专访邓仰东：未来人工智能与中国制造业的弯道超车

近十几二十年，随着国内互联网产业的迅猛发展，中国在许多新兴领域已逐渐赶上欧美发达国家步伐，但作为工业基础的制造业，因其精密性和沉淀性，一直是国内工业发展的一块短板，如何突破新技术与旧产业的融合赋能，实现制造业的弯道超车，在清华大学软件学院邓仰东副教授的认知中，人工智能也许是未来制造业反超的可能性之一。

人工智能与中国制造业未来

统计数据显示，中国用世界21.3%的能源消耗量创造了世界11.6%的GDP。也就是说，为了生产一定量的产品，要比世界平均水平消耗更多的资源。传统工业依赖大量消耗成本的投入，造成不可持续的致命弱点。另一方面，虽然国内劳动生产率极高，但是人均创造价值的能力却也远低于发达国家。如何走出这一困境？是未来工业发展面临的第一个问题。

“我们需要提高效率，而提高效率，首先需要精确理解产业过程、掌握其内在规律，也需要利用规律优化产业过程。”邓仰东解释道。 “中国制造2025”的提出，就是解答上述问题的一个方向。“‘中国制造2025’，核心就是通过工业人工智能、工业互联网技术来提高效率，提高创新的能力，提高产生价值的能力。另一方面，中国是制造业大国，也是世界最大的市场。拥有全世界最丰富的数据，也使得我们在发展基于大数据的工业AI具有巨大的优势。因此，在利用AI提高效率这一问题上，中国人必须成功、也必将成功。”邓仰东充满自信。

何为工业4.0

工业4.0的核心是充分利用新技术新赋能，利用互联网和AI等新技术，实现传统工业的数字化转型，使得生产更有效率、生成过程更加灵活、产品更好的满足人类的需要，其理念和“中国制造2025”不谋而合。

数据可能具有极高的价值，但体现数据价值，还需要更好的利用AI技术，从数据中提取基本规律，形成AI模型。工业4.0通过互联网实现机器与人、机器与机器的连接，获得机器数据；其次，使用人工智能对数据进行加工，从数据中提取信息，进一步提炼为洞察力，最终上升为智慧，也即DIKW金字塔。“D是Data（数据），I是Information（信息），K是Konwledeg（知识），W是Wisdom（智慧）金字塔。数据是底端，最后要的是智慧。”举例而言，“像制药业、材料业在生产过程中，本身需要设计新的材料、新的配方，但是传统方法非常缓慢，需要很长的时间过程。有了AI的以后，很多设计可以通过AI自动完成，提高设计的效率。制造过程中，也可以根据AI，利用大数据去分析制造业瓶颈在哪、效率低的原因在哪，找到提高效率的手段。在产品使用和维护过程中，我们可以使用AI去预测产品或者装备的状态变化趋势，根据趋势来做智能决策。AI的关键是在数字化制造业的整个过程中，形成一个洞察力，让洞察力引导我们做更好的决策。”邓仰东说。

AI技术的融入能够在同样的条件下，满足更多定制化的需求，满足各种各样的性能、功能上的要求，提高整个制造业的效率，使它能够更快响应用户的需求，同时用更高的效率完成整个工作的过程，达到工业制造的数字化转型和产业的进一步升级。

AI技术与预测式维护

人类社会高度依赖于各种机器装备，例如发电设备、飞机、动车组，如果失去这些设备，我们的生活将瞬间回到中世纪。然而，有机器就有故障，当前全球每年因为机器故障引起的随时损失达到6500亿美元左右，还有比如人的生命损失这种无可估量的非直接损失。但是全球93%的制造业企业机器维护过程效率不足，解决这些问题，人工智能又提供了一种可能性，而这也是邓仰东团队研究的主要方向之一。

“比如修理高铁，高铁列车是一个很复杂的装备，在中国高铁一般是4000公里维护一次。国内高铁时速350公里，每天12个小时运转，一天开4000公里是常事。而像和谐号380动车，可能会有6000多种故障发生，但每个故障的发生概率都很低，不进行日常维护显然不现实，但这种日常维护，需要投入巨量的能源、人力和装备使用成本。实际上大多数情况下，不止是中国，全世界维护重型装备都是过度维护，但这种过度也是为了保障安全性。如何确定什么时候维修最合适，这里面数据是关键。”邓仰东说。利用工业数据预测工业装备状态变化，根据状态变化趋势做精准决策，提高安全水平，降低维护成本，是制造业数据的未来。

“从2013年开始，我们获得了国家自然科学基金、科技部以及铁总、中车集团一系列项目的支持，以轨道车辆装备作为切入点，研究了一系列基于AI的预测式维护技术，在国内外一系列项目上获得了应用。”邓仰东说。“我们关注的重点是工业装备的预测式维护，也就是利用设备机理和历史数据，实现预测故障，保障安全，确定最佳维护时机，提高装备运行效率。”

“通过AI或者机器学习技术进行挖掘，我们捕捉机器内部的设计逻辑和各种环境因素，预测将来大概什么时候坏，或者预测一个部件有多长时间的寿命。比如有的电灯泡可以用几个小时，有的可以用300个小时，同样一个灯泡，寿命有很大的差别。如果能做到预测，可以个性化维护每一个装备，在最佳的时机实施最精准的维护，最终的价值，是节省了维护费用，也提高了安全性。”

未来人工智能

AlphaGo在围棋上战胜人类，实现了人工智能的一个跨步，但即使是这样的超级围棋AI，在面对五子棋时却完全无能为力。“人脑可以处理很多不同的问题。下围棋取得的经验，可以很容易地在五子棋上复制。大多数围棋高手，也是五子棋高手，人类可以触类旁通、举一反三，这种能力现在的AI还不具备。”邓仰东说。

那么人为什么能够举一反三呢？现今研究的看法是人类能够从单一一问题提炼的规律性抽象出来，以知识图谱的形式存储在海马体中，在其它问题上遇到类似的抽象模式时，就可以直接利用海马体存储的知识加以解决。“坐在这个地方，有个神经元就会激活。我总到这个地方来，这个神经元会记住，到了这个地方就会激活。形成人脑的长期记忆。”AI目前关注点就是模仿人类海马体，设计支持自动推理和归纳的存储系统。

“伦敦出租车司机长期和地理信息打交道，各个海马体长得特别发达。人的社交关系，概念形成都和海马体有关系，所以我们认为海马体，就是举一反三能力的源泉。比如迷室逃生，今天我走了这个迷室逃生，到另外一个不同的密室套生，但有些内部结构是类似的。人做了这个之后，解下一个就会变得很快。海马体就起到了这个作用，它学到了密室逃生的一些抽象表征，能把这个抽象表征从一个地方移到另外一个地方去，只要它们结构上有相似性。所以我们想用硬件的立体结构去模拟海马体的工作原理，至少可以做到记忆的一致，甚至可以做到认知能力的一致。” “因此，我们希望以海马体为目标，形成基于深度神经网络的模型和学习机制，实现知识图片的存储，支持以此为基础的推理行为。“我们希望未来人工智能够像人类一样，首先能够自我学习，然后把学到的知识、技能，向各种领域去迁移。这是类脑吸引人的地方，似乎只有人脑具备这种举一反三的能力，所以我们要学习人脑解决问题的问题。

通过模仿人脑工作原理，设计更加具有通用处理能力的AI算法和硬件是邓仰东团队的另一个方向，而这是人工智能应用以外，未来发展更为重要的方向。