柯洁对战AlphaGo——如果赢不了，那就“驯化”人工智能

　　距离上次AlphaGo和李世石的比赛已经过去了一年，如果说上次比赛之前，人们对比赛结果还抱有很大期待，此次的对决，我想大多数人应该都会觉得没有什么悬念了。

　　这只“狗”的能量已经带动了整个人工智能领域的“火爆”。短短1年见，人工智能已经改变了人们的思想。最初对于人工智能的惊讶、恐惧褪去后，务实的人们想得更多的是如何“驯化”人工智能，将人工智能和我们的传统产业结合起来，从根本上改变我们的生活方式。

　　人工智能开启智能制造新篇章

　　2016年3月9日-15日，谷歌的阿法狗(AlphaGo)以4:1的成绩击败世界围棋冠军李世乭职业九段,人工智能引起全社会的广泛关注。2016年12月29日-2017年1月4日，谷歌的Master(AlphaGo的升级版)在30秒快棋网测中，以60胜0负1和的战绩，横扫柯洁、古力、聂卫平、朴廷桓、井山裕太等数十位中日韩世界围棋冠军与顶级高手，再次将人工智能推上社会舆论的风口浪尖。

　　人工智能发展的春天

　　2016年，人工智能被普遍视为无人驾驶汽车商业落地的关键;基于人工智能的视觉目标识别、人脸识别与唇语识别等，在许多国际公开评测中达到或超过人类水平，其中“刷脸”已开始商业试运营;利用人工智能的专业速记、语音输入与嵌入式声控等语音识别应用已可媲美人类，包括神经机器翻译在内的自然语言处理，性能也得到大幅度提升;生成式对抗网络受到极大关注。除上述以深度神经网络为代表的感知智能获得突破性进展外，发展通用人工智能与认知智能已成为普遍共识。

　　从国际科技巨头对人工智能的高强度持续投入到美国、中国、英国等国家级人工智能战略的酝酿与发布，从投资机构推崇的最热风口到媒体的反复热炒，从学术研究主流方法的大规模转向到民众的街谈巷议与拥趸，人工智能无疑迎来了60年发展历程的春天。未来5～10年，人工智能可望获得大面积的商业应用与产业发展，极有可能引爆第四次工业革命。

　　智能制造是基于人工智能、大数据、云计算、(移动)互联网、物联网、虚拟/增强现实等新一代信息技术，面向设计、生产、管理、服务等服务型制造全要素，整合智能感知、智能决策、智能执行等三个核心环节的先进制造过程、系统与商业模式的总称，同时也是人工智能众多垂直应用领域之一。

　　在金融危机之后，无论是美国的工业互联网计划，还是德国的工业4.0计划，均将智能制造列为国家产业发展战略，力图强化高端优势，重振本土制造业与实体经济。2015年5月，国务院印发《中国制造2025》，部署全面推进实施制造强国战略。作为中国实施制造强国战略的第一个10年行动纲领，《中国制造2025》将智能制造作为主攻方向之一。智能制造与“互联网+”“人工智能+”具有密不可分的关系。2015年12月，工业和信息化部在贯彻落实《国务院关于积极推进“互联网+”行动的指导意见》的行动计划(2015-2018年)中，明确将人工智能列为形成新产业模式的11个重点发展领域之一。2016年5月，国家发改委等制定了《“互联网+”人工智能三年行动实施方案》，计划到2018年形成千亿级的人工智能市场应用规模。2017年1月，科技部部长万钢在全国科技工作会议上透露，今年将完成人工智能国家专项规划，论证人工智能国家重大项目立项。

　　人工智能是智能制造的本质特征

　　1956年，美国“人工智能之父”约翰·麦卡锡等人在英国达特茅斯学院召开的首届夏季研讨会上，正式创立了“人工智能”的概念。会议将人工智能界定为“研究与设计智能体”，并且把智能体定义为“能够感知环境，并采取行动使成功机会最大化的系统”。因此，人工智能主要涉及如下三个核心环节：一是感知智能，即对人类直觉或感知行为的模拟(皮层枕叶、颞叶和顶叶)，如视觉、听觉、嗅觉、味觉、触觉、力觉、滑动觉、温度体感、空间定位能力等，体现了从物理空间到信息空间的转换;二是认知智能，即对人类深思熟虑行为的模拟(皮层前额叶等)，包括决策、规划、推理、记忆、经验与知识学习等高级智能行为，全部在信息空间中完成;三是行为控制或对人类行动的模拟(运动皮层/通路与肌骨系统)，如灵巧操作与灵活移动等执行级功能的实现，体现了从信息空间到物理空间的转换。作为一个典型的信息物理系统(cyber physical system，CPS)，人工智能系统根据智能程度与反馈的信息粒度及层级，形成多个闭环，不断进行试错反馈修正，通过经验与知识的学习获得性能提升。

