2019年1月10日，由中國自動化學會聯(lián)合中國科學院自動化研究所、中華人民共和國工業(yè)和信息化部與中國人工智能產業(yè)發(fā)展聯(lián)盟主辦的2019國家智能產業(yè)峰會在山東青島召開。峰會以“工業(yè)智聯(lián)網(wǎng)：AI賦能，智聯(lián)世界”為主題，旨在使廣大從業(yè)人員更好地理解工業(yè)智聯(lián)網(wǎng)本質，挖掘工業(yè)智聯(lián)網(wǎng)潛在能效，進而推動智能產業(yè)發(fā)展。

中國自動化學會理事長鄭南寧、中科院自動化研究所黨委書記牟克雄、工信部電子科技委副主任兼秘書長莫瑋、青島市人民政府副市長張德平作為嘉賓，悉數(shù)到場為智能產業(yè)峰會致辭。會上，青島智能院宣布與國科嘉和、徐工集團、慧拓智能、吉利集團以及松鼠AI等五家企業(yè)達成重大合作，并舉行簽約儀式。

人工智能與自動化發(fā)展歷程以及趨勢

中國工程院院士、中國自動化學會特聘顧問柴天佑以“工業(yè)人工智能發(fā)展趨勢”作為主題，登臺為峰會發(fā)表論壇報告。柴天佑首先講工業(yè)人工智能拆分成人工智能與工業(yè)兩部分，回顧了人工智能的發(fā)展歷程。提出2010年以后三大因素促使人工智能發(fā)展浪潮。分別是：

1.來自政府、電子商務、商業(yè)、社交媒體、科學、政府提供可用的大數(shù)據(jù)

2.強大的計算能力

3.科技產業(yè)增加在人工智能領域的投資

由此可見，可用大數(shù)據(jù)、計算力、產業(yè)投資在人工智能發(fā)展當中占有相當重要的地位。

2016年，谷歌首席執(zhí)行官桑達爾指出，機器學習是人工智能的核心。谷歌正將機器學習應用到公司的所用產品當中。拉開了人工智能機器學習的發(fā)展熱潮。

由此，深度學習快速發(fā)展。在圖像識別領域，人工智能2016年的識別錯誤率以降低到3.5%的成績，標志著圖片識別領域已開始超過人類。（人類錯誤率：5%）

目前人工智能技術發(fā)展在朝著可解釋機器學習、建立智能系統(tǒng)兩個重要方向發(fā)展。

柴天佑

柴天佑指出，人工智能分為弱人工智能和強人工智能兩種類型。此前，運用較廣的是人工智能是指圖像識別、語音識別等窄面運用的弱人工智能。未來人工智能將朝著與人一樣智慧全面的AI發(fā)展。而基于統(tǒng)計的、無模型的機器學習方法存在嚴重的理論局限，難以用于推理和回溯，難以作為強人工智能的基礎。實現(xiàn)類人智能和強人工智能需要在機器學習系統(tǒng)中加入“實際模型的導引”。

并且，機器智能系統(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，很難估計計算機控制系統(tǒng)在不久的將來可以實現(xiàn)哪些功能。因此，人工智能領域正朝著智能系統(tǒng)的方向發(fā)展。

自動化的界定并不明確，且隨著時間推移不斷變化，但多年來一直秉持一個核心目標：研制系統(tǒng)替代人或輔助人去完成人類生產、活動和管理活動中的特定任務，減少、減輕人的體力、腦力勞動，提高工作的效率、效益、效果。

近年來，自動化的發(fā)展趨勢在向控制系統(tǒng)自主控制、管理與決策系統(tǒng)智能優(yōu)化、且形成優(yōu)化、決策、控制一體化系統(tǒng)等方向發(fā)展。

工業(yè)人工智能的作用與難點

柴天佑教授指出，自動化與人工智能之間的共同點在于：都是通過機器延伸和增加人類的感知、認知、決策、執(zhí)行的功能，增加人類認識世界和改造世界的能力，完成人類無法完成的特定任務或比人類更有效的完成特定任務。區(qū)別在于研究的對象與方法不同、實現(xiàn)的手段不同（算法和系統(tǒng)），且人工智能在短期內的核心經(jīng)濟影響是自動化以前無法完成的任務。

而目前的工業(yè)人工智能則是兩者結合。工業(yè)人工智能可以增強勞動力素質、提高工作效率更好地服務客戶，能使工業(yè)的各個環(huán)節(jié)產生變革，為先進制造帶來新的希望。通過工業(yè)人工智能與數(shù)字設計相結合，將制造過程所需的信息無縫地結合到原材料到產品的轉換過程當中，從而形成一個高度互聯(lián)的工業(yè)實體。通過一整套供應鏈系統(tǒng)橫跨多個公司，智能制造能通過對缺陷和故障的檢測和糾正以確保產品質量的一致性和可追溯。這些進步取決于強大的工業(yè)互聯(lián)網(wǎng)創(chuàng)新和面向制造流程的機器學習算法，以及可在以信息為中心的一體化系統(tǒng)中即插即用的機床和控制系統(tǒng)。

而工業(yè)人工智能的難點在于：

1.多源異構數(shù)據(jù)的機器學習

人工智能深度學習是基于完全標注的大樣本靜態(tài)特性學習，而工業(yè)人工智能則需要對不完全、無標注樣本的動態(tài)特性進行學習。

2.產品質量、能耗以及運行狀態(tài)的預測與追溯

原料轉化為產品的過程是物質流、能源流、信息流交互作用的過程。反應機理不清的物理化學過程，其動態(tài)特性隨運行過程變化。且不同生產批次之間的動態(tài)特性不同，單頓能耗難以在線測量。

3.決策與控制過程集成優(yōu)化

制造過程中的智能決策接收到的是小數(shù)據(jù)，解決的是大任務。從信息感知層面，制造過程中的智能決策面臨著開放環(huán)境、信息不完全、規(guī)則不確定等難題。制造過程當中難以建立決策仿真模型，同時最終決策需要權衡質量、效率、消耗等多沖突目標。

柴天佑指出，中國擁有一批國家級重點實驗室和工業(yè)自動化、信息化的學術帶頭人、研究骨干以及人才資源。目前已取得相應的創(chuàng)新成果，由此孕育了一批先進的高技術公司。“世界工廠”級別的制造業(yè)則為工業(yè)人工智能的研究提供了實驗環(huán)境。隨著國家戰(zhàn)略和工業(yè)需求的推動，我國的工業(yè)人工智能一定會良好發(fā)展。