表面處理行業(yè)與智能化

袁 華

（中國表面工程協(xié)會(huì)名譽(yù)理事長(zhǎng)）

0 前 言

如果在前幾年，物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)還是非常熱門的詞匯，那么當(dāng)前各行各業(yè)最常被人提及的話題無疑是“人工智能”。 從20世紀(jì)50年代開始，人類對(duì)“人工智能”的探索已經(jīng)持續(xù)了半個(gè)多世紀(jì)，為什么這兩年在全社會(huì)掀起了“人工智能”的熱潮？ “自動(dòng)化”和“智能化”到底有什么樣的區(qū)別？表面處理行業(yè)在未來實(shí)現(xiàn)“智能化”的過程中應(yīng)遵循什么樣的原則？下面跟大家分享一下本人對(duì)這些問題的思考。

1 智能化系統(tǒng)具有四個(gè)主要的特征

與“自動(dòng)化系統(tǒng)”相比，“智能化系統(tǒng)”一般具有四個(gè)主要的特征：

（1）具有感知能力，即具有能夠主動(dòng)感知外部世界、獲取外部信息的能力，這是產(chǎn)生智能活動(dòng)的前提條件；

（2）具有思維能力，即能夠在感知外部信息的基礎(chǔ)上由思維產(chǎn)生知識(shí)，并能夠利用已有的知識(shí)對(duì)新的信息進(jìn)行處理，從而產(chǎn)生更新的知識(shí)；

（3）具有學(xué)習(xí)能力和自適應(yīng)能力，即通過不斷學(xué)習(xí)和積累知識(shí)，系統(tǒng)本身能實(shí)現(xiàn)自我優(yōu)化從而適應(yīng)環(huán)境的變化；

（4）具有行為決策能力，即系統(tǒng)能對(duì)外部環(huán)境作出反應(yīng)，形成正確的決策并加以執(zhí)行。

2 兩種主導(dǎo)思路

人們?cè)跇?gòu)建人工智能的過程中產(chǎn)生了兩種主導(dǎo)思路：

（1）第一種是功能主義，即撇開人腦的具體結(jié)構(gòu)，僅在輸入輸出上實(shí)現(xiàn)與人腦功能相似的人工智能，早期的人工智能研究大都遵循這一思路，形成了傳統(tǒng)的人工智能技術(shù)。

（2）第二種是結(jié)構(gòu)主義，這一流派試圖從硬件結(jié)構(gòu)上模擬人腦的構(gòu)成和工作原理?；谶@種思想，人們開發(fā)了以人工神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)。

3 人工智能技術(shù)以期達(dá)到模擬人腦智能的目的

傳統(tǒng)的人工智能技術(shù)以馮·諾依曼型計(jì)算機(jī)為基礎(chǔ)，通過編制基于各種算法的軟件程序，以期達(dá)到模擬人腦智能的目的。其在求解邏輯問題、過程模擬和控制以及基于知識(shí)系統(tǒng)的輔助決策等方面取得了很大的成功。

在工業(yè)自動(dòng)化時(shí)代，善于“邏輯思維和精確計(jì)算”的傳統(tǒng)人工智能技術(shù)得到了廣泛地運(yùn)用，包括在很多行業(yè)得到應(yīng)用的“專家系統(tǒng)”。但其在感知和處理外界的模糊信息（如人工視覺、自然語言的理解）以及無督導(dǎo)機(jī)器學(xué)習(xí)等方面遇到了很大的困難。而“人工神經(jīng)網(wǎng)絡(luò)”等人工智能技術(shù)在這些領(lǐng)域具有很多優(yōu)勢(shì)。在經(jīng)過多年的努力后，以基于多層神經(jīng)網(wǎng)絡(luò)的“深度學(xué)習(xí)”為代表的人工智能技術(shù)在2006年以后取得了突破，在人工視覺、語音識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域獲得了一系列的成功：基于深度卷積神經(jīng)網(wǎng)絡(luò)的AlphaGo（阿爾法狗）系統(tǒng)在對(duì)弈人類頂尖棋手時(shí)取得了幾乎百戰(zhàn)百勝的戰(zhàn)績(jī)，讓所有的人感到震撼，為人工智能技術(shù)做了無與倫比的廣告。

