推进智能化时的几个基本问题

这几个问题非常基本，也常被人问到。

1、智能化的理想状态是不是无人工厂？

自动化工厂的理想状态是无人工厂。但自动化和智能化针对的问题不一样。

无人的自动化工厂其实也是需要人的。因为无人化仅仅意味着生产操作的无人化。工业企业需要人解决两类问题：一类是维持问题，一类是改变问题。

一般来说，自动化的实施是有前提的，前提是需要维护的。比如，设备总是要维护、材料总是会出现问题、质量不会100%合格、原料总是会用完的...... 企业只要生产，总会有各种问题。企业必须要有人，解决这些令人讨厌的问题，才能维持正常的工况，才能实现自动化。

对优秀企业来说，优化和创新，应该是企业的日常业务。例如，出现质量问题时，要找到问题的根源，进而找到解决问题、避免下次再犯的办法。这就是持续改进。再如，用户可能会有新的要求、市场上可能会有更好的设备或者原料。这些都需要创新。.....这些改变，总是需要人的。

一般来说，有人的地方，就要有人来管人。

智能化要为这些人服务、提高这些人的效率。与传统自动化不一样。传统自动化，往往只是提高蓝领的劳动效率。大体上说：自动化解决常规生产问题，智能化解决杂事。

2、有了人工智能算法，为什么还需要人？

人工智能本质上是一种计算机算法，用来解决某类组合优化和非线性优化问题。所谓的算法，就是通过计算得到知识。我们注意到：计算，是在Cyber空间的工作。

实践出真知。人类的许多知识，是通过与物理空间作用的过程中得到的。比如，设备出现故障时，人们需要打开机器去看，看看到底出了什么问题。发生质量问题后，要找到避免再犯的办法；这个办法是不是有效，需要实际生产过程来检验。这些都不是常规的生产活动。

人类获得知识的涉及物理资源，不一定是生产现场。很可能是实验室、甚至是别人的实验室。换句话说，从一个物理空间走到另外一个物理空间。

人工智能获得知识的本事再大，一般也只是计算数据，在Cyber空间中的活动。至于未来的科幻，再说吧。

3、模型是万能的吗？

模型是个好东西、是一种理想的知识。利用这种知识，人们可以用来选择好的手段，以达到更好的结果。特别地：有了模型，便于计算机优化决策。

问题是：得到理想的模型并不容易。所以，现实中采用的多数知识，是人们实践的结果：某种做法好，就把它固化下来。这种固化下来的知识可能不是最好的做法，但却是经过实践检验的。随意的改变，可能会带来预料之外的风险。

大臣向晋惠帝报告：老百姓没有粮食吃，饿死人了？ 晋惠帝不解地问：他们为什么不吃肉呢？显然，肉比粮食更有营养，但没有粮食吃的人往往更没有肉吃。在工业过程中，缺少知识都是一种常态，好的模型往往是奢侈品。

模型是好东西，但要慢慢攒。