相對于AI的狂飆猛進(jìn)而言，自動(dòng)化的確低調(diào)。AI總要隔三差五地驚艷登場，掀起一場革命的浪潮——即使這個(gè)浪潮來過已經(jīng)很多次了，也不會(huì)讓吃瓜群眾失卻興致。連自動(dòng)化圈，都時(shí)不時(shí)露出羨慕的目光，盡管心里會(huì)不以為然，畢竟，誰不喜歡待在聚光燈下享受世人崇敬的眼光。(原文摘自微信公眾號：說東道西)。

　　文/宋華振

　　就像ChatGPT引發(fā)的狂潮——各界大佬都被它震驚了，均表示真正的革命時(shí)代即將到來，以至于辛頓都表示忌憚，要阻止ChatGPT這樣的怪獸——這聽起來比較符合科幻片里的“天網(wǎng)”。如果有一天真的世界被一個(gè)智能體所控制，而且它還以無處不在的分布式智能存在，可以穿越各種安全機(jī)制，從各個(gè)漏洞進(jìn)入不同的系統(tǒng)，它可以掌控一輛車，或是掌控一個(gè)發(fā)電廠，甚至操控一臺轟炸機(jī)——那的確是太可怕。

　　“工具而非目的”

　　不過，對于AI的這種熱烈推崇，以及預(yù)期的繪聲繪色的前景描繪，似乎主要還是來自于圈外——就是自媒體、資本，以及熱衷于談?wù)摽萍嫉某怨先罕姟Ｅc之相反，AI業(yè)界的伙計(jì)們似乎還沒有那么囂張——最常見的恐嚇就是AI將讓某些職業(yè)人群失業(yè)。但是，回想過去，當(dāng)年電話剛被發(fā)明出來的時(shí)候，如果要讓當(dāng)時(shí)的美國人每家都裝個(gè)電話的話，那么全美國的婦女都得去干接線員的工作——而后來出現(xiàn)了程控交換機(jī)的時(shí)候，那得讓多少接線員失業(yè)呢?再想想，我們這些自動(dòng)化人經(jīng)常干的都是自動(dòng)化機(jī)器和產(chǎn)線的;然而，人們還是該上班的就上班，該失業(yè)的就失業(yè)。正如前段時(shí)間聽韋博士在混沌學(xué)院演講所提到的：“人們對AI的這種恐懼無非是對自身缺乏信心”。

　　其實(shí)發(fā)展工業(yè)科技必須意識到，即便AI如何強(qiáng)大，它畢竟是一個(gè)工具和方法的問題，而并非是目的。不是誰的AI更厲害，就能更好地被應(yīng)用——畢竟工業(yè)還要考慮經(jīng)濟(jì)性、易用性、穩(wěn)定性與可靠性。誰能夠更好地以經(jīng)濟(jì)的手段解決問題，才算是一種好的技術(shù)——制造業(yè)不是炫技場，而是要有實(shí)實(shí)在在的收益。

　　創(chuàng)新，都是以經(jīng)濟(jì)性為前提的，如果構(gòu)建AI系統(tǒng)經(jīng)濟(jì)，或基于分布式計(jì)算資源的AI邊際成本已經(jīng)很低，那么，誰也不會(huì)拒絕AI的應(yīng)用，其中的著眼點(diǎn)無非是用在哪里的問題。

　　“同源而生，何必艷羨”

　　干自動(dòng)化的，也很喜歡討論AI，相對其他專業(yè)，自動(dòng)化離AI最近。不過，大部分人對AI的歷史似乎也不甚了解。最近幾次在自動(dòng)化行業(yè)的會(huì)議上，發(fā)現(xiàn)大家都挺羨慕人家AI專業(yè)，很多學(xué)校都開始成立人工智能學(xué)院或?qū)I(yè)。首先，AI專業(yè)前沿又時(shí)髦，代表科技的發(fā)展趨勢，在部委、企業(yè)界都是熱門話題，大師講座也逢制造業(yè)的場子必講AI，一大堆專家高談闊論AI如何幫你降本增效、提高良品率，雖然聽得云山霧罩，但總歸還是有一種朦朧的美感——不明覺厲、霸氣側(cè)漏的既視感。其次，這個(gè)方向就業(yè)肯定比較好，百萬年薪，走上人生巔峰。再者，作為重點(diǎn)發(fā)展方向與戰(zhàn)略新興產(chǎn)業(yè)，也能獲得更多的縱向課題與項(xiàng)目資金支持，這可是實(shí)打?qū)嵉暮锰帯?/p>

