9月10日-13日，2017世界物聯網博覽會在無錫召開，中國工程院院士柴天佑在人工智能高峰論壇上做《制造流程智能化》的演講，從理念的角度，談到如何把人工智能和產業結合，如何把人工智能的思想和我們的研究相結合。指出智能制造，從科學上來講，最難的問題是制造流程的制度化。

柴院士表示，制造流程智能優化決策和加工過程的智能自主控制為特征的流程，就是要把這個東西變成一個人機合作的決策優化系統、智能自主控制系統，這就是將來的人工智能。面對智能制造的多重挑戰，柴天佑認為人機合作才可以應對。“未來的企業金字塔會從現在的三層變成兩層，底層是智能自主體，頂層是人機合作。”

以下為演講全文

尊敬的各位與會代表大家早上好，因為今天是人工智能論壇，我想人工智能的話，已經跳出了學術界。人工智能和學術界的人工智能是有區別的，今天來的大部分都是各個相關企業和各個主管部門。人工智能今天熱的一個很重要的因素，是理念的轉變。因為人的能力是什么，是感知、認知、決策和執行，那么這種能力怎么去用機器來實現，這個不是說今天才有的事。

從第一次工業革命到第二次、第三次、第四次都已經伴隨著（這種思想），為什么那個時候不叫人工智能，而今天提到這樣的高度？ 有幾個因素，一個是資源，信息技術產生了大數據，過去我們用機器來代替人，主要是利用的領域知識和數據知識，而今天得到了大量的數據，記不清的東西在數據里都有，這是第一個原因。 第二個原因就是信息技術發生了改革，產生了移動互聯網技術、移動計算和云的概念。另外一個技術理念是知識工作者，這個國內講的不是太多，但實際上這是一個很重要的思想。

還有一個（原因）就是研究方式發生了改變，過去的研發主要是以學科為導向，而今天的研究實際上是以未來需求為導向。當然最重要的一個思想就是計算資源和物理資源的深度融合，去創造人們想象的那些功能。 當然我今天為什么拿制造流程來講呢，因為我拿它作為一個例子讓大家看。過去我們認為不可能做的事，今天有沒有可能去做，是有可能的。有可能的原因是：一是觀念在改變，敢想敢去做；二是充分利用計算資源，充分的利用物理資源，而不是人工智能把人代替，這不可能。智能制造里，從科學上來講，最難的問題是制造流程的制度化。

我主要講理念，理念是讓大家懂得怎么樣把人工智能和產業結合，怎么樣把人工智能的思想和我們的研究相結合，所以這是我今天講的目的。我們今天來做人工智能的話，你必須有一個具體對象，不可能說一種東西是萬能，要想萬能只能是不能，所以從這個意義上，你首先要清楚對象，而且智能制造講的智能和人工智能是不一樣的詞。是智慧，但是智慧是因為對象的不同而不同，目標不同而不同。就像科學家的智慧和政治家的智慧不一樣，和企業家智慧不一樣，企業家一定要了解生產對象的特點和目標是什么。

制造業從學術上講最重要就是兩類，一類是以機械制造、裝備為主；還有一類是流程工業，國際上講的工程工業，中國講的是流程工業，區別是什么呢？裝備制造產品是可以數數的，流程工業產品是不能數數的。這是最重要的區別。作為零散制造業，它的特點是物理轉化過程，所以它的產品、零件，到零件加工整個過程是尺寸改變，因此完全可以數字化，這點是70年代就可以實現的，既然有數字就能用計算機。但是流程工業是物理化學工程，所以好多機理不清，產品到產品的過程往往難以數字化。

另一方面，零散制造業可以拆分，既然可以拆分就可以全球化，哪個部件壞了可以換。但是流程工業不可拆分，因為必須在一條線上。煉出來的鋼水，不能說鋼水放到那，一道錯就道道錯。 所以，今天，我們國家的制造水平、制造能力并不低，低的就是總體制造。流程工業最難的，第一是工業設計，到今天工業設計優化也沒有解決。裝備可以一流，生產過程完全可以按照國外參數來做，但是做出來的產品、質量不一定合適，什么原因？不同的條件，變化不一樣。

