（文/程文智）人工智能（AI）技術(shù)在這幾年發(fā)展非常迅速，但真正的落地項目就目前來說還不多，應用得最多的可能就是圖像識別和語音識別了。人工智能的市場規(guī)模要想更大，就要進入很多的細分領域，在更多的細分領域內(nèi)落地才行，而工業(yè)領域是一個繞不開的話題。

其實工業(yè)的很多應用場景都都想要人工智能的支持，比如工業(yè)互聯(lián)網(wǎng)、智能工廠、邊緣計算等等。那么人工智能能在工業(yè)領域順利落地嗎？需要哪些條件呢？在不久前的中國機器人峰會上，復旦大學工程與應用技術(shù)研究院特聘教授朱云龍教授分享了他的看法，在他看來，現(xiàn)在的人工智能都是需要大量的數(shù)據(jù)來進行學習，然后在一個很小的領域?qū)崿F(xiàn)一定的任務自主，也就是走的是“大數(shù)據(jù)，小任務”的暴力計算路徑。未來想要在工業(yè)領域成功落地，想要走“小數(shù)據(jù)，大任務”的精確計算之路。

人工智能的下一步爆發(fā)點是什么？

在朱云龍教授看來，未來機器人的發(fā)展方向有兩個，一是極大；二是極小。朱云龍教授拿之前在日內(nèi)瓦舉辦的聯(lián)合國武器公約會議上展示的小型殺手機器人舉例說，那個機器人只有蜜蜂一樣大小，但分析處理能力比人類快100倍，可以躲避人類的各種追蹤。

為什么這個小的機器人有這么大的能耐呢？因為人工智能的加持。那么人工智能的下一輪爆發(fā)點會在哪里呢？

朱云龍教授首先從現(xiàn)有的人工智能模式談起，“當前大家講到人工智能都講到大數(shù)據(jù)、深度學習，我們現(xiàn)在回過頭來看，在當前情況下，深度學習算法，號稱達到，甚至超過2000年時的100萬倍，怎么算？簡單地算，算法的突破這里是百倍的突破，算力的飛躍和算力的激增，正好是100×100×100?！?br />
也就是說，當前人工智能技術(shù)基本上圍繞大數(shù)據(jù)，基于計算進行深度學習來進行計算。簡單來說，就是需要通過大量數(shù)據(jù)的計算，來完成一個非常小的任務。他認為，這屬于暴力計算。

實際上，人類在做出一個決策的時候，并不需要大量數(shù)據(jù)，是“小數(shù)據(jù)，大任務”模式。比如說人類接觸危險品，他根據(jù)一些經(jīng)驗會快速做出反應，而不需要進行大量的計算。

他認為，未來的人工智能應該向精確計算走，走“小數(shù)據(jù)，大任務”模式。只有這樣，人工智能才可能有一番新的天地。

要實現(xiàn)“小數(shù)據(jù)，大任務”模式，算法就是關鍵。而算法各種各樣，未來算法該如何找到突破呢？朱云龍教授認為有兩種方式，一是盡可能模仿人類的智能；二是來自宇宙的智能和生物進化的智能。

因此，在朱云龍教授看來，未來人工智能的下一輪爆發(fā)點在算法。

制造產(chǎn)業(yè)的痛點是什么？

人工智能的問題，在制造產(chǎn)業(yè)內(nèi)，也面臨的一個共性問題，就是制造過程數(shù)據(jù)碎片化，以及大量的數(shù)據(jù)并沒有得到充分的挖掘和應用。

朱云龍教授在分享中表示，人工智能可能會在人們的生產(chǎn)生活方式各個層面會產(chǎn)生深刻變化，尤其在工業(yè)領域。而制造業(yè)一定是工業(yè)領域最重要的一個點。“雖然我們搞了那么多年，但到現(xiàn)在依然看不到一個如何把制造業(yè)海量的數(shù)據(jù)進行融合起來之后為制造業(yè)的產(chǎn)品設計、質(zhì)量監(jiān)測和效益提升產(chǎn)生一種深刻的變化?！?/p>

因此，他認為，工業(yè)大數(shù)據(jù)呈現(xiàn)出它的隱匿性、低質(zhì)性、碎片化，以及動態(tài)多模復雜強關聯(lián)、信噪比低等特征，這種情況下具有鮮明的數(shù)據(jù)領域管理特征和領域應用特征，而傳統(tǒng)制造企業(yè)信息集成技術(shù)無法滿足制造企業(yè)大數(shù)據(jù)、高效組織和深度應用的需求，這樣的話這就是整個工業(yè)大數(shù)據(jù)目前存在的問題。