　　其實(shí)，自動(dòng)化所對應(yīng)的機(jī)電工程領(lǐng)域，它本身也是作為人工智能的三大學(xué)派之一，即，行為主義學(xué)派而獨(dú)立存在的。不過，連接主義學(xué)派和符號主義學(xué)派本身是一種“自上而下”的方式，更接近人們理解的智能，因此，自下而上的行為主義學(xué)派，就不那么被他們歸于同類。但就歷史上而言，行為主義的代表諾伯特·維納的《控制論》更早一些，也不大愿意與達(dá)特茅斯夏令營這幫小伙子們混在一起，而這些年輕人也更希望能夠開山立派。但是，基于感知、決策、執(zhí)行的整體思想?yún)s是相同的。

　　圖1　人工智能的三大學(xué)派及其核心觀點(diǎn)與成果

　　“臨淵羨魚，不如退而結(jié)網(wǎng)”

　　AI或者自動(dòng)化，終究是技術(shù)或工具，它要解決的是問題。并且，就實(shí)而論，在工業(yè)領(lǐng)域，如果用KPI考核業(yè)績，可能自動(dòng)化技術(shù)帶給產(chǎn)業(yè)的回報(bào)更高，但這就像《人工智能通識課》里作者講的“一個(gè)技術(shù)真正有了作用的時(shí)候，它就不值錢了”。

　　AI畢竟是個(gè)工具和方法問題，它不是目的，而目的是解決制造業(yè)中的“質(zhì)量、成本、交付”問題。我們要問的問題是：“目的是什么?”，什么工具是合適的——評價(jià)指標(biāo)來自于“經(jīng)濟(jì)性”。工程師總是在約束條件下尋找技術(shù)與經(jīng)濟(jì)的可行性，沒有人會(huì)拒絕一個(gè)好用的工具和方法，因?yàn)?，?chuàng)新往往來自于此。

　　工業(yè)場景中的AI應(yīng)用

　　雖然，我覺得AI在工業(yè)里總是干點(diǎn)錦上添花的事情，不過工業(yè)場景對于“確定性”還是存在著較大的執(zhí)念。記得很久以前和一位專家談起了印刷的套色。我們控制系統(tǒng)要讓它達(dá)到+/-0.1mm甚至更低的精度，一位數(shù)據(jù)方向的朋友曾經(jīng)問：“那么，我們能不能從+/-0.5mm開始進(jìn)行迭代，一步步迭代到你們所需的+/-0.1mm呢?”。我想了想，只好說：“這……用戶是不允許這樣干的，他們需要的是+/-0.1mm必須要達(dá)到，否則，你就不應(yīng)該提供這樣的系統(tǒng)”。還有人非要跟我爭論通過AI如何提高風(fēng)力發(fā)電機(jī)組的發(fā)電效率，我聽了半天都感到困惑，我們干自動(dòng)化的已經(jīng)把“最大葉尖速比λ值”做到最大了，究竟如何能夠獲得更大的效率呢?難道是風(fēng)向變化我沒有及時(shí)發(fā)現(xiàn)——但是，我不是還有偏航系統(tǒng)嗎?難道是電網(wǎng)同步協(xié)調(diào)問題沒有解決好?那不是還有并網(wǎng)同步來協(xié)調(diào)相位嗎?

　　還有光伏的追日系統(tǒng)，我的一位朋友非要跟我講是人工智能，但我就以我有限的天體物理知識來進(jìn)行分析，地球在每天和太陽之間的角度變化其實(shí)是個(gè)固定的函數(shù)——如果實(shí)在不行，你是否可以加一個(gè)傳感器來感測?日晷就是一個(gè)很好的例子——我把日晷形成的影子給你檢測出來，作為一個(gè)輸入可以嗎?

