李培根：大数据人工智能技术的发展，使人类有可能利用“暗知识”
国家新一代人工智能创新发展试验区暨第四届工业互联网发展论坛汇聚政、产、学、研、用各层面业界知名人士，通过主题演讲、重磅发布、高端对话等多元化形式展开，分享人工智能、工业互联网等对传统产业的赋能迭代经验，展示企业、产业、区域转型的案例。隆重发布天津国家新一代人工智能创新发展试验区2021年十大应用场景，旨在通过一系列可复制推广的应用示范推进人工智能的场景建设及产业应用。中国工程院院士、国家智能制造专家委员会主任、中国机械工程学会荣誉理事长李培根出席会议并演讲。
李培根在演讲中分享了人工智能和工业互联网在制造中的若干应用。他指出，传统的自动化主要处理的一些问题是确定性的问题，是基于固定模式的，处理的数据是结构化的，一般也是基于因果关系的问题。但是现在随着技术的进一步发展，工程中间包括社会中间有问题是不确定性，是非固定模式的，它的数据是非结构化的，有些是没有明确因果关系但是相互关联的问题。所以，现在对我们来讲很重要的问题是我们需要超越确定性的问题，进而能够处理不确定性问题，我们超越固定模式进而能够处理非固定模式的问题，还要能够处理一些相关关系的问题，还有是所谓处理“暗知识”的能力。
关于“暗知识”，他表示，知识是数据在时空中的关系。如果我们把时间和空间都看作是数据的部分属性，所有的知识实际上都是数据之间的关系。但是我们一般人只是对一阶的或者线性的关系比较容易掌握，假如说关系很复杂，“高维”的相关关系一般来讲是超越了人的感觉和理解能力之外的。
他指出，“明知识”比如浮力定理、牛顿定律，我们既可以感受，也可以表达。还有一部分的明知识可以表达，但是我们不可感受，比如说像集合论、广义相对论、量子力学，数学物理上可以表达，但是我们人感觉不到。另外有一些知识是所谓“默知识”，我们可以感受到，比如说怎么骑自行车，你在行进中间练一练，就会骑自行车了。但是到底怎么骑自行车这个知识我们很难表达，我们人学起来也不算困难，但是真正计算机表达也不容易。还有一类知识是“暗知识”，既不可表达，也不可感受，我们人根本没办法感受，也很难表达出来。
现在实际上由于大数据人工智能技术的发展，使得人类有可能利用暗知识。Google母公司旗下的DeepMind，就是开发AlphaGo下围棋的那个公司，人类顶尖的围棋手完全不是AlphaGo的对手。DeemMind做了一件事情，把Google数据中心的电力利用效率提升了15%，数据中心里一些大型的计算机设备，一开始之后就耗电，我们很难建一个模型去描述它耗电的一些关系。它们怎么做呢？装了很多传感器，收集温度、电量、耗电率，建筑物上装传感器，通过大数据深度学习，最后发现关联关系，把耗电降低了15%。它处理的问题就是不确定性的问题，耗电也没有一个固定的模式，这里甚至有一些非结构化的数据，它显然不是简单的因果关系，而且如果我们把相关关系看作知识，就是暗知识，不都是明知识。
关于制造中的应用，他提到三个方面：
1．智能机器人。波士顿动力公司现在正在开发面向开放世界的机器人。传统上我们工业中间用的机器人都是在封闭环境中间使用的，比如说汽焊装线、装配线上的机器人都是在封闭环境里，未来制造领域机器人的应用也可能会走出受控的仓储环境或者制造环境。
2．最近几年自主移动技术发展很快，现在已经开始有一些工业应用，未来会用得越来越多，自主移动技术像（AMR）自主移动机器人，它融合了激光雷达、深度摄像头、超声波雷达多项感知技术，可以对周围的环境有识别的能力，而且还能够自动地图构建，这种自主移动的机器人特别适合于在复杂的动态的生产场景中间应用。
3．现在的云端机器人或者云化机器人概念出现，在未来制造里也会有一些应用。我们可以想像，在一个大工地上有很多智能工程机械，也可以把这些工程机械视为机器人，如果每一个工程机械上都有一个智能大脑，我们可以把这个大脑放在云端，这个大脑不是在本体上，是在云端。所以，现在云端机器人通过工业互联网，它有人工智能服务的平台，云端的这个大脑里可以包括机器学习、人工智能的视觉、自然语音处理、机器人运动等，这种情况可能未来会越来越多。
机器人发展的一个重要的趋势是人机协同，他举出三一重工人机协同的例子，机器人做装配工作，但装配和工人的操作手柄可以配合，机器人的工作感触，视觉、力觉、触觉、听觉等，可以通过手柄实时反馈，操作人员根据这个反馈头对装配过程进行精准的控制，人和机器很好地协同，这种情况对机器人的智能提出了更高的要求。
关于产品开发，他表示，工业互联网的应用非常重要，他提到海尔的例子，在产品的整个开发过程中不断地跟用户进行交互迭代，以前研发的模式是“瀑布式”，先市场调查、需求分析、产品设计等，最后是产品。现在变成迭代式，也就是在整个开发过程中间始终和用户不断地迭代，以前是先有产品，再找用户，现在是先有用户再有产品，因为迭代的过程中间充分吸取了用户的需求以及用户的创意。
他表示，这样一个结构，机械工程是很难设计的，计算机可以自动生成，有专门的软件，它生成的结果，还可以修改，修改之后它马上进行仿真。设计师修改之后看到仿真，他还能够看到自己的修改对设计性能的影响。像这样的机械结构，机械工程师现在不可能自己设计。关于这方面结构的设计，计算机的能力已经超越了人的能力，就像AlphaGo下围棋超越了人的能力一样，它通过数学优化，像大自然一样进行设计，增强了智能，背后像拓扑优化、净化算法，当然既于是人工智能的应用，也需要工业互联网。
他指出，制造里有一些加工工艺实际上也需要智能技术，比如造船，造船里用了很多焊接，传统上怎么处理？一个构件焊完之后吊装到专门的质检车间，看它是不是有焊接的缺陷。如果有问题需要返工甚至报废。但问题是到质检车间发现问题之后，一般来讲它已经离焊接完过几天了，有问题再处理的话，成本很大。现在的做法就是高频地去采集一些焊接过程中间的一些参数，分析高频采集的这些数据。它的基本思想是，把事后的质量检测走向实时地在线监测和预测，保证加工质量。一个个方框相当于焊接的经验知识，它把这些沉淀在app里，测量的焊接参数高频地处理，调用这些app，就知道可能问题在哪里，假如它发现有咬边的情况，焊缝的熔深变得浅一些，可能是焊接的速度太快了，这时可以把速度调低一点，这样达到控制焊接质量的标准。这需要工业互联网，也需要工艺智能。
他强调，我们现在个性化生产的情况也越来越多，人工智能可以针对消费者的个性化需求数据。阿迪达斯去年4月在美国开设全球第二家智能化的工厂，按照顾客的需求选择配料和设计，并且在机器人和人工辅助的共同协作下完成定制，所以，一定要工业互联网，当然也包括人工智能技术。
他总结道，未来工业互联网以及人工智能会越来越多地用到制造业上，请大家关注。