DQ?/strong>AI的热无所不在QAI也变成了像是个“万金a”，哪里y哪里放光芒Qh们都开始要赋予刉业AI的能力了—有时候这U热让h感觉QAI会来拯救刉业Q传l的技术都q时了—不值得在研I了的感觉?/span> 有时候，产业g很容易陷入“运动式”的技术狂潮，AI的热无所不在QAI也变成了像是个“万金a”，哪里y哪里放光芒Qh们都开始要赋予刉业AI的能力了—有时候这U热让h感觉QAI会来拯救刉业Q传l的技术都q时了—不值得在研I了的感觉，但是Q另一斚wQ又都在议论基础研究的欠~，各种技术被卡脖子，q种矛盾Q大概源于对技术的无明QC博士曄说“AI只是一个无奈的选择—在一些场景中Q的有些对象不好测量，也没有什么更好的办法”，但是Q其实，机理模型是最有效的办法—因为，它是定的，q且可解释性的Q你从公式就能推出结果，完全可预性、与AI相比那简直太优秀了，攄优秀的技术不用，非要L成本更高Q对于h员的专业性需求更高的AIQ纯_就是ؓ了“高端大气上档次”吗Q还有就是“泛”—把原来的自动化升、Y件也泛化为“AI”—就?0q代Q摆摊“计机命”一Pg比那些道士装扮的人算命就高一P后来大家也明白了Q那是查字典，谈不上Q何的Q但是，对于~ZU技素养的大部分人来_高端Q牛Q?/span> 最q翻看了一本称为《复杂》的书，谈到了沌，其结果对于输入极其敏感，像蝴蝶效应Q纯_的非线性，但是Q发现其实这里的非线性也是有定性的描述的，卻I通过逻辑斯蒂映射Q可以对整个非线性过E进行预，q发C“费栚w姆常数”—这是让我很吃惊的，非线性系l原来也是具有确定性的Q这是“AI可以发挥”的地方Q和戴老师在群里聊及一些技术话题，谈到q个—其实，q就是h们希望AI可以q的事情Q在不确定中L定性—其实，q是可解释的模型最用QhcL有的工作不就是希望提高确定性吗Q?/span> 但是Q基于统计学和野蛮算力的AIQ却q没有“洞察力”—因为逻辑斯蒂映射、费栚w姆常数是数学家们自己发现的，q手动推的Q那么这个“洞察力”，是今天的AI所完全没有的，Z常说“智慧”，智慧是z察力、判断力Q在十字路口Q要往哪里赎ͼ机器可能用“遍历”、“交叉树”些ҎQ但是，人可能用直觉p做出准确的判断，或者作出判断是不去了—对于计机来说Q它擅长于计，但是Q我说不M—因为，L各种路估计已l来不及了，我放弃了Q不用算了—这个时候，计算机的力没有意义?/span> 在制造业现场同样如此Q所以，是AI法+物理模型+行业知识Q这里的行业知识是来自“老法师”，在机器的生q行中，涉及到机械、电气传动、流体、温度与传导、光学等多种对象Q而这些对象之间又会叠加出各种物理效应Q这些物理效应的叠构成了刉中的各U干扰因素，有些无法量QŞ成机理不是很清晰Q比如，影响一个晶圆的某种~陷Q通常?0余种常见~陷Q的原因可能是与机器的加工中的传输精度有养I也可能与I气动、温度的变化Q也可能对于工艺材料的配Ҏ养Iq些复杂的问题究竟是如何形成的？应该在哪个方面进行调_而很多原因是无法量的，或者测量不l济Q那么，老法师依靠自ql验Q积累了众多的知识，他就能找到问题的原因。或者吹瓶中的白花、瓶颈歪斜现象，都是有对应的原因Q过于高的温度、模具安装精度不等Q这些都是依赖于l验的?/span> 而要解决工业中的问题QAI在没有物理模型、行业知识的协助下，几乎无能为力Q一定是“老虎吃甜Q无处下爪”的。要把老法师们的“隐性知识”变成显性知识，本n是一个复杂的人工q程Q在AIq没有洞察力的时代，AI的代h非常高昂的，因ؓQ测试验证仍然是要花费巨大的成本的，而这个成本有时候我们忽视了—因为在传统机理模型上就出现q样的问题?