目前的AI就是“暴力计算”，那未来呢？

（文/程文智）人工智能（AI）技术在这几年发展非常迅速，但真正的落地项目就目前来说还不多，应用得最多的可能就是图像识别和语音识别了。人工智能的市场规模要想更大，就要进入很多的细分领域，在更多的细分领域内落地才行，而工业领域是一个绕不开的话题。

其实工业的很多应用场景都都想要人工智能的支持，比如工业互联网、智能工厂、边缘计算等等。那么人工智能能在工业领域顺利落地吗？需要哪些条件呢？在不久前的中国机器人峰会上，复旦大学工程与应用技术研究院特聘教授朱云龙教授分享了他的看法，在他看来，现在的人工智能都是需要大量的数据来进行学习，然后在一个很小的领域实现一定的任务自主，也就是走的是“大数据，小任务”的暴力计算路径。未来想要在工业领域成功落地，想要走“小数据，大任务”的精确计算之路。

人工智能的下一步爆发点是什么？

在朱云龙教授看来，未来机器人的发展方向有两个，一是极大；二是极小。朱云龙教授拿之前在日内瓦举办的联合国武器公约会议上展示的小型杀手机器人举例说，那个机器人只有蜜蜂一样大小，但分析处理能力比人类快100倍，可以躲避人类的各种追踪。

为什么这个小的机器人有这么大的能耐呢？因为人工智能的加持。那么人工智能的下一轮爆发点会在哪里呢？

朱云龙教授首先从现有的人工智能模式谈起，“当前大家讲到人工智能都讲到大数据、深度学习，我们现在回过头来看，在当前情况下，深度学习算法，号称达到，甚至超过2000年时的100万倍，怎么算？简单地算，算法的突破这里是百倍的突破，算力的飞跃和算力的激增，正好是100×100×100。”

也就是说，当前人工智能技术基本上围绕大数据，基于计算进行深度学习来进行计算。简单来说，就是需要通过大量数据的计算，来完成一个非常小的任务。他认为，这属于暴力计算。

实际上，人类在做出一个决策的时候，并不需要大量数据，是“小数据，大任务”模式。比如说人类接触危险品，他根据一些经验会快速做出反应，而不需要进行大量的计算。

他认为，未来的人工智能应该向精确计算走，走“小数据，大任务”模式。只有这样，人工智能才可能有一番新的天地。

要实现“小数据，大任务”模式，算法就是关键。而算法各种各样，未来算法该如何找到突破呢？朱云龙教授认为有两种方式，一是尽可能模仿人类的智能；二是来自宇宙的智能和生物进化的智能。

因此，在朱云龙教授看来，未来人工智能的下一轮爆发点在算法。

制造产业的痛点是什么？

人工智能的问题，在制造产业内，也面临的一个共性问题，就是制造过程数据碎片化，以及大量的数据并没有得到充分的挖掘和应用。

朱云龙教授在分享中表示，人工智能可能会在人们的生产生活方式各个层面会产生深刻变化，尤其在工业领域。而制造业一定是工业领域最重要的一个点。“虽然我们搞了那么多年，但到现在依然看不到一个如何把制造业海量的数据进行融合起来之后为制造业的产品设计、质量监测和效益提升产生一种深刻的变化。”

因此，他认为，工业大数据呈现出它的隐匿性、低质性、碎片化，以及动态多模复杂强关联、信噪比低等特征，这种情况下具有鲜明的数据领域管理特征和领域应用特征，而传统制造企业信息集成技术无法满足制造企业大数据、高效组织和深度应用的需求，这样的话这就是整个工业大数据目前存在的问题。

在制造业有实时生产调度优化、边缘数据的融合和网络控制、多层供应链网络业务过程的决策控制模型、生产制造过程中的参数控制等等这些都是智能制造中的复杂优化问题，在朱云龙教授看来都可以简单归结为优化和控制的问题。

人工智能如何与制造业相结合

人工智能如何与制造业相结合呢？最开始的人工智能主要是集中化的，所有的大数据都是在云端进行处理的，但是在实际使用的过程当中，由于需要把所有的数据都传输到云端进行处理，计算量太大了，让处理器有点承受不住。因此，边缘计算也就应运而生了。

随着工业应用场景的复杂化，将会有大量的数据将要在边缘端进行处理，否则云端处理的数据量将会非常大。在这种情况下，边缘计算未来的应用有可能带来深刻变化，人在这个层面的决策由边缘计算来解决。

那么，边缘计算和云计算比较重要的区别是什么？云计算聚焦非实时，长周期的大数据分析；而边缘计算更靠近执行单元，强调低延迟和快速响应，就是设备的感知、自主和智能…这样就需要边缘计算将云计算协同起来。

除了边缘计算之外，视觉感知也很重要。有数据显示，随着通信网络技术发展，5G可以达到20Gbps，6G能达到100Gbps，人眼接受图象的信息也就是30帧每秒…未来的机器接收的周边环境的信息远远超过人类接受的速度，那么在这种情况下，也就是说我们可以感受到光声电流媒体都可以通过机器视觉角度或许而且大大超过人类眼睛接受的速度。

这带来一个问题，机器接受信息量超过人类大脑，而机器学习目前是大数据小任务，人类的大脑是小数据大任务这种场景下怎么解决问题，这一定是一个算法问题，“我们认为群智计算是比较重要的问题。”朱云龙教授表示。

因此，他认为，未来制造业态是基于CPS制造，是数据驱动、软件定义，平台支撑的制造，将是实体制造与虚拟制造实时交互的制造，它的演化历程从碎片化到一体化，从局部到全局，从静态到动态；数据流逐渐涵盖研发设计、制造过程、服务运营的全流程，是数据流闭环体系不断延伸和扩展的过程，并逐步形成相互作用的复杂数据网络空间。

而且，它实现了跨系统、跨平台的互联、互通和互操作，促成了多源异构数据的集成、交换和共享的闭环自动流动。

最终在全局范围内实现信息全面感知、深度分析、科学决策和精准执行，实现横向、纵向和端到端集成。

总的来说，未来的制造业模式将是制造系统的集成、制造体系的重建、制造模式的再造。

“在这种情况下，如果说未来人在制造系统中，制造大系统中他的作用越来越弱化，那么我个人认为可能是以视觉感知为基础，以混合群智计算与优化控制为核心的无人车间/智能工厂真正进入操作无人化时代。”朱云龙教授表示。

结语

在朱云龙教授看来，不论是机器人，还是人工智能技术，发展到现在，正面临一个技术的临界点，这个临界点如果从制造业角度来说，可能会在软件的体系结构上会有一个新的突破；就机器人本身来说，传统的机器人看到有形的实物，未来可能机器人的眼脑胳膊等都分散在制造系统中，变成泛在智能化的机器人，这种场景下它一定会带来一个相应技术突破和理论的突破，然后，这些突破可能会带来工业上重大的应用。