无人工厂不是AI的终极目标，效率才是

　　无人工厂不是AI的终极目标，效率才是

　　冷眼观

　　本报记者 叶 青

　　“虽然中国经济渐渐从制造和产能扩张驱动转化到了科技驱动，但很多企业依然觉得大数据、人工智能这些技术距离他们很远，真正对工业互联网进行探索的企业仍是少数派，但会有越来越多的企业加入到这个行列中来，从企业的业务核心入手，着力解决企业所面临的痛点问题。”近日，中欧国际工商学院终身荣誉教授许小年分享了他对传统制造业如何运用人工智能来提高效率的思考。

　　为大数据而生，也以大数据为前提

　　最近，许小年跑了不少企业，特别是中国的传统制造业。他发现，消费互联网的巅峰期已经过去，但并不意味着互联网时代接近尾声。“在消费互联网的下一波浪潮中，工业互联网、2B互联网方兴未艾，互联网逐渐演化发展成为物联网。”他说，由于物联网产生的数据比消费互联网高出很多量级，这就使得人工智能成为一项必须的技术，否则就无法处理物联网时代的海量数据。

　　“人工智能是为大数据而生，也以大数据为前提。”许小年指出，“对于很多传统企业来说，当务之急不是人工智能立竿见影的直接应用，而是数字化和物联网的基本建设。认为去买一项AI技术、收购一个AI团队就能解决企业痛点问题，这是不切实际的想法。”

　　他特别强调，不要以为数字化、人工智能的目标就是无人工厂，无人工厂并不是我们追求的目标，效率才是最终结果。

　　大数据、人工智能、数据智能如何真正赋能产业，改变行业呢？

　　联想集团高级副总裁贺志强说，从2016年开始，联想将数据智能、产业互联网的理念服务推广到所有行业中，首先选择了汽车行业。在一家车厂里，通过人工智能识别每一个车辆的螺丝松紧度是不是一致，从而提升质量稳定性。“数据智能虽然是一个艰难的过程，但是这种改造一旦完成，企业就会诞生无穷无尽的力量。”

　　下一步最大挑战是机器决策

　　虽然人工智能在加速企业数字化进程方面还处于探索阶段，但这并不妨碍人工智能渗透到我们生活的方方面面。业内专家认为，在智慧零售、智慧医疗等领域，人工智能已进入比较成熟的应用模式。

　　人工智能如何助力智慧城市建设？上个月，“AI智慧车站”广州地铁21号线天河智慧城示范站正式落成。据悉，这是全球首个基于智能车站理念设计并投入运营的智慧地铁示范站。

　　“自主研发、基于工业互联网的智慧地铁大平台为地铁装上‘大脑’。” 新加坡国家工程院院士、佳都科技副总裁兼全球智能技术研究院院长李德紘表示，以智慧地铁大平台为依托，大量运用计算机视觉、生物识别等技术全面提升车站的数据感知能力，实现车站运营的实时监测。并且所有数据可实时传送给地铁的“大脑”，进行智能分析，有效提升车站信息化水平，降低运营成本。

　　佳都科技董事长刘伟透露，“城市交通大脑”，继落地安徽的合肥、宣城之后，今年将在上海、广州布局，通过AI赋能城市交通以探索破解“大城市病”。

　　不过，众多专家也坦言，人工智能技术也面临着很多挑战，诸如如何更好整合生态资源、如何更好落地，这些都是整个行业急需攻克的难题。

　　“我给大家泼一下冷水。”伦敦大学学院计算机系教授汪军直言，“现在的人工智能和应用，其实不是真正意义上的人工智能，而是机器学习。我们把它概括为模式识别，指的是通过神经网络把大量数据映射到我们的知识里，比如说有很多图像，识别出里面是不是有某个特定的人脸。”

　　“其实有很多其他应用，不光是模式识别，更重要的是通过获得这个知识，再把决策反馈到机器里，形成一个循环。因此，下一步人工智能的方向就是让机器能够做决策，完成从数据到知识，再反馈到数据的整个循环过程。”他认为，“人工智能接下来最大的挑战是机器决策，强化学习提供了非常好的指导方法，但必须借助神经科学、脑科学的研究，才能真正形成一个人工智能的系统。”