智能制造中的算法，最容易被磚家?guī)?。某院士典型的謬論就?ldquo;智能制造=人工智能+制造”；而人工智能又進一步被學(xué)術(shù)界等同于深度學(xué)習(xí)等典型算法。事實上，論文上常見的高級算法往往像馬保國大師的“渾元形意太極拳”，功夫看似神秘，現(xiàn)場上往往不實用。
而我們一直認為，智能化的主流思路有兩種：一種是把人的知識變成機器的代碼（吳淑珍式的智能）、一種是讓機器幫助人類決策（小秘書模式）。這兩種方式都是“用人容易理解的辦法，做人做不好的事情”。算法的原理往往很簡單，但信息通信技術(shù)不發(fā)達時做不到。這意味著：它們是信息通信技術(shù)不斷發(fā)展帶來的機會。這些辦法簡單粗暴，卻像散打、拳擊一樣更加實用。
對于工業(yè)智能，搞算法的人到底需要什么功夫？
我認為，搞算法的最需要的是“計算思維”。也就是把現(xiàn)實問題轉(zhuǎn)化成可計算的問題。比如，解決“監(jiān)控卡車司機干私活”問題，先要用數(shù)據(jù)定義什么叫“干私活”。比如，我們把“干私活”定義為“在不該裝貨的地方裝貨，在不該卸貨的地方卸貨”，進而把“裝貨”、“卸貨”定義為重量增加和減少。這樣，把問題轉(zhuǎn)化成了監(jiān)控位置信息和重量信息。這就是計算思維。
前幾天，幫著年輕人搞算法。他說：算法與操作規(guī)程和機組特性有關(guān)。我就問：什么叫操作規(guī)程、機組特性？能否用數(shù)據(jù)和計算方法描述一下？小伙子一聽就明白了。
換一個角度，數(shù)字化的能夠幫助人們提升“認知能力”。我前面講到的“小秘書”模式，往往就是用算法提高認知能力。我見到很多人，把認知能力與人工智能、深度學(xué)習(xí)掛鉤。這也是錯的。
其實，除了圖像識別，在相當(dāng)多的工業(yè)場景中，“認知”就是判斷對象、過程或者操作正常或者不正常。說的再白一點，就是讓計算機去“對標(biāo)”。判斷方法也很簡單：先建立數(shù)字化的標(biāo)準(zhǔn)，然后和這個標(biāo)準(zhǔn)的做法“對標(biāo)”。
孔利明師傅
我的老友、全國勞模、著名工人發(fā)明家孔利明師傅曾經(jīng)舉過一個例子。過去的調(diào)琴師是師傅帶徒弟。師傅要徒弟把聲音調(diào)得“渾厚一點”。“渾厚”過去是很難理解的?，F(xiàn)在，采取數(shù)字化的辦法，把聲波拿出來對比一下，就知道是不是“渾厚”了。
所以，數(shù)字化的好處是便于建立標(biāo)準(zhǔn)。在數(shù)字化背景下，標(biāo)準(zhǔn)可以是若干數(shù)字、也可以是曲線、兩維圖像以及多條曲線的組合。在大數(shù)據(jù)的背景下，“標(biāo)準(zhǔn)”可以定的非常細；場景變化以后就用新場景對應(yīng)的標(biāo)準(zhǔn)進行對標(biāo)。“對標(biāo)”往往不太復(fù)雜：因為工業(yè)過程往往會盡量排除干擾。“對標(biāo)”的方法卻往往具有普遍意義，就是因為現(xiàn)代工業(yè)（尤其是生產(chǎn)過程），就是基于標(biāo)準(zhǔn)化展開的。
不懂工業(yè)的人，有時候把工業(yè)想簡單了：對細節(jié)和系統(tǒng)性干擾的重視不夠，把理想條件下的原理當(dāng)成工業(yè)技術(shù)本身；有時候還會把工業(yè)想復(fù)雜了：他們不理解，工業(yè)人為了追求安全、穩(wěn)定、可靠，往往是復(fù)雜問題簡單化、排除干擾，然后用簡單、標(biāo)準(zhǔn)化的方法處理。
所以，工業(yè)人不會像馬保國大師那樣故弄玄虛。故弄玄虛是磚家們干的事情、是寫論文的時候用的。
