2016人工智能湖南論壇暨自興人工智能研究院揭牌儀式，來(lái)自國(guó)內(nèi)外的許多頂級(jí)專家在會(huì)上給我們做了報(bào)告并接受了雷鋒網(wǎng)獨(dú)家專訪。李涵雄，博士，香港城市大學(xué)系統(tǒng)工程及工程管理系，和中南大學(xué)特聘教授。先后入選國(guó)家杰出青年基金（海外）獲得者（2004），教育部長(zhǎng)江學(xué)者（2006），國(guó)家“千人計(jì)劃”專家（2010）和IEEE Fellow （2010）。最近二十多年來(lái)一直從事智能制造方面的研究，側(cè)重于工業(yè)過(guò)程的智能建模、設(shè)計(jì)與控制，和基于數(shù)據(jù)學(xué)習(xí)的智能決策。本文已經(jīng)李教授修改確認(rèn)。

　　您認(rèn)為建立一個(gè)智能化的生產(chǎn)線最重要的是什么？

　　我認(rèn)為是標(biāo)準(zhǔn)化，要消滅不確定性。就生產(chǎn)來(lái)說(shuō)主要的問(wèn)題就是不確定性,不確定性影響產(chǎn)品質(zhì)量，不確定性包括各種各樣的不確定性，例如人為原因造成的不確定性。你想生產(chǎn)中為什么會(huì)有那么多操作人員，因?yàn)楣S沒(méi)法全自動(dòng)化，如果你要全自動(dòng)化就要把人去掉，人所做的判斷需要機(jī)器來(lái)做，但是機(jī)器沒(méi)辦法像人一樣做出非標(biāo)準(zhǔn)化的決策。

　　關(guān)于智能制造，您最近研究的東西能應(yīng)用在生產(chǎn)界哪里？

　　首先研究分好幾類，我側(cè)重于在大學(xué)所做的學(xué)術(shù)研究，而在工業(yè)界注重的是產(chǎn)品研究。在大學(xué)所做的學(xué)術(shù)研究相當(dāng)于是在開(kāi)發(fā)工具。就拿修車來(lái)舉例，修車是一組工具的綜合運(yùn)用。大學(xué)研究相當(dāng)于是為修車提供一個(gè)工具，修車與工具并不一定會(huì)有直接的聯(lián)系，但是一套好的修車工具肯定會(huì)提高修車的速度和質(zhì)量。就智能制造而言，是一個(gè)很大的范圍。我想沒(méi)有一個(gè)大學(xué)教授能夠掌握全部的智能制造。我所研究的范圍是電子封裝，主要是點(diǎn)膠和固化過(guò)程等方面的研究，在這一方面都有很多需要研究。所以我認(rèn)為智能制造需要一個(gè)產(chǎn)業(yè)鏈聯(lián)盟，企業(yè)共同合作。企業(yè)的產(chǎn)品研究要有針對(duì)性，高校的研究是要關(guān)注于在產(chǎn)品生產(chǎn)中的某一類共性問(wèn)題。

　　最近很多制造領(lǐng)域的專家都在談柔性制造，您在演講中提到的智能制造和柔性制造這是同一個(gè)東西嗎？如果不是，差異在哪？

　　這兩個(gè)概念都是差不多，只是表達(dá)方法不一樣，本質(zhì)還是一樣的。比如3D打印，20年前就是快速成型，早期的CAD和快速成型就是目前的3D打印。柔性其實(shí)就是智能，柔性靈活，能夠根據(jù)不同的情況作出不同的判斷。這些都是不同的名詞，但是實(shí)現(xiàn)的內(nèi)容是一樣的。

　　在智能制造中加入機(jī)器學(xué)習(xí)，根據(jù)業(yè)內(nèi)人士的說(shuō)法，目前還只是一個(gè)噓頭多過(guò)于實(shí)踐的現(xiàn)狀，您怎么看這個(gè)問(wèn)題？

　　我認(rèn)為機(jī)器學(xué)習(xí)在制造行業(yè)中最相對(duì)容易實(shí)現(xiàn)。因?yàn)橹圃毂容^標(biāo)準(zhǔn)化。生活當(dāng)中不確定性太大了，遇到的事情很難標(biāo)準(zhǔn)化，所以在生活中的智能要求最高。相對(duì)而言，在智能制造中應(yīng)用機(jī)器學(xué)習(xí)是較容易的。

　　您剛PPT里講的建模之后，就是機(jī)器學(xué)習(xí)，增強(qiáng)學(xué)習(xí)，進(jìn)化計(jì)算。后面3個(gè)經(jīng)常在偏軟件中訓(xùn)練用到，比如AlphGo,  在智能制造的硬件體系里它是如何能生效的，您能介紹下？

　　我不清楚AlphGo是如何具體運(yùn)作的，但是根據(jù)我的邏輯判斷，它是以規(guī)則判斷為主。因?yàn)楝F(xiàn)在的人工智能無(wú)法做到無(wú)規(guī)則判斷。規(guī)則判斷相對(duì)簡(jiǎn)單，就是你要將規(guī)則判斷的問(wèn)題進(jìn)行分解，模塊化，然后進(jìn)行逐步求解，要把所有可能出現(xiàn)的問(wèn)題拿出來(lái)。然后建立好規(guī)則，讓機(jī)器知道如何處理好每一個(gè)問(wèn)題，機(jī)器就按照這一步驟進(jìn)行行動(dòng)。當(dāng)然，下棋這一問(wèn)題十分的復(fù)雜，越復(fù)雜的問(wèn)題越需要大量的計(jì)算，計(jì)算機(jī)的計(jì)算速度就要非常的快。那么人工智能目前基本上就是規(guī)則判斷，它不能做一些沒(méi)有給它安排的運(yùn)算。就是說(shuō)它如果沒(méi)見(jiàn)過(guò)，它就做不了。舉個(gè)例子，現(xiàn)在人每天都在生活，每天都會(huì)有很多的經(jīng)歷。但是如果有一天，把你放到外星球去，你可能就不知道該怎么辦，因?yàn)槟愕挠洃泿?kù)里沒(méi)有與這相關(guān)的經(jīng)驗(yàn)，那么你就無(wú)法做出很好的決策。機(jī)器更是如此。