苑振宇 孟凡利 李晉 高宏亮 張華

摘 ?要：人工智能是一個(gè)研發(fā)訓(xùn)練計(jì)算機(jī)來執(zhí)行以前只有人類才有能力的智能行為方法的研究領(lǐng)域。自動(dòng)化的目的是代替人或輔助人去完成人類生產(chǎn)、生活和管理活動(dòng)中的特定任務(wù)，提高工作效率、效益和效果。二者都是通過機(jī)器延伸增加人類認(rèn)識世界和改造世界的能力。文章從人工智能的定義及發(fā)展、自動(dòng)化的定義及發(fā)展、智能制造對人工智能的要求、工業(yè)人工智能的涵義、面臨的挑戰(zhàn)及應(yīng)對策略等方面進(jìn)行了闡述，分析了人工智能與工業(yè)自動(dòng)化的關(guān)系。

關(guān)鍵詞：人工智能;自動(dòng)化;工業(yè)人工智能

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2095-2945（2020）25-0176-03

Abstract： Artificial intelligence is a research field that develops and trains computers to execute intelligent behavior methods that was only possessed by humans. The purpose of automation is to replace or assist people to complete specific tasks in human production， life， and management activities， and enhance the work efficiency， benefits， and effects. Both are through the extension of the machine to increase the human ability to recognize and transform the world. This paper explains the definition and development of artificial intelligence， the definition and development of automation， the requirements of intelligent manufacturing for artificial intelligence， the meaning of industrial artificial intelligence， the challenges facing and the response strategies， etc. The relationship between artificial intelligence and industrial automation is analyzed.

Keywords： artificial intelligence; automation; industrial artificial intelligence

1 人工智能與自動(dòng)化

1.1 人工智能的定義及發(fā)展簡史

1.1.1 人工智能的定義

美國國家科技委員會于2016年制定的《為人工智能的未來做好準(zhǔn)備》指出，目前并沒有一個(gè)普遍接受的人工智能定義。一些人把人工智能定義為是計(jì)算機(jī)化的系統(tǒng)，能夠表現(xiàn)出通常被認(rèn)為是需要智能的行為;其他人將人工智能定義為一個(gè)系統(tǒng)，該系統(tǒng)能夠無論遇到什么樣的復(fù)雜問題，都可以合理的解決，或者采取適當(dāng)?shù)男袆?dòng)實(shí)現(xiàn)它的目標(biāo)。雖然對AI的界定并不明確且隨時(shí)間推移不斷變化，但AI的研究和應(yīng)用始終秉持一個(gè)核心目標(biāo)，即使人的智能行為實(shí)現(xiàn)自動(dòng)化或復(fù)制。美國總統(tǒng)行政辦公室于2016年發(fā)布的《人工智能、自動(dòng)化及經(jīng)濟(jì)報(bào)告》中指出，AI不是單一技術(shù)，而是應(yīng)用于特定任務(wù)的技術(shù)集合。2017年，《Science》定義的強(qiáng)人工智能是指具有與人一樣智慧和全面的智能。斯坦福大學(xué)人工智能百年研究《人工智能和2030生活》廣義定義了人工智能是一種致力于機(jī)器智能化的活動(dòng)，而智能是指系統(tǒng)在其所處環(huán)境中具有預(yù)見功能。2018年7月德國人工智能戰(zhàn)略概述中指出，作為一門科學(xué)學(xué)科，人工智能指的是一個(gè)研發(fā)訓(xùn)練計(jì)算機(jī)來執(zhí)行以前只有人類才有能力的智能行為方法的研究領(lǐng)域[1]。

