我眼中的工业AI

工业AI，就是工业领域中的人工智能。很多人会把工业AI简单的理解成工业自动化范畴的工控系统，或者某种工业软件。在全社会都还在热衷于讨论到底是“AI+行业，还是行业+AI”话题的当下，有这样的误解也就一点儿都不奇怪了。

直接导致产生这种误解的原因，还是因为在工业领域的人工智能，目前最好的水平都还只是弱人工智能阶段，也就是自适应专家系统的阶段，很容易与工控系统混淆。

借用生物学的术语来描述，工控系统只是低等生物水平，充其量就是个昆虫级别。这代表什么意思？昆虫能够感知外界的信息变量，并能够根据这些信息变量作出应激反应，这就是所有工控系统的的原理，仅仅是做到“举三反一”。昆虫没有大脑，或者说它没有用于思维的大脑，只有神经元触发进行指令交换的中枢，充其量只是个“中央处理器”。昆虫它不知道为什么要这么做，所以世世代代飞蛾都会扑火，粉身碎骨都不怕。没有一只飞蛾会想：“我是谁？我在哪？这么烫，我为啥要扑里面来？”哦，也许有想过的，但是没能从火里出来，飞蛾种族进化的苗头被火残忍的掐灭了。

而工业领域的人工智能要做什么？那必须是做到高等生物的智能水平。也许到达人类的智力还要有段发展过程，但是接近某些鸟类和哺乳动物的水平，现在的工业AI已经存在，我们称之为自适应专家系统。相比较于低等生物，高等生物的大脑不仅仅是起神经元中枢作用的“中央处理器”，更是思维活动的中心。用个简单的词语描述高等生物的智能，那就是会“举一反三”。我们人类从很小的幼儿时期，做错了某件事，挨了打，就知道相类似的其他事也不能做，做了也会挨打，这就是“举一反三”。虽然有时候玩嗨了会忘记，但是总体上绝对不会把所有的错事都做一遍后，所有的打都挨过一遍后，才会知道哪些事不能做。当然，这也不可能，什么才是所有的事呢？总有新的没见过的事情会发生，但是我们人类作为高等生物，就是会在新生事物前，“举一反三”地做出正确的判断和举动。别说人类，某些鸟类，例如乌鸦，大部分的哺乳动物，尤其是脑容量占比较高的，都会有“举一反三”的行为，这就是智能的真实表现。

我在前一篇文章里提到过“小数据，大任务”范式（Small data for big tasks），说的就是要走正确的人工智能发展之路。之所以不能是“大数据，小任务”范式，就是因为大数据基本上都是垃圾数据，做的还是“举三反一”的事，那只是低等生物水平，做到最后充其量就是个昆虫级别。

在工业AI的发展过程中，有三个必不可少的要素：

1、全时物联：就是类似于生物的神经网络，是信息传递的通道，安全和高效，全天候。这是最最基础的要素，也是最普通、最大众化的工具。用不了多久就会是最廉价的，所以物联是没有可以持续的商业价值的；

2、有效数据：小数据，就是信息变量，但不是大数据。海量的大数据绝大部分都是垃圾，能称为有效数据的，可能万分之一都不到。智能生物会敏感并保存它感兴趣的信息变量，也会忽视和遗忘其他信息变量，这说明智能生物对有效数据是有选择的。问题的关键是如何识别有效数据，这在工业领域中是需要有各个垂直行业的专业知识的。从这点可以看出，在工业领域，人工智能的发展，暂时还只能是行业+AI。也许将来某个时刻，人类对工业领域的行业性进行了重新定义，换句话说，统一了行业有效数据的识别手段，那么才有可能进入AI+行业的阶段。而在统一各个行业有效数据的识别手段上，应该会有不错的商业价值；

3、应用场景：人工智能的应用场景，也就是大任务。会“举一反三”，不代表就能够“举一反三”。工业AI必须要有能让它不断进化的应用场景。能够不断自我进化，这是生物体，尤其是智慧生物体的特性，也是人工智能的特性。同一个工业使用环境，也会有千千万万个应用场景，那么不同工业领域，不同应用环境，不同的使用习惯等等，这些应用场景才是海量和有价值的，它们是人工智能进化的温床。

人类即将迎来人工智能的大时代，但是如同于人类历史上各个关键大时代的前夕，这个期间永远都会是鱼龙混杂的。识别真正的工业AI，你需要看它是否具备全时物联、有效数据和应用场景这三个必要因素，更为关键的，是要看它是否具备自我进化的能力，我们拭目以待。