|  站内搜索:
网站首页 > 学术探索 > 科技前沿 > 阅读信息
柴天佑院士:人机合作应对智能制造多重挑战
点击:  作者:柴天佑    来源:国脉物联网  发布时间:2017-09-15 11:50:03

 

          【导读】:910-13日,2017世界物联网博览会在无锡召开,中国工程院院士柴天佑在人工智能高峰论坛上表示,智能制造,从科学上来讲,最难的问题是制造流程的制度化,要让大家懂得怎么样把人工智能和产业结合,怎么样把人工智能的思想和我们的研究相结合。

以下为演讲全文

尊敬的各位与会代表大家早上好,因为今天是人工智能论坛,我想人工智能的话,已经跳出了学术界。人工智能和学术界的人工智能是有区别的,今天来的大部分都是各个相关企业和各个主管部门。人工智能今天热的一个很重要的因素,是理念的转变。因为人的能力是什么,是感知、认知、决策和执行,那么这种能力怎么去用机器来实现,这个不是说今天才有的事。

从第一次工业革命到第二次、第三次、第四次都已经伴随着(这种思想),为什么那个时候不叫人工智能,而今天提到这样的高度? 有几个因素,一个是资源,信息技术产生了大数据,过去我们用机器来代替人,主要是利用的领域知识和数据知识,而今天得到了大量的数据,记不清的东西在数据里都有,这是第一个原因。 第二个原因就是信息技术发生了改革,产生了移动互联网技术、移动计算和云的概念。另外一个技术理念是知识工作者,这个国内讲的不是太多,但实际上这是一个很重要的思想。

还有一个(原因)就是研究方式发生了改变,过去的研发主要是以学科为导向,而今天的研究实际上是以未来需求为导向。当然最重要的一个思想就是计算资源和物理资源的深度融合,去创造人们想象的那些功能。 当然我今天为什么拿制造流程来讲呢,因为我拿它作为一个例子让大家看。过去我们认为不可能做的事,今天有没有可能去做,是有可能的。有可能的原因是:一是观念在改变,敢想敢去做;二是充分利用计算资源,充分的利用物理资源,而不是人工智能把人代替,这不可能。智能制造里,从科学上来讲,最难的问题是制造流程的制度化。

我主要讲理念,理念是让大家懂得怎么样把人工智能和产业结合,怎么样把人工智能的思想和我们的研究相结合,所以这是我今天讲的目的。我们今天来做人工智能的话,你必须有一个具体对象,不可能说一种东西是万能,要想万能只能是不能,所以从这个意义上,你首先要清楚对象,而且智能制造讲的智能和人工智能是不一样的词。是智慧,但是智慧是因为对象的不同而不同,目标不同而不同。就像科学家的智慧和政治家的智慧不一样,和企业家智慧不一样,企业家一定要了解生产对象的特点和目标是什么。

制造业从学术上讲最重要就是两类,一类是以机械制造、装备为主;还有一类是流程工业,国际上讲的工程工业,中国讲的是流程工业,区别是什么呢?装备制造产品是可以数数的,流程工业产品是不能数数的。这是最重要的区别。作为零散制造业,它的特点是物理转化过程,所以它的产品、零件,到零件加工整个过程是尺寸改变,因此完全可以数字化,这点是70年代就可以实现的,既然有数字就能用计算机。但是流程工业是物理化学工程,所以好多机理不清,产品到产品的过程往往难以数字化。

另一方面,零散制造业可以拆分,既然可以拆分就可以全球化,哪个部件坏了可以换。但是流程工业不可拆分,因为必须在一条线上。炼出来的钢水,不能说钢水放到那,一道错就道道错。 所以,今天,我们国家的制造水平、制造能力并不低,低的就是总体制造。流程工业最难的,第一是工业设计,到今天工业设计优化也没有解决。装备可以一流,生产过程完全可以按照国外参数来做,但是做出来的产品、质量不一定合适,什么原因?不同的条件,变化不一样。

从零散工业来讲,我今天讲的是工业4.0目标,工业4.0的目标是个性、定制、高效化。德国人的制造业有两种生产模式,一种生产模式是把劳动力的成本和原料成本转移到最便宜的地方;另一种方式用最高水平实现加工过程、设计过程高度一致化,这两种不同的道路得到结论是不一样的。 现在面临的问题是,要创造未来溢价,个性定制成本是高的,怎么样让成本低?达到新的水平。企业一定得高效化,要把原料变成真正的机械加工可用的原料,这块会产生能耗,但这块不可缺少。市场环境在变,原料价格在变,我们现在的制造过程,计价没有预测,产能建好以后市场变了。

高效概念就是能够产生高附加值的产品,绿色化就是怎么样把资源、能源高效利用,排放尽可能做到零排,这是我们的目标。目标不同怎么实现?原来的办法不可能实现,所以只有一个办法就是智能制造,也就是智慧制造。 这是最先进的流程,先进的流程可以把生产线全部自动化,但是参数给多少呢?是有调动计划,调动计划也是物联网。再往上企业的经营决策,决策产品质量、能耗、物耗,本质上是科学难题,是多目标动态优化,而且是冲突目标的。我们很难优化决策,现在画了一张图是这样来做,下面是一套加工装备,带了一大堆控制系统,有知识工作者将企业通过目标调度转化为生产者,从而转化加工装备的控制系统,从而控制加工生产线的加工装备,将产品加工的质量效益能耗控制在目标值范围内。所以,现在讲的制造流程是一定知识工作者+机器一体的。现在的问题是,知识工作者在工作中,很难把这件事做好。