1.1.2 人工智能的發(fā)展簡史

“人工智能”一詞是1956年John McCarth組織的達(dá)特茅斯暑期研究項(xiàng)目的討論會上提出，探究機(jī)器可以在哪些方面模擬人的智能。早在18世紀(jì)托馬斯·貝葉斯就指出推理事件的概率提供計(jì)算框架，這是最初具有人工智能特征的技術(shù)想法。19世紀(jì)，喬治布爾指出邏輯推理可以向求解方程組那樣被系統(tǒng)的執(zhí)行。20世紀(jì)之初，第一臺電子計(jì)算機(jī)的問世標(biāo)志著能夠感知和自主行動(dòng)的第一代機(jī)器人問世。阿蘭圖靈于1950年發(fā)表“計(jì)算機(jī)和智能”中設(shè)想了建造計(jì)算機(jī)模擬人類智能的可能性，包括如何測試人工智能、機(jī)器怎樣自主學(xué)習(xí)等方面。隨后幾十年，人工智能幾經(jīng)起伏，研究出現(xiàn)的難題遠(yuǎn)超預(yù)期。20世紀(jì)90年代后期，人工智能研究關(guān)注特定領(lǐng)域和應(yīng)用研究，進(jìn)入加速階段。其中在圖像識別和醫(yī)療診斷方面尤為突出，1997年，IBM開發(fā)計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫;蘋果Siri，IBM回答計(jì)算機(jī)waston在回答游戲節(jié)目獲勝; 2010年以后，來自政府、電子商務(wù)、商業(yè)、社交媒體、科學(xué)和政府提供了可用的大數(shù)據(jù)和強(qiáng)大的計(jì)算能力，科技產(chǎn)業(yè)增加在人工智能領(lǐng)域的投資，上述因素促使了人工智能發(fā)展浪潮。同時(shí)，深度學(xué)習(xí)技術(shù)發(fā)展快速，在圖像識別領(lǐng)域，人類錯(cuò)誤率為5%，2011年人工智能最好結(jié)果錯(cuò)誤率為11%，到2015年就降低到3.5%，博弈游戲技術(shù)AlphaGo打敗人類圍棋冠軍等等。

1.1.3 人工智能技術(shù)發(fā)展方向

可解釋的AI是人工智能技術(shù)的發(fā)展方向之一，斯坦福大學(xué)人工智能和2030生活》指出，人工智能領(lǐng)域正朝著建立智能系統(tǒng)的方向發(fā)展;2018年的《美國及其智能國家戰(zhàn)略報(bào)告》中指出，很難估計(jì)計(jì)算機(jī)控制系統(tǒng)在不久的將來可以實(shí)現(xiàn)哪些功能。機(jī)器智能系統(tǒng)在企業(yè)，政府，和全球居民的日常生活中占據(jù)越來越重要的角色。

1.2 自動(dòng)化的定義及發(fā)展簡史

1.2.1 自動(dòng)化的定義

自動(dòng)化涉及到人類活動(dòng)的所有領(lǐng)域，是人類自古以來永無止境的夢想和追求目標(biāo)。自動(dòng)化的界定雖然不明確，且隨著時(shí)間推移不斷變化，但自動(dòng)化的研究和應(yīng)用多年來始終秉持一個(gè)核心目標(biāo)：研制系統(tǒng)代替人或者輔助人去完成人類生產(chǎn)、生活和管理活動(dòng)中的特定任務(wù)，減少和減輕人的體力和腦力勞動(dòng)，提高工作效率、效益和效果。

1.2.2 自動(dòng)化的發(fā)展簡史

自動(dòng)化的發(fā)展史漫長而有力，18世紀(jì)，從風(fēng)車離心調(diào)速器到蒸汽機(jī)離心調(diào)速器，從麥克斯韋《論調(diào)節(jié)器》，經(jīng)傳帶控制，到勞斯、赫爾維茨穩(wěn)定性判據(jù)。進(jìn)入19世紀(jì)，船舶陀螺駕駛儀，布萊克負(fù)反饋放大器，奈奎斯特判據(jù)，Ziegler Nichols PID參數(shù)整定法，M9火炮指揮控制系統(tǒng)（Bode圖）中為后續(xù)的現(xiàn)代控制理論、PLC、分布式控制系統(tǒng)奠定了基礎(chǔ)，進(jìn)入19世紀(jì)80年代，RTO和模型預(yù)測控制、工藝模型開環(huán)設(shè)定、數(shù)據(jù)驅(qū)動(dòng)的運(yùn)行反饋控制繼續(xù)推動(dòng)著自動(dòng)化的發(fā)展。

