第一個(gè)層次是人來(lái)決策
決策的主體是人，但信息感知和執(zhí)行是通過(guò)網(wǎng)絡(luò)下達(dá)。這時(shí)，ICT技術(shù)的作用，是拓展了人的感知和執(zhí)行能力，讓人有了“千里眼和長(zhǎng)手臂”。利用這種做法，人類(lèi)可以遠(yuǎn)離工作條件艱苦的生產(chǎn)現(xiàn)場(chǎng)；有利于崗位的集約化、一個(gè)人干幾個(gè)人的活，并提升協(xié)同能力。還有助于利用好遠(yuǎn)程的專(zhuān)家資源、有助于高層管理者了解生產(chǎn)實(shí)際，從而提高企業(yè)的管理水平。AR、VR、數(shù)字孿生等新技術(shù)都有發(fā)力的空間，可以讓專(zhuān)家可以更加直觀地獲得信息，決策更加容易。
第二個(gè)層次是輔助決策
就是我經(jīng)常說(shuō)的“小秘書(shū)的智能”：計(jì)算機(jī)提醒人們發(fā)現(xiàn)異?；蛘咝枰P(guān)注的事件或異常，做出科學(xué)決策。比如：排煙溫度過(guò)高了、設(shè)備報(bào)警沒(méi)及時(shí)處理、要為下工序準(zhǔn)備了等等。發(fā)現(xiàn)事件和異常，往往是通過(guò)“對(duì)標(biāo)”來(lái)實(shí)現(xiàn)的。為此，我們首先需要對(duì)生產(chǎn)過(guò)程的要求進(jìn)行標(biāo)準(zhǔn)化：什么樣的煙氣溫度是正常的、報(bào)警必須多長(zhǎng)時(shí)間必須處理、什么情況下需要為下工序準(zhǔn)備。另外，有些比預(yù)料中更好的事情，也是需要關(guān)注的：比如某次生產(chǎn)的能耗更低、效率更高。計(jì)算機(jī)能夠捕捉這些事件，可以為持續(xù)改進(jìn)做準(zhǔn)備。所以，在數(shù)字化時(shí)代，PDCA可以做得更好。
“小秘書(shū)的智能”最大的價(jià)值在于：發(fā)現(xiàn)、記錄問(wèn)題的能力比人更強(qiáng)。比如，通過(guò)數(shù)據(jù)，計(jì)算機(jī)可以針對(duì)成千上萬(wàn)臺(tái)設(shè)備，發(fā)現(xiàn)秒級(jí)、毫秒級(jí)的問(wèn)題，記錄完整、及時(shí)且不出錯(cuò)。用這種本事，管理者可以輕松地管理好成千上萬(wàn)的團(tuán)隊(duì)。
從技術(shù)上講，這種智能完成了計(jì)算機(jī)“從感知到認(rèn)知”的變化。也就是從基本的傳感器信息(如溫度)轉(zhuǎn)化為具有業(yè)務(wù)含義的信息(排煙溫度過(guò)高)。這樣的智能有巨大的發(fā)展空間，而AI是其中的新技術(shù)之一。這樣的“智能”也是需要人類(lèi)專(zhuān)家的知識(shí)的：該關(guān)注什么問(wèn)題、用什么數(shù)據(jù)關(guān)注，就是專(zhuān)家知識(shí)。數(shù)字化往往只是讓專(zhuān)家的知識(shí)更加準(zhǔn)確、并便于計(jì)算機(jī)執(zhí)行。
30年前我讀本科時(shí)，用于輔助決策的“專(zhuān)家系統(tǒng)”就很熱。但這種技術(shù)卻沒(méi)有發(fā)展起來(lái)。在我看來(lái)，“專(zhuān)家系統(tǒng)”過(guò)度重視了推理的復(fù)雜性、希望在邏輯推理方面比人類(lèi)專(zhuān)家更強(qiáng)。但復(fù)雜的邏輯推理在工業(yè)中并不是特別常見(jiàn)，當(dāng)年的專(zhuān)家系統(tǒng)往往變成了屠龍之技。而現(xiàn)在的做法，則是利用了計(jì)算機(jī)快速響應(yīng)、快速?zèng)Q策、少出錯(cuò)等優(yōu)勢(shì)。應(yīng)用場(chǎng)景多得多。
第三個(gè)層次是機(jī)器自動(dòng)決策
