8月30日，全球工业智能峰会在上海召开。中国工程院院士柴天佑在峰会发表《从制造流程智能化谈工业人工智能》演讲——

尊敬的各位与会代表，大家早上好！首先感谢工业智能分会的邀请，我预祝这次大会一定圆满成功，我今天报告的题目是《从制造流程智能化谈工业人工智能》。

首先我们讲制造流程智能化的概念，这个图主要说明目前的智能，工业分两类，一类是离散制造，一类是流程制造。离散制造产品可以数数，流程制造产品不能数数，但是到了生产线基本上是一样的。所谓的一样就是底下的装备不一样，下面一层是工业装备，如果作为流程来讲叫做工业过程，上面有控制系统。控制系统保证了这个产品是自动的，但是在两种情况下是无法实现自动的。

一种如果走个性定制的话，就得要求底下的装备能够加工不同的产品，这时候装备就要变成一个智能化，然后我们控制系统要变成智能系统，能感知不同的装备，所以今天的生产线是解决不了个性定制的高效化，所以这是工业4.0提出的重要目标之一。

现在的流程是怎么回事呢？流程就目前来看把参数确定好以后，大家看到的生产线都可以做到黑灯工厂。但是如果原料一变，产品的品种一变，这时候工艺就得重新做。所以工艺重新做的时候，从刚开始的决策部门就要进行把指标由综合生产指标变成工艺参数，而工艺参数再由工程师把它变到控制系统的设定，这样这条线才能自动，所以这是今天我们讲自动化系统的现状。

它的整个系统是这样的结构，也就是人与信息物理系统融合的系统，我这张图就表明了有一个人，我讲的这个是知识工作者，他是企业家，他也是我们现在的工业工程师和各种工程师，他现在的操作过程是这样的，首先根据我们现在的信息系统拿到所有看到的信息，然后他要根据自己的感知、认知和功能得到另外的工况信息，所以我们调度开会就是得到信息。

这个信息得到以后进行分析和决策，所以这个系统是人参与的信息物理系统，这个系统本身我举了两个例子，这个是我们特高压，它的产品可以说是世界领先的，但是它的加工底下的生产线是完全自动的，但是要得到各种不同的产品，他要重新进行分析，重新进行设计，重新把指令放到生产线，所以有一大堆知识工作者参与。

这条线是我们现在选矿项是完全自动的，但是参数的改变还是需要人，这样一个系统现在存在的问题是什么呢？人的决策行为是制约发展的，什么原因呢？人难以感知动态变化的运行工况，人是难以及时的处理异构信息。另外，人的决策是有主观性的，人的决策是不一样的，所以这样就不能够保证整个这条生产线是高效、全优的。

这条线的未来怎么做？要想高效化、个性定制的高效化，流程工业的全局优化，就要把现在的人和控制系统、装备变成自主系统，而把现在整个系统管理系统要变成人机合作的决策系统。这样一个系统和原来的区别在哪儿？它具有了感知、认知、决策功能，最终的目标是高效化和最优化的方向，这样企业结构将会发生根本性的改变，现在的企业结构是三层结构。

大家搞企业都知道ERP资源计划系统，制造执行系统和离散装备控制系统，而流程叫过程控制系统，这个目前的国际标准，未来变成两层结构，底下都是自主系统，然后有一个人机合作的决策优化系统，这是未来制造流程的远景。

这个远景带来哪些挑战？第一个挑战人工智能的典型代表是基于大数据的深度学习，但是到深度学习现在并没有完全应用于制造流程。在智能制造里有三个难题：

1.多尺度、多元信息的获取，所以这块现在是人在做的；

2.预报模型，怎么去预报，现在人也在预报，所以人的预报不一样，得的结果不一样；

3.如何把决策和控制过程集成。

这样目前三个具有挑战的难题，这三个难题在工业过程里头具体来讲就是多尺度、多元信息的动态感知，人可以拿眼睛去看工况，去来判断，现在如果我要把这个信息拿到必须解决动态感知问题。

第二个要想比人做得好，那么你要对产品质量，对于能耗、物耗，包括运行状态，也就是这个状态是异常还是正常的，一定要有一个预测和追溯。所谓追溯就是出现问题以后到底哪道工序影响，哪个动作影响，这都是现在能解决的。当然，再往一块再走把决策和控制进行集成优化。