　　商業(yè)AI的“黑盒”機(jī)制對于工業(yè)是不能輕松接受的，相關(guān)性并不代表因果性，因此，它具有“不確定性”。這是數(shù)據(jù)相關(guān)性分析與機(jī)理的因果性差異的地方……機(jī)理模型具有“確定性”、“完全可預(yù)測性”、“完全可解釋性”的特點(diǎn)，對于工業(yè)來說，也是一種算力經(jīng)濟(jì)的方法。

　　圖2　基于AI的PID參數(shù)自學(xué)習(xí)

　　其實(shí)，將AI用于最優(yōu)參數(shù)的學(xué)習(xí)是控制系統(tǒng)的常用方法，不過，當(dāng)我鉆研了這個(gè)問題后，有一個(gè)非常直接的問題就在圖2中。AI的這些PID動(dòng)態(tài)參數(shù)，它真的可以直接就下載(實(shí)時(shí))到控制器去執(zhí)行嗎?這其實(shí)并非現(xiàn)實(shí)——在流程工業(yè)也許這是可行的，但離散制造業(yè)里的機(jī)器動(dòng)作可能也并非現(xiàn)實(shí)的，這不很危險(xiǎn)，潛在的風(fēng)險(xiǎn)包括安全性問題，也包括帶來控制的波動(dòng)——因?yàn)?，畢竟這是一個(gè)優(yōu)化的參數(shù)，但對象能否接受這種“波動(dòng)”，還是需要驗(yàn)證的。當(dāng)然策略是趨勢性調(diào)節(jié)，或者可能更多時(shí)候還是以離線的方式，在停機(jī)或下一批次任務(wù)中可以進(jìn)行這樣的運(yùn)行，但，實(shí)時(shí)的卻是不能想當(dāng)然就去干的。

　　盡管我們認(rèn)為AI在工業(yè)有很多約束條件——但這不是全盤否認(rèn)，因?yàn)楫吘谷祟愓J(rèn)知的世界是有限的，機(jī)理模型本身是有限的。而另一方面，世界的本質(zhì)是非線性的，線性只是特殊情況而已?，F(xiàn)在的機(jī)理模型只是運(yùn)行在一個(gè)擬合的線性或數(shù)學(xué)可描述的(已知)的區(qū)間，對于更為廣泛的機(jī)器效率提升，還是要尋找更好的參數(shù)匹配。另外在控制而言，局部最優(yōu)與全局最優(yōu)又是有差異的，而AI可以在全局的策略調(diào)度、節(jié)拍匹配、參數(shù)適配方面進(jìn)一步挖掘制造中的潛能，從這個(gè)意義上來說，它一定是有作用的，無非是要考慮以下幾點(diǎn)：

　　(1)工業(yè)與商業(yè)AI的差異厘清，這有助于選擇合適的方法、算法來解決合適的問題;

　　(2)在AI與機(jī)理間尋找最為合適的結(jié)合點(diǎn)，畢竟世界也不是非黑即白的——灰色的盒子也是好的盒子。

　　這不是能不能干的問題，而是如何干的問題。

　　干自動(dòng)化的人為啥有優(yōu)勢;單純干AI，自動(dòng)化的人當(dāng)然沒有啥優(yōu)勢，不過，如果能夠來干點(diǎn)自動(dòng)化，那么至少有很多地方，自動(dòng)化干起來還是有優(yōu)勢的，例如：

　　(1)數(shù)據(jù)源的問題：在制造業(yè)現(xiàn)場，自動(dòng)化自身的數(shù)據(jù)源，包括信號采集與處理，像PLC的IO處理模塊的種類往往會(huì)牽扯到大量不同的信號處理，在控制之外，這些信號也會(huì)作為信息被反饋給管理系統(tǒng)。另外，在控制中產(chǎn)生的中間數(shù)據(jù)同樣可以作為信息被處理。而這些數(shù)據(jù)通常就被存放于控制系統(tǒng)的RAM中。就數(shù)據(jù)優(yōu)勢而言，可能AI反倒沒有這么直接;

　　(2)結(jié)構(gòu)化數(shù)據(jù)的問題：其實(shí)，采用OPC UA的框架，數(shù)據(jù)也被格式化為工業(yè)所需的標(biāo)準(zhǔn)數(shù)據(jù)，無論是從現(xiàn)場到控制層的總線，還是從控制層到管理層的OPC UA協(xié)議，這些都是工業(yè)自動(dòng)化的優(yōu)勢所在;

　　(3)機(jī)理建模與數(shù)據(jù)建模的混用問題，其實(shí)，對于AI而言，相關(guān)性的判斷也是需要對機(jī)理有基礎(chǔ)了解的，否則，這種無序探索也是代價(jià)高昂的，除了本身的機(jī)理模型問題來自于機(jī)電專家，且機(jī)電專家也和數(shù)據(jù)專家可以融合;

