AI的界限在哪里
同时提到人工智能和制造业，大家很容易想到生产线上的工业机器人，尤其是机械手臂，按照精密的设置不断重复同样的工作，完成零部件制造、搬运、组装、检测等任务。实际上，人工智能在制造业的应用并非机械手臂这样简单，而一些看起来像是AI的技术，实际上不一定属于人工智能的范畴。
以电饭煲为例说明，电饭煲也可以在煮熟饭后自动断电，尽管自动断电是“智能”的，但很明显我们不会将电饭煲划入人工智能的范畴。从时间上看，二者也不符合。世界上第一台电饭煲于1950年诞生在日本，而人工智能是1956年在达特茅斯会议上才首次被提出的。从原理上看，电饭煲自动断电只是利用特定温度下感温铁氧体的特效设计出的产品，利用的是材料本身的性质。
“电饭煲和人工智能最大的区别在于，前者之所以会自己煮饭，是因为事前有一个设定好的程序，温度、时间等都是预先设定好的，煮饭的过程也完全一样，这里面不存在‘分析’。人工智能是可以自动升级与迭代的。比如，某个搜索引擎C，如果多年以来，你使用它的时候，同样的关键词检索出同样的结果，这就不算人工智能;但如果随着使用年限的增加，C对你的数据进行积累和分析，做出个性化调节，以致同样的关键词会检索出越来越贴近你个人需求的结果，其中就有AI的影响。哪一天，如果一个人去做饭，电饭锅显示，‘不行，根据指纹，你年龄太小，使用电饭锅不安全’，我们才会说这口锅是人工智能的。”上海社会科学院互联网研究中心首席研究员李易在接受《经济》记者采访时这样表示。
笼统地说，通过算法实现学习提升，使得人工智能系统区别于一般工业智能系统。而目前，对于人工智能的发展阶段，线性资本执行董事郑灿告诉《经济》记者，人类之所以提出“人工智能”的概念，与我们自身对于大脑的研究不无关系。
“大家对于人工智能最质朴的期待，就是希望将来机器人可以跟真人一样推理和分析。大约在60年前，人们研究人脑发现，人类大脑的工作流程主要由神经元组成的网络负担，所以研究人员也希望模拟人脑的神经网络和工作方式，让机器帮助人类去做一些事情。只不过，直到今天，我们对人脑的具体工作流程也没有弄得很清楚，比如灵感是如何形成的、人类是怎样进行回忆的。以此为基础，只能说人工智能还处在自身发展的初级阶段。”
中国工业和信息化部科技司巡视员毕开春曾在公开场合指出，人工智能成为推进供给侧结构性改革的新动能和振兴实体经济的新机遇;由于技术的迅猛发展、投融资力度的加大以及地方政府和科技界、工业界的广泛合作，人工智能应用的广度和深度均大大超出预期。尽管如此，AI与制造业的融合，也尚处于初级阶段。
美国模式和德国模式
“在人工智能和制造业的话题炒得很热以前，还有一个概念比较火，就是工业4.0。为什么德国提出工业4.0呢?因为德国虽然在精密制造和机械领域占据明显优势，但其IT技术和信息处理技术比不上美国。为了将来占领产业技术制高点，德国把信息技术融入到产业中，提出了‘工业4.0’的说法。”广东省智能制造研究所高级工程师、副所长吴智恒这样对《经济》记者分析。他表示，在中国，大多数制造业企业还处于工业1.0或者2.0时代。
工业1.0代表机械化，指的是机械代替人工劳动完成生产作业;工业2.0代表自动化或电力化，指的是机器设备、系统或生产管理过程在较少人、没有人的直接参与下，按照人类的要求，经过自动检测、信息处理、分析判断等，实现预期的生产目标;工业3.0代表信息化，指的是培养并发展以计算机为主的智能化(电饭煲级别的智能，没有算法等的参与)工具为代表的新生产力，使之造福于社会;工业4.0说的才是智能化，即人工智能。
“我国大部分制造业企业还处于机械化或者半自动化;某些技术领域，可能在一个生产环节或工艺上做到了智能化，但整个车间处于人工智能化阶段的企业，还没有出现。”吴智恒这样强调。
