全、更高效的目的。

　　愛數:您覺得解決這個瓶頸的關鍵點是什么,對于企業來說,這其中有什么需要注意的問題呢?

　　肖仰華:阻礙數據價值變現的關鍵主要還是缺乏認知能力,光靠人去理解數據是行不通的,機器至少要適當具備人類對數據的理解和認知能力。機器如何具備這種能力?我覺得這可能要經過兩個階段,先從數據變成知識,再從知識變成認知能力,這也是中國發展智能化的戰略路徑。

　　首先我們需要從行業數據中加工提煉出知識,從而賦能實際應用。這就好比我以前說的數據是原油,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用場景中發揮作用。

　　所以,必須要先從數據變成知識,再從知識變成能力。第一個階段考驗我們怎樣把數據加工成知識,能不能實現自動化;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,大家會發現知識還不夠,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:最后談一談您對制造企業應用認知智能的展望吧。

　　肖仰華:不管從人工智能的技術趨勢,還是從工業企業自身發展的趨勢來看,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。

　　根據我對工業企業的調研結果,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來干預整個工業的生產制造和各個環節。這個趨勢是不可逆轉的,這將是一條難而正確的光明之路。

　　之所以說難,是因為工業場景和消費互聯網場景不同,無法單單靠數據驅動。在工業認知智能的實踐過程中,所有數據都是工業系統產生的,如何獲取和表達員工的經驗也是一大挑戰。消費互聯網可以完全靠數據驅動,借助海量數據挖掘出用戶的興趣愛好和意圖,但是工業互聯網是知識密集型產物,整個互聯網工業系統是知識密集型產業,所以它一定是強知識應用的,一定要把工業知識和數據融會貫通。

　　現在的工業系統過于復雜,傳統的專家系統已經無所適從。我曾經碰到過一些案例:一個故障發生之后,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對整個系統,開發系統的人員流轉后,早就沒有人對系統的全貌有認知能力。而數據能學到一些專家意識之外的系統規律,所以數據加知識融合的道路,是實現工業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。