AI的界限在哪里
同時提到人工智能和制造業，大家很容易想到生產線上的工業機器人，尤其是機械手臂，按照精密的設置不斷重復同樣的工作，完成零部件制造、搬運、組裝、檢測等任務。實際上，人工智能在制造業的應用并非機械手臂這樣簡單，而一些看起來像是AI的技術，實際上不一定屬于人工智能的范疇。
以電飯煲為例說明，電飯煲也可以在煮熟飯后自動斷電，盡管自動斷電是“智能”的，但很明顯我們不會將電飯煲劃入人工智能的范疇。從時間上看，二者也不符合。世界上第一臺電飯煲于1950年誕生在日本，而人工智能是1956年在達特茅斯會議上才首次被提出的。從原理上看，電飯煲自動斷電只是利用特定溫度下感溫鐵氧體的特效設計出的產品，利用的是材料本身的性質。
“電飯煲和人工智能最大的區別在于，前者之所以會自己煮飯，是因為事前有一個設定好的程序，溫度、時間等都是預先設定好的，煮飯的過程也完全一樣，這里面不存在‘分析’。人工智能是可以自動升級與迭代的。比如，某個搜索引擎C，如果多年以來，你使用它的時候，同樣的關鍵詞檢索出同樣的結果，這就不算人工智能;但如果隨著使用年限的增加，C對你的數據進行積累和分析，做出個性化調節，以致同樣的關鍵詞會檢索出越來越貼近你個人需求的結果，其中就有AI的影響。哪一天，如果一個人去做飯，電飯鍋顯示，‘不行，根據指紋，你年齡太小，使用電飯鍋不安全’，我們才會說這口鍋是人工智能的。”上海社會科學院互聯網研究中心首席研究員李易在接受《經濟》記者采訪時這樣表示。
籠統地說，通過算法實現學習提升，使得人工智能系統區別于一般工業智能系統。而目前，對于人工智能的發展階段，線性資本執行董事鄭燦告訴《經濟》記者，人類之所以提出“人工智能”的概念，與我們自身對于大腦的研究不無關系。
“大家對于人工智能最質樸的期待，就是希望將來機器人可以跟真人一樣推理和分析。大約在60年前，人們研究人腦發現，人類大腦的工作流程主要由神經元組成的網絡負擔，所以研究人員也希望模擬人腦的神經網絡和工作方式，讓機器幫助人類去做一些事情。只不過，直到今天，我們對人腦的具體工作流程也沒有弄得很清楚，比如靈感是如何形成的、人類是怎樣進行回憶的。以此為基礎，只能說人工智能還處在自身發展的初級階段。”
中國工業和信息化部科技司巡視員畢開春曾在公開場合指出，人工智能成為推進供給側結構性改革的新動能和振興實體經濟的新機遇;由于技術的迅猛發展、投融資力度的加大以及地方政府和科技界、工業界的廣泛合作，人工智能應用的廣度和深度均大大超出預期。盡管如此，AI與制造業的融合，也尚處于初級階段。
美國模式和德國模式
“在人工智能和制造業的話題炒得很熱以前，還有一個概念比較火，就是工業4.0。為什么德國提出工業4.0呢?因為德國雖然在精密制造和機械領域占據明顯優勢，但其IT技術和信息處理技術比不上美國。為了將來占領產業技術制高點，德國把信息技術融入到產業中，提出了‘工業4.0’的說法。”廣東省智能制造研究所高級工程師、副所長吳智恒這樣對《經濟》記者分析。他表示，在中國，大多數制造業企業還處于工業1.0或者2.0時代。
工業1.0代表機械化，指的是機械代替人工勞動完成生產作業;工業2.0代表自動化或電力化，指的是機器設備、系統或生產管理過程在較少人、沒有人的直接參與下，按照人類的要求，經過自動檢測、信息處理、分析判斷等，實現預期的生產目標;工業3.0代表信息化，指的是培養并發展以計算機為主的智能化(電飯煲級別的智能，沒有算法等的參與)工具為代表的新生產力，使之造福于社會;工業4.0說的才是智能化，即人工智能。
“我國大部分制造業企業還處于機械化或者半自動化;某些技術領域，可能在一個生產環節或工藝上做到了智能化，但整個車間處于人工智能化階段的企業，還沒有出現。”吳智恒這樣強調。
