把碎片化的概念串起来

王洪水先生曾经对我说，人的一辈子都在结构化自己的知识。尤其是各种概念。智能化涉及的概念很多。我想用“感知到认知”这条线索，把智能化中一些重要的概念串起来。匆匆写完，未及审视。

三年前，我突然意识到“感知到认知”的重要性。此后每隔半年，就会有些新的认识。昨天突然意识到：“感知到认知”与智能化的关联如此之强，超出了原先的直觉。

在笔者看来，“感知、决策、执行”的统一是自动化的理论基础，也是信息化和智能化的理论基础。三类工作的差别，可以从“感知到认知”的变化来分析。

传统自动化的特点是“感知等于认知”。决策过程的一个重要前提，是把感知到的信号变成认知到的信息。传统控制论的特点是“感知等于认知”：某个传感器传来15mA的电信号，系统知道它对应150度；某个开关信号为0，系统知道机器停机了。但是，在传统的自动化系统中，看到产品的样子（光学信号），却不能判断是不是“质量异常”。也就是说，传统的自动化系统缺乏认知能力。

人的优势在于“认知能力”。人类看到产品的样子，就能判断质量好坏，在设备旁边听了一会，就知道运行不正常，这就是利用人的“认知”能力。其实，信息系统之所以需要人决策，一个重要的原因就是需要人的“认知能力”。

智能化技术要提升机器的“认知能力”。人工智能技术的发展（如图像识别），其实就是提升机器的“认知能力”。而更加一般性的工业智能化，也是以认知能力提升为前提的。比如，系统收到烟道温度300度的信号，这是感知；判断烟道堵了，这就是认知。RFID的一个重要作用，其实也是提升了机器的认知能力。

“感知到认知”是系统开放性的要求。自动化系统之所以能够做到“感知等于认知”，是“变化有限性”决定的。自动化系统虽然允许外部有变化，但一般是在既定范围内数量的变化，不允许这些变化超越“如来佛的手掌”。而“认知”针对的是系统本身结构的变化、子系统的变化。例如，工业4.0系统中经常面的加工对象、工艺甚至流程的变化。无人驾驶的汽车，会面对外部环境不确定的变化。系统开放性大了很多。这时，就很难做到“感知等于认知”了。

认知的作用是对接知识。认知的本质，是通过信号确认对象所属的概念范畴。而人类的知识几乎都是以概念为载体的。所以，只有在认知的基础上，才能与人类的积累的知识对接。“知识管理”成为智能化的重要工作，也在于此。换句话说，机器的认知能力提升后，工业知识数字化的意义才变得强大起来，甚至成为推进智能化的核心工作。

概念与场景的结合。“我是谁”是个著名的哲学命题。回答这个命题，要了解人的角色。一个人会有多重角色：张三在单位里是职工，在医院是病人，在家里是父亲、儿子。不同的角色，其实就是对应不同的概念、对应不同的工作、权力和义务。所以，角色的确认是与场景的要求有关的。认知过程同样如此。智能化过程强调“信息集成”，本质上具有了描述场景的能力，从而有利于工业系统的认知。

模型对感知和认知的作用。在笔者看来，模型最重要的作用之一，是增强感知和认知能力，尤其是感知能力。例如，在连铸过程中，冷却水用量是容易测的，而钢坯内部的温度是不容易测的。利用数学模型，人们可以根据冷却水的用量推算钢坯的内部温度。再如，利用3D模型，人们知道一个对象的ID之后，也就能知道这个对象的其他信息，而不需要现场测量。

工业现场的感知与认知。现代工业以“流程化、标准化”为前提。在这个前提下，感知到认知的转化要容易得多。我反复强调理解现在工业，本质上是要理解两件事情：首先要理解现代工业的复杂，其次是理解“复杂问题简单化”的思想。基于这种认识，我们知道：工业的智能是“吴淑珍式的智能”，而不是“巴菲特式的智能”。