1.2.3 自動(dòng)化的發(fā)展方向

控制系統(tǒng)向智能自主控制系統(tǒng)的方向發(fā)展，管理與決策系統(tǒng)向智能優(yōu)化決策系統(tǒng)和智能優(yōu)化決策和控制一體化系統(tǒng)方向發(fā)展。

1.3 自動(dòng)化與人工智能的相互關(guān)系

AI的核心目標(biāo)是使人的智能行為實(shí)現(xiàn)自動(dòng)化或復(fù)制，而自動(dòng)化的核心目標(biāo)是減少和減輕人的體力和腦力勞動(dòng)，提高工作效率、效益和效果;二者都是通過算法和系統(tǒng)的手段，建立相互之間的共同點(diǎn)，即通過機(jī)器延伸和增加人類的感知、認(rèn)知、決策、執(zhí)行的功能，增加人類認(rèn)識世界和改造世界的能力，完成人類無法完成的特定任務(wù)或比人類更有效的完成特定任務(wù)。但是，目前由于機(jī)理不清，難以建立數(shù)學(xué)模型;輸入與輸出相關(guān)信息處于開放環(huán)境，變化不確定;信息難以獲取及感知;決策目標(biāo)沖突等原因，使得自動(dòng)化和人工智能技術(shù)在某些對象難以應(yīng)用。

2 智能制造對人工智能的要求

2.1 自動(dòng)化技術(shù)在工業(yè)革命中的作用

在第一次工業(yè)革命中，反饋控制實(shí)現(xiàn)了蒸汽機(jī)調(diào)速的自動(dòng)化。在第二次工業(yè)革命中，PID與邏輯控制實(shí)現(xiàn)了傳送帶自動(dòng)化。而操作工作自動(dòng)化、管理與決策工作信息化推動(dòng)了三次工業(yè)革命，在第三次工業(yè)革命中，先進(jìn)控制與運(yùn)行優(yōu)化實(shí)現(xiàn)了工業(yè)過程的運(yùn)行優(yōu)化，ERP與MES實(shí)現(xiàn)了生產(chǎn)管理與決策的信息化。

2.2 知識工作者在制造過程管理與決策中的作用及問題

2.2.1 制造過程管理與決策現(xiàn)狀

人類通過視聽觸嗅味的感知系統(tǒng)感知工況數(shù)據(jù)和信息，通過大腦決策生產(chǎn)（產(chǎn)量，質(zhì)量，能耗，物耗，成本）、運(yùn)行指標(biāo)（反應(yīng)產(chǎn)品質(zhì)量、效率和消耗相關(guān)的工藝參數(shù)）、運(yùn)行工況（正?；虍惓＃┖涂刂葡到y(tǒng)指令（速度、電流等），控制系統(tǒng)則跟隨指令使生產(chǎn)指標(biāo)在目標(biāo)范圍內(nèi)。

2.2.2 人難以實(shí)現(xiàn)運(yùn)行工況的準(zhǔn)確識別和優(yōu)化決策

《science》指出，人的決策行為制約發(fā)展主要體現(xiàn)在三個(gè)方面，在感知層面，運(yùn)行工況涉及多尺度多源信息，伴隨著原料、工況波動(dòng)頻繁，而人難以感知?jiǎng)討B(tài)變化的運(yùn)行工況;在認(rèn)知和知識處理層面，由于對反應(yīng)機(jī)理不清楚，多源異構(gòu)信息不明確，難以及時(shí)處理異構(gòu)信息;在決策和執(zhí)行層面，決策過程中伴隨著多目標(biāo)沖突和多尺度現(xiàn)象，操作和決策也存在主觀性和不一致性，難以實(shí)現(xiàn)全局優(yōu)化。除了上述因素，我國在質(zhì)量、能耗、物耗等方面也與國際先進(jìn)水平存在差距。

2.3 智能制造對人工智能需求

2.3.1 兩種主要類型的工業(yè)的特點(diǎn)和發(fā)展目標(biāo)

