有時(shí)候，產(chǎn)業(yè)似乎很容易陷入“運(yùn)動(dòng)式”的技術(shù)狂潮，AI的熱流無(wú)所不在，AI也變成了像是個(gè)“萬(wàn)金油”，哪里蹭哪里放光芒，人們都開始要賦予制造業(yè)AI的能力了—有時(shí)候這種熱讓人感覺，AI會(huì)來(lái)拯救制造業(yè)，傳統(tǒng)的技術(shù)都過(guò)時(shí)了—不值得在研究了的感覺，但是，另一方面，又都在議論基礎(chǔ)研究的欠缺，各種技術(shù)被卡脖子，這種矛盾，大概源于對(duì)技術(shù)的無(wú)明， C博士曾經(jīng)說(shuō)“AI只是一個(gè)無(wú)奈的選擇—在一些場(chǎng)景中，的確有些對(duì)象不好測(cè)量，也沒有什么更好的辦法”，但是，其實(shí)，機(jī)理模型是最有效的辦法—因?yàn)椋谴_定的，并且可解釋性的，你從公式就能推出結(jié)果，完全可預(yù)測(cè)性、與AI相比那簡(jiǎn)直太優(yōu)秀了，放著優(yōu)秀的技術(shù)不用，非要去搞成本更高，對(duì)于人員的專業(yè)性需求更高的AI，純粹就是為了“高端大氣上檔次”嗎？還有就是“泛智能”—把原來(lái)的自動(dòng)化升級(jí)、軟件也泛化為“AI”—就像80年代，擺攤“計(jì)算機(jī)算命”一樣，似乎比那些道士裝扮的人算命就高級(jí)一樣，后來(lái)大家也明白了，那就是查字典，談不上任何的智能，但是，對(duì)于缺乏科技素養(yǎng)的大部分人來(lái)說(shuō)，高端，牛！

最近翻看了一本稱為《復(fù)雜》的書，談到了混沌，其結(jié)果對(duì)于輸入極其敏感，就像蝴蝶效應(yīng)，純粹的非線性，但是，發(fā)現(xiàn)其實(shí)這里的非線性也是有確定性的描述的，即，通過(guò)邏輯斯蒂映射，可以對(duì)整個(gè)非線性過(guò)程進(jìn)行預(yù)測(cè)，并發(fā)現(xiàn)了“費(fèi)根鮑姆常數(shù)”—這是讓我很吃驚的，非線性系統(tǒng)原來(lái)也是具有確定性的，這就是“AI可以發(fā)揮”的地方，和戴老師在群里聊及一些技術(shù)話題，談到這個(gè)—其實(shí)，這就是人們希望AI可以干的事情，在不確定中尋找確定性—其實(shí)，還是可解釋的模型最管用，人類所有的工作不就是希望提高確定性嗎？

但是，基于統(tǒng)計(jì)學(xué)和野蠻算力的AI，卻并沒有“洞察力”—因?yàn)檫壿嬎沟儆成洹①M(fèi)根鮑姆常數(shù)是數(shù)學(xué)家們自己發(fā)現(xiàn)的，并手動(dòng)推算的，那么這個(gè)“洞察力”，是今天的AI所完全沒有的，人們常說(shuō)“智慧”，智慧就是洞察力、判斷力，在十字路口，要往哪里走？機(jī)器可能用“遍歷”、“交叉樹”些方法，但是，人可能用直覺就能做出準(zhǔn)確的判斷，或者作出判斷是不去了—對(duì)于計(jì)算機(jī)來(lái)說(shuō)，它擅長(zhǎng)于計(jì)算，但是，我說(shuō)不去了—因?yàn)椋フ腋鞣N路估計(jì)已經(jīng)來(lái)不及了，我放棄了，不用算了—這個(gè)時(shí)候，計(jì)算機(jī)的算力沒有意義。