從零散工業來講，我今天講的是工業4.0目標，工業4.0的目標是個性、定制、高效化。德國人的制造業有兩種生產模式，一種生產模式是把勞動力的成本和原料成本轉移到最便宜的地方；另一種方式用最高水平實現加工過程、設計過程高度一致化，這兩種不同的道路得到結論是不一樣的。 現在面臨的問題是，要創造未來溢價，個性定制成本是高的，怎么樣讓成本低？達到新的水平。企業一定得高效化，要把原料變成真正的機械加工可用的原料，這塊會產生能耗，但這塊不可缺少。市場環境在變，原料價格在變，我們現在的制造過程，計價沒有預測，產能建好以后市場變了。

高效概念就是能夠產生高附加值的產品，綠色化就是怎么樣把資源、能源高效利用，排放盡可能做到零排，這是我們的目標。目標不同怎么實現？原來的辦法不可能實現，所以只有一個辦法就是智能制造，也就是智慧制造。 這是最先進的流程，先進的流程可以把生產線全部自動化，但是參數給多少呢？是有調動計劃，調動計劃也是物聯網。再往上企業的經營決策，決策產品質量、能耗、物耗，本質上是科學難題，是多目標動態優化，而且是沖突目標的。我們很難優化決策，現在畫了一張圖是這樣來做，下面是一套加工裝備，帶了一大堆控制系統，有知識工作者將企業通過目標調度轉化為生產者，從而轉化加工裝備的控制系統，從而控制加工生產線的加工裝備，將產品加工的質量效益能耗控制在目標值范圍內。所以，現在講的制造流程是一定知識工作者+機器一體的。現在的問題是，知識工作者在工作中，很難把這件事做好。

現在來講將來的模式要有一個愿景，做人工智能必須得有愿景，愿景就是高效化、綠色化。制造流程智能優化決策和加工過程的智能自主控制為特征的流程，就是要把這個東西變成一個人機合作的決策優化系統、智能自主控制系統，這就是將來的人工智能。目標里的愿景規劃不再介紹，首先要定義它的愿景規劃，愿景規劃以后要按照這樣來做，以后企業由三層變成了兩層，底下一層都是智能，上面一層是人機合作的，為什么要這樣做呢？就是因為人不能保證最優。

下面簡單介紹人工智能，第一次、第二次、第三次工業革命都是基于數學模型感知、認知與決策發揮的作用。第一次工業革命是反饋控制實現了蒸汽機的調速；第二次工業革命是PID與邏輯控制實現了傳送帶自動化；第三次工業革命是先進控制、運行優化、ERP與MES使自動化程序更新。第一次是蒸汽代替人，第二次是電力代替蒸汽，這是從本質上來講。知識工作者發揮很多作用，但是人的很多行為、智力發展不同，人辦的企業是不一樣的。實際上就是說，人在感知上、認知上有問題，面向實現多元不確定。多元信息數據，大數據如何進行動態感知，這是第一個挑戰。第二個是如何從大數據中挖掘機理不清的動態特性知識和操作與決策經驗知識；第三個是如何實現多尺度、多沖突目標、多變的約束等條件下的動態優化決策與控制一體化；第四個就是平臺一體化，到了大數據時代，目前平臺為先，所以必須構建工業互聯網、工業云和大數據環境、智能自主控制系統和人機優化的系統。

怎么去做呢？今天智能化計算資源和物理資源深度融合，系統往往是多學科的。從信息技術來講，我們培養的人，是說搞計算機不一定懂通訊，搞通訊不一定懂自動化，但是最終在信息技術都是計算機。另外，怎么樣深度融合和協同來實現智能化，人工智能做了一個榜樣，就是我們講的深度學習，深度學習實際上利用了大量數據。最后發現比我們原來學術上定義的神經網絡、學術上定義的機器學習、定義的模式識別，產生的效果更好，為什么呢？

就是因為用了大量資源，而且我們今天想一想，為什么Alpha Go能打敗圍棋，是因為人腦袋裝的規則是有限的，而計算機可以把所有規則都裝到里面去，云計算就能滿足這種能力。所以人是聽經驗，他可以選規則，對一個具體的工作，人工智能的技術往往可以比這個工作者做得更好。而我們需要的是把這些具體的工作高效化、智能化，而不是說完全替代。有這個理念的話，我們利用各種資源，觀念上改變，是能夠幫助我們現在的產業實現飛躍發展的，這就是我今天的報告，謝謝大家！

柴天佑——中國工程院院士，IEEE Fellow，IFAC Fellow。東北大學自動化研究中心主任。