無人工廠不是AI的終極目標，效率才是

　　冷眼觀

　　本報記者 葉 青

　　“雖然中國經(jīng)濟漸漸從製造和産能擴張驅(qū)動轉(zhuǎn)化到了科技驅(qū)動，但很多企業(yè)依然覺得大數(shù)據(jù)、人工智慧這些技術距離他們很遠，真正對工業(yè)網(wǎng)際網(wǎng)路進行探索的企業(yè)仍是少數(shù)派，但會有越來越多的企業(yè)加入到這個行列中來，從企業(yè)的業(yè)務核心入手，著力解決企業(yè)所面臨的痛點問題?！苯眨袣W國際工商學院終身榮譽教授許小年分享了他對傳統(tǒng)製造業(yè)如何運用人工智慧來提高效率的思考。

　　為大數(shù)據(jù)而生，也以大數(shù)據(jù)為前提

　　最近，許小年跑了不少企業(yè)，特別是中國的傳統(tǒng)製造業(yè)。他發(fā)現(xiàn)，消費網(wǎng)際網(wǎng)路的巔峰期已經(jīng)過去，但並不意味著網(wǎng)際網(wǎng)路時代接近尾聲?！霸谙M網(wǎng)際網(wǎng)路的下一波浪潮中，工業(yè)網(wǎng)際網(wǎng)路、2B網(wǎng)際網(wǎng)路方興未艾，網(wǎng)際網(wǎng)路逐漸演化發(fā)展成為物聯(lián)網(wǎng)?！彼h，由於物聯(lián)網(wǎng)産生的數(shù)據(jù)比消費網(wǎng)際網(wǎng)路高出很多量級，這就使得人工智慧成為一項必須的技術，否則就無法處理物聯(lián)網(wǎng)時代的海量數(shù)據(jù)。

　　“人工智慧是為大數(shù)據(jù)而生，也以大數(shù)據(jù)為前提?！痹S小年指出，“對於很多傳統(tǒng)企業(yè)來説，當務之急不是人工智慧立竿見影的直接應用，而是數(shù)字化和物聯(lián)網(wǎng)的基本建設。認為去買一項AI技術、收購一個AI團隊就能解決企業(yè)痛點問題，這是不切實際的想法。”

　　他特別強調(diào)，不要以為數(shù)字化、人工智慧的目標就是無人工廠，無人工廠並不是我們追求的目標，效率才是最終結(jié)果。

　　大數(shù)據(jù)、人工智慧、數(shù)據(jù)智慧如何真正賦能産業(yè)，改變行業(yè)呢？

　　聯(lián)想集團高級副總裁賀志強説，從2016年開始，聯(lián)想將數(shù)據(jù)智慧、産業(yè)網(wǎng)際網(wǎng)路的理念服務推廣到所有行業(yè)中，首先選擇了汽車行業(yè)。在一家車廠裏，通過人工智慧識別每一個車輛的螺絲鬆緊度是不是一致，從而提升品質(zhì)穩(wěn)定性?！皵?shù)據(jù)智慧雖然是一個艱難的過程，但是這種改造一旦完成，企業(yè)就會誕生無窮無盡的力量?！?/p>

　　下一步最大挑戰(zhàn)是機器決策

　　雖然人工智慧在加速企業(yè)數(shù)字化進程方面還處於探索階段，但這並不妨礙人工智慧滲透到我們生活的方方面面。業(yè)內(nèi)專家認為，在智慧零售、智慧醫(yī)療等領域，人工智慧已進入比較成熟的應用模式。

　　人工智慧如何助力智慧城市建設？上個月，“AI智慧車站”廣州地鐵21號線天河智慧城示範站正式落成。據(jù)悉，這是全球首個基於智慧車站理念設計並投入運營的智慧地鐵示範站。

　　“自主研發(fā)、基於工業(yè)網(wǎng)際網(wǎng)路的智慧地鐵大平臺為地鐵裝上‘大腦’。” 新加坡國家工程院院士、佳都科技副總裁兼全球智慧技術研究院院長李德紘表示，以智慧地鐵大平臺為依託，大量運用電腦視覺、生物識別等技術全面提升車站的數(shù)據(jù)感知能力，實現(xiàn)車站運營的實時監(jiān)測。並且所有數(shù)據(jù)可實時傳送給地鐵的“大腦”，進行智慧分析，有效提升車站資訊化水準，降低運營成本。

　　佳都科技董事長劉偉透露，“城市交通大腦”，繼落地安徽的合肥、宣城之後，今年將在上海、廣州佈局，通過AI賦能城市交通以探索破解“大城市病”。

　　不過，眾多專家也坦言，人工智慧技術也面臨著很多挑戰(zhàn)，諸如如何更好整合生態(tài)資源、如何更好落地，這些都是整個行業(yè)急需攻克的難題。

　　“我給大家潑一下冷水?！眰惗卮髮W學院電腦係教授汪軍直言，“現(xiàn)在的人工智慧和應用，其實不是真正意義上的人工智慧，而是機器學習。我們把它概括為模式識別，指的是通過神經(jīng)網(wǎng)路把大量數(shù)據(jù)映射到我們的知識裏，比如説有很多圖像，識別出裏面是不是有某個特定的人臉?！?/p>

　　“其實有很多其他應用，不光是模式識別，更重要的是通過獲得這個知識，再把決策反饋到機器裏，形成一個迴圈。因此，下一步人工智慧的方向就是讓機器能夠做決策，完成從數(shù)據(jù)到知識，再反饋到數(shù)據(jù)的整個迴圈過程?！彼J為，“人工智慧接下來最大的挑戰(zhàn)是機器決策，強化學習提供了非常好的指導方法，但必須借助神經(jīng)科學、腦科學的研究，才能真正形成一個人工智慧的系統(tǒng)?！?/p>