在制造業(yè)現(xiàn)場(chǎng)同樣如此，所以，智能是AI算法+物理模型+行業(yè)知識(shí)，這里的行業(yè)知識(shí)就是來(lái)自“老法師”，在機(jī)器的生產(chǎn)運(yùn)行中，涉及到機(jī)械、電氣傳動(dòng)、流體、溫度與傳導(dǎo)、光學(xué)等多種對(duì)象，而這些對(duì)象之間又會(huì)疊加出各種物理效應(yīng)，這些物理效應(yīng)的疊構(gòu)成了制造中的各種干擾因素，有些無(wú)法測(cè)量，形成機(jī)理不是很清晰，比如，影響一個(gè)晶圓的某種缺陷（通常有40余種常見缺陷）的原因可能是與機(jī)器的加工中的傳輸精度有關(guān)，也可能與空氣流動(dòng)、溫度的變化，也可能對(duì)于工藝材料的配方有關(guān)，這些復(fù)雜的問(wèn)題究竟是如何形成的？應(yīng)該在哪個(gè)方面進(jìn)行調(diào)整？而很多原因是無(wú)法測(cè)量的，或者測(cè)量不經(jīng)濟(jì)，那么，老法師依靠自己的經(jīng)驗(yàn)，積累了眾多的知識(shí)，他就能找到問(wèn)題的原因。或者吹瓶中的白花、瓶頸歪斜現(xiàn)象，都是有對(duì)應(yīng)的原因，過(guò)于高的溫度、模具安裝精度不足等，這些都是依賴于經(jīng)驗(yàn)的。

而要解決工業(yè)中的問(wèn)題，AI在沒有物理模型、行業(yè)知識(shí)的協(xié)助下，幾乎無(wú)能為力，一定是“老虎吃甜，無(wú)處下爪”的。要把老法師們的“隱性知識(shí)”變成顯性知識(shí)，本身就是一個(gè)復(fù)雜的人工過(guò)程，在AI還沒有洞察力的時(shí)代，AI的代價(jià)是非常高昂的，因?yàn)椋瑴y(cè)試驗(yàn)證仍然是要花費(fèi)巨大的成本的，而這個(gè)成本有時(shí)候我們忽視了—因?yàn)樵趥鹘y(tǒng)機(jī)理模型上就出現(xiàn)這樣的問(wèn)題。

在一次展會(huì)期間，其實(shí)，我想驗(yàn)證一個(gè)老前輩的話，他曾經(jīng)說(shuō)其實(shí)國(guó)內(nèi)目前仿的機(jī)器都是別人10-20年前的，通過(guò)與行業(yè)幾位業(yè)內(nèi)人士聊過(guò)發(fā)現(xiàn)果然如此，因?yàn)閺募夹g(shù)上來(lái)說(shuō)，Know-How通過(guò)軟件封裝已經(jīng)讓很多這種“灰度創(chuàng)新”難以為繼，而另一方面，對(duì)于新的機(jī)器來(lái)說(shuō)，即使逆向工程也是有大量測(cè)試驗(yàn)證工作的，與20年前的機(jī)電系統(tǒng)相比，這個(gè)驗(yàn)證也是代價(jià)很高的，風(fēng)險(xiǎn)比較大，所以，大家也就只能把別人十多年前的機(jī)器圖紙拿來(lái)。只有少數(shù)具有自主研發(fā)能力的企業(yè)，才具有很深的機(jī)械電氣機(jī)理模型驗(yàn)證能力，談到這個(gè)是想說(shuō)，其實(shí)，AI用于解決問(wèn)題花費(fèi)的測(cè)試驗(yàn)證成本并不會(huì)比傳統(tǒng)的方式低，不要對(duì)AI抱有過(guò)高的期望。

非是為了潑冷水—只是想強(qiáng)調(diào)，要客觀、冷靜的看待AI，現(xiàn)在的政府似乎也陷入了瘋狂，就像H大學(xué)的老師說(shuō)的“他們已經(jīng)成為了科學(xué)家”，開始為越俎代庖來(lái)為產(chǎn)業(yè)規(guī)劃AI在制造業(yè)的應(yīng)用，規(guī)劃“數(shù)字孿生”，我覺得官員對(duì)于“政績(jī)”的“高端大氣上檔次”有非常強(qiáng)烈的欲望，凡是要持續(xù)投入的、而且要從基礎(chǔ)做起的，都是他們不感興趣的，這就警示我們“那些指導(dǎo)性意見”可能帶有非常強(qiáng)烈的“選擇性”，那就可以做出簡(jiǎn)單的推斷，這可能就不是有意義的方向，可能借著AI來(lái)個(gè)“打造千億市值企業(yè)”的雄偉規(guī)劃就出來(lái)了，趁著半導(dǎo)體的熱門，各地又像當(dāng)年打造機(jī)器人產(chǎn)業(yè)園一樣打造半導(dǎo)體產(chǎn)業(yè)園。