李易认为，谈到人工智能和制造业的融合，目前主要还是看两个国家——德国和美国。具体说，是分别看这两个国家的两家大型企业：美国通用电气公司(General Electric Company，GE，简称“通用电气”)和德国西门子股份公司(Siemens，简称“西门子”)。
2012年，通用电气提出了“工业互联网”的概念，即实现人、机、物全面互联的新型网络基础设施，形成智能化发展的新兴业态和应用模式。
以飞机机翼发动机为例。以前，通用电气把发动机卖给飞机制造商A，A使用一段时间后需要对发动机进行检修，而检修期间，飞机需要停飞。多久检修一次呢?大家也都不是很清楚，后来就约定为3个月，但是依据到底是什么，谁也不清楚。现在不同了。通用电气做了一系列实验，把互联网、传感器和机翼发动机联系起来，做成一套系统，把传感器装在发动机上再卖给A公司。在使用过程中，全部参数通过互联网传到通用电气的数据中心;通用电气可以凭借收集来的数据对卖出去的发动机进行监测，建立模型并且推演分析，摸索出一套针对本航空发动机的数据模型，一旦发现航空发动机需要进行检修，就通知A公司，避免安全事故的出现。在这个模式里，只有机翼上的发动机需要检修的时候，飞机才需要停飞，而不是定期停飞，节省了大量成本，也做足了安全事故的预防工作。
“现在很多飞机制造商都购买了通用电气提供的这项服务。关键在于，飞机发动机可以用，轮船和汽车的发动机应该也可以使用，电力系统和医疗系统也不例外。在医院，购买一台CT(Computed Tomography，电子计算机断层扫描)需要上千万元，其检修费用昂贵，有了实时监测，可以避免很多不必要的浪费。这就是人工智能在售后服务领域的应用，AI帮助售后服务从成本中心向利润中心转化，因为售卖服务本身就是盈利项目。”李易如此分析。
在德国，西门子是承接工业4.0计划的主要企业。与美国不同，西门子追求人工智能下的高度无人化。比如，半夜接到了来自日本的洗衣机订单，人工系统自动进行处理，去哪里购买零件、到哪里组装、如何做成成品并出售以及财务统计后怎样发货。
德国之所以追求无人化，与该国人口少、福利高息息相关。德国的企业希望人工智能代替工人做大量重复性工作，以便让人类有时间做更多具有创造性的工作。同样，少子化和老龄化日趋严重的日本，也是采取了上述思路。这也可以解释，为什么日本的仿真机器人应用领域最广。
李易说：“实际上，每个国家都应该按需做计划，国情不同，发展AI的路线也不同。中国也需要按照本国国情，制定发展人工智能的计划，甚至不同身份和地区之间也该因地制宜。但是国内有一个弊端，做什么事情都喜欢一拥而上，比如国务院一旦发布一项通知或者指导意见，很多地方就热火朝天地做起来，不去仔细考虑它是否适合。现在不少地区做机器人小镇，然而，并非每个地方都适合发展人工智能产业，不加区分地效仿是很不靠谱的行为。”
融合有障碍
目前，人工智能对制造业的渗透还属于蓝海。尽管如此，我们已经看到，人工智能对制造业的介入正在逐渐加深，而且已经带来效率的提升和成本的下降，借助AI，制造业的业务和服务模式也正在经历转变、创新。
“目前看，人工智能在工业领域的应用更多表现为辅助作用，尤其是优化决策过程。以鞋子的研发设计为例说明。通常情况下，设计师设计出一款鞋的样子，需要6个月;但是有了AI做数据收集和分析，设计过程理论上可以缩短为几天;当然因为一些因素，目前的实践还是需要几周时间。不过这已经是效率的大幅度提升了。”郑灿这样对《经济》记者说。
无论是研发环节还是制造业的生产模式、生产效率和具体方式，人工智能都可能带来彻底的改变。与此同时，人工智能和制造业之间的融合也存在比较明显的障碍。
数据的标准化首当其冲。郑灿指出，抛开AI，制造业的各行、各部门之间是有很强的关联性的，这些相互关联的领域里的数据，有些是可以通用的。但是，由于AI在各自领域的数据积累还没有完成，大部分数据积累还是比较初级的，这些数据之间的联通性自然也不太好。
