自動(dòng)化和智能化有什么區(qū)別？我向來(lái)反對(duì)咬文嚼字，就把這個(gè)問(wèn)題轉(zhuǎn)化成另一個(gè)問(wèn)題：在全自動(dòng)化的工廠里，為什么還需要人？我想至少有兩類問(wèn)題需要人來(lái)處理：1、生產(chǎn)過(guò)程出現(xiàn)問(wèn)題和異常時(shí)，需要人來(lái)發(fā)現(xiàn)和處理；2、對(duì)現(xiàn)有生產(chǎn)方式的改進(jìn)與創(chuàng)新。從自動(dòng)化到智能化，其實(shí)就是要解決這類問(wèn)題。

這兩類問(wèn)題又與一個(gè)概念有關(guān)，這就是“標(biāo)準(zhǔn)”。在筆者看來(lái)，“標(biāo)準(zhǔn)”是連接現(xiàn)代工業(yè)思想與數(shù)字化的橋梁，是理解智能化的關(guān)鍵。以“標(biāo)準(zhǔn)”為基礎(chǔ)，上面兩類智能化問(wèn)題都可以很好地定義，并借助數(shù)字化方法完善：所謂的“異常”就是超出了標(biāo)準(zhǔn)允許的范圍；所謂的改進(jìn)與創(chuàng)新，往往就是標(biāo)準(zhǔn)的優(yōu)化與改變。

工業(yè)界實(shí)用的好方法，往往看似“笨辦法”，而標(biāo)準(zhǔn)化就是這樣一種辦法。遇到問(wèn)題時(shí)，學(xué)術(shù)界的許多同志總想著用理論方法給出答案。但現(xiàn)實(shí)中，理論有各種局限性，人們往往在很大程度上需要借助實(shí)踐和嘗試。一旦通過(guò)實(shí)踐或者嘗試成功了，就把成功的方法記下來(lái)，這就是“標(biāo)準(zhǔn)”。標(biāo)準(zhǔn)不一定是最理想的，但嚴(yán)格遵守標(biāo)準(zhǔn)卻能取得理想的結(jié)果。

在現(xiàn)代工業(yè)企業(yè)中，標(biāo)準(zhǔn)往往成為一個(gè)體系，覆蓋到生產(chǎn)經(jīng)營(yíng)的方方面面。比如，產(chǎn)品標(biāo)準(zhǔn)、工藝標(biāo)準(zhǔn)、控制標(biāo)準(zhǔn)、操作標(biāo)準(zhǔn)、設(shè)備維護(hù)標(biāo)準(zhǔn)、采購(gòu)標(biāo)準(zhǔn)、檢驗(yàn)測(cè)試標(biāo)準(zhǔn)等。標(biāo)準(zhǔn)越是完整、全面，隨機(jī)干擾就會(huì)被壓縮得越少，生產(chǎn)過(guò)程和產(chǎn)品質(zhì)量也就越穩(wěn)定。

很多人注意到：在智能化的過(guò)程中需要利用人的知識(shí)。數(shù)字化的實(shí)施過(guò)程，往往是把人的知識(shí)數(shù)字化、軟件化。這樣，讓計(jì)算機(jī)去處理問(wèn)題，本質(zhì)上也就實(shí)現(xiàn)了標(biāo)準(zhǔn)化。我們注意到：在數(shù)字化時(shí)代，計(jì)算機(jī)管控標(biāo)準(zhǔn)的能力大大提升：可以分場(chǎng)景建立標(biāo)準(zhǔn)、可以根據(jù)不同產(chǎn)品分別建立標(biāo)準(zhǔn)、可以把若干函數(shù)作為標(biāo)準(zhǔn)、可以把若干條曲線作為標(biāo)準(zhǔn)；可以把2維的圖像作為標(biāo)準(zhǔn)；可以把多變量形成的模式作為標(biāo)準(zhǔn)；.....這些標(biāo)準(zhǔn)可以在生產(chǎn)過(guò)程中實(shí)時(shí)監(jiān)控。

知識(shí)是什么呢？人工智能有一個(gè)學(xué)派叫“符號(hào)主義”或者“計(jì)算機(jī)學(xué)派”。在這個(gè)學(xué)派中，用符號(hào)描述概念，知識(shí)的本質(zhì)是概念之間的關(guān)系。比如，“老虎會(huì)吃人”是一條知識(shí)，而“老虎”、“人”都是概念。

