触景无限 | 前端智能感知全球引领者

Menu

新闻资讯 > 新闻详情

中科院院士柴天佑:AI与产业结合?观念转变很重要

【网易智能讯9月12日消息】今天,由中国人工智能学会主办,网易科技、网易智能、网易本地、江南大学等共同承办的“人工智能高峰论坛”在无锡华邑酒店正式开启。会上,中国工程院院士柴天佑院士,和大家简要分享介绍了当下人工智能所面临的挑战和未来发展前景与应用,并提出了关于人工智能发展的几点关键。

对于为什么现如今人工智能如此的火热,柴院士从前段时间AlphaGo谈起,分析到:“人工智能之所以如今备受重视,原因是:第一,资源变了,今天我们得到了大量的数据。第二个原因就是信息技术发生了改变,移动互联网、移动计算、云的概念使得我们的计算能力大家的提高。另外,研究的方式也发生了改变,过去的研发主要是按学科为导向,而今天的研究实际上是以未来的需求作为导向,当然这里最重要的一个思想是CTS思想,是计算资源和物理资源的深度融合,去创造人类想象的那些工作。”

关于当下人工智能的发展,柴院士提出了三点挑战:一,知识工作者发挥了很多的作用,但是人的许多行为制约了发展,不同的人办不同的企业,搞不同的产管理效率是不一样的。要解决这些问题,实际上就是说人在感知上、认知上有问题,所以第一件事就是要解决面对实现不确定多元信息向图象数据知识这些大数据面前如何对复杂工况进行动态感知和认知,这是第一个挑战;二,要有决策话首先要发现规则,所以说就是如何从大数据里面挖掘动态不清的知识;三,如何实现决策与控制的一体化,必须构建工业互联网、工业云和大数据的环境下,智能自主控制系统和人机合作的智能优化。

柴院士提到我们今天来做人工智能的话,第一件事就是一定要了解你的生产对象的特点和目标是什么,了解清楚了以后你在这个基础上才能往第二步走。至于当先人工智能所面临的主要问题是什么呢?就是知识工作者在工作当中很难把这件事做好,现在来讲将来的模式就是你得有一个愿景,这是做人工智能的时候你必须得有愿景,这个愿景就是以企业高效化与绿色化为目标,以实现制造流程的智能优化决策与加工装备过程智能自主控制为特征的制造模式。

其次,如何实现决策与控制的一体化也至关重要,我们必须构建工业互联网、工业云和大数据的环境下,智能自主控制系统和人机合作的智能优化,具体应该怎么去做?柴院士提到,过去是用单一的技术是做不了的,今天的时代将自动化科学的技术、人工智能、云、工业互联网、云计算等资源与物理资源深度融合,系统往往是多学科的。另外从信息技术来讲,我们培养的人是说搞计算机的不一定会搞通讯,搞通讯的人不一定会搞自动化,但是他们最终在信息技术领域都是计算机。

以下附上会上柴天佑院士的演讲:

柴天佑:尊敬的各位与会代表,大家早上好!

今天因为也是人工智能的论坛,我想人工智能实际上现在这么热的一个很重要的原因是它已经跳出了学术界,因为现在的人工智能和学术界讲的人工智能是有区别的。今天大部分都是各个相关的企业和领导部门,人工智能之所以今天热的原因,其中一个很重要的因素是理念的转变,因为人的能力是感知、认知、决策和执行,这种能力怎么去用机器来实现?这个不是说这个东西今天才有的,我待会儿会讲,从第一次工业革命到第二次、第三次、第四次,都已经伴随着了,只不过那时候人们并不是叫人工智能,今天之所以把它提到这个高度,我想主要是几个因素的转变,第一个因素是资源变了,今天我们得到了大量的数据。第二个原因就是信息技术发生了改变,其中第一个技术是移动互联网,移动互联网所造成的今天我们讲的物联网,是因为移动互联网的原因。当然,另外一个就是移动计算,云的概念使得我们的计算能力大家的提高。当然,再加上嵌入式,另外一个理念是知识工作者自动化,这个在我们国内讲的不太多,实际上也是一个很的思想和技术。另外一个就是研究的方式发生了改变,过去的研发主要是按学科为导向,而今天的研究实际上是以未来的需求作为导向,当然这里最重要的一个思想是CTS思想,是计算资源和物理资源的深度融合,去创造人类想象的那些工作。