離散工業(yè)和過程工業(yè)作為典型代表，有著各自顯著的特點(diǎn)，對于離散工業(yè)，其過程結(jié)構(gòu)主要由總體設(shè)計(jì)、零件加工、組裝和機(jī)械制備四部分組成，在此過程中，機(jī)械裝備的零件加工與組裝是可拆分的物理過程，產(chǎn)品與加工過程可以數(shù)字化，機(jī)械裝備的性能取決于總體設(shè)計(jì)的優(yōu)化。對于過程工業(yè)，同樣由四部分組成，分別對應(yīng)工藝設(shè)計(jì)、物質(zhì)轉(zhuǎn)化過程、成品材料和下一生產(chǎn)工序。過程工業(yè)中，有多個(gè)工業(yè)過程組成的不可拆分物理化學(xué)過程，原材料、成品材料和物質(zhì)轉(zhuǎn)化過程難以數(shù)字化，工藝設(shè)計(jì)優(yōu)化與制造流程的整體優(yōu)化等特點(diǎn)。

2.3.2 對人工智能的需求

《為人工智能的未來做好準(zhǔn)備》中指出，人工智能在短期內(nèi)的核心經(jīng)濟(jì)成效是將以無法實(shí)現(xiàn)自動(dòng)化的任務(wù)實(shí)現(xiàn)自動(dòng)化，美國白宮2018年舉行的“面向美國工業(yè)的人工智能峰會”上提出，重點(diǎn)發(fā)展具有高影響、面向特定應(yīng)用領(lǐng)域的AI、應(yīng)用于美國工業(yè)來增強(qiáng)美國勞動(dòng)力素質(zhì)，提高工作效率，更好的服務(wù)于客戶。美國基金委在2018年關(guān)于“面向美國工業(yè)的人工智能”發(fā)表聲明，人工智能可以使美國工業(yè)的各個(gè)環(huán)節(jié)產(chǎn)生變革，為先進(jìn)制造創(chuàng)造新的希望。美國科學(xué)技術(shù)委員會于2018年制定的《美國先進(jìn)制造領(lǐng)先戰(zhàn)略》的主旨是爭取智能制造系統(tǒng)的未來領(lǐng)先地位。報(bào)告指出，通過與數(shù)字設(shè)計(jì)相結(jié)合，將制造過程所需的信息無縫的結(jié)合到從原材料到產(chǎn)品的轉(zhuǎn)換過程中，從而形成一個(gè)高度互聯(lián)的工業(yè)實(shí)體，它可以通過一整套供應(yīng)鏈系統(tǒng)橫跨多個(gè)公司。智能制造能夠通過對缺陷和故障的檢測和糾正來確保產(chǎn)品質(zhì)量的一致性，和質(zhì)量的可追溯。這些進(jìn)步取決于強(qiáng)大的工業(yè)物聯(lián)網(wǎng)創(chuàng)新，和面向各種制造流程的機(jī)器學(xué)習(xí)算法，以及可在以信息為中心的一體化系統(tǒng)中的即插即用的機(jī)床和控制系統(tǒng)。德國聯(lián)邦政府于2018年11月制定的人工智能戰(zhàn)略中列出了德國工業(yè)界對AI的需求，明確了促進(jìn)AI的開發(fā)與應(yīng)用面向經(jīng)濟(jì)，經(jīng)濟(jì)是下一步AI研究的推動(dòng)力。中國《新一代人工智能引領(lǐng)下的智能制造研究》中也明確了新一代智能制造作為我國智能制造的第二階段（2025-2035）戰(zhàn)略目標(biāo)，新一代智能制造的目標(biāo)是使我們智能制造技術(shù)和應(yīng)用水平走在世界前列。