　　(4)執(zhí)行的問題：這同樣是工業(yè)里最大的一個(gè)問題，AI并不能在線(On-line)來執(zhí)行，這可能是與商業(yè)不同，因?yàn)?，即使獲得了更好的參數(shù)，也必須在離線的方式下進(jìn)行，直接在線的方式必須是在確保安全可靠的情況下才可以進(jìn)行。

　　因此，自動(dòng)化的AI必須聚焦在工業(yè)場景本身上，而不要去試圖和AI企業(yè)在圖形圖像、語言、文本這種人家擅長的領(lǐng)域去競爭。

　　“工欲善其事，必先利其器”

　　對于自動(dòng)化的企業(yè)而言，迎接AI是一種自然而然的事情。實(shí)現(xiàn)AI與自動(dòng)化的融合辦法也很多，這主要取決于整個(gè)任務(wù)對于“周期性”的等級需求上。

　　基于開放平臺的自動(dòng)化廠商，通常會(huì)選擇接口比較方便的平臺，就像貝加萊exOS為Linux平臺的AI應(yīng)用和RTOS平臺上的Real-Time任務(wù)建立了連接。通過exOS，Linux上基于Python、Java等編寫的AI算法就可以被導(dǎo)入至實(shí)時(shí)任務(wù)，相互之間可以交互數(shù)據(jù)。

　　圖3　PLC和工業(yè)PC上的Tensorflow學(xué)習(xí)任務(wù)可經(jīng)由Pub/Sub機(jī)制進(jìn)行數(shù)據(jù)交互

　　如圖3，PLC和工業(yè)PC上的Tensorflow學(xué)習(xí)任務(wù)可經(jīng)由Pub/Sub機(jī)制進(jìn)行數(shù)據(jù)的交互。在這樣的架構(gòu)下，我們就可以在不需要花費(fèi)太高的代價(jià)下，將AI的資源(算法/代碼)進(jìn)行集成調(diào)用。

　　另外一些自動(dòng)化廠商也會(huì)自己集成一些AI算法，或在PLC上集成AI加速器的模塊，這些都有各自的應(yīng)用場景，實(shí)現(xiàn)起來都不太難——畢竟，對于自動(dòng)化行業(yè)來說，關(guān)注點(diǎn)是解決問題，AI只是一個(gè)工具。

　　對于自動(dòng)化行業(yè)，追求經(jīng)濟(jì)性應(yīng)用是技術(shù)推廣的關(guān)鍵，即：要解決現(xiàn)實(shí)問題，而又不造成高成本。自動(dòng)化應(yīng)用AI經(jīng)濟(jì)性主要是體現(xiàn)在訓(xùn)練模型雖然需要算力，但應(yīng)用模型本地推理就還好。

　　AI與自動(dòng)化的和諧相處

　　AI與自動(dòng)化最和諧的相處模式就是“執(zhí)子之手與子偕老”，自動(dòng)化還是有點(diǎn)過于低調(diào)——這個(gè)很早就討論過，這與行業(yè)的屬性有關(guān)。因?yàn)椋詣?dòng)化行業(yè)的人，他首先得有問題，才能有解決問題的方法，因此，它必須是解決問題的。而AI這幫人呢，他們來到制造業(yè)是先有榔頭，再找釘子;我覺得這個(gè)比喻倒也貼切。因此，自動(dòng)化和AI的人就完全是解決問題的兩種思維模式。

　　人們喜歡流行的、前沿的，這沒有錯(cuò)，但是，產(chǎn)業(yè)里還是要以實(shí)事求是解決問題為先導(dǎo)。非要把原本控制干的事情美化為人工智能、工業(yè)互聯(lián)網(wǎng)，顯得高大上，這種做法對于產(chǎn)業(yè)并無實(shí)質(zhì)的貢獻(xiàn)，無非是名字聽上去高大上了的事情，還是少干為妙——總是聽有人說我們的產(chǎn)業(yè)太過浮躁，既然是眾所周知，但很多人還是仍然干這些“花活”。

　　終究而言，自動(dòng)化屬于一個(gè)工程領(lǐng)域，它是要解決實(shí)際問題的，目前產(chǎn)業(yè)里還有很多很多的問題要解決，我們還有很多克服“卡脖子”的事情要干。