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)濟漸漸從制造和產(chǎn)能擴張驅動轉化到了科技驅動，但很多企業(yè)依然覺得大數(shù)據(jù)、人工智能這些技術距離他們很遠，真正對工業(yè)互聯(lián)網(wǎng)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。”近日，中歐國際工商學院終身榮譽教授許小年分享了他對傳統(tǒng)制造業(yè)如何運用人工智能來提高效率的思考。

　　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)制造業(yè)。他發(fā)現(xiàn)，消費互聯(lián)網(wǎng)的巔峰期已經(jīng)過去，但并不意味著互聯(lián)網(wǎng)時代接近尾聲。“在消費互聯(lián)網(wǎng)的下一波浪潮中，工業(yè)互聯(lián)網(wǎng)、2B互聯(lián)網(wǎng)方興未艾，互聯(lián)網(wǎng)逐漸演化發(fā)展成為物聯(lián)網(wǎng)。”他說，由于物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)比消費互聯(lián)網(wǎng)高出很多量級，這就使得人工智能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)。

　　“人工智能是為大數(shù)據(jù)而生，也以大數(shù)據(jù)為前提。”許小年指出，“對于很多傳統(tǒng)企業(yè)來說，當務之急不是人工智能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、人工智能的目標就是無人工廠，無人工廠并不是我們追求的目標，效率才是最終結果。

　　大數(shù)據(jù)、人工智能、數(shù)據(jù)智能如何真正賦能產(chǎn)業(yè)，改變行業(yè)呢？

　　聯(lián)想集團高級副總裁賀志強說，從2016年開始，聯(lián)想將數(shù)據(jù)智能、產(chǎn)業(yè)互聯(lián)網(wǎng)的理念服務推廣到所有行業(yè)中，首先選擇了汽車行業(yè)。在一家車廠里，通過人工智能識別每一個車輛的螺絲松緊度是不是一致，從而提升質(zhì)量穩(wěn)定性。“數(shù)據(jù)智能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。”

　　下一步最大挑戰(zhàn)是機器決策

　　雖然人工智能在加速企業(yè)數(shù)字化進程方面還處于探索階段，但這并不妨礙人工智能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，人工智能已進入比較成熟的應用模式。

　　人工智能如何助力智慧城市建設？上個月，“AI智慧車站”廣州地鐵21號線天河智慧城示范站正式落成。據(jù)悉，這是全球首個基于智能車站理念設計并投入運營的智慧地鐵示范站。

　　“自主研發(fā)、基于工業(yè)互聯(lián)網(wǎng)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能技術研究院院長李德紘表示，以智慧地鐵大平臺為依托，大量運用計算機視覺、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。并且所有數(shù)據(jù)可實時傳送給地鐵的“大腦”，進行智能分析，有效提升車站信息化水平，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、宣城之后，今年將在上海、廣州布局，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，人工智能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。”倫敦大學學院計算機系教授汪軍直言，“現(xiàn)在的人工智能和應用，其實不是真正意義上的人工智能，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)絡把大量數(shù)據(jù)映射到我們的知識里，比如說有很多圖像，識別出里面是不是有某個特定的人臉。”

　　“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里，形成一個循環(huán)。因此，下一步人工智能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)的整個循環(huán)過程。”他認為，“人工智能接下來最大的挑戰(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能的系統(tǒng)。”