做企業(yè)的，可不能這樣，尤其是自己要掏真金白銀來(lái)的，可要思慮清楚。

如果過(guò)去的那種做法真的奏效，其實(shí)，我們?cè)趺磿?huì)有今天的問(wèn)題呢？所以，不能用帶來(lái)問(wèn)題的思維方式來(lái)解決問(wèn)題，這個(gè)話還是有非常深的道理的。

我們的很多問(wèn)題，根本不是AI能夠解決的，或者AI只能解決非常有限的問(wèn)題，解決那些已經(jīng)達(dá)到了機(jī)理極限的問(wèn)題。以為AI就可以解決問(wèn)題不花錢—這種不老而獲想法也是不行的。

人才，其實(shí)還是人才的問(wèn)題

各種會(huì)議、論壇的專家的蠱惑能力真的是夠強(qiáng)的，現(xiàn)在大凡去家公司、遇到個(gè)技術(shù)大咖，就能給你講講人工智能、數(shù)字孿生能夠帶來(lái)什么樣的收益，比如通過(guò)數(shù)字采集，能夠優(yōu)化你的質(zhì)量啊！能耗啊！…反正這種千篇一律的“愿景”在過(guò)去數(shù)十年里從來(lái)沒有中斷過(guò)，其實(shí)，這些詞返回到70年前的AI初期階段，也是這些詞。

但是，你若問(wèn)的仔細(xì)，你會(huì)發(fā)現(xiàn)大部分人其實(shí)對(duì)于AI是一知半解，很多企業(yè)的決策著也是有一種“不做就落后的感覺”，其實(shí)，如果我告訴你你的落后跟人工智能一點(diǎn)關(guān)系也沒有，但是，有些人會(huì)問(wèn)， 我們應(yīng)該有什么樣的知識(shí)結(jié)構(gòu)，這倒是問(wèn)到了要點(diǎn)上，就是有了“規(guī)劃”的想法了，至少人家知道，這事肯定得有人才行。

這跟工業(yè)互聯(lián)網(wǎng)有點(diǎn)像，前段時(shí)間有朋友說(shuō)走訪了很多某省的企業(yè)，很多企業(yè)都想上工業(yè)互聯(lián)網(wǎng)，但是，不知道能干什么，這種現(xiàn)象很普遍，能干什么都不知道，純粹是怕落后于時(shí)代，但是，對(duì)于自己企業(yè)存在哪些問(wèn)題，需要借助于這些工具與方法來(lái)解決似乎并沒有概念。企業(yè)的問(wèn)題，主要是為了解決對(duì)服務(wù)的用戶的質(zhì)量、成本、交付問(wèn)題—這是反復(fù)被強(qiáng)調(diào)的，聚焦自身，你又不是打算做工業(yè)互聯(lián)網(wǎng)企業(yè)，你想上不上云、怎么干，這些是服務(wù)廠商的問(wèn)題，企業(yè)自身的問(wèn)題是把需求搞明白，自己想要什么搞清楚—如果連這個(gè)也不清楚，你上什么工業(yè)互聯(lián)網(wǎng)平臺(tái)、AI都是枉然，也就被騙了點(diǎn)錢，或者一起忽悠了筆政府的錢。

如果不知道為什么要做這件事情的時(shí)候，至少你可以冷靜下來(lái)問(wèn)問(wèn)自己“WHY？”，然后問(wèn)問(wèn)這個(gè)問(wèn)題，我現(xiàn)在有什么辦法嘗試過(guò)了嗎？

你得知道你處在什么階段？

我想很多企業(yè)還沒有到AI發(fā)揮實(shí)力的階段，很多企業(yè)的問(wèn)題只需要通過(guò)提高精益管理水平、提高自動(dòng)化水平就可以解決的階段，AI這個(gè)東西，它是用來(lái)解決一些更為“精細(xì)”的工作的，就像你質(zhì)量水平是99%，你已經(jīng)使出了渾身解術(shù)，那么，你可以借助于AI幫助你解決一些更為精益的問(wèn)題，在一些細(xì)節(jié)上可以將工藝匹配的更精準(zhǔn)，但是，如果你現(xiàn)在的質(zhì)量水平還只有85%，那我可以告訴你，這個(gè)階段可以用更便宜的方法，而不是AI來(lái)解決的。