/span> 在一ơ展会期_其实Q我想验证一个老前辈的话，他曾l说其实国内目前仿的机器都是别h10-20q前的，通过与行业几位业内h士聊q发现果然如此，因ؓ从技术上来说QKnow-How通过软g装已经让很多这U“灰度创新”难以ؓl，而另一斚wQ对于新的机器来_即逆向工程也是有大量测试验证工作的Q与20q前的机늳l相比，q个验证也是代h很高的，风险比较大，所以，大家也就只能把别人十多年前的机器囄拿来。只有少数具有自ȝ发能力的企业Q才h很深的机械电气机理模型验证能力，谈到q个是想_其实QAI用于解决问题p的测试验证成本ƈ不会比传l的方式低，不要对AI抱有q高的期望?/span> 非是Z泼冷水—只是想Q要客观、冷静的看待AIQ现在的政府g也陷入了疯狂Q就像H大学的老师说的“他们已l成ZU学家”，开始ؓ俎代庖来ؓ产业规划AI在制造业的应用，规划“数字孪生”，我觉得官员对于“政l”的“高端大气上档次”有非常强烈的欲望，凡是要持l投入的、而且要从基础做v的，都是他们不感兴趣的，q就警示我们“那些指导性意见”可能带有非常强烈的“选择性”，那就可以做出单的推断Q这可能׃是有意义的方向，可能借着AI来个“打造千亿市g业”的雄伟规划出来了Q趁着半导体的热门Q各地又像当q打造机器h产业园一h造半g产业园?/span> 做企业的Q可不能q样Q尤其是自己要掏真金白银来的Q可要思虑清楚?/span> 如果q去的那U做法真的奏效，其实Q我们怎么会有今天的问题呢Q所以，不能用带来问题的思维方式来解决问题，q个话还是有非常q道理的?/span> 我们的很多问题，Ҏ不是AI能够解决的，或者AI只能解决非常有限的问题，解决那些已经辑ֈ了机理极限的问题。以为AI可以解决问题不花钱—这U不老而获x也是不行的?/span> 人才Q其实还是h才的问题 各种会议、论坛的专家的蛊惑能力真的是够强的，现在大凡d公司、遇C技术大咖，pl你讲讲人工、数字孪生能够带来什么样的收益，比如通过数字采集Q能够优化你的质量啊Q能耗啊Q…反正这U千一律的“愿景”在q去数十q里从来没有中断q，其实Q这些词q回?0q前的AI初期阶段Q也是这些词?/span> 但是Q你若问的仔l，你会发现大部分h其实对于AI是一知半解，很多企业的决{着也是有一U“不做就落后的感觉”，其实Q如果我告诉你你的落后跟人工一点关pM没有Q但是，有些Z问，我们应该有什么样的知识结构，q倒是问到了要点上Q就是有了“规划”的x了，臛_人家知道Q这事肯定得有h才行?/span> q跟工业互联|有点像Q前D|间有朋友说走访了很多某省的企业，很多企业都想上工业互联网Q但是，不知道能q什么，q种现象很普遍，能干什么都不知道，Ua是怕落后于时代Q但是，对于自己企业存在哪些问题Q需要借助于这些工具与Ҏ来解决似乎ƈ没有概念。企业的问题Q主要是Z解决Ҏ务的用户的质量、成本、交付问题—这是反复被的，聚焦自nQ你又不是打做工业互联|企业，你想上不上云、怎么qԌq些是服务厂商的问题Q企业自w的问题是把需求搞明白Q自己想要什么搞清楚—如果连q个也不清楚Q你上什么工业互联网q_、AI都是枉然Q也p骗了炚wQ或者一起忽悠了W政府的钱?/span> 如果不知道ؓ什么要做这件事情的时候，臛_你可以冷静下来问问自己“WHYQ”，然后问问q个问题Q我现在有什么办法尝试过了吗Q?/span> 你得知道你处在什么阶D？ 我想很多企业q没有到AI发挥实力的阶D，很多企业的问题只需要通过提高_理水^、提高自动化水^可以解决的阶段QAIq个东西Q它是用来解决一些更为“精l”的工作的，像你质量水qx99%Q你已经使出了浑w解术，那么Q你可以借助于AI帮助你解决一些更为精益的问题Q在一些细节上可以工艺匹配的更精准，但是Q如果你现在的质量水q只有85%Q那我可以告诉你Q这个阶D可以用更便宜的ҎQ而不是AI来解决的?