李易認為，談到人工智能和制造業的融合，目前主要還是看兩個國家——德國和美國。具體說，是分別看這兩個國家的兩家大型企業：美國通用電氣公司(General Electric Company，GE，簡稱“通用電氣”)和德國西門子股份公司(Siemens，簡稱“西門子”)。
2012年，通用電氣提出了“工業互聯網”的概念，即實現人、機、物全面互聯的新型網絡基礎設施，形成智能化發展的新興業態和應用模式。
以飛機機翼發動機為例。以前，通用電氣把發動機賣給飛機制造商A，A使用一段時間后需要對發動機進行檢修，而檢修期間，飛機需要停飛。多久檢修一次呢?大家也都不是很清楚，后來就約定為3個月，但是依據到底是什么，誰也不清楚。現在不同了。通用電氣做了一系列實驗，把互聯網、傳感器和機翼發動機聯系起來，做成一套系統，把傳感器裝在發動機上再賣給A公司。在使用過程中，全部參數通過互聯網傳到通用電氣的數據中心;通用電氣可以憑借收集來的數據對賣出去的發動機進行監測，建立模型并且推演分析，摸索出一套針對本航空發動機的數據模型，一旦發現航空發動機需要進行檢修，就通知A公司，避免安全事故的出現。在這個模式里，只有機翼上的發動機需要檢修的時候，飛機才需要停飛，而不是定期停飛，節省了大量成本，也做足了安全事故的預防工作。
“現在很多飛機制造商都購買了通用電氣提供的這項服務。關鍵在于，飛機發動機可以用，輪船和汽車的發動機應該也可以使用，電力系統和醫療系統也不例外。在醫院，購買一臺CT(Computed Tomography，電子計算機斷層掃描)需要上千萬元，其檢修費用昂貴，有了實時監測，可以避免很多不必要的浪費。這就是人工智能在售后服務領域的應用，AI幫助售后服務從成本中心向利潤中心轉化，因為售賣服務本身就是盈利項目。”李易如此分析。
在德國，西門子是承接工業4.0計劃的主要企業。與美國不同，西門子追求人工智能下的高度無人化。比如，半夜接到了來自日本的洗衣機訂單，人工系統自動進行處理，去哪里購買零件、到哪里組裝、如何做成成品并出售以及財務統計后怎樣發貨。
德國之所以追求無人化，與該國人口少、福利高息息相關。德國的企業希望人工智能代替工人做大量重復性工作，以便讓人類有時間做更多具有創造性的工作。同樣，少子化和老齡化日趨嚴重的日本，也是采取了上述思路。這也可以解釋，為什么日本的仿真機器人應用領域最廣。
李易說：“實際上，每個國家都應該按需做計劃，國情不同，發展AI的路線也不同。中國也需要按照本國國情，制定發展人工智能的計劃，甚至不同身份和地區之間也該因地制宜。但是國內有一個弊端，做什么事情都喜歡一擁而上，比如國務院一旦發布一項通知或者指導意見，很多地方就熱火朝天地做起來，不去仔細考慮它是否適合。現在不少地區做機器人小鎮，然而，并非每個地方都適合發展人工智能產業，不加區分地效仿是很不靠譜的行為。”
融合有障礙
目前，人工智能對制造業的滲透還屬于藍海。盡管如此，我們已經看到，人工智能對制造業的介入正在逐漸加深，而且已經帶來效率的提升和成本的下降，借助AI，制造業的業務和服務模式也正在經歷轉變、創新。
“目前看，人工智能在工業領域的應用更多表現為輔助作用，尤其是優化決策過程。以鞋子的研發設計為例說明。通常情況下，設計師設計出一款鞋的樣子，需要6個月;但是有了AI做數據收集和分析，設計過程理論上可以縮短為幾天;當然因為一些因素，目前的實踐還是需要幾周時間。不過這已經是效率的大幅度提升了。”鄭燦這樣對《經濟》記者說。
無論是研發環節還是制造業的生產模式、生產效率和具體方式，人工智能都可能帶來徹底的改變。與此同時，人工智能和制造業之間的融合也存在比較明顯的障礙。
數據的標準化首當其沖。鄭燦指出，拋開AI，制造業的各行、各部門之間是有很強的關聯性的，這些相互關聯的領域里的數據，有些是可以通用的。但是，由于AI在各自領域的數據積累還沒有完成，大部分數據積累還是比較初級的，這些數據之間的聯通性自然也不太好。
