"

“什么是工业个性化定制？”“人工智能与深度学习的界限在哪里？”“人工智能能否超越人类？”9月7日，在智能制造与产业生态发展论坛上，中国工程院院士柴天佑作了《工业人工智能发展趋势》的主题演讲，对这些疑问进行了一一解答。

作为2019新能源高峰论坛的重要组成部分，智能制造与产业生态发展论坛从工业智能化角度深度探讨了新能源转型升级的未来战略。柴天佑认为，要想做好新能源转型升级，必须走工业智能化发展之路，必须做到把研究、技术开发及产业化协同发展，因为只有严格地协同，才能实现计算资源和物理资源的深度融合。

工业4.0主要面向个性定制，是信息、人、流程工业的完美融合

柴天佑表示，从学术上讲，制造业就分两大类，一类是离散工业，一类是流程工业。离散工业的特点，首先有总体设计，设计以后可以分开加工，加工后组装，从零件设计到加工是一个物理过程。

其加工过程的难点有两个，一是设计的优化，这点必须依赖于优秀的工程师，也就是人脑的能力；第二个难题是如今人们想个性定制。一旦个性定制，产品的尺寸、规格就会发生变化，生产流水线就必须高效化。目前德国的工业4.0，主要面向个性定制。

个性化定制的实现是靠信息，人，流程工业完美融合而成。

从信息的角度来看，计算机、通讯、自动化都是计算资源，这些计算资源要和物理资源深度融合，如今到了交叉时代，要把这些都利用起来，然后研究一个新的系统，使这个系统有强大的功能来服务个性定制。

从人的角度来看，人要做具有创造性的规划者、管理者和决策者。人决定规则和参数。

从流程工业的角度来看，制造流程是由知识工作者将企业目标通过计划调度信息化系统转化为生产指令和工艺参数，进而转化为加工装备过程的控制系统指令，从而控制加工生产线上的加工装备，将加工产品的质量、效益、消耗等生产指标控制在目标的范围内。制造流程的智能性和优化性，是实现个性定制的关键。

人工智能领域正朝着智能系统的方向发展

人工智能对智能制造的意义重大，现阶段，大多数企业都开始使用人工智能代替部分人力投入生产，涉及重工业，服务业和制造业。但“人工智能的定义是什么？”“人工智能与深度学习的界限在哪里？”等一系列问题还没有满意的答复，这对于智能制造的发展是不利的。

在演讲中，柴院士阐述了柴天佑指出，人工智能分为弱人工智能和强人工智能两种类型。此前，运用较广的人工智能是指图像识别、语音识别等窄面运用的弱人工智能。未来人工智能将朝着与人一样智慧全面的AI发展。

而基于统计的、无模型的机器学习方法存在严重的理论局限，难以用于推理和回溯，难以作为强人工智能的基础。实现类人智能和强人工智能需要在机器学习系统中加入“实际模型的导引”。

并且，机器智能系统在企业、政府和全球居民的日常生活中占据越来越重要的角色，很难估计计算机控制系统在不久的将来可以实现哪些功能。因此，人工智能领域正朝着智能系统的方向发展。

智能制造有三大难点，深度学习不能用到制造业

“到今天为止，深度学习没有用到制造业，为什么？”在演讲中，柴天佑说：“这是因为深度学习是一个静态学习，要求一个闭极，他在这里头把数据做好，而且它的学习是可以出现错的，它容许出错，而在工业过程中是不允许出错的，工业过程是寻求优，而且工业过程是变的，这堆数据做完了，到下堆数据，模型就不对了。所以到今天为止，深度学习没有考核如何应用制造过程。”

柴天佑还补充道，在智能制造里有三点是最难的。

第一点是什么？就是多尺度多源信息的获取，人可以看到你的生产线，人可以看到事物去决策，但是如果把它用到计算机来做，这对计算机是一个挑战，因为这是动态感知。

第二件事就是预报模型，要想比人做得强，必须得有精确的预报，人的决策马上预报出来，然后校正。

第三件事，就是把你的决策和控制过程集成。

柴院士还分析了现今的过程工业运行现状存在的问题，在作出中外状况的对比之后，提出用智能优化制造来优化生产工艺和生产全流程。他认为，要想做好智能优化制造，必须做到研究、技术开发及产业化协同发展，因为只有严格地协同，才能实现计算资源和物理资源的深度融合。物理资源掌握在企业，计算资源的技术掌握在高技术公司，解决科学难题在科研院所，三者结合起来才能真正解决问题。

"