這種決策，經(jīng)常是我說(shuō)的“吳淑珍式的智能”。也就是通過(guò)ICT技術(shù)提供準(zhǔn)確、及時(shí)、完整的信息，再利用軟件化、數(shù)字化的簡(jiǎn)單的知識(shí)做出決策。所謂簡(jiǎn)單的知識(shí)，就是人類(lèi)容易說(shuō)清楚的決策邏輯、是人類(lèi)專(zhuān)家的提供的。
對(duì)于這種提法，很多人奇怪的是：人們研究了多年的模型算法(如最優(yōu)控制、熱傳導(dǎo)方程)就不用了嗎？顯然不是，些無(wú)法測(cè)量的東西，需要用模型算出來(lái)。但在我看來(lái)，不是“不用”而是“被用”。也就是說(shuō)，這些算法往往不是成敗的關(guān)鍵。企業(yè)的關(guān)鍵知識(shí)，來(lái)自企業(yè)的業(yè)務(wù)專(zhuān)家，關(guān)鍵是要把他們的知識(shí)數(shù)字化?，F(xiàn)在，掌握模型和控制算法知識(shí)的人不少，對(duì)具體問(wèn)題來(lái)說(shuō)，這些知識(shí)往往不是瓶頸。
這類(lèi)智能在算法上的麻煩是誤差修正。我在前面的文章講到：大系統(tǒng)的誤差是難以避免的，系統(tǒng)運(yùn)行久了偏差也是難以避免的。這些誤差和偏差，經(jīng)常會(huì)超出人們的容忍程度。
修訂這些偏差，往往是最令算法人員最頭疼的問(wèn)題。這些方法，要把數(shù)據(jù)和理論公式結(jié)合在一起。如果這些問(wèn)題不解決，模型的算法就不準(zhǔn)確。或者投運(yùn)的時(shí)候準(zhǔn)確，用久了就不準(zhǔn)確了。所謂“用得久了”，可能是幾年，也可能是幾天甚至幾個(gè)小時(shí)。
自動(dòng)決策的智能往往是最難的。原因是：機(jī)器決策時(shí)，對(duì)算法的安全、穩(wěn)定、可靠性要求很高，執(zhí)行時(shí)出不得半點(diǎn)差錯(cuò)。解決這個(gè)問(wèn)題的辦法之一，是讓人來(lái)保駕護(hù)航，干預(yù)甚至終止算法。這會(huì)讓技術(shù)難度大大降低，但自動(dòng)化程度會(huì)下降，現(xiàn)場(chǎng)的滿(mǎn)意度也會(huì)下降。
要實(shí)現(xiàn)這些層次，有很多事情要做。比如平臺(tái)。平臺(tái)是支持上述三類(lèi)工作的工具。平臺(tái)工具解決的，不是能不能做的問(wèn)題，而是實(shí)現(xiàn)這些想法和思路時(shí)，如何提升工作效率、保證工作質(zhì)量、提升穩(wěn)定性和安全性、便于管理的問(wèn)題。本質(zhì)是在智能化技術(shù)落地的過(guò)程中，提高生產(chǎn)力水平。
我把算法分成三個(gè)層次問(wèn)題的原因，是想提醒某些同志：不要只想著業(yè)務(wù)上網(wǎng)這類(lèi)最簡(jiǎn)單的事情。業(yè)務(wù)上網(wǎng)、機(jī)器換人這些事情，傻子都能想到，還要什么領(lǐng)導(dǎo)的智慧？ 如果是別人做什么你跟著做什么，只是靠錢(qián)多、人多、口氣大，永遠(yuǎn)只能是技術(shù)跟隨。
智能化時(shí)代有很多事情要做。引領(lǐng)世界不是靠口號(hào)，而是要眼光和行動(dòng)。若干年后，缺乏眼光的領(lǐng)導(dǎo)會(huì)發(fā)現(xiàn)：你喊了多年口號(hào)，國(guó)外卻默默耕耘了很多年，比我們先進(jìn)很多。那么，現(xiàn)在吹下的牛怎么辦？
作者：郭朝暉(工學(xué)博士，教授級(jí)高工。企業(yè)研發(fā)一線(xiàn)工作20年；優(yōu)也科技信息公司首席科學(xué)家；東北大學(xué)、上海交大等多所院校兼職教授。國(guó)內(nèi)知名智庫(kù)、走向智能研究院的發(fā)起人之一。原寶鋼研究院首席研究員)
