2019年1月10日，由中國自動化學會聯合中國科學院自動化研究所、中華人民共和國工業和信息化部與中國人工智能產業發展聯盟主辦的2019國家智能產業峰會在山東青島召開。峰會以“工業智聯網：AI賦能，智聯世界”為主題，旨在使廣大從業人員更好地理解工業智聯網本質，挖掘工業智聯網潛在能效，進而推動智能產業發展。

　　中國工程院院士、中國自動化學會的副理事長桂衛華以“人工智能助力制造業升級”為主題登臺發表了演講。桂衛華教授主要結合有色金屬的行業背景，暢談了人工智能助力制造業升級問題。

　　桂衛華從習近平總書記對人工智能的指示談起，談到了國家對于人工智能的重視，以及期許的發展方向。

　　習主席關于人工智能的指示：

　　一、人工智能是國家戰略技術，重要性不言而喻。

　　二、人工智能涉及到基礎技術、系統等各個方面的研究，具有多學科交叉復雜特征，要將其放在戰略制高點的位置。

　　三、人工智能技術要與一二三產業深度融合。

　　四、人工智能技術要匯聚人們生活。

　　五、要推動人工智能技術健康發展。

　　基于技術的發展和需求的推動，人工智能科學技術發展現在又處在一個高潮上。目前的發展方向分為兩個方面：

　　一個是認識人的大腦的腦科學方面;

　　另一個是針對性應用方面。

　　從國內外研究表明，人工智能與制造過程的深度融合，是具有挑戰性的。但從長遠來看，人工智能技術在應用于制造業方面，是值得我們大力推動的。此前很多人工智能研究，并沒有很好考慮怎么樣與制造過程結合。因此，桂衛華教授重點提出了知識型工作自動化這一概念。

　　知識型工作自動化

　　目前整個社會發展，知識型工作，在當代社會分工當中是占有壓倒性的重要定位，核心要求工作人員具有分析、判斷和決策能力。

　　2009年，美國帕羅奧多研究中心討論關于知識型工作的未來。指出知識型工作自動化將成為工業自動化革命后又一次革命。

　　2013年，全球研究院發布的展望2025，決定未來經濟的12大顛覆技術報告里專門談到知識型工作自動化。報告指出，知識型工作自動化預計在2025年可帶來5.2萬億至6.7萬億的巨大經濟效益。所以將其認為是驅動未來經濟的顛覆性技術，但目前并沒有得到關注。

　　2015年，相關調查報告分析了當前的知識型工作，認為通過自動化方式的替代可以實現三到十倍的收益。并且，知識型工作的知識程度對收益有潛在影響，知識越難，將來收益越高。

　　傳統知識型工作

　　實際上，知識型工作自動化涉及的方面很廣。基礎研究方面包括獲取知識表示、推理、演化、關聯、重組等等。而這些研究工作，最重要的是結合場景和對象來研究自動化問題。而嚴格意義上，現在并沒有系統實現知識型工作的自動化。

　　現代工業中間，機器在很多的方面已經取代或者正在取代體力勞動，但工廠中還有很多核心工作仍是由知識型工作者在完成。這體現在運行、計劃調度、管理決策三個層面：

　　運行層面，主要是指工程師根據數據、經驗對參數進行修改，下達命令。

　　計劃調度層面，主要是指調度員根據經驗協調各部門，進行計劃調度、安排和生產與制定。

　　管理決策層面，主要是指管理者指根據經驗、市場信息和企業運行的情況來進行決策。

　　傳統知識型工作面臨的挑戰

　　在這三個層面，核心工作是由知識型工作者完成的知識型工作。隨著社會的發展，由傳統的人力完成工作時，這些工作已面臨著一些挑戰。

　　第一個挑戰是社會出現新要求。隨著社會發展，客戶現在對企業提出了更高的要求，因此企業對生產過程要更精細化。而制造業由于生產過程的復雜，很難精確建模。由于客戶需求經常變化，要求模型保持敏捷，以應對包括原料和產品市場不確定性，因此要求企業進行信息化控制。

　　第二個挑戰是新的信息環境。云平臺、移動計算、物聯網、大數據等新技術、新平臺的出現使數據的種類和規模迅速增加，知識型工作者面對海量信息感到無所適從。以前的數據量可能依靠一個人、一張表格就可以完成工作，而現在很多數據往往個人完全無法處理。

　　第三個挑戰在于如何利用好數據。因為知識型工作完成的質量，嚴重依賴于個人的素質，并且個人工決策往往趨于主觀，具有不一致性，無法全流程穩定運行。同時，個人的經驗、知識在推廣、積累和傳承等都面臨困難。師傅帶徒弟是傳統辦法，但這種機制不利于人工智能的實現。

　　所以，知識型工作自動化，跟原來的知識型工作還是有一定區別。比如，原來人在從事知識型工作的時候會存在一些問題與不足，未來的知識型工作自動化會通過機器進行彌補。

　　知識型工作自動化的案例

　　桂衛華提到了一個原材料工業中冶煉廠原料采購的例子。

　　原材料工業企業當中，原料采購占據著企業大部分的資金。但很多規模很大的企業，對產品的庫存、采購企業的考慮都是由人來做的。

　　原料采購人員在采購過程中需要考慮小到采購目標、費用、金屬總量、原礦品位、雜質、上下限等問題，大到供求關系、市場情況、宏觀經濟政策等因素帶來的影響。同時，還需要結合企業本身的能力，比如存儲能力、財務狀況等等，綜合各方面，做出判斷、篩選、決策。

　　這些過程完全由知識型工作者去做容易產生很多復雜問題，比如腐敗就是其中的問題之一。利用機器知識型自動化的辦法來解決這個問題則比較簡單，并且能有非常高程度的優化。

　　知識型自動化會如何完成這項工作呢?桂衛華提到，當時，他們通過數據知識激勵模型把作為原料采購目標的一百多家礦山以品類的質量、范圍進行基準，分成五大類。

　　第一步，充分慮市場知識和企業生產知識，將原料采購目標的五大類進行篩選、決策。

　　第二步，根據具體的供應商進行分析，評估已篩選出的每個類別。

　　第三步，在篩選的每一類里面決策出相應的供應商，最后得到一個完整的企業采購。

　　僅僅這一部分的內容，就可以為企業每年節約數千萬的經費。

　　人工智能賦能有色金屬工業面臨的問題

　　綠色高效發展現在面臨很多挑戰性問題。我國要實現綠色高效發展，要領跑于世界，必須要借助人工智能技術。要推動有色金屬工業的升級，實現綠色高效，人工智能是一個有力的抓手。而推動有色金屬工業的升級、發展同樣面臨著許多挑戰：

　　1.適應有色金屬行業的特點。

　　2.升級后的工業流程需穩定運行問題。

　　3.人工智能要賦能工業也需完成進一步的升級。

　　其中，企業能夠穩定運行是最為關鍵的環節。只有工業流程實現穩定運行，才能帶來真正的效應。

　　桂衛華在最后強調，在促進人工智能健康發展時，一定要使得人工智能技術能夠落地，能夠解決問題。如果人工智能技術漂浮在空中而不落地，人工智能的發展難免再起起伏伏。