我相信人工智能(AI)、機(jī)器學(xué)習(xí)(ML)、貝葉斯優(yōu)化、大數(shù)據(jù)和其他現(xiàn)代技術(shù)可以提高我們建模、理解和優(yōu)化流程的能力;并且這些技術(shù)可以使行業(yè)走向操作和維護(hù)的自主性。這些是工業(yè) 4.0、工業(yè)物聯(lián)網(wǎng) (IIoT)、智能制造、智能儀器儀表、資產(chǎn)模型和數(shù)字孿生等流行語(yǔ)的核心要素。

被供應(yīng)商推廣的AI解決方案，也許需要克服過(guò)程所有者的謹(jǐn)慎，但也會(huì)產(chǎn)生一種炒作，甚至可能在潛在用戶中造成懷疑。我們?nèi)绾巫屓藗兘邮懿?shí)現(xiàn)適當(dāng)?shù)膽?yīng)用?我們?nèi)绾渭涌爝M(jìn)展?也許這篇文章可以提供幫助。

(資料圖)

揭開(kāi)算法的神秘面紗

AI是一組確定性算法，用于使用當(dāng)今支持計(jì)算機(jī)的技術(shù)對(duì)龐大的數(shù)據(jù)庫(kù)進(jìn)行建?；蛩阉鳌Ｎ覀兊膫€(gè)人設(shè)備接受語(yǔ)音命令，并自動(dòng)更正我們的拼寫(xiě)和語(yǔ)法。它們"傾聽(tīng)"有聲的問(wèn)題并提供"答案"，例如"我發(fā)現(xiàn)了這個(gè)"。但聆聽(tīng)不是類似人類的理解，它只是聲波的算法翻譯。響應(yīng)只是與網(wǎng)站的連接，其中包含問(wèn)題中關(guān)鍵字的文本翻譯的可能答案。三十年前，這一切都是科幻小說(shuō)。

雖然AI看起來(lái)很了不起，但它不是人類類型的智力。它不是一個(gè)有需求來(lái)驅(qū)動(dòng)其獨(dú)立行動(dòng)的存在。顯然就目前而言，它沒(méi)有可能破壞人類的議程。盡管它的名字，開(kāi)發(fā)者一直在追求的愿景，以及虛構(gòu)的創(chuàng)造力，AI并不是一種獨(dú)立的智力。

ML不像人類那樣"學(xué)習(xí)"。它只是一組支持計(jì)算機(jī)的技術(shù)，用于查找關(guān)系(如主成分分析)或調(diào)整模型系數(shù)以使模型與數(shù)據(jù)最匹配(如回歸)。人們可以回到過(guò)去，將回歸呈現(xiàn)為"學(xué)習(xí)"，并使不理解回歸的人感到困惑。ML并不像人類那樣學(xué)習(xí)或理解。

在某種程度上，那些探索和開(kāi)發(fā)AI的人采用的科幻術(shù)語(yǔ)、神秘感和創(chuàng)作者的熱情，在潛在用戶之間造成了誤解。一個(gè)是擔(dān)心如果讓這個(gè)"大腦"負(fù)責(zé)，可能會(huì)做出什么。第二個(gè)是期望AI將神奇地解決一切。然而，就像過(guò)去支持過(guò)程設(shè)計(jì)者和操作員的任何建模和分析進(jìn)步一樣，AI只是今天支持計(jì)算機(jī)的一套輔助工具，用于人類對(duì)過(guò)程的理解、控制和改進(jìn)。

在 1970 年代，我的汽車上的巡航控制僅按比例進(jìn)行，在上坡或下坡時(shí)會(huì)留下穩(wěn)態(tài)偏移。到了80 年代，他們添加了一個(gè)整體功能來(lái)消除該偏移。現(xiàn)在，我的汽車制造商稱其巡航控制產(chǎn)品為"智能控制"。當(dāng)它檢測(cè)到前方有車輛時(shí)，它會(huì)降低速度以保持安全距離，當(dāng)我移動(dòng)到超車道時(shí)，它會(huì)返回到設(shè)定點(diǎn)速度。這些進(jìn)步并不是什么魔法。然而，今天的時(shí)尚是將先進(jìn)的技術(shù)功能稱為智能。

