前沿研究丨从智能科学到智能制造

本文选自中国工程院院刊《Engineering》2019年第4期

作者：Lihui Wang

来源：From Intelligence Science to Intelligent Manufacturing[J].Engineering,2019,5(4):615-618.

编者按

智能科学大致包括自然智能和人工智能两个领域。自然智能是发现生命系统智能行为的科学，而人工智能是制造智能软件和系统的科学和工程。智能制造对人工智能保持着很高的依赖度。

中国工程院院刊《Engineering》刊发《从智能科学到智能制造》一文，基于智能科学到智能制造的视角，探析人工智能发展简史，指出智能制造的目标是利用集成信息技术和人工智能，将先进的计算能力与制造设备相结合，在本地或全球建立灵活、适应性强的制造业务，人工智能在云计算、大数据分析、物联网、移动互联网/5G等新技术的支持下，将为智能制造带来众多机遇：延迟时间短的远程实时监控和控制；通过机会过程计划和调度进行无缺陷加工；具有成本效益和安全的资产预测维护；整体规划和控制复杂的供应链。

一、引言

智能制造的目标是利用集成信息技术（IT）和人工智能（AI），将先进的计算能力与制造设备相结合，在本地或全球建立灵活、适应性强的制造业务。智能制造依赖于及时获取、分发和利用制造车间甚至整个产品生命周期内机器和流程的实时数据。有效的信息共享可以提高生产质量、可靠性、资源效率和报废产品的可回收性。基于数字化的智能制造也旨在更具可持续性，并为未来的工厂做出贡献。然而，智能制造广泛依赖于人工智能。为了更好地掌握智能制造的未来，有必要了解人工智能。笔者从智能科学到智能制造，提出了对人工智能的看法。

二、人工智能的简史

人工智能是智能科学的一个分支，智能科学领域大致涵盖两个领域：自然智能和人工智能 。自然智能是发现生命系统智能行为的科学，而人工智能是制造智能软件和系统的科学和工程。这两个研究领域在过去的几十年相互促进。自然智能的发展为人工神经网络（ANN）、遗传算法（GAS）和蚁群优化（ACO）等的人工智能研究奠定了坚实的基础，而先进的人工智能工具有助于加速自然智能的发现。由于人工智能的历史相对较短，该领域的研究仍然活跃，有前景，并且还有待进一步发现，如在制造业的背景下。

在讨论智能制造之前，有必要简要回顾一下人工智能的历史，如图1所示。人工智能的历史可以追溯到20世纪40年代初。第一个人工智能是伊利诺伊大学的沃伦·麦卡洛克和沃尔特·皮兹创造的二元人工神经网络模型。尽管他们的模型只考虑了二元状态（即每个神经元的开/关），但该模型在20世纪80年代末却是快速人工神经网络研究的基础。在1950年，英国数学家阿兰·图灵提出了著名的“图灵测试”来确定机器是否能思考。“图灵测试”是通过计算机通信进行的，由一个考官、一个人和一台机器（即计算机）在单独的房间中进行。考官可以问任何问题。如果考官无法根据答案区分机器和人，则机器通过测试。1951年，普林斯顿大学的两名研究生马文·明斯基和迪恩·艾德蒙兹建造了第一台用于模拟40个神经元网络的神经元计算机。

图1 人工智能的简史

人工智能开发的一个重要里程碑是第一次人工智能研讨会 ，这个研讨会标志着人工智能历史上“黑暗时代”的结束和“人工智能崛起”的开始 。该研讨会于1956年在达特茅斯学院举行。麦卡锡提出的“人工智能”一词在当时就得到了认可，并沿用至今。麦卡锡后来搬到麻省理工学院。1958年，他定义了第一种人工智能语言LISP，该语言至今仍在使用。该领域最雄心勃勃的项目之一是通用解题程序（GPS），由艾伦·纽厄尔和卡内基梅隆大学的赫伯特·西蒙于1961年创建。GPS基于形式逻辑，可以生成无数个试图找到解决方案的运营商，但在解决复杂问题方面效率低下。1965年，加州大学伯克利分校的拉特飞·扎德发表了他的著名论文《模糊集》，这是模糊集理论的基础。第一个专家系统DENDRAL于1969年在斯坦福大学开发，该项目由美国国家航空航天局（NASA）资助，由诺贝尔遗传学奖获得者乔舒亚·莱德伯格领导。然而，由于当时大多数人工智能项目只能处理玩具问题而不是现实世界的问题，所以许多项目在美国、英国和其他几个国家被取消，人工智能研究进入了所谓的“人工智能冬季”。

尽管被削减了资金，但人工智能研究仍在继续。1969年，Bryson和Ho提出了神经网络学习的反向传播基础。此外，第一个遗传算法是由密歇根大学的约翰·霍兰德于1975年提出的，他使用选择、交叉和变异作为遗传算子进行优化。1976年，MYCIN由斯坦福大学丹德拉的同一个研究小组开发。MYCIN系统是一种基于规则的血液疾病诊断专家系统，使用450个if-then规则，被发现比初级医生表现得更好。

