浅议智能制造中的算法

智能制造中的算法,最容易被砖家带偏。某院士典型的谬论就是“智能制造=人工智能+制造”;而人工智能又进一步被学术界等同于深度学习等典型算法。事实上,论文上常见的高级算法往往像马保国大师的“浑元形意太极拳”,功夫看似神秘,现场上往往不实用。

而我们一直认为,智能化的主流思路有两种:一种是把人的知识变成机器的代码(吴淑珍式的智能)、一种是让机器帮助人类决策(小秘书模式)。这两种方式都是“用人容易理解的办法,做人做不好的事情”。算法的原理往往很简单,但信息通信技术不发达时做不到。这意味着:它们是信息通信技术不断发展带来的机会。这些办法简单粗暴,却像散打、拳击一样更加实用。

对于工业智能,搞算法的人到底需要什么功夫?

我认为,搞算法的最需要的是“计算思维”。也就是把现实问题转化成可计算的问题。比如,解决“监控卡车司机干私活”问题,先要用数据定义什么叫“干私活”。比如,我们把“干私活”定义为“在不该装货的地方装货,在不该卸货的地方卸货”,进而把“装货”、“卸货”定义为重量增加和减少。这样,把问题转化成了监控位置信息和重量信息。这就是计算思维。

前几天,帮着年轻人搞算法。他说:算法与操作规程和机组特性有关。我就问:什么叫操作规程、机组特性?能否用数据和计算方法描述一下? 小伙子一听就明白了。

换一个角度,数字化的能够帮助人们提升“认知能力”。我前面讲到的“小秘书”模式,往往就是用算法提高认知能力。我见到很多人,把认知能力与人工智能、深度学习挂钩。这也是错的。

其实,除了图像识别,在相当多的工业场景中,“认知”就是判断对象、过程或者操作正常或者不正常。说的再白一点,就是让计算机去“对标”。判断方法也很简单:先建立数字化的标准,然后和这个标准的做法“对标”。

孔利明师傅

我的老友、全国劳模、著名工人发明家孔利明师傅曾经举过一个例子。过去的调琴师是师傅带徒弟。师傅要徒弟把声音调得“浑厚一点”。“浑厚”过去是很难理解的。现在,采取数字化的办法,把声波拿出来对比一下,就知道是不是“浑厚”了。

所以,数字化的好处是便于建立标准。在数字化背景下,标准可以是若干数字、也可以是曲线、两维图像以及多条曲线的组合。在大数据的背景下,“标准”可以定的非常细;场景变化以后就用新场景对应的标准进行对标。“对标”往往不太复杂:因为工业过程往往会尽量排除干扰。“对标”的方法却往往具有普遍意义,就是因为现代工业(尤其是生产过程),就是基于标准化展开的。

不懂工业的人,有时候把工业想简单了:对细节和系统性干扰的重视不够,把理想条件下的原理当成工业技术本身;有时候还会把工业想复杂了:他们不理解,工业人为了追求安全、稳定、可靠,往往是复杂问题简单化、排除干扰,然后用简单、标准化的方法处理。

所以,工业人不会像马保国大师那样故弄玄虚。故弄玄虚是砖家们干的事情、是写论文的时候用的。

(0)

相关推荐