今天为什么拿制造流程来讲呢?我是作为一个例子让大家看,就是说过去我们认为不可能做的事,今天有没有可能去做?是有可能的,有可能的原因,一是人们的观念在改变,敢想、敢去做。二是充分的利用计算资源和物理资源,从科学上来讲有好多智能,比如说AlphaGo可以下围棋,但是它下不了象棋,这是和人的区别。我今天讲的原因是说智能制造最难的问题是制造流程的智能化,这个问题怎么解决?我这里主要讲讲理念,就是说怎么样把人工智能和我们的产业结合,怎么把人工智能的思想和我们的研究结合。

我们今天来做人工智能的话,第一件事是你必须有一个具体对象,你不可能说做一种东西什么都是万能的,所以从这个意义上讲,你首先要有对象,而且在智能制造领域讲的智能和我们人工智能领域的概念是不一样的,它是智慧。但是智慧是因为对象的不同而不同,目标不同而不同。就像一个人,科学家的智慧和政治家的智慧是不一样的,和企业家的智慧是不一样的,所以第一件事就是说你一定要了解你的生产对象的特点和目标是什么,了解清楚了以后你在这个基础上才能往第二步走。所以我第一个问题就讲特点和目标。

这是两类,这两张图,制造业里从学术上讲最的就是两类,离散工业与过程工业,它们俩之间的不同特点,多数离散制造业来讲它的特点是一个物理转化的过程,所以它的产品零件到零件加工整个过程是尺寸的改变,因此它完全可以数字化,这件事从70年代就可以实现了。但是流程工业是物理化的过程,产品一直到产品的过程往往难以数字化。所以我们今天发的指南讲什么都是数字化,实际上很多流程工业的数字化在全球也是个问题。另外一个特点,作为离散制造业来讲可以拆分,可以拆分就可以全球制造,而且那个部件坏了我可以换一个。但是流程工业不可拆分,因为它必须在一条线上整体。我为什么讲这件事呢?这就决定了它们在研究上最难的目标是不一样的,作为离散制造业来讲核心难点是总体设计,到今天为止我们国家的制造业大家可以看看我们的制造水平、制造能力并不低,而低的就是我们的总体设计。因为总体设计是牵扯到人,流程工业最难的是什么?第一是工艺设计,到今天为止工艺设计的优化也没有解决,就是说我们的装备可以是一流的,我们的生产过程完全可以按照国外的参数来做,但是做出来的产品、质量不一定最好。它们的目标也不一样,作为离散工业来讲,我今天讲的是工业4.0的目标,工作4.0的目标是个性定制、高效化,因为德国人制造业是两种生产模式,一种生产模式是把劳动力的成本和原料成本转移到最便宜的地方,这是一种方式。另外一种方式就是我的加工过程用最高水平的人,但是少量的人,这样就必须实现你的生产过程、加工过程、设计过程高度的自动化,这是两种不同的道路。而这两种不同的道路最后得到的结论是不一样的,当然我没有做过详细的统计,我是按照工作4.0的介绍,他们认为这种方式可以得到毛利20%左右,要高于把它转移。但是它用的人说,用的是高层次的人。现在面临的问题是要创造未来的价值,人类的需求,将来条件好了都愿意个性定制,但是个性定制的成本是高的,怎么样让成本低?创造新的价值。作为过程工业来讲,第一件事,作为企业一定是高效化的,不高效是没有人做的,但是它必须绿色化,因为它是生产的第一道门槛,要把原料变成真正的机械加工可用的原料,中间肯定是会产生费用。所以面临的问题第一是高效化,高效化是两个概念,一个是市场环境在变、原料价格在变,你怎么能保证你的生产是高效化的?我们现在的制造过程积压是因为没有预测,在建厂的时候是赚钱的,这个市场是好的,在建完了以后这个市场变了。绿色化就是说你怎么样把能源、资源高效利用,让排放尽可能的做到零排放,既然这个目标不同,怎么去实现?如果用我们原来的技术、原来的思想是不可能实现的。只有一个办法,就是走智能制造之路,也就是智慧制造。