/span> 其实Q很多问题还不需要AIp解决Q或者，很多企业的落后，不是AI能解决的QAI解决都是高问题Q你q初U问题都没有解决Q你指望跨越的发展是不现实的?/span> 当然Q如果你感兴，你有一些问题是否AI今天更经，q么思考问题我想也是可以理解的Q毕竟，传统的方法也不是什么好ҎQ但是，q里你就必须得清楚你的应用特征了Q你q是得有自己的知识和Know-HowQ至你得把你的问题讲清楚?/span> 你能把你惌的问题讲清楚吗？Q?/span> 不要L回答q个问题Q仔l想惻I你会发现Q大部分人做不到讲清楚，而徏议别人“问清楚”?/span> --你清C的工艺流E吗Q?/span> --你关注的l节是用户关注的吗？ --你们亟待解决的可量化指标是什么？ --对于质量相关性的参数你有多少了解Q?/span> --你知道你需要多大量数据才能训练出有效模型吗Q?/span> --你们的数据类型是哪种Q?/span> --对于可解释性你们有要求吗？ --你对AI了解多少Q?/span> --你的AI规划与现有系l之间如何衔接？ --你能够ؓ你的供应商提供什么样的架构？ 能把问题讲清楚吗Q?/span> 把问题讲清楚Q以前觉得不是个什么事情，但是Q现在发现这是个大问题?/span> 做AI的h呢，大概收入高吧Q最q又遇到了说自动化行业的那些软g是玩具的IT大{Q他说了半天梯Ş图，指o表就是个单的玩具Q我反应q钝Q觉得说的好像有炚w理，其实Q后来我才想hQ不对啊Q我们工E师不大用梯形图啊！都是用C/C++比较多啊Q而且都用?0多年了，他们怎么老是觉得PLC是梯Ş囑֑Q?/span> 提这个问题是惌“隔行如隔山”，IT的h和OT的hq去数十q都在争Z个问题，你给我数据，我就能分析，OT问，你要什么数据？IT说你有什么数据？佛陀说“我执”，其实看来体的执念—集体中心主义也是很严重的，但是QIT与OT、机C甉|、工Z间的“`沟”是存在的。之前写“提问”这个话题不是没有道理的Q有些h肯定觉得我写了个“小话题”，其实Q非也，有效的沟通，在融合时代极为重要。能否有良好的结构性思维、高效的提问、理解、ȝ、确认的循环q程Q我们的沟通效率会很低Q就无法有效的推动项目?/span> 到底是什么？它想q什么？ 昄Qh们搞各种的目的就是让机器人帮人干z，也不是懒Q在灉|性方面，机器是没法跟人比的，但是Q在质量一致性、速度、工作态度斚wQ机器肯定比人强Q生产线上的工hQ老法师干zL杠的Q但是，老a条也能给你磨z工Q你看机器就不一P只要l它上电Q它q你干z，它出了问题，也不会抱怨你不给它涨工资Q给上点润滑油，换个零gQl干?/span> Q就是想让机器拥有h的智慧，然后dz，但就目前为止Q我x器还没有辑ֈ“智慧”这个境界，智慧Q要拿佛陀的说法就是“般若”，是“明心见性”的通透，扯远了，要回到地面上说就是“判断力”，Ҏ向的把握吧，你说机器学习厉害Q据说已l达C人类的图片识别能力，我突然想hQ我们家姑娘，她可是不需要那么多训练的，她看C个大象的非常_糙的卡通图Q到了动物园Q她׃指责着那个巨大的动物说“大象”，你看Q你p了那么多计算源才学到q个水^Q那朋友根本就不用 的本质是什么？ 的本质，主要q是Z应对变化Q其实，变化是永恒的存在Q因此，不管q去Q今天，q是未来Q变化都是存在的Q因此，像控制、通信Q其实都是ؓ了解册UVUCA环境下的E_生问题Q降低不定性，q是昄的?/span> 相对来说Q在q去的时间里Q生产还是比较标准的Q现在就不一样了Q现在你要让我穿件跟你一L衣服Q我内心深深的觉得自己没有个?不能彰显我独特的力Q尽我知道我的个性化需求主要来自体型的局限性带来的困扰Q但是，我还是选择d制衬衫和西装?