其實(shí)，很多問(wèn)題還不需要AI就能解決，或者，很多企業(yè)的落后，不是AI能解決的，AI解決都是高級(jí)問(wèn)題，你連初級(jí)問(wèn)題都沒有解決，你指望跨越的發(fā)展是不現(xiàn)實(shí)的。

當(dāng)然，如果你感興趣，你有一些問(wèn)題是否AI今天更經(jīng)濟(jì)，這么思考問(wèn)題我想也是可以理解的，畢竟，傳統(tǒng)的方法也不是什么好方法，但是，這里你就必須得清楚你的應(yīng)用特征了，你還是得有自己的知識(shí)和Know-How，至少你得把你的問(wèn)題講清楚。

你能把你想要的問(wèn)題講清楚嗎？？

不要輕易回答這個(gè)問(wèn)題，仔細(xì)想想，你會(huì)發(fā)現(xiàn)，大部分人做不到講清楚，而建議別人“問(wèn)清楚”。

--你清晰你的工藝流程嗎？

--你關(guān)注的細(xì)節(jié)是用戶關(guān)注的嗎？

--你們亟待解決的可量化指標(biāo)是什么？

--對(duì)于質(zhì)量相關(guān)性的參數(shù)你有多少了解？

--你知道你需要多大量數(shù)據(jù)才能訓(xùn)練出有效模型嗎？

--你們的數(shù)據(jù)類型是哪種？

--對(duì)于可解釋性你們有要求嗎？

--你對(duì)AI了解多少？

--你的AI規(guī)劃與現(xiàn)有系統(tǒng)之間如何銜接？

--你能夠?yàn)槟愕墓?yīng)商提供什么樣的架構(gòu)？

能把問(wèn)題講清楚嗎？

把問(wèn)題講清楚，以前覺得不是個(gè)什么事情，但是，現(xiàn)在發(fā)現(xiàn)這是個(gè)大問(wèn)題。

做AI的人呢，大概收入高吧，最近又遇到了說(shuō)自動(dòng)化行業(yè)的那些軟件就是玩具的IT大佬，他說(shuō)了半天梯形圖，指令表就是個(gè)簡(jiǎn)單的玩具，我反應(yīng)遲鈍，覺得說(shuō)的好像有點(diǎn)道理，其實(shí)，后來(lái)我才想起來(lái)，不對(duì)啊！我們工程師不大用梯形圖啊！都是用C/C++比較多啊！而且都用了20多年了，他們?cè)趺蠢鲜怯X得PLC就是梯形圖呢？

提這個(gè)問(wèn)題是想說(shuō)“隔行如隔山”，IT的人和OT的人過(guò)去數(shù)十年都在爭(zhēng)論一個(gè)問(wèn)題，你給我數(shù)據(jù)，我就能分析，OT問(wèn)，你要什么數(shù)據(jù)？IT說(shuō)你有什么數(shù)據(jù)？佛陀說(shuō)“我執(zhí)”，其實(shí)看來(lái)群體的執(zhí)念—集體中心主義也是很嚴(yán)重的，但是，IT與OT、機(jī)械與電氣、工藝之間的“鴻溝”是存在的。之前寫“提問(wèn)”這個(gè)話題不是沒有道理的，有些人肯定覺得我寫了個(gè)“小話題”，其實(shí)，非也，有效的溝通，在融合時(shí)代極為重要。能否有良好的結(jié)構(gòu)性思維、高效的提問(wèn)、理解、總結(jié)、確認(rèn)的循環(huán)過(guò)程，我們的溝通效率會(huì)很低，就無(wú)法有效的推動(dòng)項(xiàng)目。

智能到底是什么？它想干什么？

顯然，人們搞各種智能的目的就是讓機(jī)器人幫人干活，也不是懶，在靈活性方面，機(jī)器是沒法跟人比的，但是，在質(zhì)量一致性、速度、工作態(tài)度方面，機(jī)器肯定比人強(qiáng)，生產(chǎn)線上的工人，老法師干活杠杠的，但是，老油條也能給你磨洋工，你看機(jī)器就不一樣，只要給它上電，它就給你干活，它出了問(wèn)題，也不會(huì)抱怨你不給它漲工資，給上點(diǎn)潤(rùn)滑油，換個(gè)零件，繼續(xù)干。

