圆桌｜AI在工业场景中面临哪些挑战，如何破局？

还不够可靠的人工智能（AI），怎样更好地帮助工业智能化转型升级？

11月5日，图灵获得者约瑟夫·希发基斯在2007年的主题演讲中表示，在第七届虹桥国际经济论坛——人工智能赋能新型工业化分论坛上，人工智能仍致力于协助，处于起步阶段，工业进化才刚刚开始。生成式人工智能虽然取得了进展，但也表现出色，比如ChatGPT，但是这种大语言模型善于回答广泛的问题，在面对非常具体的问题时可能无法提供准确的答案，可靠性不够高，很难实现完全智能化。现在只有构建智能系统的积木，没有构建复杂智能系统的原则和技术。

在他看来，人工智能的成功与否取决于开发人工智能体和建立自主系统的能力，而系统工程是当今最大的挑战。因为人们必须引入和整合服务、电器、设备和人工智能系统，如何用不可信的部件形成可靠的系统和混合架构，如何将符号知识与非符号知识联系起来，如何将符号知识从设计的准确性转移到运行的准确性、适应性和系统验证，这些都需要处理。

许多企业家也在圆桌对话中讨论了AI落地和企业智能化转型升级。

人工智能赋能新型工业化分论坛圆桌讨论。本报记者 秦盛 摄

科大讯飞副总裁、研究院院长、中国电子学会理事刘聪认为，AI在工业场景落地方面面临三个挑战。一是对可靠性的要求更高，对稳定性和准确性的要求比一般情况更高。其次是专业性，行业内许多专业技术的基础模型，开发难度较大。在安全方面也存在挑战，要保证工业数据不会被非法获取，模型不会被篡改等等。首先进入辅助非核心生产环节，然后进一步转化为生产环节可能是比较合适的路径。

很多小米集团手机部副总裁和智能制造部主管表示，根据小米智能工厂的实践经验，数据应该被视为一个至关重要的因素。如果事后考虑数据的上升或下降，一些断点将很难弥补。其次，工厂现在还不能完全智能化。落地时要考虑人与机器结合的关键承接和转换阶段是什么，如何设置才能实现有效转换。

很多例子说:“过去，我们通常从运营的角度来考虑。承接阶段很高，一般是厂长或者车间主任的水平。他们从上到下完成承接和转换。今天，我们可能在某种程度上犯了一个错误。我们在操作中看到，转换的重要环节可能是技术人员，也可能是线长。由于技术人员和线长正在维护机器的稳定运行，车间主任或厂长只是在做价值管理。他必须接受订单，谈论价格，处理变化和异常。他拿到这些信息后再转换。”

商汤创始人、大型设备业务集团总裁杨帆表示，智能转型升级非常重要的是时机的选择。企业自身的信息化程度，包括流程的标准化体系，以及各个环节、业务人员对信息化和数据的感知和感知能力，都是智能转型的基础。“就像近年来非常流行的大语言模型一样，我们在一定程度上称之为认知智能，包括前几年的强化学习。未来还要有身体去感知世界知识”。

中国人形机器人创新中心首席科学家江磊表示，许多人喜欢将人形机器人纳入技术产品，但从基础设施系统来看，这是一个多轴驱动系统。“我们去了很多生产线。在如此高的自动化水平下，仍然有许多人类在整理电缆、软装和布局许多柔性贴片，这意味着我们目前的控制理论无法做到。事实上，我们不需要设计人形。如果一个工厂的机械臂能够达到60个自由度，就会产生很多灵活的制造环节，但是现在的理论是无法实现的。所以我们总是说，人形机器人是解决未来问题的大成者，是许多学科的大成者。使用人形机器人可以将一个科学问题引入其中，然后再进行分解。假如我们把人形机器人看作是一个大自由度的基础设施生产系统，那么我们的大型具体智能可能会在生产线上发挥很大的作用。”

希发基斯表示，只有一个超越人类的超智能系统是不够的，因为人类的智能包括很多方面，需要通过结合不同类型的人工智能和信息通信技术来实现。目前，人们不知道如何做到这一点。消除自动化和自主性之间的差距还有很长的路要走，工业人工智能的发展也需要新的科学和技术基础。

对于备受关注的AI安全问题，希发基斯认为，全球政府和机构现在都愿意监管。至于什么可以控制，什么应该控制，还没有达成协议，全球监管框架达成协议的概率很小。中国应该提出不同的愿景，不仅要致力于对话人工智能系统等类型的系统，还要运用自己强大的产业基础，致力于每个行业的关键技术。为每一个行业构建特定的智能系统和特定的技术，从庞大而多样的工业基础中获取大量数据，协同各行业的国有企业。中国应该更多地参与全球标准制定的讨论，他指出。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com