中國***元智大學工業(yè)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(jīng)智能化，但如果生產(chǎn)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(yè)3.0雖然因為大量導入ICT科技，發(fā)展出非常高度的自動化應用，但中國***元智大學工業(yè)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(jīng)智能化，

但如果生產(chǎn)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(yè)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(chǔ)，目前因已發(fā)展成熟，機器自我學習的能力得以提升，德國提出的工業(yè)4.0展望于焉成形。

鍾云恭指出，機器人或視訊監(jiān)控，都是人工智能應用的具體呈現(xiàn)，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(diào)整，即使碰到困難，頂多只會發(fā)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(diào)，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(fā)」。

自動化(automatic)設(shè)備與具自發(fā)性(autonomous)的設(shè)備，驅(qū)動的數(shù)學模式是不一樣的，前者是模式驅(qū)動(Model-Driven)，用的是演繹法(deduction)，后者是數(shù)據(jù)驅(qū)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(shù)據(jù)的原因。

但實驗室中的理論或?qū)嶒灲Y(jié)果所得到的資料特性，鍾云恭認為，仍然不比實際上在物聯(lián)網(wǎng)(IoT)或工業(yè)物聯(lián)網(wǎng)(IIoT)中，具6V特性的大數(shù)據(jù)(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(wǎng)絡(luò)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(tǒng)計分析技術(shù)。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(tǒng)計分析，就像醫(yī)生沒有幕后發(fā)明藥的生化專家一樣，病不好治。

要成功的發(fā)展工業(yè)4.0，就必須具備「機器學習理論」，以建立可以處理6V大數(shù)據(jù)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(tǒng)計技術(shù)」人才。

此外，信息系統(tǒng)開發(fā)的「計算機科學」人才，也不可少，專攻通訊網(wǎng)絡(luò)與硬件建設(shè)的工程專家，也有一定的地位。因此要發(fā)展工業(yè)4.0，需要有功夫扎實的跨領(lǐng)域合作團隊，才能在工業(yè)4.0崎嶇不平的道路上，披荊斬棘地前進。

從自動化經(jīng)驗發(fā)展人工智能

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

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

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

鍾云恭認為，人工智能要像機器老鼠走迷宮，當?shù)谝粋€錯誤發(fā)生時，要有能力學習，甚至要有能力預測可能出現(xiàn)的錯誤。

但傳統(tǒng)的控制模式，都會有假設(shè)模式，只要超出假設(shè)模式，就很難避免錯誤發(fā)生。以影像辨識為例，在擷取訊號或影像，雖然都已經(jīng)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(fā)生的錯誤。

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

鍾云恭指出，現(xiàn)今的自動化制造知識，是工業(yè)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(fā)」行為。

能做到高度自動化，就有機會做到人工智能化，因為數(shù)學模型已經(jīng)高度完整，網(wǎng)絡(luò)環(huán)境、中央控管系統(tǒng)、大數(shù)據(jù)分析相對成熟，現(xiàn)在的關(guān)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(fā)生的，但現(xiàn)在的產(chǎn)品制造速度愈來愈快，可能等到察覺問題時，就已經(jīng)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(yè)若希望能在智能工廠與工業(yè)4.0相關(guān)領(lǐng)域有所表現(xiàn)，鍾云恭認為，可能會遭遇的主要挑戰(zhàn)，就是人才不足的問題。如在人工智能領(lǐng)域，只有投入足夠的資源，如數(shù)學教育的氛圍需要更加強化，才能培養(yǎng)能夠用機器學習算法來設(shè)計計算機的人才。

中國已經(jīng)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(yè)的飛速崛起將指日可待。

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

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