對(duì)AI的合理期望

我相信，AI可以通過(guò)支持人類控制、優(yōu)化、安全操作和更好地了解我們使用的過(guò)程來(lái)提供很多東西。我還認(rèn)為，我們需要對(duì)AI能做什么有合理的期望，并在實(shí)施AI時(shí)像給予新手人類員工自主權(quán)一樣謹(jǐn)慎。

在于用戶和供應(yīng)商們探討AI應(yīng)用和實(shí)施過(guò)程中遇到的挑戰(zhàn)時(shí)，通常都涉及下面兩個(gè)關(guān)鍵問(wèn)題：1)產(chǎn)生信任;2)應(yīng)用設(shè)計(jì)。

誰(shuí)來(lái)負(fù)責(zé)：根據(jù)我的經(jīng)驗(yàn)，過(guò)程工業(yè)中計(jì)算機(jī)自主性的主要障礙之一是管理者負(fù)責(zé)。他們個(gè)人要對(duì)不良事件負(fù)責(zé)，例如環(huán)境違規(guī)、人員傷害或損失。令人擔(dān)憂的問(wèn)題包括安全、遵守合同和法規(guī)、應(yīng)對(duì)意外結(jié)果以及在可能的威脅開(kāi)始出現(xiàn)時(shí)立即恢復(fù)安全運(yùn)營(yíng)。

管理者是風(fēng)險(xiǎn)規(guī)避者，但總有意想不到的事情。管理者通常不會(huì)將自己的職業(yè)生涯交給新手員工，因?yàn)樗麄冏畛醯慕鉀Q方案往往是短視的。我認(rèn)為，與他們對(duì)新手的信任相比，管理層將不太相信AI會(huì)包含全面的態(tài)勢(shì)感知。

應(yīng)用設(shè)計(jì)：當(dāng)我們?cè)O(shè)計(jì)一個(gè)新的流程、系統(tǒng)或方法時(shí)，我們通常不會(huì)在第一次就把它做好。撰寫(xiě)段落和報(bào)告或策劃活動(dòng)也是如此。在我們思考的過(guò)程中，我們會(huì)微調(diào)改進(jìn)，納入最初沒(méi)有考慮的新功能，最終得到一個(gè)可行的設(shè)計(jì)。新手就更不太可能在第一次嘗試時(shí)就把它做得很好。

根據(jù)我的經(jīng)驗(yàn)，在設(shè)計(jì)一個(gè)AI應(yīng)用時(shí)也是如此。第一次嘗試是簡(jiǎn)單化的，而且常常假定AI有一種它沒(méi)有的能力。但其實(shí)AI需要大量的人類指導(dǎo)。你需要選擇給它什么數(shù)據(jù)，您需要選擇要提供的數(shù)據(jù)，對(duì)數(shù)據(jù)中可以找到的內(nèi)容以及理解任何輸出決策的完整程度有合理的期望。

實(shí)施AI的6個(gè)建議

無(wú)論你是供應(yīng)商還是試圖說(shuō)服管理層嘗試AI的潛在用戶，我都建議先仔細(xì)考慮清楚下面這個(gè)清單，以便于讓AI應(yīng)用的進(jìn)展更順利：

1. 解釋它是如何工作的。讓潛在用戶和管理者感到安全。不要把AI塑造成有知覺(jué)的、智慧的或神秘的。不要使用計(jì)算機(jī)和數(shù)據(jù)科學(xué)家的語(yǔ)言或類似人類的歸因。不要通過(guò)將客戶的注意力轉(zhuǎn)移到它有多么偉大或容易使用來(lái)掩蓋真實(shí)的算法機(jī)制。解釋該算法。包括它不能做什么，能做什么。確保對(duì)方真正理解。

2. AI包括許多先進(jìn)的建模和優(yōu)化算法。它們比傳統(tǒng)方法更好嗎?相對(duì)于其成本(數(shù)據(jù)采集、培訓(xùn)、軟件)，它的好處(功能、準(zhǔn)確性、速度、易懂性)是否足以證明其使用的合理性?不要因?yàn)樗鼈儽淮蹬醯酶?，或因?yàn)槭切碌臅r(shí)尚而跟風(fēng)購(gòu)買(mǎi)。潛在的用戶應(yīng)該測(cè)試一下，看它是否對(duì)目標(biāo)應(yīng)用更好。

3. 供應(yīng)商應(yīng)該在面向用戶的應(yīng)用上提供基準(zhǔn)測(cè)試，用面向用戶的良好指標(biāo)，而不是用學(xué)術(shù)示例。在潛在用戶的價(jià)值觀中建立可信度，而不是在發(fā)明者的科學(xué)期刊界建立可信度。

