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。

　　中國工程院院士、中國自動化學會的副理事長桂衛(wèi)華以“人工智能助力制造業(yè)升級”為主題登臺發(fā)表了演講。桂衛(wèi)華教授主要結合有色金屬的行業(yè)背景，暢談了人工智能助力制造業(yè)升級問題。

　　桂衛(wèi)華從習近平總書記對人工智能的指示談起，談到了國家對于人工智能的重視，以及期許的發(fā)展方向。

　　習主席關于人工智能的指示：

　　一、人工智能是國家戰(zhàn)略技術，重要性不言而喻。

　　二、人工智能涉及到基礎技術、系統(tǒng)等各個方面的研究，具有多學科交叉復雜特征，要將其放在戰(zhàn)略制高點的位置。

　　三、人工智能技術要與一二三產業(yè)深度融合。

　　四、人工智能技術要匯聚人們生活。

　　五、要推動人工智能技術健康發(fā)展。

　　基于技術的發(fā)展和需求的推動，人工智能科學技術發(fā)展現(xiàn)在又處在一個高潮上。目前的發(fā)展方向分為兩個方面：

　　一個是認識人的大腦的腦科學方面;

　　另一個是針對性應用方面。

　　從國內外研究表明，人工智能與制造過程的深度融合，是具有挑戰(zhàn)性的。但從長遠來看，人工智能技術在應用于制造業(yè)方面，是值得我們大力推動的。此前很多人工智能研究，并沒有很好考慮怎么樣與制造過程結合。因此，桂衛(wèi)華教授重點提出了知識型工作自動化這一概念。

　　知識型工作自動化

　　目前整個社會發(fā)展，知識型工作，在當代社會分工當中是占有壓倒性的重要定位，核心要求工作人員具有分析、判斷和決策能力。

　　2009年，美國帕羅奧多研究中心討論關于知識型工作的未來。指出知識型工作自動化將成為工業(yè)自動化革命后又一次革命。

　　2013年，全球研究院發(fā)布的展望2025，決定未來經(jīng)濟的12大顛覆技術報告里專門談到知識型工作自動化。報告指出，知識型工作自動化預計在2025年可帶來5.2萬億至6.7萬億的巨大經(jīng)濟效益。所以將其認為是驅動未來經(jīng)濟的顛覆性技術，但目前并沒有得到關注。

　　2015年，相關調查報告分析了當前的知識型工作，認為通過自動化方式的替代可以實現(xiàn)三到十倍的收益。并且，知識型工作的知識程度對收益有潛在影響，知識越難，將來收益越高。

　　傳統(tǒng)知識型工作

　　實際上，知識型工作自動化涉及的方面很廣。基礎研究方面包括獲取知識表示、推理、演化、關聯(lián)、重組等等。而這些研究工作，最重要的是結合場景和對象來研究自動化問題。而嚴格意義上，現(xiàn)在并沒有系統(tǒng)實現(xiàn)知識型工作的自動化。

　　現(xiàn)代工業(yè)中間，機器在很多的方面已經(jīng)取代或者正在取代體力勞動，但工廠中還有很多核心工作仍是由知識型工作者在完成。這體現(xiàn)在運行、計劃調度、管理決策三個層面：

　　運行層面，主要是指工程師根據(jù)數(shù)據(jù)、經(jīng)驗對參數(shù)進行修改，下達命令。

　　計劃調度層面，主要是指調度員根據(jù)經(jīng)驗協(xié)調各部門，進行計劃調度、安排和生產與制定。

　　管理決策層面，主要是指管理者指根據(jù)經(jīng)驗、市場信息和企業(yè)運行的情況來進行決策。

　　傳統(tǒng)知識型工作面臨的挑戰(zhàn)

　　在這三個層面，核心工作是由知識型工作者完成的知識型工作。隨著社會的發(fā)展，由傳統(tǒng)的人力完成工作時，這些工作已面臨著一些挑戰(zhàn)。

　　第一個挑戰(zhàn)是社會出現(xiàn)新要求。隨著社會發(fā)展，客戶現(xiàn)在對企業(yè)提出了更高的要求，因此企業(yè)對生產過程要更精細化。而制造業(yè)由于生產過程的復雜，很難精確建模。由于客戶需求經(jīng)常變化，要求模型保持敏捷，以應對包括原料和產品市場不確定性，因此要求企業(yè)進行信息化控制。

