中國***元智大學工業工程學系副教授鍾云恭指出，自動化程度提高，不代表就是已經智能化，但如果生產線有問題，機器卻不能自我改善，就需要有人來處理，真正要達到減少人力的目標，其實并不容易。

自動化≠智能化，學習才是王道

工業3.0雖然因為大量導入ICT科技，發展出非常高度的自動化應用，但中國***元智大學工業工程學系副教授鍾云恭指出，自動化程度提高，不代表就是已經智能化，

但如果生產線有問題，機器卻不能自我改善，就需要有人來處理，真正要達到減少人力的目標，其實并不容易。

中國***元智大學工業工程學系副教授鍾云恭

所幸，隨著人工智能所須具備的機器學習理論(Machine Learning Theory)的基礎，目前因已發展成熟，機器自我學習的能力得以提升，德國提出的工業4.0展望于焉成形。

鍾云恭指出，機器人或視訊監控，都是人工智能應用的具體呈現，以機器人為例，可以將視覺、聽覺及動作成為一體，如裝配需要看到位置及瑕疵，安裝時要注意力道，或是對機臺是否造成損壞等，

但機臺運行久了，難免會有故障，但到底是要停機？還是要自我改善？能不能讓機器自我調整，即使碰到困難，頂多只會發生一次，而且不需要人力維護，就能避免犯下同樣的錯誤，唯有機器能夠自動改善，才能做到無人工廠。

鍾云恭強調，人工智能跟自動化的差別，就在于有沒有「學習」或「自我改善」。機器不只要「自動」，還要「自發」。

自動化(automatic)設備與具自發性(autonomous)的設備，驅動的數學模式是不一樣的，前者是模式驅動(Model-Driven)，用的是演繹法(deduction)，后者是數據驅動(Data-Driven)，用的是歸納法(induction或generalization)，這也是為何大家得改用人工智能中的「機器學習理論」來處理大數據的原因。

但實驗室中的理論或實驗結果所得到的資料特性，鍾云恭認為，仍然不比實際上在物聯網(IoT)或工業物聯網(IIoT)中，具6V特性的大數據(Big Data)還要復雜，許多錯綜復雜且真假難辨，堆積如山又深如大海的網絡資料，目前仍無法用實驗室中的人工智能，有效率地分析與處理。

因此，在「機器學習」之前與之后，都需要資料統計分析技術。但鍾云恭指出，一般懂機器學習模式的人，卻未必通曉資料的統計分析，就像醫生沒有幕后發明藥的生化專家一樣，病不好治。

要成功的發展工業4.0，就必須具備「機器學習理論」，以建立可以處理6V大數據學習算法模式的專家，與懂得如何分析(analyze)與合判(Synthesize)各類不同特性資料的「統計技術」人才。

此外，信息系統開發的「計算機科學」人才，也不可少，專攻通訊網絡與硬件建設的工程專家，也有一定的地位。因此要發展工業4.0，需要有功夫扎實的跨領域合作團隊，才能在工業4.0崎嶇不平的道路上，披荊斬棘地前進。

從自動化經驗發展人工智能

鍾云恭指出，中國制造業的確進步很快，自政府提倡「生產力4.0」的目標后，業界都向「無人工廠」的邁進，但取代人力的設備與機器的自動化，究竟是仍屬傳統的彈性制造系統(Flexible Manufacturing System；FMS)？

或是等級更高的計算機化集成制造系統(Computerized Integrated Manufacturing System；CIM)？還是已經有學習功能，會自發性生產的制造系統？

如制程或規格監控，自動化只能做到區隔是及不是，只要監控結果不在不正常的范圍，系統就會以為還是正常的。但人工智能可以透過學習結果，從「不一定」的答案中找到答案，就會有能力自己調整監控范圍。

鍾云恭認為，人工智能要像機器老鼠走迷宮，當第一個錯誤發生時，要有能力學習，甚至要有能力預測可能出現的錯誤。

但傳統的控制模式，都會有假設模式，只要超出假設模式，就很難避免錯誤發生。以影像辨識為例，在擷取訊號或影像，雖然都已經沒問題，但如果是從來沒有看過的資料，就可能會無法辨識，自然就無法避免可能發生的錯誤。

因此，只要問：「這套設備有學習的功能嗎？」就可以知道該設備是否達到工業4.0的級數，但歐美等國開始倡導工業4.0，也才不過5年的時間，中國現在還很難有真正的學習型智能機器或生產線，能以精實管理的判斷過程如6個標準差(Six Sigma)為基礎，透過機器學習來完成。

鍾云恭指出，現今的自動化制造知識，是工業4.0的學習對象之一，機器若沒有「自動」動作，爾后也不會學到「自發」行為。

能做到高度自動化，就有機會做到人工智能化，因為數學模型已經高度完整，網絡環境、中央控管系統、大數據分析相對成熟，現在的關鍵是機器本身有無學習能力，更重要的是要學習，為什么會有問題。

導入人工智能的目的，在于要做到精準預測，如誤差往往是漸進發生的，但現在的產品制造速度愈來愈快，可能等到察覺問題時，就已經制造出很多不良品，人工智能因為要走一步學一步，算法學習速度也許不夠快，但是只要學習完成了，不但不會再犯錯，而且會愈走愈快。

3盡快建立成功案例

制造業若希望能在智能工廠與工業4.0相關領域有所表現，鍾云恭認為，可能會遭遇的主要挑戰，就是人才不足的問題。如在人工智能領域，只有投入足夠的資源，如數學教育的氛圍需要更加強化，才能培養能夠用機器學習算法來設計計算機的人才。

中國已經擁有自己的超級計算機，也已開始進行人工智能方面的實驗，如Travel Salesman Problem(TSP)，可深入了解邏輯運算的正確性，中國的制造業的飛速崛起將指日可待。

值得注意的是，鍾云恭認為企業主本身是否真的愿意投入足夠的研發經費將是一個挑戰。「怕失敗，怕投資無法回收」是每個企業主一定會有的風險考量，但要搞工業革命，沒有經費，那革命恐怕也會待在「尚未成功」的階段。

政府除要持續高度對制造業施行各項輔導與補助外，也要體認工業4.0是要著重在研發與教育。政府政策必須多管齊下，除加強提升業界現有之多功能自動化的FMS或CIM系統，使之提升至再具有自發性功能外，還要建立教育機器學習理論與算法設計的環境，如研發可以學習用數據方式來呈現過去制造經驗的智能機器與設備，盡快建立成功案例，才能夠有效推動人工智能于工業4.0的應用推廣。