现在来讲将来的模式要有一个愿景,做人工智能必须得有愿景,愿景就是高效化、绿色化。制造流程智能优化决策和加工过程的智能自主控制为特征的流程,就是要把这个东西变成一个人机合作的决策优化系统、智能自主控制系统,这就是将来的人工智能。目标里的愿景规划不再介绍,首先要定义它的愿景规划,愿景规划以后要按照这样来做,以后企业由三层变成了两层,底下一层都是智能,上面一层是人机合作的,为什么要这样做呢?就是因为人不能保证最优。

下面简单介绍人工智能,第一次、第二次、第三次工业革命都是基于数学模型感知、认知与决策发挥的作用。第一次工业革命是反馈控制实现了蒸汽机的调速;第二次工业革命是PID与逻辑控制实现了传送带自动化;第三次工业革命是先进控制、运行优化、ERPMES使自动化程序更新。第一次是蒸汽代替人,第二次是电力代替蒸汽,这是从本质上来讲。知识工作者发挥很多作用,但是人的很多行为、智力发展不同,人办的企业是不一样的。实际上就是说,人在感知上、认知上有问题,面向实现多元不确定。多元信息数据,大数据如何进行动态感知,这是第一个挑战。第二个是如何从大数据中挖掘机理不清的动态特性知识和操作与决策经验知识;第三个是如何实现多尺度、多冲突目标、多变的约束等条件下的动态优化决策与控制一体化;第四个就是平台一体化,到了大数据时代,目前平台为先,所以必须构建工业互联网、工业云和大数据环境、智能自主控制系统和人机优化的系统。

怎么去做呢?今天智能化计算资源和物理资源深度融合,系统往往是多学科的。从信息技术来讲,我们培养的人,是说搞计算机不一定懂通讯,搞通讯不一定懂自动化,但是最终在信息技术都是计算机。另外,怎么样深度融合和协同来实现智能化,人工智能做了一个榜样,就是我们讲的深度学习,深度学习实际上利用了大量数据。最后发现比我们原来学术上定义的神经网络、学术上定义的机器学习、定义的模式识别,产生的效果更好,为什么呢?

就是因为用了大量资源,而且我们今天想一想,为什么Alpha Go能打败围棋,是因为人脑袋装的规则是有限的,而计算机可以把所有规则都装到里面去,云计算就能满足这种能力。所以人是听经验,他可以选规则,对一个具体的工作,人工智能的技术往往可以比这个工作者做得更好。而我们需要的是把这些具体的工作高效化、智能化,而不是说完全替代。有这个理念的话,我们利用各种资源,观念上改变,是能够帮助我们现在的产业实现飞跃发展的,这就是我今天的报告,谢谢大家!

责任编辑:向太阳
特别申明:

1、本文只代表作者个人观点,不代表本站观点,仅供大家学习参考;

2、本站属于非营利性网站,如涉及版权和名誉问题,请及时与本站联系,我们将及时做相应处理;

3、欢迎各位网友光临阅览,文明上网,依法守规,IP可查。


发表评论 共有条评论
验证码: 匿名发表

热点排行
  • 一周
  • 一月
  • 半年
  • 建言点赞
  • 一周
  • 一月
  • 半年
  • 栏目ID=5的表不存在(操作类型=0)
    栏目ID=5的表不存在(操作类型=0)
    网名:
    主办:
    宗旨:
    说明:
    昆仑策网
    昆仑策研究院
    聚贤才,集众智,献良策
    这是一个集思广益的平台,一个发现人才的平台,一个献智献策于国家和社会的平台,一个网络时代发扬人民民主的平台。
    主要板块:
    ● 建言献策:

    ● 决策支持:


    ● 民意反馈:
    国策建言、百姓话题、企业参谋、人生益友,从四个方面出谋划策;
    时事聚焦、社会调查、理论研究、国情资料、读史明智、他山之石、资料库等,登载相关参考资料;
    政策点赞、建言点赞、热点排行等,反馈民众评价。
            欢迎社会各界踊跃投稿,让我们一起共同成长。

    图片新闻

    友情链接
  • 北京市赵晓鲁律师事务所
  • 186导航
  • 红旗文稿
  • 人大经济论坛
  • 光明网
  • 宣讲家网
  • 三沙新闻网
  • 西征网
  • 四月网
  • 法律知识大全
  • 法律法规文库
  • 最高人民法院
  • 最高人民检察院
  • 中央纪委监察部
  • 共产党新闻网
  • 新华网
  • 央视网
  • 中国政府网
  • 中国新闻网
  • 全国政协网
  • 全国社科办
  • 全国人大网
  • 中国军网
  • 中国社会科学网
  • 人民日报
  • 求是理论网
  • 人民网
  • 备案/许可证编号:京ICP备15015626号-1 昆仑策咨询服务(北京)有限公司版权所有 举报邮箱:[email protected]