清湛人工智能研究院执行副院长杨磊:人工智能行业的“好时候”来了!｜WISE2022隐形冠军未来新趋势大会
9月21日，WISE2022隐形冠军未来新趋势大会在南京举行。时代洪流下，科技创新已经成为产业发展和行业竞争的主战场。谁能率先抓住“科技”这一关键命脉，谁便能掌握引领创新的主动权。
如果说大型企业是推进我国科技变革，带领经济发展列车高速前进的“火车头”，那么，分布在各个细分行业里的“隐形冠军”企业，则可以说是我国补链强链、保障产业链供应链安全的“螺丝钉”。
本次“WISE未来新趋势大会”聚焦镁光灯背后的“隐形冠军”企业，从科技、生活、未来三大版块创新场景应用出发，通过政策解读、嘉宾分享、资本对接等形式等形式解码企业创新之路，力求在时代巨变中探索破局领航之道，构建新发展格局的无限可能。
清湛人工智能研究院执行副院长杨磊发表“工业人工智能推动社会发展”的主题演讲，他在演讲中分享了人工智能行业的发展历程与清湛研究院围绕着工业人工智能做出的努力，并展望了工业人工智能的行业未来与使命。
以下是杨磊的演讲实录，经36氪整理编辑：
杨磊：了解人工智能发展历史的人都知道，过去20年里，人工智能走过了一条非常惨淡的道路。2016年是深度学习的元年，这也意味着在2016年之前，从事人工智能行业工作的人基本上都处于谋生阶段，但我认为现在人工智能行业的“好时候”来了！
清湛人工智能研究院执行副院长杨磊
首先，我想以一个小故事作为起点来探讨，人类是怎么把智能发展起来的——这也是我一直在探索的事情：我在一篇今年6月份发表的文献中看到，一位以色列科学家利用AI技术把人类使用火的历史推算到100万年前，我不好奇这个推演过程，但我在思考的是，这个过程对于人类发展的历史有什么影响？要知道在动物群体中，除了人类之外，只有猩猩会凝视火种，其他的动物看见火就会逃跑。猩猩开始凝视火种之后的意义是什么？正是因为猩猩开始凝视火种才导致后来人类开始掌握语言。从程序员的思维方式来看，凝视火种正是一个小的递归迭代过程，而语言学习是一个长时间的深度迭代过程。而火是人类在自然界中第一个使用的工具。
这是我今天要开始分享的第一个问题，同时我还注意到在人类发展历程中，可以观察到一个非常有趣的现象，在使用火种后的100万年，人类开始使用语言是5万年前，只是100万年的5%。那么语言代表了什么？我认为，语言代表人类开始拥有抽象思维的能力，可以总结规律、发现规律、传承规律，把规律传承给后一代。
对比工业大发展，我们开始思考人工智能行业才走过多少年？工业革命过去了140多年，深度学习呢？从2016年兴起的深度学习，那么靠数据驱动的人工智能才发展了多少年？在140年的历史当中，数据驱动的人工智能发展也只有这个时间段的最近的4%。历史就是这么的巧合，我本人不是历史宿命论者，但是观察到这个发现时，我非常兴奋，我为活在这个年代并从事这个行业庆幸。
所以，让我们再来重新审视一下工业人工智能这个话题，它是不是如我们想象中那么狭隘？是不是蕴藏着更大的历史机遇？在历史巨大的车轮下，工业人工智能迸发了一些新的机会。得益于各国、各行业的竞争，包括工业人工智能、人工智能在内的技术发展逐渐凸显。据麦肯锡报告研究显示，新冠疫情以来之后，世界各国、各行业甚至各个企业对于AI技术投入（包括工业AI在内）都在快速增加。麦肯锡报告研究数据还预测，未来20年里，全世界将有一半以上的工业人工智能的应用将在中国诞生，中国将是工业人工智能发展最激烈的地区。
什么叫工业人工智能？AI行业和别的学科不一样，从学术角度来说，AI的最大问题是其定义非常混乱，每个人对于AI的定义都是他来自不同行业、不同体验的诠释。李杰教授的《工业人工智能》中，他在十几年前就开始总结出来一套完整的工业人工智能的理论基础，并且明确了工业人工智能与通用人工智能乃至其他行业人工智能的巨大差异。