人才是第二個障礙。盡管提到人工智能，大家似乎都很感興趣，但是經歷過專業技能培訓的人員不是很多。不單單是中國，全球各國都面臨這一問題。推廣人工智能，需要思維更加開闊，且可以接受顛覆性思維方式的人才，更需要從業者有勇氣去實踐一些理論和觀點。
對于大部分公眾而言，信息安全不是一個陌生的話題，不過在人工智能的背景下，信息安全一旦不能保證，其漏洞為制造業帶來的損失會遠超過沒有AI參與的情況。
“傳統制造業，設備出現問題的時候，停工半個小時也可以帶來巨大損失。AI參與的制造業只會有過之而無不及。比如說AI被攻擊，原本它可以正確識別一只貓的形象，被攻擊后，會把狗的形象錯認為貓。這是根本性的錯誤，會導致機器和數據分析結構出現混亂，進而損害整條生產線。另外，人工智能還處于初級階段，大家關心更多的是進步的問題，而非安全和穩定性的問題。”鄭燦如此強調。
吳智恒指出，中國企業在算法上有一些優勢，但在信息采集上，與海外水平差距較大。“人工智能離不開數據信息的采集，信息采集涉及諸多領域，也涉及很多精密傳感器，比如感知壓力和溫度信息的傳感器，在這個領域，國內發展得并不好，主要還是依靠進口產品。”
李易則認為，通用電氣或者西門子之所以可以在AI和制造業的融合上做出成效，是因為他們本身就是制造業巨頭;換句話說，想要追求二者的融合，首先要把制造業的基礎打好。他說：“美國也有互聯網巨頭，但是把AI做好的是通用電氣，不是臉書和微軟。國內有些企業，的確在互聯網領域占有明顯優勢，但這不意味著他們可以把人工智能做好。不過你看目前中國投資AI的主要企業，還是互聯網領域的那幾家巨頭。對中國企業來說，制造業面臨更多的是生存問題，不是升級問題。很多問題不是人工智能可以解決的。國內制造業成本上升，大家都將工廠轉移到東南亞國家，這是非常值得關注的。”
一邊發展一邊評估
為了加快實體經濟復蘇并搶占未來產業制高點，全球主要經濟體目前均在加強部署人工智能與制造業融合的戰略計劃，促進二者的深度融合發展。面對這項復雜的系統工程，各國都面臨很多挑戰。
中國社會科學院工業經濟研究所工業發展研究室副研究員鄧洲告訴《經濟》記者，人工智能標準化制定與實施、互聯網技術攻克、信息安全保障等一系列問題，是所有研究AI技術的國家需要面對的;此外，中國還需要應對一些特定問題，比如關鍵核心技術、融合發展創新模式以及引領全球融合發展趨勢的制造業企業的匱乏等。
為了應對種種障礙，國家和企業需要做很多準備。我們需要編制制造業人工智能發展的技術路線圖，由行業主管部門主導，其他政府部門、產業界和學術界專家共同參與;需要組建以基礎研究為重點的人工智能國家實驗室，以官辦研究機構為基礎，聯合領先互聯網企業和制造企業共同組建;構建制造業各個環節的大數據庫并促進人工智能在制造業領域的應用研究和模式推廣等。
“特別需要注意的是，要評估和防范人工智能在發展過程中可能引發的社會問題。高科技替代人類承擔生產活動的時候，也可能會對人類社會的運行規則甚至法律規范制度產生沖擊。比如，越來越多的人工智能通過了圖靈測試(通過測試即被認為具有人類智能)，擬人機器人與真人的區別越來越小，倫理就成為需要面對和解決的問題。這不僅僅影響人工智能未來的發展，也涉及AI使用的安全問題。延伸到制造業領域，同樣如此。此外，即便在當前的貿易背景下，中國也需要加強與發達國家的合作，共同應對人工智能可能對現有制度體系造成的挑戰和影響。隨著AI和制造業的融合與共同發展，我們應該挑選適當的時機去組建多元化的人工智能委員會，對不斷變化的科學技術實踐進行監管，以此保障人工智能與制造業深度融合的穩定性。”鄧洲這樣對記者強調。
在人工智能和制造業無縫融合的未來，人類將會迎接怎樣的場景呢?時間、科技和希望將會帶來答案。
京公網安備 11010502049343號