我們一直用控制論的觀點(diǎn)認(rèn)識(shí)智能化：通過(guò)獲取和處理信息，提升系統(tǒng)的能力。于是，就出現(xiàn)了一個(gè)問(wèn)題：除非是人類的輸入，計(jì)算機(jī)獲得的信息都是通過(guò)傳感器獲得的。但傳感器的都是物理量，如何去對(duì)接人類知識(shí)中的“概念”呢？我把從傳感器的數(shù)據(jù)轉(zhuǎn)化成“概念”的過(guò)程，稱之為“感知到認(rèn)知”。

人們眼睛看到老虎的圖像，腦子中就出現(xiàn)老虎的概念。這就是典型的認(rèn)知。與計(jì)算機(jī)相比，人具有更強(qiáng)的認(rèn)知能力。人工智能的一個(gè)重要作用，就是讓計(jì)算機(jī)具備“認(rèn)知能力”。但我們必須強(qiáng)調(diào)的是：在工廠的場(chǎng)景下，人工智能只是讓計(jì)算機(jī)具備認(rèn)知能力的方法之一、甚至不是最重要的方法。意識(shí)到這一點(diǎn)，才能看到智能化廣闊的應(yīng)用前景。

在鋼鐵廠的連鑄車間，通過(guò)光電管的通斷，計(jì)算就能知道某一塊鋼坯到達(dá)或者離開了。這本質(zhì)上就是一種“認(rèn)知能力”。當(dāng)然，這種認(rèn)知的前提，是在工廠特定的場(chǎng)景下才能實(shí)現(xiàn)的。在數(shù)字化時(shí)代，通過(guò)RFID、二維碼、條形碼等，也能識(shí)別人或者物料，這也是一種認(rèn)知能力。

借助“標(biāo)準(zhǔn)”的思想，讓計(jì)算機(jī)具備很強(qiáng)的認(rèn)知能力。前面說(shuō)到：在高度自動(dòng)化的工廠里，人們的一個(gè)重要作用是發(fā)現(xiàn)異常。而所謂的異常，就是“超出標(biāo)準(zhǔn)范圍之外”。大家注意到：傳統(tǒng)的報(bào)警就是一種認(rèn)知能力。

根據(jù)信號(hào)進(jìn)行報(bào)警，一直都是一種傳統(tǒng)的、常見(jiàn)的功能。但在數(shù)字化背景下，這種功能可以極大地發(fā)揮出來(lái)。這是因?yàn)椋河?jì)算機(jī)管理標(biāo)準(zhǔn)的能力大大提升了。比如，用射釘槍打釘子時(shí)，扭矩曲線就可以作為標(biāo)準(zhǔn)：如果某次打釘子的扭矩曲線與標(biāo)準(zhǔn)曲線不同，則意味著發(fā)生了異常。再如，設(shè)備的震動(dòng)曲線也可以作為標(biāo)準(zhǔn)：當(dāng)震動(dòng)曲線的特征與標(biāo)準(zhǔn)不同時(shí)，就可以判斷發(fā)生了異常。

許多了解我的朋友都知道：我對(duì)設(shè)備的預(yù)測(cè)性維護(hù)并不是太看好。一個(gè)重要的原因是：這些方法往往不具備一般性；算法也可能會(huì)隨著時(shí)間產(chǎn)生漂移。如果用標(biāo)準(zhǔn)化的思想，問(wèn)題就簡(jiǎn)單多了：只要關(guān)系設(shè)備狀態(tài)是否在標(biāo)準(zhǔn)范圍之內(nèi)——只要偏離了標(biāo)準(zhǔn)，就去處理。對(duì)于數(shù)據(jù)條件好的高科技企業(yè)，這種辦法是具有一般性的：當(dāng)設(shè)備狀態(tài)發(fā)生了奇怪的現(xiàn)象，能不去管嗎？

在數(shù)字化背景下建立標(biāo)準(zhǔn)時(shí)，也可能會(huì)遇到一些困難。典型的問(wèn)題是：標(biāo)準(zhǔn)的范圍取多大好呢？如果標(biāo)準(zhǔn)過(guò)寬，則難以發(fā)現(xiàn)問(wèn)題；如果標(biāo)準(zhǔn)過(guò)窄，虛假報(bào)警就會(huì)太多。再如，如何針對(duì)多變量問(wèn)題建立標(biāo)準(zhǔn)？但我相信辦法總比困難多。比如，用模式識(shí)別（分類）方法、主成分分析方法，就可能會(huì)得到廣泛應(yīng)用。