【
智慧城市網(wǎng) 視點跟蹤】近日,第15屆創(chuàng)業(yè)家年會在北京舉辦,年會主題為“AI給世界一個確定性”。會上,中國工程院院士、前華中科技大學校長、CCF中國數(shù)字經(jīng)濟50人論壇委員李培根以《在不確定性中超越——淺談產(chǎn)業(yè)智能化升級》為主題發(fā)表了演講。
李培根在演講中表示,企業(yè)在解決大量不確定性問題、想實現(xiàn)高質(zhì)量發(fā)展時,AI是處理不確定性問題最好的工具。他認為:“利用人工智能就是通過大數(shù)據(jù)、人工智能的分析去減少不確定性,這是企業(yè)要面對的主要問題。”
1、超越用戶的預期
我們過去自動化、信息化處理問題的方式,主要是確定性的、基于因果關系、有固定模式的。但在智能時代,隨著大數(shù)據(jù)、人工智能技術的發(fā)展,我們更要面對不確定性的問題。在企業(yè)里面有大量的不確定性,比如制造過程、用戶體驗、開放環(huán)境的不確定性等,還有用戶的需求和預期等。
現(xiàn)在已經(jīng)是體驗經(jīng)濟的時代,要面對用戶體驗的不確定性,所以今天的商品或服務,已經(jīng)內(nèi)卷到了高度同質(zhì)化——如何讓用戶獲得更好的體驗,已經(jīng)成為企業(yè)的突破口。
體驗經(jīng)濟的關鍵因素是消費者從被動的價值接收者,轉(zhuǎn)為積極參與價值創(chuàng)造的各個環(huán)節(jié)、成為創(chuàng)造獨特體驗的參與者。我們要給用戶驚喜,就要超越用戶預期的體驗。這意味著什么?意味著為用戶創(chuàng)造體驗,即創(chuàng)造一個不確定性給用戶。所以我們是一方面要面對用戶的不確定性,另一方面還要給用戶創(chuàng)造一個體驗的不確定性。
現(xiàn)在人工智能已經(jīng)可以幫助我們?nèi)?chuàng)造一些不確定性了。目前在工業(yè)領域、制造領域,機器人正在走出封閉的場景。在一個開放場景里,機器人就需要感知世界,因為環(huán)境是動態(tài)變化的,所以就需要多模態(tài)感知融合、智適應交互等技術。比如在機器人上面裝很多傳感器、大部分數(shù)據(jù)需要進行同步處理、并且調(diào)用不同復雜度的算法模塊等,這里面顯然需要人工智能。
當自主移動機器人在開放場景中進一步發(fā)展時,我們又提出一個新需求,就是云端機器人。意思是機器人的大腦在云端,而不在本體上。云端大腦非常智慧,它可以指揮很多機器人,讓機器人們協(xié)同工作更方便;它也包含很多東西,比如人臉識別、人體識別、環(huán)境識別、語音識別、自然語言處理等,各種各樣的人工智能都需要在云端大腦里具備。
在工業(yè)領域,物流對企業(yè)來講非常重要,因為物流呈現(xiàn)了很多不確定性。如何面對這些不確定性,就需要數(shù)字技術和人工智能技術。一句話總結(jié),就是使得整個物流過程更加有序,少一些不確定性、多一些有序——就是確定性。
2、復雜關聯(lián)呈現(xiàn)的不確定性
企業(yè)是一個復雜系統(tǒng),一個復雜的裝備也是復雜系統(tǒng)……這些復雜系統(tǒng)里充滿著復雜關聯(lián),但可能大部分的復雜關聯(lián),人類工程師和學者還沒有真正認識到,所以傳統(tǒng)的自動化還是主要處理確定性、固定模式、基于因果關系的問題。
現(xiàn)在,我們需要利用大數(shù)據(jù)、人工智能技術去超越確定性問題、處理不確定性問題,要超越固定模式問題、進而處理非固定模式的問題,要超越基于因果關系、進而處理存在復雜關聯(lián)的因素。
科學過去主要面對的是明知識,比如牛頓定律,可以表達、感受;還有相對論、集合論等,可以表達、但不能感受。但目前在工業(yè)和社會中還存在很多大量既不可表達、也不可感知的知識,比如騎自行車,這些都屬于暗知識。人工智能處理問題的邏輯,也呈現(xiàn)出不確定性。馬斯克曾說過,傳統(tǒng)編程具有非常離散的邏輯并且結(jié)果非常可預測。但現(xiàn)在的人工智能處理問題,我們是看不明白的。
在工廠和車間里存在著多種多樣的隨機勞動,生產(chǎn)系統(tǒng)的基本構(gòu)成要素有很多。每一項要素都可能呈現(xiàn)某些不確定性,因為存在隨機勞動。但近年來數(shù)字孿生、智能傳感、物聯(lián)網(wǎng)、人工智能等技術的出現(xiàn),讓我們有可能面對工廠和車間生產(chǎn)的不確定性,比如我們可以建立數(shù)字孿生工廠來面對不確定性。
數(shù)字孿生工廠和物理工廠兩者是伴形的,所謂的伴形也就是相互影響??梢砸贿厡崟r獲取工廠里運行的數(shù)據(jù),一邊數(shù)字孿生模型進行分析、仿真,需要調(diào)整就馬上給出信號并進行實時調(diào)整,使得工廠和車間的運行更加有序,二更加有序就是消除不確定性。
企業(yè)里有多環(huán)節(jié),比如設計、制造、裝配、售后服務等,各個部門的多要素都存在不確定性,但我們平時把它們忽略了。講個簡單的例子,任何企業(yè)都關心成本,比如采購成本,可見的、可感知的成本有零部件、原材料成本、運輸成本等,但還有一些隱性成本不容易感知到。那要怎么利用人工智能呢?就是通過大數(shù)據(jù)、人工智能的分析去減少不確定性,這是企業(yè)要面對的主要問題。
3、劣構(gòu)問題——解決方案的不確定性
良構(gòu)是呈現(xiàn)出解決問題的全部信息,它有正確的收斂答案,而不是有很多答案,良構(gòu)問題的答案是收斂的。
但劣構(gòu)問題不一樣,日常生活中有很多選擇帶有不確定性,工程中有大量的問題是劣構(gòu)。最典型的是設計,因為我們要取悅客戶,不同的客戶喜好不同,所以這種問題的答案不是收斂的。生成式AI工具對于良構(gòu)問題,它的作用非常大,因為AI掌握很多知識;但對于劣構(gòu)問題,生成式AI工具也能幫助我們?nèi)ヌ幚砹訕?gòu)問題。
生成式工具設計的機械結(jié)構(gòu),其結(jié)構(gòu)不是為了好看,而是考慮了減重、減少材料,甚至避免振動等各因素,設計出的盡可能優(yōu)化的結(jié)構(gòu)。這是生成式工具在幫助人類進行設計。
第二,企業(yè)都希望高質(zhì)量發(fā)展,希望高效、低成本、低碳等。但這些多目標之間往往是矛盾的,如低碳和高效。所以這個問題沒有固定標準規(guī)定要采取哪些措施,這是典型的劣構(gòu)問題,AI也可以給我們幫助。
總而言之,企業(yè)在解決大量不確定性問題、想實現(xiàn)高質(zhì)量發(fā)展時,AI是處理不確定性問題的最好工具。我也希望未來企業(yè)可以在處理大量不確定性中實現(xiàn)智能升級。