4. 使應(yīng)用與技術(shù)相適應(yīng)。"對(duì)于一個(gè)有錘子的人來(lái)說(shuō)，一切看起來(lái)都像釘子"(這是20世紀(jì)60年代的一句格言)。如果你探索的東西很好，但在錯(cuò)誤的應(yīng)用上，或在不完整的能力下實(shí)施它，那么結(jié)果也將是失敗的。正如80年代的神經(jīng)網(wǎng)絡(luò)所發(fā)生的那樣，好的技術(shù)可能也會(huì)贏得 "它不起作用 "的聲譽(yù)，并且需要很長(zhǎng)的時(shí)間才能從這樣的名聲中恢復(fù)過(guò)來(lái)。不要因?yàn)樽孉I被誤用而破壞其未來(lái)的前景。

5. 循循漸進(jìn)地應(yīng)用 AI。最初不要提議給AI以自主權(quán)，而是讓它報(bào)告和建議做什么。如果操作者同意，就讓他們實(shí)施建議。讓人類員工了解情況，逐步將綜合的問(wèn)題納入到最初的解決方案中。在漸進(jìn)的步驟中建立信心。

6. 隨著人類對(duì)過(guò)程和自動(dòng)化應(yīng)用理解的不斷發(fā)展，過(guò)程管理者可以增加或調(diào)整對(duì)AI自主性的考慮。因此，AI供應(yīng)商需要讓人類員工更容易地將AI從最初的短視觀點(diǎn)調(diào)整為對(duì)所有新問(wèn)題的更全面的看法--以確定真正的、全面的、多層次的目標(biāo)。

AI在過(guò)程工業(yè)中的機(jī)遇

也許有一天，AI將能夠自主診斷和控制現(xiàn)實(shí)世界的操作，包括在汽車、制造和醫(yī)藥行業(yè)等應(yīng)用。但是，以下是我認(rèn)為在過(guò)程工業(yè)應(yīng)用中對(duì)AI實(shí)用的愿望清單：

在所有應(yīng)用程序中使用相同的模型當(dāng)然會(huì)很好。我們使用模型進(jìn)行設(shè)計(jì)、訓(xùn)練、控制和優(yōu)化，如果有一個(gè)通用的模型會(huì)更方便。

如果AI能夠自主設(shè)計(jì)和調(diào)整模型以匹配目標(biāo)過(guò)程那就太好了，因?yàn)檫^(guò)程屬性會(huì)隨時(shí)間變化。這必然包括數(shù)據(jù)的自主預(yù)處理和后處理驗(yàn)證。

在過(guò)程控制中，我們希望優(yōu)化經(jīng)濟(jì)路徑，而不僅僅是設(shè)定值。這可能包括控制器的自動(dòng)調(diào)整，不僅要最小化平方偏差，還要根據(jù)安全和產(chǎn)品規(guī)格限制將瞬態(tài)的運(yùn)營(yíng)成本降至最低。

如果語(yǔ)音命令可以激活過(guò)程，并且語(yǔ)音筆記可以轉(zhuǎn)換為文本并放置在操作員的日志中，那就太好了。

AI需要處理隨機(jī)數(shù)據(jù)。但工業(yè)過(guò)程不是確定性的;它們很吵，容易受到干擾。我們不希望虛幻的"最佳"誤導(dǎo)AI決策或輸出。AI還需要在約束和不連續(xù)性范圍內(nèi)做出全局決策，而不會(huì)陷入局部陷阱。

通過(guò)預(yù)測(cè)惡化需要修復(fù)的時(shí)間來(lái)支持預(yù)測(cè)性維護(hù)。這可能是為了機(jī)器維護(hù)或調(diào)整優(yōu)化、過(guò)程分析、推理測(cè)量或控制中的模型。

將人類對(duì)過(guò)程行為的認(rèn)知的語(yǔ)言規(guī)則轉(zhuǎn)換成代碼，自主驗(yàn)證(或拒絕)和改進(jìn)規(guī)則，然后將驗(yàn)證和改進(jìn)的規(guī)則以人類語(yǔ)言呈現(xiàn)給過(guò)程管理者，幫助他們更好地理解和管理他們的過(guò)程。

標(biāo)簽：