智能，就是想讓機(jī)器擁有人的智慧，然后去干活，但就目前為止，我想機(jī)器還沒有達(dá)到“智慧”這個(gè)境界，智慧，要拿佛陀的說(shuō)法就是“般若”，就是“明心見性”的通透，扯遠(yuǎn)了，要回到地面上說(shuō)就是“判斷力”，對(duì)方向的把握吧，你說(shuō)機(jī)器學(xué)習(xí)厲害，據(jù)說(shuō)已經(jīng)達(dá)到了人類的圖片識(shí)別能力，我突然想起來(lái)，我們家小姑娘，她可是不需要那么多訓(xùn)練的，她看到一個(gè)大象的非常粗糙的卡通圖，到了動(dòng)物園，她就會(huì)指責(zé)著那個(gè)巨大的動(dòng)物說(shuō)“大象”，你看，你花費(fèi)了那么多計(jì)算機(jī)資源才學(xué)到這個(gè)水平，那小朋友根本就不用

智能的本質(zhì)是什么？

智能的本質(zhì)，主要還是為了應(yīng)對(duì)變化，其實(shí)，變化是永恒的存在，因此，不管過(guò)去，今天，還是未來(lái)，變化都是存在的，因此，像控制、通信，其實(shí)都是為了解決這種VUCA環(huán)境下的穩(wěn)定生產(chǎn)問(wèn)題，降低不確定性，這是顯然的。

相對(duì)來(lái)說(shuō)，在過(guò)去的時(shí)間里，生產(chǎn)還是比較標(biāo)準(zhǔn)的，現(xiàn)在就不一樣了，現(xiàn)在你要讓我穿件跟你一樣的衣服，我內(nèi)心深深的覺得自己沒有個(gè)性-不能彰顯我獨(dú)特的魅力，盡管我知道我的個(gè)性化需求主要來(lái)自體型的局限性帶來(lái)的困擾，但是，我還是選擇去定制襯衫和西裝。

如果你讓機(jī)器擁有智能，其實(shí)，就是讓機(jī)器學(xué)會(huì)人的方式去干活，人怎么干活的？人是有眼睛、耳朵感知世界的，然后有手去執(zhí)行的，由感知到大腦，大腦協(xié)調(diào)各種肌肉、關(guān)節(jié)的運(yùn)動(dòng)（機(jī)器或機(jī)器人）來(lái)完成各種任務(wù)的。

智能的形成過(guò)程

但是，人的知識(shí)是怎么形成的？就是觀察、測(cè)試驗(yàn)證、然后不斷迭代，那么，機(jī)器也一樣需要這樣，人對(duì)這個(gè)世界的知識(shí)的應(yīng)用主要有演繹—即，像中學(xué)學(xué)習(xí)幾何一樣推理出結(jié)果，而歸納，就像今天的數(shù)據(jù)建模一樣，用數(shù)據(jù)擬合、聚合出一個(gè)模型，兩者即機(jī)理建模、數(shù)據(jù)驅(qū)動(dòng)的建模。

數(shù)學(xué)是連接物理和虛擬世界的橋梁，建模必然會(huì)用到數(shù)學(xué)，只是會(huì)用到什么樣的數(shù)學(xué)一樣，比如邏輯就是布爾代數(shù)、PID調(diào)節(jié)基于微積分、數(shù)據(jù)的處理基于概率統(tǒng)計(jì)，就連信息論、控制論也是基于數(shù)理邏輯、統(tǒng)計(jì)力學(xué)等學(xué)科匯集才能構(gòu)建一個(gè)“對(duì)不確定環(huán)境的統(tǒng)計(jì)學(xué)建模，然后預(yù)測(cè)未來(lái)的趨勢(shì)”，如果回到維納的《控制論》和香農(nóng)《信息論》，控制與通信都是這樣的，也是基于數(shù)據(jù)驅(qū)動(dòng)的模型。

因此，本來(lái)人工智能三大學(xué)派就分別代表了不同的實(shí)現(xiàn)，符號(hào)主義那幫人打算對(duì)人的思維、推理過(guò)程，用數(shù)字邏輯來(lái)表達(dá)，然后去推理、判斷與決策，而連接主義想模擬人的神經(jīng)遞質(zhì)傳遞過(guò)程，進(jìn)行計(jì)算，來(lái)模擬人的推理過(guò)程，而行為主義學(xué)派則是通過(guò)“負(fù)反饋”來(lái)調(diào)整“控制策略”，以實(shí)現(xiàn)對(duì)不確定性、干擾環(huán)境下的物理對(duì)象的穩(wěn)定輸出。