在制造業(yè)有實時生產(chǎn)調(diào)度優(yōu)化、邊緣數(shù)據(jù)的融合和網(wǎng)絡控制、多層供應鏈網(wǎng)絡業(yè)務過程的決策控制模型、生產(chǎn)制造過程中的參數(shù)控制等等這些都是智能制造中的復雜優(yōu)化問題，在朱云龍教授看來都可以簡單歸結(jié)為優(yōu)化和控制的問題。

人工智能如何與制造業(yè)相結(jié)合

人工智能如何與制造業(yè)相結(jié)合呢？最開始的人工智能主要是集中化的，所有的大數(shù)據(jù)都是在云端進行處理的，但是在實際使用的過程當中，由于需要把所有的數(shù)據(jù)都傳輸?shù)皆贫诉M行處理，計算量太大了，讓處理器有點承受不住。因此，邊緣計算也就應運而生了。

隨著工業(yè)應用場景的復雜化，將會有大量的數(shù)據(jù)將要在邊緣端進行處理，否則云端處理的數(shù)據(jù)量將會非常大。在這種情況下，邊緣計算未來的應用有可能帶來深刻變化，人在這個層面的決策由邊緣計算來解決。

那么，邊緣計算和云計算比較重要的區(qū)別是什么？云計算聚焦非實時，長周期的大數(shù)據(jù)分析；而邊緣計算更靠近執(zhí)行單元，強調(diào)低延遲和快速響應，就是設備的感知、自主和智能…這樣就需要邊緣計算將云計算協(xié)同起來。

除了邊緣計算之外，視覺感知也很重要。有數(shù)據(jù)顯示，隨著通信網(wǎng)絡技術(shù)發(fā)展，5G可以達到20Gbps，6G能達到100Gbps，人眼接受圖象的信息也就是30幀每秒…未來的機器接收的周邊環(huán)境的信息遠遠超過人類接受的速度，那么在這種情況下，也就是說我們可以感受到光聲電流媒體都可以通過機器視覺角度或許而且大大超過人類眼睛接受的速度。

這帶來一個問題，機器接受信息量超過人類大腦，而機器學習目前是大數(shù)據(jù)小任務，人類的大腦是小數(shù)據(jù)大任務這種場景下怎么解決問題，這一定是一個算法問題，“我們認為群智計算是比較重要的問題?！敝煸讫埥淌诒硎?。

因此，他認為，未來制造業(yè)態(tài)是基于CPS制造，是數(shù)據(jù)驅(qū)動、軟件定義，平臺支撐的制造，將是實體制造與虛擬制造實時交互的制造，它的演化歷程從碎片化到一體化，從局部到全局，從靜態(tài)到動態(tài)；數(shù)據(jù)流逐漸涵蓋研發(fā)設計、制造過程、服務運營的全流程，是數(shù)據(jù)流閉環(huán)體系不斷延伸和擴展的過程，并逐步形成相互作用的復雜數(shù)據(jù)網(wǎng)絡空間。

而且，它實現(xiàn)了跨系統(tǒng)、跨平臺的互聯(lián)、互通和互操作，促成了多源異構(gòu)數(shù)據(jù)的集成、交換和共享的閉環(huán)自動流動。

最終在全局范圍內(nèi)實現(xiàn)信息全面感知、深度分析、科學決策和精準執(zhí)行，實現(xiàn)橫向、縱向和端到端集成。

總的來說，未來的制造業(yè)模式將是制造系統(tǒng)的集成、制造體系的重建、制造模式的再造。

“在這種情況下，如果說未來人在制造系統(tǒng)中，制造大系統(tǒng)中他的作用越來越弱化，那么我個人認為可能是以視覺感知為基礎，以混合群智計算與優(yōu)化控制為核心的無人車間/智能工廠真正進入操作無人化時代?！敝煸讫埥淌诒硎?。

結(jié)語

在朱云龍教授看來，不論是機器人，還是人工智能技術(shù)，發(fā)展到現(xiàn)在，正面臨一個技術(shù)的臨界點，這個臨界點如果從制造業(yè)角度來說，可能會在軟件的體系結(jié)構(gòu)上會有一個新的突破；就機器人本身來說，傳統(tǒng)的機器人看到有形的實物，未來可能機器人的眼腦胳膊等都分散在制造系統(tǒng)中，變成泛在智能化的機器人，這種場景下它一定會帶來一個相應技術(shù)突破和理論的突破，然后，這些突破可能會帶來工業(yè)上重大的應用。