3 工業(yè)人工智能的涵義、面臨的挑戰(zhàn)及應(yīng)對策略

3.1 工業(yè)人工智能的涵義

雖然對工業(yè)人工智能的界定并不明確且隨著時(shí)間的推移不斷變化，目前工業(yè)人工智能的核心目標(biāo)是：針對產(chǎn)品與工藝設(shè)計(jì)、經(jīng)營管理與決策、制造流程運(yùn)行管理與控制等工業(yè)生產(chǎn)活動(dòng)中目前仍然依靠人的感知、認(rèn)知、分析與決策能力和經(jīng)驗(yàn)與知識來完成的知識工作，實(shí)現(xiàn)知識工作的自動(dòng)化與智能化來顯著提高經(jīng)濟(jì)社會效益[2]。

3.2 挑戰(zhàn)的科學(xué)問題

3.2.1 挑戰(zhàn)難題

人工智能發(fā)展到深度學(xué)習(xí)沒有考慮如何應(yīng)用于制造工程（Nature， 2017），多尺度、多源信息獲取、預(yù)報(bào)模型和資源計(jì)劃決策與控制過程集成是智能制造中的挑戰(zhàn)難題（Nature， 2017）。

3.2.2 科學(xué)問題

（1）多尺度、多源信息的動(dòng)態(tài)感知

挑戰(zhàn)難題1：復(fù)雜動(dòng)態(tài)環(huán)境下的對象的檢測、分流、識別和感知（《國家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》，2016）。例如，電熔鎂砂是國家重要戰(zhàn)略物資，主要應(yīng)用于航天、工業(yè)等領(lǐng)域，需要重大耗能設(shè)備。在電熔鎂砂生產(chǎn)過程中的加料工況、熔化工況和排氣工況中，感知火焰、聲音和電流過程存在不及時(shí)、不準(zhǔn)確、質(zhì)量波動(dòng)、能耗高等問題，需要對整個(gè)生產(chǎn)過程進(jìn)行動(dòng)態(tài)感知，包括動(dòng)態(tài)變化溫度、火焰視頻、聲音、振動(dòng)信號、電流、功率等多尺度數(shù)據(jù)的實(shí)時(shí)感知。

挑戰(zhàn)難題2：需要研究多源數(shù)據(jù)機(jī)器學(xué)習(xí)來進(jìn)行知識發(fā)現(xiàn)（《國家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》）。電熔鎂砂生產(chǎn)過程中，人工識別欠燒工況的依據(jù)是爐壁顏色變紅，電流上升，這種方法會導(dǎo)致爐壁燒漏、影響產(chǎn)品質(zhì)量甚至停產(chǎn)等問題。因此，需要對欠燒工況提前發(fā)現(xiàn)的規(guī)則進(jìn)行挖掘，包括挖掘電流、電流變化率與欠燒工況的因果關(guān)系;通過爐壁視頻信號挖掘欠燒工況特征;基于運(yùn)行數(shù)據(jù)與視頻信號的機(jī)器學(xué)習(xí)。在此過程中，我們需要明確，深度學(xué)習(xí)是完全標(biāo)注大樣本的靜態(tài)特征學(xué)習(xí)，而目前的挑戰(zhàn)難題是不完全無標(biāo)注樣本的動(dòng)態(tài)特征學(xué)習(xí)[3]。

（2）決策與控制過程集成優(yōu)化

挑戰(zhàn)難題1：復(fù)雜系統(tǒng)多沖突目標(biāo)的實(shí)施動(dòng)態(tài)求優(yōu)。例如能耗指標(biāo)的優(yōu)化決策是非凸動(dòng)態(tài)優(yōu)化。

挑戰(zhàn)難題2：多層次多尺度決策與控制過程集成優(yōu)化。運(yùn)行決策與控制面向不同時(shí)間尺度和空間尺度;全局最優(yōu)解隨生產(chǎn)條件和運(yùn)行工況變化;最后控制系統(tǒng)設(shè)定值隨全局最優(yōu)解變化等。

（3）制造過程決策對博弈游戲技術(shù)的挑戰(zhàn)

