1.我們需要什么樣的工業(yè)智能？

人類能夠在諸如圍棋等活動中激發(fā)自己的智慧并從中感受到樂趣，圍棋對于人類是有意義的。而對于人工智能來說，它只是在執(zhí)行一些數(shù)學模型的運算而已，并不能從中感受到樂趣。智能化的出發(fā)點正是將人類從枯燥的、流程化的工作中解放出來，去完成更有樂趣和更具挑戰(zhàn)性的任務(wù)。因此，雖然目前的人工智能與真正的人腦相比，仍然存在很大的差距，但在工業(yè)領(lǐng)域，智能化卻可以有所作為，甚至大展宏圖。

真正的工業(yè)智能應(yīng)該是機器能擁有自己獨特的分析方式。正所謂“授之以魚，不如授之以漁”，工業(yè)智能的主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作，而不是作為信息的集成展示工具，將更多的問題更快地呈現(xiàn)在人類面前，等待人類的決策。工業(yè)智能的意義在于減輕人類的負擔，而不是提高人類的工作強度。

在實現(xiàn)上述目標的過程中，最重要的是工業(yè)智能的可成長性。一個優(yōu)秀的工業(yè)智能，應(yīng)該做到不斷豐富和迭代自己的分析與決策能力，來適應(yīng)周圍變幻不定的工業(yè)環(huán)境，完成多樣化的工業(yè)任務(wù)流程，最終讓工業(yè)智能達到主動獲得和傳承知識的能力。當然，要實現(xiàn)這些并非易事，而其最根本的途徑，就在于掌握像人類大腦一樣的認知能力。

2.“知識消費型”信息系統(tǒng)無法滿足工業(yè)智能的需求

剛剛上路的新手司機，就算他是汽車專業(yè)的博士畢業(yè)，在面對一輛新車和新的路段時，會缺少對危險情況的預警和處理能力，甚至由于心里緊張等原因，犯一些低級錯誤，而有豐富經(jīng)驗的司機即使對汽車原理一竅不通，在對路況和車輛同樣不熟悉的情況下，也能憑借長期駕駛過程中積累的經(jīng)驗和處理緊急情況的能力，更好地掌控新車，提高駕駛的安全性，降低事故發(fā)生率，完成新路段的行駛。也就是說，駕駛安全取決于駕駛技術(shù)，而不是對車輛原理的掌握。

但是，如何掌握駕駛技術(shù)？只能通過經(jīng)驗來慢慢提高嗎？新手司機和汽車廠商顯然都不這么認為，于是誕生了一系列輔助駕駛的智能系統(tǒng)。

以發(fā)動機啟停技術(shù)和自動剎車技術(shù)為例，多數(shù)司機表示發(fā)動機啟停技術(shù)在堵車、停車、穿過人流擁擠的街道時，頻繁的啟停非常影響駕駛感受，甚至有部分司機在上車后的第一件事就是關(guān)閉自動啟停系統(tǒng)；而自動剎車技術(shù)同樣由于城市交通狀況的差異而顯得“水土不服”，在穿過人流擁擠的道路時，駕駛體驗很差，甚至還有高峰時段誤判導致追尾的情況發(fā)生，“該停的時候不停，不該停的時候總?！?。

那么，為什么人可以越駕駛越熟練，而機器不行呢？

其實不是不行，是方式不對，駕駛可以說是現(xiàn)代社會最普遍的一種人與機器交互的場景了，駕駛者可以不必了解汽車原理，通過反復的駕駛，就可以獲得駕駛時的“舒適感覺”，其中的關(guān)鍵在于人腦對于駕駛的認知是一個不斷積累、不斷熟悉的過程，即人類可以通過反復訓練來提高認知水平、提高駕駛技能，而輔助駕駛系統(tǒng)只是對已有駕駛常識的全新展現(xiàn)形式，沒有認知能力和成長性，無法實現(xiàn)自身能力的主動提升。

自動啟停技術(shù)的設(shè)計原理，來源于人類對于駕駛知識的總結(jié)：停車時關(guān)閉發(fā)動機可以省油，但是缺少了對具體情況的分析與調(diào)整，比如晚高峰時，在北京三環(huán)開車，汽車停止是由于擁堵造成的短暫停止，這時候不需要關(guān)閉發(fā)動機，而在春節(jié)期間同樣時段的三環(huán)路上，汽車停止時應(yīng)該就是遇到紅燈了，此時可以選擇關(guān)閉發(fā)動機，節(jié)省油耗。上述推斷對于一個有經(jīng)驗的司機來說并不困難，但是不具備認知與決策能力的“偽智能”輔助駕駛系統(tǒng)則很難完成這個推斷。

目前信息系統(tǒng)是“知識消費型”系統(tǒng)，只是對已有知識的消費，卻不能有效地管理和創(chuàng)造知識。在上述醫(yī)生和司機的例子中，關(guān)鍵問題不在于他們具備多少重復性任務(wù)的經(jīng)驗，而是他們在大量的實踐中，形成了處理復雜新事物的方法論，發(fā)現(xiàn)了事物內(nèi)在切實有效的關(guān)聯(lián)規(guī)則，這些方法論和規(guī)則的形成就是行為認知的過程，增強這些認知成果的過程就是啟發(fā)認知的過程，利用認知成果在新環(huán)境做出決策的過程就是群體認知的過程（見圖3-8）。

工業(yè)信息化實現(xiàn)了信息流動的自動化，但是決策環(huán)節(jié)還需要依賴人的判斷和輸入，即便是部分系統(tǒng)實現(xiàn)了自動化和無人化，大多也是依靠專家規(guī)則和反饋控制實現(xiàn)的，其決策能力取決于專家?guī)斓呢S富性以及控制模型的準確性，無法對多因素動態(tài)變化的系統(tǒng)進行動態(tài)的決策優(yōu)化。而人工智能則是讓機器像人一樣具備行為的認知、啟發(fā)的認知、群體的認知能力，即便在模型訓練初期，效率和準確度不及專家系統(tǒng)，但是建立在自認知基礎(chǔ)上的自主成長能力能夠使機器學習模型的迭代優(yōu)化，最終會在許多領(lǐng)域達到甚至超過人類的能力，實現(xiàn)真正的工業(yè)智能化。

圖3-8 信息系統(tǒng)的知識消耗模式與人類的知識積累模式

“偽智能”系統(tǒng)是信息系統(tǒng)或是信息系統(tǒng)的增強版，通過互聯(lián)網(wǎng)技術(shù)的應(yīng)用，進一步提高信息獲取的速度，但是制約著智能化水平關(guān)鍵的知識創(chuàng)造速度并沒有增加，在上述輔助駕駛系統(tǒng)的例子中，并沒有知識的認知學習機制，這就導致了所謂“偽智能”系統(tǒng)的效果和性能直接取決于專家?guī)旌椭R庫的完備程度，而在使用過程中一直處于知識消耗的過程，并不能根據(jù)實際情況進行適應(yīng)和變化。這與人通過學習、訓練獲得新的知識，掌握更高級技能的模式完全不同（見圖3-9）。

圖3-9 信息系統(tǒng)與人類完成任務(wù)時的技能差異

知識的管理方式也導致了處理實際任務(wù)時的技能水平差異，“偽智能”信息系統(tǒng)往往只能處理單一的、重復的場景，而無法處理經(jīng)驗知識之外的情況。就像目前大多數(shù)輔助駕駛系統(tǒng)只能根據(jù)車速和車距做出是否剎車或減速的判斷，而不能像人類一樣根據(jù)時間、天氣、路況做出綜合的判斷。