2019年1月10日，由中國自動化學會聯(lián)合中國科學院自動化研究所、中華人民共和國工業(yè)和信息化部與中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟主辦的2019國家智能產(chǎn)業(yè)峰會在山東青島召開。峰會以“工業(yè)智聯(lián)網(wǎng)：AI賦能，智聯(lián)世界”為主題，旨在使廣大從業(yè)人員更好地理解工業(yè)智聯(lián)網(wǎng)本質(zhì)，挖掘工業(yè)智聯(lián)網(wǎng)潛在能效，進而推動智能產(chǎn)業(yè)發(fā)展。

中國自動化學會理事長鄭南寧、中科院自動化研究所黨委書記牟克雄、工信部電子科技委副主任兼秘書長莫瑋、青島市人民政府副市長張德平作為嘉賓，悉數(shù)到場為智能產(chǎn)業(yè)峰會致辭。會上，青島智能院宣布與國科嘉和、徐工集團、慧拓智能、吉利集團以及松鼠AI等五家企業(yè)達成重大合作，并舉行簽約儀式。

簽約儀式

人工智能與自動化發(fā)展歷程以及趨勢

 中國工程院院士、中國自動化學會特聘顧問柴天佑以“工業(yè)人工智能發(fā)展趨勢”作為主題，登臺為峰會發(fā)表論壇報告。柴天佑首先講工業(yè)人工智能拆分成人工智能與工業(yè)兩部分，回顧了人工智能的發(fā)展歷程。提出2010年以后三大因素促使人工智能發(fā)展浪潮。分別是：

1.來自政府、電子商務、商業(yè)、社交媒體、科學、政府提供可用的大數(shù)據(jù)

2.強大的計算能力

3.科技產(chǎn)業(yè)增加在人工智能領域的投資

由此可見，可用大數(shù)據(jù)、計算力、產(chǎn)業(yè)投資在人工智能發(fā)展當中占有相當重要的地位。

2016年，谷歌首席執(zhí)行官桑達爾指出，機器學習是人工智能的核心。谷歌正將機器學習應用到公司的所用產(chǎn)品當中。拉開了人工智能機器學習的發(fā)展熱潮。

由此，深度學習快速發(fā)展。在圖像識別領域，人工智能2016年的識別錯誤率以降低到3.5%的成績，標志著圖片識別領域已開始超過人類。（人類錯誤率：5%）

目前人工智能技術發(fā)展在朝著可解釋機器學習、建立智能系統(tǒng)兩個重要方向發(fā)展。

柴天佑

柴天佑指出，人工智能分為弱人工智能和強人工智能兩種類型。此前，運用較廣的是人工智能是指圖像識別、語音識別等窄面運用的弱人工智能。未來人工智能將朝著與人一樣智慧全面的AI發(fā)展。而基于統(tǒng)計的、無模型的機器學習方法存在嚴重的理論局限，難以用于推理和回溯，難以作為強人工智能的基礎。實現(xiàn)類人智能和強人工智能需要在機器學習系統(tǒng)中加入“實際模型的導引”。

并且，機器智能系統(tǒng)在企業(yè)、政府和全球居民的日常生活中占據(jù)越來越重要的角色，很難估計計算機控制系統(tǒng)在不久的將來可以實現(xiàn)哪些功能。因此，人工智能領域正朝著智能系統(tǒng)的方向發(fā)展。

自動化的界定并不明確，且隨著時間推移不斷變化，但多年來一直秉持一個核心目標：研制系統(tǒng)替代人或輔助人去完成人類生產(chǎn)、活動和管理活動中的特定任務，減少、減輕人的體力、腦力勞動，提高工作的效率、效益、效果。

近年來，自動化的發(fā)展趨勢在向控制系統(tǒng)自主控制、管理與決策系統(tǒng)智能優(yōu)化、且形成優(yōu)化、決策、控制一體化系統(tǒng)等方向發(fā)展。

工業(yè)人工智能的作用與難點

 柴天佑教授指出，自動化與人工智能之間的共同點在于：都是通過機器延伸和增加人類的感知、認知、決策、執(zhí)行的功能，增加人類認識世界和改造世界的能力，完成人類無法完成的特定任務或比人類更有效的完成特定任務。區(qū)別在于研究的對象與方法不同、實現(xiàn)的手段不同（算法和系統(tǒng)），且人工智能在短期內(nèi)的核心經(jīng)濟影響是自動化以前無法完成的任務。

而目前的工業(yè)人工智能則是兩者結合。工業(yè)人工智能可以增強勞動力素質(zhì)、提高工作效率更好地服務客戶，能使工業(yè)的各個環(huán)節(jié)產(chǎn)生變革，為先進制造帶來新的希望。通過工業(yè)人工智能與數(shù)字設計相結合，將制造過程所需的信息無縫地結合到原材料到產(chǎn)品的轉換過程當中，從而形成一個高度互聯(lián)的工業(yè)實體。通過一整套供應鏈系統(tǒng)橫跨多個公司，智能制造能通過對缺陷和故障的檢測和糾正以確保產(chǎn)品質(zhì)量的一致性和可追溯。這些進步取決于強大的工業(yè)互聯(lián)網(wǎng)創(chuàng)新和面向制造流程的機器學習算法，以及可在以信息為中心的一體化系統(tǒng)中即插即用的機床和控制系統(tǒng)。

而工業(yè)人工智能的難點在于：

1.多源異構數(shù)據(jù)的機器學習

人工智能深度學習是基于完全標注的大樣本靜態(tài)特性學習，而工業(yè)人工智能則需要對不完全、無標注樣本的動態(tài)特性進行學習。

2.產(chǎn)品質(zhì)量、能耗以及運行狀態(tài)的預測與追溯

原料轉化為產(chǎn)品的過程是物質(zhì)流、能源流、信息流交互作用的過程。反應機理不清的物理化學過程，其動態(tài)特性隨運行過程變化。且不同生產(chǎn)批次之間的動態(tài)特性不同，單頓能耗難以在線測量。

3. 決策與控制過程集成優(yōu)化

制造過程中的智能決策接收到的是小數(shù)據(jù)，解決的是大任務。從信息感知層面，制造過程中的智能決策面臨著開放環(huán)境、信息不完全、規(guī)則不確定等難題。制造過程當中難以建立決策仿真模型，同時最終決策需要權衡質(zhì)量、效率、消耗等多沖突目標。

柴天佑指出，中國擁有一批國家級重點實驗室和工業(yè)自動化、信息化的學術帶頭人、研究骨干以及人才資源。目前已取得相應的創(chuàng)新成果，由此孕育了一批先進的高技術公司。“世界工廠”級別的制造業(yè)則為工業(yè)人工智能的研究提供了實驗環(huán)境。隨著國家戰(zhàn)略和工業(yè)需求的推動，我國的工業(yè)人工智能一定會良好發(fā)展。