以AlphaGo和制造過程決策作為對比，在信息感知方面，前者完全，并已確定規(guī)則，后者處于開放環(huán)境，不完全，不確定規(guī)則;在過程特征方面，前者可以建立精確到可試錯(cuò)的決策仿真模型，后者則難以建立決策仿真模型;在決策目標(biāo)方面，前者可轉(zhuǎn)化為輸贏的單一目標(biāo)，后者則是多沖突目標(biāo)（質(zhì)量，效率，能耗等）;在決策方法方面，前者是基于深度學(xué)習(xí)的策略與價(jià)值網(wǎng)絡(luò)，后者則面臨更大的挑戰(zhàn)。

3.3 應(yīng)對策略

面對上述諸多挑戰(zhàn)，我們應(yīng)從研究方向和研究思路上加以應(yīng)對。

在研究方向上，開展復(fù)雜工業(yè)環(huán)境下多數(shù)據(jù)多源信息的獲取;復(fù)雜運(yùn)行工況運(yùn)算和診斷的多源數(shù)據(jù)的機(jī)器學(xué)習(xí)方法;模型與工業(yè)大數(shù)據(jù)雙驅(qū)動(dòng)的機(jī)器學(xué)習(xí)，包括機(jī)理不清的復(fù)雜系統(tǒng)的建模，生產(chǎn)指標(biāo)與工藝參數(shù)（質(zhì)量，能耗）的預(yù)報(bào)與回溯，決策規(guī)則等;智能自主控制與人機(jī)協(xié)作等方面的研究。

在研究思路上，抓住基于機(jī)理分析的模型與工業(yè)大數(shù)據(jù)緊密融合與協(xié)同;模型驅(qū)動(dòng)的自動(dòng)化與數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)緊密融合與協(xié)同;移動(dòng)互聯(lián)網(wǎng)、云計(jì)算等先進(jìn)信息技術(shù)和計(jì)算機(jī)控制系統(tǒng)的緊密融合與協(xié)同;研制工業(yè)人工智能技術(shù)的基礎(chǔ)設(shè)備;研制面向特性應(yīng)用領(lǐng)域的工業(yè)智能系統(tǒng)，使系統(tǒng)的適應(yīng)性、自主性、效率、功能、可靠性、安全性和感知與認(rèn)證的準(zhǔn)確性、決策的精準(zhǔn)優(yōu)化遠(yuǎn)超今天的系統(tǒng)、跨學(xué)科合作研究，以理論與方法研究和實(shí)驗(yàn)與應(yīng)用驗(yàn)證研究相結(jié)合的思路進(jìn)行系統(tǒng)研究。

4 結(jié)束語

隨著日前教育部《關(guān)于公布2019年度普通高等學(xué)校本科專業(yè)備案和審批結(jié)果的通知》（教高函〔2020〕2號）的發(fā)布，工業(yè)智能專業(yè)作為人工智能與工業(yè)自動(dòng)化深度融合的新興本科專業(yè)，首度被列入教育部本科專業(yè)目錄，東北大學(xué)成為國內(nèi)首家（批）本科設(shè)立工業(yè)智能專業(yè)的高校，這標(biāo)志著我國的本科專業(yè)建設(shè)開始打破“常規(guī)”，實(shí)現(xiàn)傳統(tǒng)特色發(fā)展、個(gè)別突破發(fā)展、轉(zhuǎn)型升級發(fā)展，全面邁入了多學(xué)科交叉融合發(fā)展的新時(shí)期，切實(shí)以高校專業(yè)建設(shè)帶動(dòng)引領(lǐng)工業(yè)人工智能領(lǐng)域人才培養(yǎng)質(zhì)量提升。

參考文獻(xiàn)：

[1]閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內(nèi)涵、關(guān)鍵技術(shù)與應(yīng)用趨勢——美國《為人工智能的未來做好準(zhǔn)備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報(bào)告解析[J].遠(yuǎn)程教育雜志，2017（1）：26-35.

[2]柴天佑.工業(yè)互聯(lián)網(wǎng)與工業(yè)人工智能[N].中國信息化周報(bào)，2019-10-28（7）.

[3]康世斌.電氣自動(dòng)化控制中人工智能技術(shù)應(yīng)用分析[J].科技創(chuàng)新與應(yīng)用，2019（34）：150-151.