/span> 如果你让机器拥有Q其实，是让机器学会h的方式去q活Qh怎么q活的？人是有眼睛、x感知世界的，然后有手L行的Q由感知到大脑，大脑协调各种肌肉、关节的q动Q机器或机器人）来完成各UQ务的?/span> 的Ş成过E?/span> 但是Qh的知识是怎么形成的？是观察、测试验证、然后不断P代，那么Q机器也一样需要这P人对q个世界的知识的应用主要有演l—即Q像中学学习几何一h理出l果Q而归UI像今天的数据徏模一P用数据拟合、聚合出一个模型，两者即机理建模、数据驱动的建模?/span> 数学是连接物理和虚拟世界的桥梁，建模必然会用到数学，只是会用C么样的数学一P比如逻辑是布尔代数、PID调节Z微积分、数据的处理Z概率l计Q就q信息论、控制论也是Z数理逻辑、统计力学等学科汇集才能构徏一个“对不确定环境的l计学徏模，然后预测未来的趋劎쀝，如果回到l纳的《控制论》和香农《信息论》，控制与通信都是q样的，也是Z数据驱动的模型?/span> 因此Q本来h工智能三大学zְ分别代表了不同的实现Q符号主义那帮h打算对h的思维、推理过E，用数字逻辑来表达，然后L理、判断与决策Q而连接主义想模拟人的经递质传递过E，q行计算Q来模拟人的推理q程Q而行Z义学zֈ是通过“负反馈”来调整“控制策略”，以实现对不确定性、干扰环境下的物理对象的E_输出?/span> 说来说去Q其实，刉业的智能包括了大家qx用的机理建模和数据徏模两U方式，因ؓ我们可以惌Q是否所有的刉都是“物理”和“化学”两U，物理的成型也是有物理公式的，化学则有化学方程式，只是q扰却具有不定性，那么Q行Z义不你们的q扰形成和媄响是什么样的，我就认准对象输出有问题就去调节，然后不断的采栗控制、周期性的控制{略调整Qd是能辑ֈ效果的。机理模型当然也不是完美的，毕竟Q它也不是实时的Q也只是控制“趋劎쀝?/span> 其实是q两U主要的思维方式的数学徏模，然后l过大量的测试验证，最lŞ成知识的载体—工业YӞ软gx人的知识、推理的装?/span> 工业的几个重要场?/span> 对于工业而言Q图3几个场景是比较典型的AI发挥能力的地方： Q?Q?预测性维护：传统采用机械失效分析{机理的方式Q其实一h需要领域知识的大量U篏Q过ȝZ家系l，但是Q对于航I天等重要领域Q其实，q个斚w的研I一直在q行Q但是，对于更ؓq泛的领域，则由于经性问题，而不能进行大量的专家知识U篏Q依靠于人的l验Q而随着AI带来的成本下降，使得Q通过AI来进行更为广泛领域的预测性维护，也成Z可能?/span> Q?Q?视觉应用 相对于传l的光电开兟뀁红外等传感器，机器视觉能够表达更ؓ丰富的信息，因此Q可以被应用于各UQ务，随着FPGA芯片、GPU成本的下降，使得视觉可以更ؓq泛的应用，典型的在瑕疵、测量、识别等场景Q而机器视觉与机器学习可以l合Q训l对~陷的识别模型，q提高适应性?/span> Q?Q?控制{略 事实上，AI在工业控刉域的应用一直是伴随着AI的发展的Q只是局限于力与经性问题，因此Q例如在自适应控制、模p控制中都会用到相应的如经|络、数据驱动徏模方法，而对于各U非U性、不易于量、没有机理模型的控制场景里，q些应用一直在q行?/span> Q?Q?最优化Q对于原有的控制dq程中，我们可以加蝲观测器、成本函数来Ҏ个过E进行约束，例如L旉消耗最的路径、材料最、质量最高的路径Q这U最优化Q在没有模型可以依赖的时候，可以借助于学习来训练模型?/span> 工业对于AI必须是“物理模?AIҎ与工?行业知识”共同构成，N我们机理模型没有打好基础Q就认ؓ直接q入AI时代Q就能跨制造的本nQ?/span> 来源Q中国传动网
工业AI有多值得期待Q?/h2>
发布旉Q?2020/10/30 14:48:15 览敎ͼ?/p>