理论基础上我不展开细说，但有一个有意思的的例子是，李杰教授认为在过去的10年、20年里，所有的人工智能学者都是以一个机会主义者的面目出现的。为什么叫机会主义呢？那就是研究人工智能时，在不确定中尝试去解决一些不确定性的事情。问题是这个世界并不是那么美好，所以就导致我们只能“拿着手里的锤子去找钉子”——遇到就敲一下，遇不到就敲不下去。比如人工智能推荐系统，你可以仔细观察，实际上用户被推荐的产品和服务大部分都是一大类的，也许和周边人相同，当然也有可能不同，但是类似的错误出现了也没关系，因为用户并不会因为智能推荐的准确与否产生疑虑。
但是在工业人工智能应用领域，使用的方法、算法和理论基础就要比通用人工智能更严苛一些，李杰教授在其文章中用了一句谚语：“每一只公鸡都说太阳是它叫醒的”，照耀万物才是太阳的目的，但是没有一只公鸡会说万物生长是它的功劳。我想工业人工智能也是一样，它的存在不应该是为了少数数据科学家用以证明人工智能无所不能，更不是用来颠覆原有的工业系统，而应是去解决工业系统中还没有被充分认知的不可见问题。
工业人工智能基本上分为四个层次，第一是智能感知层，这是我们现在不断努力的方向；第二是智能分析层，我们通过工具不断去迭代；第三是网络层，提供智能传输；第四是智能认知层，最终达到智能执行层；这是我们面向工业柔性化、智能化的一种工作方法。
工业人工智能主要围绕数据技术、分析技术、平台技术和运筹技术来做。我们通常用的分析方法都来自历史经验的迭代，但实际上在工业领域我们面临的最大问题通常就是缺乏有效的经验数据，我们需要通过隐藏的现象发现新的规律和经验。平台技术也是如此，历史上的平台技术，作为软件工程师我们我希望客户有明确的需求，按照需求去明确地一步步完成交付。但是人工智能平台存在一个问题，尤其在如今大量存在的数据驱动平台，获得数据需要一个过程，甚至通过数据分析之后，大量数据是不可用的或者稀疏的，因此依赖于平台重新收集数据、分析数据，这是一个长期的长尾状态。好消息是，在国内现在越来越多的学者开始关注工业人工智能领域话题，因为这个领域可以从不同的角度去诠释。
工业人工智能的另外一个历史性机遇是工业互联网，现在中国围绕工业4.0和工业互联网打造已经进入历史性阶段。按照最新数据统计，中国已建成了世界最大的工业互联网平台，并联设备、种类、数量、数据规模都已经达到了全世界最大。而在工业互联网中，按照工信部的最新规范定义和诠释，工业互联网可以分成设备级、车间级、企业级、产业级等不同层次，这一划分为工业人工智能带来了崭新的历史机遇，包括从环境传感中收集的海量数据，如温度、湿度，记录在各种系统中产生的设备交互数据和生产数据，传感器收集的工艺数据等等，这些新产生的海量数据将为工业人工智能发展带来巨大机遇挑战。我们认为，没有工业人工智能的工业互联网是一些没有连接过的数据，因此不能产生有效结果，而没有工业互联网的工业人工智能是无法获得原始数据的来源。
我们也看到制造业中面临的巨大痛点，但工业人工智能实施过程是艰苦：第一，头部企业资源丰富，但实际上大量的需求来自占比80%以上的中小企业；第二，我们还是做着“拿着锤子找钉子”，这个过程非常痛苦。
清湛研究院围绕着工业人工智能也做了大量的努力，以机器学习平台、机器人平台、机器人本体、历史数据处理平台，形成相关解决方案，现在面临社会和企业提供服务，也收获了不俗的成果。工业人工智能将会给制造业带来越来越多机会，我们现在做的很多努力还是基于历史经验在持续改进，另外还在尝试基于历史分析数据形成新的经验持续改进。未来，我们将探索发现隐藏的信息，或者揭秘隐藏信息发现新的规律，改进新的生产工艺和过程。
最后，正如恩格斯《英国工人阶级状况》中总结道：“英国工业的全部历史所讲述的，只是手工业者如何被机器驱逐出一个个阵地。”工业人工智能的发展历程，也必定会以数据驱动的智能化设备将传统制造业的机构和设备驱逐出一个个阵地。
非常感谢大家！
想成为未来独角兽吗？36氪江苏助你一臂之力！
如果您想自荐优秀创业项目，寻求对企业/活动进行专题报道；如果您想发布融资首发信息；如果您想为36氪提供原创文章或视频，转载36氪江苏原创文章或沟通其他内容相关合作……请添加36氪江苏微信号jiangsu-36kr，或将您的需求与项目BP发送到nanjing@36kr.com，我们会及时与您联系。
商务合作请直接联系季先生Tel：18101595688，微信号：amiman.