與此同時(shí)，人工視覺、語音識(shí)別、無人駕駛等技術(shù)已經(jīng)進(jìn)入實(shí)際應(yīng)用階段：人們?cè)阢y行使用“人臉識(shí)別”進(jìn)行身份認(rèn)證；很多用戶在使用手機(jī)時(shí)利用“語音識(shí)別技術(shù)”進(jìn)行人機(jī)交互；而無人駕駛汽車實(shí)現(xiàn)商用似乎也只是時(shí)間問題。這些貼近百姓的應(yīng)用，在全社會(huì)掀起了人工智能的熱潮。總體社會(huì)輿論對(duì)人工智能的未來非常樂觀，大家已經(jīng)開始探討人工智能取代腦力勞動(dòng)的前景。

4 實(shí)現(xiàn)智能化制造的過程中應(yīng)遵循四個(gè)原則

在這種語境下，無需對(duì)智能化的必要性再做闡述，我們?cè)谶^去幾次行業(yè)協(xié)會(huì)的會(huì)議上數(shù)次討論這一課題。今天只想就表面處理行業(yè)在未來實(shí)現(xiàn)智能化的過程中應(yīng)注意的事情談?wù)勛约旱囊恍┛捶ā?/p>

我個(gè)人認(rèn)為：雖然目前人工智能技術(shù)取得了飛速的發(fā)展，但距離實(shí)現(xiàn)真正意義上的人工智能仍很遙遠(yuǎn)。在我們行業(yè)實(shí)現(xiàn)“智能化制造”的過程中應(yīng)遵循“簡(jiǎn)單性”、“實(shí)用性”、“漸進(jìn)性”和“經(jīng)濟(jì)性”的原則。

4.1 “簡(jiǎn)單性”原則

“簡(jiǎn)單性”原則，在西方也被稱作“奧卡姆剃刀原理”，即“如無必要，勿增實(shí)體”?！皧W卡姆剃刀原理”是人工智能研究和開發(fā)者所遵循一個(gè)最基本的原則。同樣，表面處理行業(yè)在實(shí)現(xiàn)智能化的過程中也應(yīng)始終牢記這一原則。例如，我們?cè)跇?gòu)建智能生產(chǎn)系統(tǒng)的感知能力時(shí)，僅需基于生產(chǎn)設(shè)備采集必要的數(shù)據(jù)；與無人駕駛等領(lǐng)域需要在極短的時(shí)間內(nèi)感知和處理大量缺乏特征的模糊數(shù)據(jù)相比，我們的系統(tǒng)需要采集的數(shù)據(jù)簡(jiǎn)單而明確，無需復(fù)雜的模式識(shí)別和處理系統(tǒng)。簡(jiǎn)單是可靠的前提，任何不必要的復(fù)雜常常導(dǎo)致失敗。在感知系統(tǒng)方面，我們更需要關(guān)心如何提升傳感器在我們復(fù)雜的工作液體中使用的可靠性和壽命，這同樣需要遵循“簡(jiǎn)單性”原則。

4.2 “實(shí)用性”原則

在一般情況下，任何技術(shù)都有使用的限制和邊界條件。在很多條件并不具備的場(chǎng)景，高端的技術(shù)未必是實(shí)用的技術(shù)，人工智能技術(shù)尤其如此。例如，各種機(jī)器學(xué)習(xí)算法都需要必要且足量的數(shù)據(jù)供機(jī)器學(xué)習(xí)和訓(xùn)練使用，大數(shù)據(jù)更是應(yīng)用“深度學(xué)習(xí)”等人工智能技術(shù)的基礎(chǔ)?？陀^上說，我們表面處理行業(yè)在數(shù)據(jù)采集、存儲(chǔ)和整理方面的工作依舊很薄弱。在很多必要基礎(chǔ)工作完成之前，一些人工智能算法在這個(gè)行業(yè)尚無用武之地。在部署和實(shí)施我們的智能制造項(xiàng)目時(shí)，我們應(yīng)多花些時(shí)間對(duì)所要采用的技術(shù)進(jìn)行必要的可行性分析，務(wù)必要使用實(shí)用而成熟的技術(shù)。

4.3 “漸進(jìn)性”原則

人工智能技術(shù)的發(fā)展歷史呈現(xiàn)出階段性突破和停滯相伴的特征，表現(xiàn)為非線性地成長(zhǎng)。在實(shí)際的工程應(yīng)用過程中，我們也應(yīng)對(duì)“智能化項(xiàng)目”實(shí)施應(yīng)采取漸進(jìn)發(fā)展的策略：