要想智慧制造的话,我拿流程为例,因为在科学界、科技界最难的问题是流程的制造,我这里两个例子,一个例子是特高压输电,它难在哪里呢?我生产线完全都可以用最好的设备,但是因为它的变压器是有61个类型、1400多个品种,这样就造成了你定制化、产品设计都是变的,既然是变的,你的数控机床加工过程还得根据不同的产品由工程师在开发平台上做,做完了以后才能往下加工,所以这就是离不了知识工作。这是我举的最先进的流水线,你可以把生产线全部自动化,但是你这些参数到底定多少还是要有知识工作,都是由人来做。再往上走就是企业的决策,这个还是知识工作,这是解决不了的,因为现在的技术解决不了,实际上本质上是确定了一个科技上的难题,是多目标动态优化,而且是中途目标的,模型又很难建立的优化决策。这类现在是怎么做呢?我画了一张图,是这样来做。下面是一套加工装备,带着一大堆的服务器,但是得有一系列的知识工作者操作,上面有计划调度、企业家这些人,我今天讲的是先进企业,还没有讲落后的。目前是什么概念呢?就是说由知识工作者将企业目标通过计划调度转化为生产指令和工艺参数,决策还是由人来做的,而转化为加工装备的控制系统指令,从而控制加工生产线的加工装备,将产品加工的质量、效率、能耗控制在目标范围内,这就是目前现在我们讲的制造流程一定是知识工作者加机器。

现在的问题是什么呢?就是知识工作者在工作当中很难把这件事做好,现在来讲将来的模式就是你得有一个愿景,这是做人工智能的时候你必须得有愿景,这个愿景就是以企业高效化与绿色化为目标,以实现制造流程的智能优化决策与加工装备过程智能自主控制为特征的制造模式。当然这个目标你得有远景规划,因为时间关系就不再介绍了。你首先要定这个愿景规划,规划以后要按照这样来做,以后的企业由三层变成了五层,底下的是智能自主体,上面是人机合作。往往人在工作当中是不一样的,不能保证是最优的,下面我就简单介绍一下人工智能。实际上我们讲过去第一次工业革命、第二次、第三次实际上是基于数学模型的感知、认知发生了作用。第一次是反馈控制实现了蒸汽机调速,第二次是PID与逻辑控制实现了传送带自动化,第三是先进的控制、运行优化,使用ERP与MES使自动化程度变高。所以我们应该从本质上来看,把历史连起来。知识工作者发挥了很多的作用,但是人的许多行为制约了发展,不同的人办不同的企业,搞不同的产管理效率是不一样的。要解决这些问题,实际上就是说人在感知上、认知上有问题,所以第一件事就是要解决面对实现不确定多元信息向图象数据知识这些大数据面前如何对复杂工况进行动态感知和认知,这是第一个挑战。第二个挑战是你要有决策话首先要发现规则,所以说就是如何从大数据里面挖掘动态不清的知识、早错知识,这从科学上来讲比AlphaGo还难,AlphaGo是在确定的规则当中找到最佳的规则,而人的决策过程是在少量的知识前提下从错误和正确当中,先把正确划出来。第三个是说如何实现决策与控制的一体化,必须构建工业互联网、工业云和大数据的环境下,智能自主控制系统和人机合作的智能优化,怎么去做?过去是用单一的技术是做不了的,今天的时代将自动化科学的技术、人工智能、云、工业互联网、云计算等资源与物理资源深度融合,系统往往是多学科的。另外从信息技术来讲,我们培养的人是说搞计算机的不一定会搞通讯,搞通讯的人不一定会搞自动化,但是他们最终在信息技术领域都是计算机。这件事为什么能做呢?就是因为人工智能可以作为一个榜样,这就是我们讲的深度学习,深度学习是使用大量的数据,多层的学习,后来发现比我们学术上所定义的神经网络、深度学习、模式识别发生的效果更好,为什么呢?就是因为它用了大量的资源。

而且我们今天想一想,我们说AlphaGo为什么打败了人?是因为人脑子里装的那些规则是有限的,而计算机可以把所有的规则都装到里面,所以在选规则当中人是凭经验选规则,所以对于具体的工作人工智能的技术往往会比这些知识工作者要做的好。我们在观念上改变,可以把我们现在的产业有一个飞跃的上升。

来源:网易智能