說(shuō)來(lái)說(shuō)去，其實(shí)，制造業(yè)的智能包括了大家平時(shí)用的機(jī)理建模和數(shù)據(jù)建模兩種方式，因?yàn)槲覀兛梢韵胂螅欠袼械闹圃於际恰拔锢怼焙汀盎瘜W(xué)”兩種，物理的成型也是有物理公式的，化學(xué)則有化學(xué)方程式，只是干擾卻具有不確定性，那么，行為主義不管你們的干擾形成和影響是什么樣的，我就認(rèn)準(zhǔn)對(duì)象輸出有問(wèn)題就去調(diào)節(jié)，然后不斷的采樣、控制、周期性的控制策略調(diào)整，總歸是能達(dá)到效果的。機(jī)理模型當(dāng)然也不是完美的，畢竟，它也不是實(shí)時(shí)的，也只是控制“趨勢(shì)”。

智能其實(shí)就是這兩種主要的思維方式的數(shù)學(xué)建模，然后經(jīng)過(guò)大量的測(cè)試驗(yàn)證，最終形成知識(shí)的載體—工業(yè)軟件，軟件即是人的知識(shí)、推理的封裝。

工業(yè)智能的幾個(gè)重要場(chǎng)景

對(duì)于工業(yè)而言，圖3幾個(gè)場(chǎng)景是比較典型的AI發(fā)揮能力的地方：

（1）.預(yù)測(cè)性維護(hù)：傳統(tǒng)采用機(jī)械失效分析等機(jī)理的方式，其實(shí)一樣是需要領(lǐng)域知識(shí)的大量積累，過(guò)去稱為專家系統(tǒng)，但是，對(duì)于航空航天等重要領(lǐng)域，其實(shí)，這個(gè)方面的研究一直在進(jìn)行，但是，對(duì)于更為廣泛的領(lǐng)域，則由于經(jīng)濟(jì)性問(wèn)題，而不能進(jìn)行大量的專家知識(shí)積累，依靠于人的經(jīng)驗(yàn)，而隨著AI帶來(lái)的成本下降，使得，通過(guò)AI來(lái)進(jìn)行更為廣泛領(lǐng)域的預(yù)測(cè)性維護(hù)，也成為了可能。

（2）.視覺應(yīng)用

相對(duì)于傳統(tǒng)的光電開關(guān)、紅外等傳感器，機(jī)器視覺能夠表達(dá)更為豐富的信息，因此，可以被應(yīng)用于各種任務(wù)，隨著FPGA芯片、GPU成本的下降，使得視覺可以更為廣泛的應(yīng)用，典型的在瑕疵檢測(cè)、測(cè)量、識(shí)別等場(chǎng)景，而機(jī)器視覺與機(jī)器學(xué)習(xí)可以結(jié)合，訓(xùn)練對(duì)缺陷的識(shí)別模型，并提高適應(yīng)性。

（3）.控制策略

事實(shí)上，AI在工業(yè)控制領(lǐng)域的應(yīng)用一直是伴隨著AI的發(fā)展的，只是局限于算力與經(jīng)濟(jì)性問(wèn)題，因此，例如在自適應(yīng)控制、模糊控制中都會(huì)用到相應(yīng)的如神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)驅(qū)動(dòng)建模方法，而對(duì)于各種非線性、不易于測(cè)量、沒有機(jī)理模型的控制場(chǎng)景里，這些應(yīng)用一直在進(jìn)行。

（4）.最優(yōu)化：對(duì)于原有的控制任務(wù)過(guò)程中，我們可以加載觀測(cè)器、成本函數(shù)來(lái)對(duì)整個(gè)過(guò)程進(jìn)行約束，例如尋找時(shí)間消耗最小的路徑、材料最少、質(zhì)量最高的路徑，這種最優(yōu)化，在沒有模型可以依賴的時(shí)候，可以借助于學(xué)習(xí)來(lái)訓(xùn)練模型。

工業(yè)對(duì)于AI必須是“物理模型+AI方法與工具+行業(yè)知識(shí)”共同構(gòu)成，難道我們機(jī)理模型沒有打好基礎(chǔ)，就認(rèn)為直接邁入AI時(shí)代，就能跨越制造的本身？

責(zé)任編輯：lq