（1）先補(bǔ)足我們行業(yè)“自動(dòng)化”的短板，實(shí)現(xiàn)數(shù)據(jù)采集、信息處理和分析的自動(dòng)化；

（2）在人工系統(tǒng)地整理和歸納行業(yè)知識(shí)的基礎(chǔ)上，逐步構(gòu)建滿足企業(yè)需求的“專家系統(tǒng)”，形成輔助決策的能力；

（3）在有人督導(dǎo)和改進(jìn)的情況下，逐步構(gòu)建機(jī)器學(xué)習(xí)的能力；

（4）實(shí)現(xiàn)系統(tǒng)的自我決策和優(yōu)化能力，初步形成滿足行業(yè)需求的“人工智能”。在這一過程中，首先應(yīng)以傳統(tǒng)人工智能技術(shù)為主，在條件成熟的情況下，逐步引入“遺傳算法”等具有自我優(yōu)化能力的算法。

4.4 “經(jīng)濟(jì)性”原則

無論是技術(shù)上，還是財(cái)力上，我們表面處理企業(yè)都不可能像谷歌公司那樣為人工智能技術(shù)燒錢。“量入為出”是我們?cè)趯?shí)現(xiàn)智能化的過程中必須始終恪守的原則。很多目前熱門的人工智能技術(shù)都很昂貴，例如要應(yīng)用基于人工神經(jīng)網(wǎng)絡(luò)的“深度學(xué)習(xí)”那樣的人工智能技術(shù)，需要構(gòu)建具有并行計(jì)算和存儲(chǔ)能力的軟硬件系統(tǒng)（包括研發(fā)適應(yīng)并行計(jì)算的芯片），這不是普通制造業(yè)的企業(yè)可以負(fù)擔(dān)得起的。如果我們采用成熟的技術(shù)，就可以以較為低廉的成本逐步構(gòu)建智能化的系統(tǒng)。在過去的討論中，我們?cè)懻撨^利用普通PC機(jī)和互聯(lián)網(wǎng)構(gòu)建分布式數(shù)據(jù)分析系統(tǒng)的可能性。

5 結(jié)束語

人工智能是一個(gè)非常開放和寬泛的技術(shù)體系，我們表面處理行業(yè)應(yīng)在做好自身需求分析的基礎(chǔ)上，制定適合自身行業(yè)需求和稟賦的智能化發(fā)展策略，采用經(jīng)濟(jì)、成熟而實(shí)用的智能化技術(shù)，將實(shí)現(xiàn)行業(yè)的智能化落到實(shí)處。

（注：本文系作者在智能制造技術(shù)論壇上的發(fā)言稿，經(jīng)儲(chǔ)榮邦高工整理和斧正，特表謝意！）

【相關(guān)鏈接】

什么是馮·諾依曼型計(jì)算機(jī)？

在我們?nèi)粘Ｉ詈凸ぷ髦谐Ｊ褂谩半娔X”這個(gè)詞，但大家基本不認(rèn)為它是具有自我思維能力的“腦”，而是將其看作“計(jì)算機(jī)”，是一臺(tái)機(jī)器。

事實(shí)也是如此！到目前為止，無論功能有多么強(qiáng)大，大到銀行系統(tǒng)，小到一臺(tái)手機(jī)，人們廣泛使用的計(jì)算機(jī)的工作原理幾乎和人類第一臺(tái)計(jì)算機(jī)沒什么區(qū)別，即它們都是“馮·諾依曼型計(jì)算機(jī)”： 由運(yùn)算器、控制器、存儲(chǔ)器、輸入和輸出設(shè)備等功能模塊組成，采用二進(jìn)制存儲(chǔ)和處理數(shù)據(jù)，按照程序的指令以串行的模式工作。

無論是物理結(jié)構(gòu)和還是工作原理，“馮·諾依曼型計(jì)算機(jī)”都與人腦相去甚遠(yuǎn)。它們非常擅長(zhǎng)算術(shù)和邏輯運(yùn)算，人們把對(duì)任何性質(zhì)的問題求解都當(dāng)作一個(gè)計(jì)算過程，通過將問題轉(zhuǎn)換成算法并編制成計(jì)算機(jī)可執(zhí)行的程序，從而通過計(jì)算機(jī)的計(jì)算求得問題的精確解。

馮·諾依曼系著名的匈牙利裔美籍?dāng)?shù)學(xué)家、計(jì)算機(jī)科學(xué)家、物理學(xué)家和化學(xué)家；被譽(yù)為20世紀(jì)最具科學(xué)頭腦的人；數(shù)字計(jì)算機(jī)之父。