中国工程院院士桂卫华：知识型工作自动化将助力制造业升级

 2019年1月10日，由中国自动化学会联合中国科学院自动化研究所、中华人民共和国工业和信息化部与中国 人工智能 产业发展联盟主办的2019国家智能产业峰会在山东青岛召开。峰会以“工业智联网：AI赋能，智联世界”为主题，旨在使广大从业人员更好地理解工业智联网本质，挖掘工业智联网潜在能效，进而推动智能产业发展。

中国工程院院士、中国自动化学会的副理事长 桂卫华 以“人工智能助力 制造业升级 ”为主题登台发表了演讲。桂卫华教授主要结合有色金属的行业背景，畅谈了人工智能助力制造业升级问题。

桂卫华从习近平总书记对人工智能的指示谈起，谈到了国家对于人工智能的重视，以及期许的发展方向。

习主席关于人工智能的指示：

一、人工智能是国家战略技术，重要性不言而喻。

二、人工智能涉及到基础技术、系统等各个方面的研究，具有多学科交叉复杂特征，要将其放在战略制高点的位置。

三、人工智能技术要与一二三产业深度融合。

四、人工智能技术要汇聚人们生活。

五、要推动人工智能技术健康发展。

基于技术的发展和需求的推动，人工智能科学技术发展现在又处在一个高潮上。 目前的发展方向分为两个方面：

一个是认识人的大脑的脑科学方面；

另一个是针对性应用方面。

从国内外研究表明，人工智能与制造过程的深度融合，是具有挑战性的。但从长远来看，人工智能技术在应用于制造业方面，是值得我们大力推动的。此前很多人工智能研究，并没有很好考虑怎么样与制造过程结合。因此，桂卫华教授重点提出了 知识型工作自动化 这一概念。

知识型工作自动化

目前整个社会发展，知识型工作，在当代社会分工当中是占有压倒性的重要定位，核心要求工作人员具有分析、判断和决策能力。

2009年，美国帕罗奥多研究中心讨论关于知识型工作的未来。指出知识型工作自动化将成为工业自动化革命后又一次革命。

2013年，全球研究院发布的展望2025，决定未来经济的12大颠覆技术报告里专门谈到知识型工作自动化。报告指出，知识型工作自动化预计在2025年可带来5.2万亿至6.7万亿的巨大经济效益。所以将其认为是驱动未来经济的颠覆性技术，但目前并没有得到关注。

2015年， 相关 调查报告分析了当前的知识型工作，认为通过自动化方式的替代可以实现三到十倍的收益。并且，知识型工作的知识程度对 收益有潜在影响 ，知识越难，将来收益越高。

传统知识型工作

实际上，知识型工作自动化涉及的方面很广。 基础研究方面包括获取知识表示、推理、演化、关联、重组等等。而这些研究工作，最重要的是结合场景和对象来研究自动化问题。而严格意义上，现在并没有系统实现知识型工作的自动化。

现代工业中间，机器在很多的方面已经取代或者正在取代体力劳动，但工厂中还有很多核心工作仍是由知识型工作者在完成。 这体现在运行、计划调度、管理决策三个层面：

运行层面，主要是指工程师根据数据、经验对参数进行修改，下达命令。

计划调度层面，主要是指调度员根据经验协调各部门，进行计划 调度、 安排和生产与制定。

管理决策层面，主要是指管理者指根据经验、市场信息和企业运行的情况来进行决策。

传统知识型工作面临的挑战

在这三个层面，核心工作是 由知识型工作者完成的 知识型工作。随着社会的发展，由传统的人力完成工作时，这些工作已面临着一些挑战。

第一个挑战是社会出现新要求。 随着社会发展，客户现在对企业提出了更高的要求，因此企业对生产过程要更精细化。而制造业由于生产过程的复杂，很难精确建模。由于客户需求经常变化， 要求模型保持 敏捷，以应对包括原料和产品市场不确定性，因此要求企业进行信息化控制。

第二个挑战是新的信息环境。 云平台、移动计算、物联网、大数据等新技术、新平台的出现使数据的种类和规模迅速增加，知识型工作者面对海量信息感到无所适从。以前的数据量可能依靠一个人、一张表格就可以完成工作，而现在很多数据往往个人完全无法处理。

第三个挑战在于如何利用好数据。 因为知识型工作完成的质量，严重依赖于个人的素质，并且个人工决策往往趋于主观，具有不一致性，无法全流程稳定运行。同时，个人的经验、知识在推广、积累和传承等都面临困难。师傅带徒弟是传统办法，但这种机制不利于人工智能的实现。

所以，知识型工作自动化，跟原来的知识型工作还是有一定区别。比如， 原来人在从事知识型工作的时候会存在一些问题与不足，未来的知识型工作自动化会通过机器进行弥补。

知识型工作自动化的案例

桂卫华提到了一个 原材料工业中 冶炼厂原料采购 的例子。

原材料工业 企业当中 ，原料采购占据着企业大部分的资金。但很多 规模很大的 企业，对产品的库存、采购企业的考虑都是由人来做的。

原料采购人员在采购过程中需要考虑小到采购目标、费用、金属总量、 原矿 品位、杂质、上下限等问题，大到供求关系、市场情况、宏观经济政策等因素带来的影响。同时，还需要结合企业本身的能力， 比如存储能力、财务状况等等，综合各方面， 做出判断、筛选、决策。

这些过程完全由知识型工作者去做容易产生很多复杂问题，比如腐败就是其中的问题之一。 利用机器知识型自动化的办法来解决这个问题则比较简单，并且能有非常高程度的优化。

知识型自动化会如何完成这项工作呢？桂卫华提到，当时，他们 通过数据知识激励模型 把作为原料采购目标的一百多家矿山以品类的质量、范围进行基准，分成五大类。

第一步，充分虑市场知识和企业生产知识，将原料采购目标的五大类进行筛选、决策。

第二步， 根据具体的供应商进行分析，评估已 筛选出的每个类别。

第三步，在筛选的每一类里面决策出相应的供应商，最后得到一个完整的企业采购。

仅仅这一部分的内容，就可以为企业每年节约数千万的经费。

人工智能赋能有色金属工业面临的问题

绿色 高效 发展现在面临很多挑战性问题。我国要实现绿色高效发展，要领跑于世界，必须要借助人工智能技术。要推动有色金属工业的升级，实现绿色高效，人工智能是一个有力的抓手。 而推动有色金属工业的升级、发展同样面临着许多挑战:

1.适应有色金属行业的特点。

2.升级后的工业流程需稳定运行问题。

3.人工智能要赋能工业也需完成进一步的升级。

其中， 企业能够稳定运行是最为关键的环节。只有工业流程实现稳定运行，才能带来真正的效应。

桂卫华在最后强调， 在促进人工智能健康发展时，一定要使得人工智能技术能够落地，能够解决问题。如果人工智能技术漂浮在空中而不落地，人工智能的发展难免再起起伏伏。

版权声明

本文来源亿欧，经亿欧授权发布，版权归原作者所有。转载或内容合作请点击转载说明，违规转载法律必究。