我这儿画了一张图，这张图说明AlphaGo为什么在工业不能用，因为AlphaGo它是一个完全确定的规则，人的大脑是掌握不了的，但是通过图像、计算机可以把所有的规则都放在计算机里。

它整个博弈是可以建立可失措精确的决策模型，既然有这样的模型就可以离线训练，一直训练到我能打胜你，我再和你比。另外，它的决策过程是一个单目标，就是输和赢，所以它可以用大量的计算机，它不考虑能耗。

而工业过程的决策在开放环境下，不确定、不决定的规则，也就是说这个规则是变的，有好有坏。另外，工业过程是难以建立决策可试错的模型。另外工业过程的决策是多目标的，是冲突的。也就是说，你要想把质量做好并不等于成品最低。

所以我们讲目前的人工智能技术，包括博弈技术，是在一个闭空间的技术，所以是一个大数据小任务。而工业将来遇到的问题决策是小数据大任务，工业的大数据在计算机领域、人工智能领域来讲都是小数据。

下面又讲为什么要解决这个问题要发展工业人工智能？为什么加了一个“工业”？因为今天的人工智能要分两种人工智能，一种叫强人工智能，它和人的智能比具有全面的智能，但是这个技术相当一部分科学家认为实现不了的，这是两派；另外一种叫弱人工智能，也叫窄人工智能，它一定是为特定的场景，但是它的目标比人做得要好。所以今天可以自动驾驶，可以下棋，但是它做不到两者兼有。

到底什么是人工智能？从国家战略上来讲，人工智能最终的目标，虽然它是与时俱进的，但是它主要要实现人的智能行为自动化和复制。所以从这个意义上来讲，人工智能不是单一的技术，而是利用于特定任务的技术集合。

当然，这是人工智能的简史，人工智能的简史虽然五六年出先，但是追溯到18世纪，主要是追溯到推理，推理到今天为止也没有完全解决。当然，人工智能的发展后来是因为转入了应用领域，计算机、机器人的出现，这是第一次高潮。

第二次高潮转入到了图像识别和诊断系统，第三次是因为出现了大数据，出现了强大的计算，加上物联网产业的投入，机器学习在搜索上加上现在除了深度学习技术。未来的方向一个想要用的话必须走向科技，第二个必须要走向智能系统。

工业革命当中自动化起的作用是实现了操作工作的自动化，管理和决策的信息化，推动了三次工业革命。它们之间的区别是什么？作为研究对象不同，我们现在作为目前的自动化是以模型为基础，知道机理，所以它是小数据，通过建模来解决。

但是另外有一类对象是难以建立数学模型，像一幅图，所以它是大数据，但是不能用数学模型来描绘，这种情况用了大数据和机器学习，特别是找到了深度学习的方法。这是两类不同的对象，将来人们面对的对象是这两类都难解决的工业，所以这两类对象必须结合起来。

国际上开始提出来，包括美国提出来美国工业的人工智能，德国提出来和经济结合推动AI，包括工程院下一代人工智能指引下的智能制造都在研究怎么样能够用新一代工业人工智能来解决，所以这样解决工业人工智能目前在流程里主要解决知识工作里三项工作，一个是运行工况多元信息的感知和认知，第二个工作经营层、生产层、运行层的协同决策，第三个以企业综合生产指标优化为目标，自动协同控制装备的控制系统。

这三件事目前都是知识工作者做的，如何使他们实现自动化和智能化将是工业人工智能的重要方向。这里有几个关键技术要解决：

第一个关键技术复杂工业环境下运行工况多尺度、多元信息的智能感知和识别技术；

第二个复杂工业环境下基于5G多元信息的快速可靠的传输技术；

第三个系统辨识与深度学习相结合的智能建模、动态仿真和可视化的技术；

第四个关键的工艺参数和生产指标的预测和追溯技术；

第五个人机合作的智能优化决策技术，特别是结果端、边、云协同实现智能算法的技术，只有这些技术攻克了才有可能将来使工业发生革命性的改变.