30年后，人工智能领域再次开始神经网络的研究。人工智能成为一门科学的新时期始于1982年，当时约翰·霍普菲尔德出版了他的霍普菲尔德网络（Hopfield Networks），该网络至今仍广受欢迎。1986年，反向传播在它被提出的16年后成为人工神经网络中真正实现的学习算法。它还通过并行分布式处理触发了分布式人工智能（DAI）的启动。经过22年的发展，日本的公司于1987年成功地将模糊集理论或模糊逻辑构建到洗碗机和洗衣机中。1992年，John Koza提出遗传编程来操纵代表Lisp程序的符号代码。基于DAI和人工生命的思想，智能代理在20世纪90年代中期逐渐形成。20世纪90年代末，模糊逻辑、ANN和遗传算法（GA）的混合系统开始流行用于解决复杂问题。最近，各种新的人工智能方法应运而生，包括ACO、粒子沼泽优化（PSO）、人工免疫优化（AIO）和DNA计算。人工智能在未来的潜力（如制造业）仍然无法预测。

第一个流行的AI工具可能是基于AI的国际象棋计算机程序“深蓝”（Deep Blue），该程序由IBM创造。当世界象棋冠军加里·卡斯帕罗夫在1997年的一场表演赛中与“深蓝”一起比赛时，他以2.5︰3.5输给了“深蓝”。另一个早期的例子是2005年的本田ASIMO机器人，它能够爬楼梯。对于机器人在非结构化环境中移动并由人类指挥，它需要具备在运行时自然语言处理、计算机视觉、感知、对象识别、机器学习和运动控制的能力。在2016年，DeepMind的AlphaGo 使用云计算、强化学习和蒙特卡罗搜索算法结合深度神经网络进行决策，在五场比赛中有四场击败了世界围棋冠军李世石。它的新版本Alphago Zero，通过从头开始的自我学习，在短短三天内就超越了Alphago的能力。如今，从下棋到机器人控制，从疾病诊断到飞机自动驾驶仪，从智能设计到智能制造，人工智能技术和系统无处不在。除了图1中总结的人工智能技术外，机器学习和深度学习显示了智能制造的巨大前景。

表1根据是否受监督或无监督、区分性或生成性以及深度学习或非深度学习对典型的机器学习模型进行分类。

表1 典型的机器学习模型

三、人工智能在制造业中的代表性例子

在制造业背景下，智能科学，或者更具体地说，机器学习模型形式的AI，有助于智能制造 。图2描绘了人机协作（HRC）的一种场景，其中来自传感器和现场设备的数据在应用适当的机器学习模型后被转换为知识。使用特定领域的HRC决策模块进一步将知识转化成行动。因此，操作人员可以在沉浸式环境中安全地使用机器人，而机器人可以预测人类接下来会做什么，并根据需要提供现场帮助。

图2 智能制造中的机器学习

脑机器人是利用有经验的人类操作者的脑电波进行自适应机器人控制的另一个例子 。不需要遵循数据—知识—动作链，只需通过适当的训练将人类脑电波模式映射到机器人控制命令即可实现脑电波—动作的进展，如图3所示。在这种情况下，使用一个14通道的EMOTIV EPOC +设备（EMOTIV，美国）来收集人类的脑波信号。信号处理后的匹配命令被传递给机器人控制器进行自适应执行。

图3 脑机器人人机协作

四、机遇与挑战

人工智能和云计算、大数据分析、物联网、移动互联网/5G等最新IT技术的支持，为智能制造提供了众多机遇。这些新技术将促进智能制造中的实时信息共享、知识发现和知情决策，具体如下 ：

• 物联网为数据收集提供更好的机器和现场设备连接，因此使实时数据收集成为可能。

• 移动互联网/5G使得以超低延迟传输大量数据，实现实时信息共享成为可能。

• 云计算提供快速和按需数据的分析；它还有助于储存数据，这些数据可以轻松地与授权用户共享。

• 大数据分析可以揭示数据中隐藏的模式和有意义的信息，从而将数据转化为信息，并进一步将信息转化为知识。

例如，智能制造的新机遇可能包括 ：①延迟时间短的远程实时监控和控制；②通过机会过程计划和调度进行无缺陷加工；③具有成本效益和安全的资产预测维护；④整体规划和控制复杂的供应链。

此外，近期的智能制造将受益于上述不同时间尺度的技术，具体如下 ：

• 5年内，主要通过物联网和移动互联网实现更好的横向和纵向集成，可以消除自动化岛之间的80%的差距；

• 10年内，主要通过云计算和大数据分析实现经验驱动的制造运营，可能会在先前知识的支持下变成数据驱动；

• 20年内，众多中小型企业（SME）可以通过云制造技术为所有人提供服务，从而在全球市场中获得竞争优势。

然而，复杂性和不确定性仍将是未来几年制造业面临的主要挑战。人工智能和机器学习可以在很大程度上提供缓解甚至解决这些挑战的机会。例如，可以使用深度学习来更好地理解制造环境，并在制造过程发生之前更准确地预测未来的问题或失败，从而实现无缺陷制造。