　　智能制造的概念包括了“感知、分析、决策、执行与学习”等五大核心环节，涉及“过程、系统、模式”等三个层次的广义对象，通过对机器、产线、车间、工厂、企业乃至全球供应链等层面的智能化实现，以效率、质量、成本、服务、低耗和绿色作为综合指标，旨在满足用户小批量、个性化的产品需求，提升制造业的核心竞争力。因此，智能制造的核心是智能化，具有环境适应性与自主性的人工智能是智能制造的本质特征。

　　信息化(数字化、网络化)是智能化的基础与前提。数字化导致数据化，“互联网+”推动内部总线化和外部网络化，数字化与网络化两者相加产生大数据，而大数据则是智能制造中感知智能或大数据深度学习的直接驱动源，也是产生信息(特征)、知识、智慧的基石，同时也成为智能制造中分析、决策、执行与知识学习的主要依据。因此，智能制造的核心共性技术主要涉及人工智能技术(感知智能、认知智能)、计算智能技术(群体智能、进化计算、模糊系统)、机器人技术、大数据分析技术、云计算技术、(移动)互联网技术、物联网技术与虚拟现实技术等。

　　人工智能的最大应用市场

　　技术进步与人口红利或刘易斯拐点的消失，特别是全球化分享经济浪潮中高技术产品更新换代周期的缩短以及用户需求的多样性与个性化，都在促使企业由传统的生产型制造模式向具有更多环境适应能力与自主性的服务型制造模式转变。智能制造集成了技术创新、模式创新和组织方式创新，具有跨界连接网络信息空间和实体物理空间的CPS二元世界特征，需要整合与协同产品、运营、供应链、价值链、用户、互联网金融等多源异构数据、信息与知识，进行生产、组织、管理模式、在线服务、决策、故障诊断、预测型维护等的智能优化，以实现“以销定产”“大规模个性化定制”等销售与服务模式创新。广义制造系统中生产与服务对象的严重不确定性和高度非线性性，以及多目标的复杂任务要求，均远远超出了传统生产型制造业的能力与范畴，对大数据驱动的感知智能等提出了迫切的需求。由于生产与服务要素众多，大数据资源丰富，CPS跨界连接，因此智能制造可望成为人工智能的最大应用市场。

　　与20世纪60年代和80年代的两次人工智能热潮不同，人工智能的第三次伟大复兴，源于大数据和超强计算引擎的时代进步，源于以深度卷积神经网络为代表的深度学习方法取得的实质性进步。目前，大数据人工智能已在计算机视觉、语音识别等部分细分领域取得了超过人类水平的性能与体验。在智能制造垂直领域，关键还是如何选定特定应用场景或对垂直领域进行细分再细分，然后就是必须重点关注大数据的采集、清洗、标签、管理与利用，以便在“感知、分析、决策、执行与学习”等各个核心环节中，充分应用大数据驱动的人工智能，推动智能机器人、协同制造、绿色制造与智能服务等智能制造应用的发展。

　　人工智能加速智能制造的未来发展

　　以人工智能为主要标志的新科技革命浪潮来势汹涌，必将有力地助推智能制造的发展势头。然而，目前的人工智能技术，真正取得突破的是大数据驱动的深度监督学习和深度强化学习，包括深度卷积神经网络和长短期记忆网络在内的深度监督学习方法，本质上是感知智能或弱人工智能的进步。具有类似“举一反三”能力的通用人工智能与认知智能方法的探索与进步，可望在大数据与大知识双重驱动下获得知识阅读与知识学习能力，使智能制造在“过程、系统、模式”等三个层次上，获得更高水平的态势分析与认知决策能力，实现更强的自主性与环境适应性，进而加速以人工智能为支撑的未来智能制造发展方向与发展模式的探索与创新。