“智能制造=人工智能+制造” 错在哪里？

今天早上，读到了冯恩波老师的一篇文章，批评 “ 智能制造 =人工智能+制造 ”。 读完之后非常认同，想再补充几句。

大约十年前，智能制造成为我国的热点。差不多在同一个时期，阿尔法狗引发了人们对人工智能和深度学习的热潮。两个热点碰在一起，有位院士就给智能制造下了一个定义：智能制造 =人工智能+制造。我当时就注意到这种观点会引发很大的误解、甚至导致实践的错误。很多人喜欢“顾名思义”，他们 眼中的 人工智能，就 是 深度学习 、大模型这些东 西； 而在 工 业的管控领域，智能 制造的主流是以 数字化、网络化为基础的应用 技 术，与深度学 习、大模型未必相 关。

于是，我给出了一个段子，说明两者的差别：

我把阿尔法狗这样的人工智能称为 “巴菲特式的智能”，意思是其决策逻辑复杂而高明、甚至可能说不清楚其中的逻辑。但工业企业的智能制造，主流应该属于另外一种智能，我称之为“吴淑珍式的智能”。吴淑珍是台湾前领导人陈水扁的老婆，经常进行内线炒股。内线炒股关键是尽早获得准确的信息，不需要特别厉害的专业知识。在工业领域、尤其是生产领域，大多数的智能化都是“吴淑珍式的智能”。所以，推进智能决策时，把只要把人明白的道理交给计算机去做。但前提是发挥数字化网络化的优势，通过给计算机提供“完整、及时、准确”的信息去优化决策。而决策逻辑本身一般不复杂、并且是能够说清楚的。

30年前，我在浙大研究生的时候就知道: 人工智能有3大学派：符号学派、控制论学派、神经元学派。“吴淑珍式的智能”本质上是用了控制论学派的思想：通过获取并利用信息抵御系统的增熵。而阿尔法狗、ＯｐｅｎＡＩ等大模型属于神经元学派。生产管控、尤其是生产的实时管控，主流还是控制论学派。由于信息通信技术的发展、算法算力存储能力的增强，给控制论学派带来的巨大的机会，智能制造就成了点。与此同时，大数据和算力的增长，也给神经元学派也带来了巨大的机会。于是，阿尔法狗、ＯＰＥＮＡＩ产生了。但其主要的应用场景可能在研发、服务等领域为人提供决策支持，而不是自主决策。

９０年代，人工智能的主流学派是符号学派。当年的浙大教务处长俞瑞钊老师给我们上的一门课就叫 “人工智能与专家系统”。当年ＡＩ最主要的技术是专家系统。这个学派把智能理解为复杂的逻辑推理。当时很多人开发了大量的专家系统工具，可以让成千上万的知识进行复杂推理。但这个学派现在没落了。原因是应用的场景比较少：我们很少遇到需要大量推理才能做出决策的场景。所以，复杂的逻辑推理技术成为“屠龙之技”：能耐很大，却缺少应用场景。同时，随着神经元学派的发展，符号学派的领地越来越少了。 当然，这个技术也没有完全消失： 许多工厂的计划调度，本质上就是 知识的推理。

从逻辑上说，我所谓 “吴淑珍式的智能”也可以看成最简单的“专家系统”。与“屠龙之技”相比，就像“杀猪的技能”：本事虽然不大，但用处广泛。因为它的机制是维纳的思想，即通过获得信息及时、准确地做出决策，关键是获取及时、完整、准确的信息。而需要通过信息快速决策的场景特别多。８０年代，某个项目以“智能控制”的名义得了一个国家奖，自称用了“专家系统”。但知情人取笑说：无非是用了三个ＩＦ语句。从某种意义上讲，三个学派有交叉其实也正常。阿尔法狗其实就是将深度学习和符号推理结合在一起的；神经元学派的图像识别和控制论学派的自动控制结合也是常见的。

在冯老师的文章中，批判了 “ 智能制造 =人工智能+制造 ” 的观点。在冯老师看来，ＡＩ＋制造的逻辑太粗暴了，两者的结合应该是自然而然、逐步演进的。冯老师的观点，从另一个角度给了我启发。

在冯老师看来（我也这么认为），技术的发展都是逐步深入、逐步演进的。基础技术条件的发展，是演进的重要动力。