安全的HRC是智能和灵活的自动化进程中的另一个挑战，其中包括人工参与。这种协作是有用和必要的，特别是在制造装备操作中，深度学习可以帮助机器人变得足够智能，以帮助人类操作员，同时为人类的绝对安全提供更好的情境意识。

最后，在未来的工厂中实施智能制造之前，网络安全和新的商业模式必须得到充分的重视。

注：本文内容呈现形式略有调整，若需可查看原文。

改编原文：

☟ 如请点击文末“阅读原文”

前沿研究：走向新一代智能制造

前沿研究：介尺度中的复杂性——人工智能发展中的共性挑战

智能制造的三个基本范式

前沿研究：智能制造领域的研究进展

战略研究：新一代人工智能引领下的智能制造

智能制造助力制造业高质量发展

中国工程院院刊

工程造福人类

科技开创未来

微信公众号ID ：CAE-Engineering

注：论文反映的是研究成果进展，不代表《中国工程科学》杂志社的观点。

专业介绍——智能制造

智能制造专业是一个跨学科领域，它结合了机械工程、电子工程、计算机科学、数据分析和人工智能等多个学科，以提高生产效率、降低成本、提升产品质量，并实现生产过程的自动化和智能化。下面和大家分享一下我认识的智能制造专业。

院校排名情况

根据学估结果、校友会排名等得出 ，智能制造工程专业排名靠前的院校分别为：

西安交通大学、哈尔滨工业大学、大连理工大学、北京理工大学、天津大学、清华大学、上海交通大学等等。

这些院校在智能制造领域具有较高的教学和研究水平，也具有很高的声誉和实力。

常见课程安排

智能制造专业的课程通常包括但不限于以下几个方面：

数学与自然科学基础：高等数学、线性代数、概率论与数理统计等。

工程基础知识：力学、材料科学、机械设计基础等。

专业基础知识：机械制图、机械制造技术、工程控制原理等。

智能制造专业课程：智能技术数学基础、智能制造工艺、制造系统的感知与决策、生产系统智能化技术等。

实践性教学环节：包括生产实习、课程设计、毕业设计（论文）等。

毕业生去向

智能制造工程专业的毕业生可以在多个领域寻找职业机会，包括但不限于：

根据网上公布的信息，智能制造工程技术人员在机械与自动化、国防与交通运输设备制造、信息技术等行业分布较多 ，且随着企业对智能化改造的需求增加，这一专业的毕业生有广阔的就业市场。

专业发展前景

智能制造是中国制造业转型升级的关键方向，受到国家的高度重视和政策支持。随着“中国制造2025 ”等战略的实施，智能制造工程专业的发展前景十分广阔。

预计未来5年，智能制造领域人才需求量将达到900万人 。智能制造工程专业的毕业生将有机会参与到高端装备制造业、智能产品开发、智能制造系统集成等前沿领域，推动制造业的现代化进程。

智能制造专业是一个充满机遇和挑战的领域，对于有志于在制造业发展的学生来说，是一个值得考虑的选择。

相关问答

[最佳回答]1.MODELINGCONFLICTANDCOORDINATIONINMULTICHANNELDISTRIBUTIONSYSTEMS:AREVIEW37–Dynamicprici...

以科学小制作为主题的小论文400字左右科学小制作的论文不是的别瞎掺和400字左右,不是的别来以科学小制作为主题的小论文400字左右科学小制作的论文不是的...

计算机专业论文题目大全_计算机专业论文.计算机科学与技术专业选题方向参考、撰写提示及计算机专业论文参考书目计算机专业学生可以在以下计算机学科的二级学...

1文题:一篇科技论文被阅读最多的是文题。文题除了给作者提供正文内容的主要信息以外,还为文献加工者提供诸如辑目、索引和检索的主要依据。除了综述性论文以外...

主要致力于服务国家支柱性制造业,包括海洋工程装备、航空航天、汽车、新能源、医疗装备、先进纺织、物流运输等行业。实践环节智能制造工程专业制定“理论+...

[回答]1.彩色投影小磁针磁针就是指南针.指南针是我国四大发明之一.在当前的物理教学中,小小磁针可以用来判断磁场的方向.可是市场上出售的或上级部门调查...

天!!!我不知道如何帮你!但是从你问的这个问题我断定你肯定在我之上!!!您是要考MW吗?嗯。、好的额。找。、。帮你。。是的嗯。大家说的很全了!

问题1:摘要与结论几乎重合这一条是我见过研究生论文中最常出现的事情,很多情况下,他们论文中摘要部分与结论部分重复率超过70%。当然,我自己在评审论文时,...

有限潜藏无限——奠定分形几何的论文《英国的海岸线有多长?》从集中营走出的犹太裔科学家Mandelbrot,在一篇小论文《英国的海岸线有多长:统计自相似性与分数维...

科技小论文1、标题?科技论文标题选择与确定问题,除了遵循前述的方法外,其标题应尽量少用副标题。同时,这种标题不能用艺术加工过的文学语言,更不得用口号式的...