人才是第二个障碍。尽管提到人工智能，大家似乎都很感兴趣，但是经历过专业技能培训的人员不是很多。不单单是中国，全球各国都面临这一问题。推广人工智能，需要思维更加开阔，且可以接受颠覆性思维方式的人才，更需要从业者有勇气去实践一些理论和观点。
对于大部分公众而言，信息安全不是一个陌生的话题，不过在人工智能的背景下，信息安全一旦不能保证，其漏洞为制造业带来的损失会远超过没有AI参与的情况。
“传统制造业，设备出现问题的时候，停工半个小时也可以带来巨大损失。AI参与的制造业只会有过之而无不及。比如说AI被攻击，原本它可以正确识别一只猫的形象，被攻击后，会把狗的形象错认为猫。这是根本性的错误，会导致机器和数据分析结构出现混乱，进而损害整条生产线。另外，人工智能还处于初级阶段，大家关心更多的是进步的问题，而非安全和稳定性的问题。”郑灿如此强调。
吴智恒指出，中国企业在算法上有一些优势，但在信息采集上，与海外水平差距较大。“人工智能离不开数据信息的采集，信息采集涉及诸多领域，也涉及很多精密传感器，比如感知压力和温度信息的传感器，在这个领域，国内发展得并不好，主要还是依靠进口产品。”
李易则认为，通用电气或者西门子之所以可以在AI和制造业的融合上做出成效，是因为他们本身就是制造业巨头;换句话说，想要追求二者的融合，首先要把制造业的基础打好。他说：“美国也有互联网巨头，但是把AI做好的是通用电气，不是脸书和微软。国内有些企业，的确在互联网领域占有明显优势，但这不意味着他们可以把人工智能做好。不过你看目前中国投资AI的主要企业，还是互联网领域的那几家巨头。对中国企业来说，制造业面临更多的是生存问题，不是升级问题。很多问题不是人工智能可以解决的。国内制造业成本上升，大家都将工厂转移到东南亚国家，这是非常值得关注的。”
一边发展一边评估
为了加快实体经济复苏并抢占未来产业制高点，全球主要经济体目前均在加强部署人工智能与制造业融合的战略计划，促进二者的深度融合发展。面对这项复杂的系统工程，各国都面临很多挑战。
中国社会科学院工业经济研究所工业发展研究室副研究员邓洲告诉《经济》记者，人工智能标准化制定与实施、互联网技术攻克、信息安全保障等一系列问题，是所有研究AI技术的国家需要面对的;此外，中国还需要应对一些特定问题，比如关键核心技术、融合发展创新模式以及引领全球融合发展趋势的制造业企业的匮乏等。
为了应对种种障碍，国家和企业需要做很多准备。我们需要编制制造业人工智能发展的技术路线图，由行业主管部门主导，其他政府部门、产业界和学术界专家共同参与;需要组建以基础研究为重点的人工智能国家实验室，以官办研究机构为基础，联合领先互联网企业和制造企业共同组建;构建制造业各个环节的大数据库并促进人工智能在制造业领域的应用研究和模式推广等。
“特别需要注意的是，要评估和防范人工智能在发展过程中可能引发的社会问题。高科技替代人类承担生产活动的时候，也可能会对人类社会的运行规则甚至法律规范制度产生冲击。比如，越来越多的人工智能通过了图灵测试(通过测试即被认为具有人类智能)，拟人机器人与真人的区别越来越小，伦理就成为需要面对和解决的问题。这不仅仅影响人工智能未来的发展，也涉及AI使用的安全问题。延伸到制造业领域，同样如此。此外，即便在当前的贸易背景下，中国也需要加强与发达国家的合作，共同应对人工智能可能对现有制度体系造成的挑战和影响。随着AI和制造业的融合与共同发展，我们应该挑选适当的时机去组建多元化的人工智能委员会，对不断变化的科学技术实践进行监管，以此保障人工智能与制造业深度融合的稳定性。”邓洲这样对记者强调。
在人工智能和制造业无缝融合的未来，人类将会迎接怎样的场景呢?时间、科技和希望将会带来答案。
京公网安备 11010502049343号