　　第二個挑戰(zhàn)是新的信息環(huán)境。云平臺、移動計算、物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術、新平臺的出現(xiàn)使數(shù)據(jù)的種類和規(guī)模迅速增加，知識型工作者面對海量信息感到無所適從。以前的數(shù)據(jù)量可能依靠一個人、一張表格就可以完成工作，而現(xiàn)在很多數(shù)據(jù)往往個人完全無法處理。

　　第三個挑戰(zhàn)在于如何利用好數(shù)據(jù)。因為知識型工作完成的質量，嚴重依賴于個人的素質，并且個人工決策往往趨于主觀，具有不一致性，無法全流程穩(wěn)定運行。同時，個人的經(jīng)驗、知識在推廣、積累和傳承等都面臨困難。師傅帶徒弟是傳統(tǒng)辦法，但這種機制不利于人工智能的實現(xiàn)。

　　所以，知識型工作自動化，跟原來的知識型工作還是有一定區(qū)別。比如，原來人在從事知識型工作的時候會存在一些問題與不足，未來的知識型工作自動化會通過機器進行彌補。

　　知識型工作自動化的案例

　　桂衛(wèi)華提到了一個原材料工業(yè)中冶煉廠原料采購的例子。

　　原材料工業(yè)企業(yè)當中，原料采購占據(jù)著企業(yè)大部分的資金。但很多規(guī)模很大的企業(yè)，對產品的庫存、采購企業(yè)的考慮都是由人來做的。

　　原料采購人員在采購過程中需要考慮小到采購目標、費用、金屬總量、原礦品位、雜質、上下限等問題，大到供求關系、市場情況、宏觀經(jīng)濟政策等因素帶來的影響。同時，還需要結合企業(yè)本身的能力，比如存儲能力、財務狀況等等，綜合各方面，做出判斷、篩選、決策。

　　這些過程完全由知識型工作者去做容易產生很多復雜問題，比如腐敗就是其中的問題之一。利用機器知識型自動化的辦法來解決這個問題則比較簡單，并且能有非常高程度的優(yōu)化。

　　知識型自動化會如何完成這項工作呢?桂衛(wèi)華提到，當時，他們通過數(shù)據(jù)知識激勵模型把作為原料采購目標的一百多家礦山以品類的質量、范圍進行基準，分成五大類。

　　第一步，充分慮市場知識和企業(yè)生產知識，將原料采購目標的五大類進行篩選、決策。

　　第二步，根據(jù)具體的供應商進行分析，評估已篩選出的每個類別。

　　第三步，在篩選的每一類里面決策出相應的供應商，最后得到一個完整的企業(yè)采購。

　　僅僅這一部分的內容，就可以為企業(yè)每年節(jié)約數(shù)千萬的經(jīng)費。

　　人工智能賦能有色金屬工業(yè)面臨的問題

　　綠色高效發(fā)展現(xiàn)在面臨很多挑戰(zhàn)性問題。我國要實現(xiàn)綠色高效發(fā)展，要領跑于世界，必須要借助人工智能技術。要推動有色金屬工業(yè)的升級，實現(xiàn)綠色高效，人工智能是一個有力的抓手。而推動有色金屬工業(yè)的升級、發(fā)展同樣面臨著許多挑戰(zhàn)：

　　1.適應有色金屬行業(yè)的特點。

　　2.升級后的工業(yè)流程需穩(wěn)定運行問題。

　　3.人工智能要賦能工業(yè)也需完成進一步的升級。

　　其中，企業(yè)能夠穩(wěn)定運行是最為關鍵的環(huán)節(jié)。只有工業(yè)流程實現(xiàn)穩(wěn)定運行，才能帶來真正的效應。

　　桂衛(wèi)華在最后強調，在促進人工智能健康發(fā)展時，一定要使得人工智能技術能夠落地，能夠解決問題。如果人工智能技術漂浮在空中而不落地，人工智能的發(fā)展難免再起起伏伏。