0
雷锋网(搜索“雷锋网”公众号关注)按：2016人工智能湖南论坛暨自兴人工智能研究院揭牌仪式，来自国内外的许多顶级专家在会上给我们做了报告并接受了雷锋网独家专访。李涵雄，博士，香港城市大学系统工程及工程管理系，和中南大学特聘教授。先后入选国家杰出青年基金（海外）获得者（2004），教育部长江学者（2006），国家“”专家（2010）和IEEE Fellow （2010）。最近二十多年来一直从事智能制造方面的研究，侧重于工业过程的智能建模、设计与控制，和基于数据学习的智能决策。本文已经李教授修改确认。
我认为是标准化，要消灭不确定性。就生产来说主要的问题就是不确定性,不确定性影响产品质量，不确定性包括各种各样的不确定性，例如人为原因造成的不确定性。你想生产中为什么会有那么多操作人员，因为工厂没法全自动化，如果你要全自动化就要把人去掉，人所做的判断需要机器来做，但是机器没办法像人一样做出非标准化的决策。
关于智能制造，您最近研究的东西能应用在生产界哪里？
首先研究分好几类，我侧重于在大学所做的学术研究，而在工业界注重的是产品研究。在大学所做的学术研究相当于是在开发工具。就拿修车来举例，修车是一组工具的综合运用。大学研究相当于是为修车提供一个工具，修车与工具并不一定会有直接的联系，但是一套好的修车工具肯定会提高修车的速度和质量。就智能制造而言，是一个很大的范围。我想没有一个大学教授能够掌握全部的智能制造。我所研究的范围是电子封装，主要是点胶和固化过程等方面的研究，在这一方面都有很多需要研究。所以我认为智能制造需要一个产业链联盟，企业共同合作。企业的产品研究要有针对性，高校的研究是要关注于在产品生产中的某一类共性问题。
最近很多制造领域的专家都在谈柔性制造，您在演讲中提到的智能制造和柔性制造这是同一个东西吗？如果不是，差异在哪？
这两个概念都是差不多，只是表达方法不一样，本质还是一样的。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。柔性其实就是智能，柔性灵活，能够根据不同的情况作出不同的判断。这些都是不同的名词，但是实现的内容是一样的。
我认为机器学习在制造行业中最相对容易实现。因为制造比较标准化。生活当中不确定性太大了，遇到的事情很难标准化，所以在生活中的智能要求最高。相对而言，在智能制造中应用机器学习是较容易的。
您刚PPT里讲的建模之后，就是机器学习，增强学习，进化计算。后面3个经常在偏软件中训练用到，比如AlphGo, 在智能制造的硬件体系里它是如何能生效的，您能介绍下？
我不清楚AlphGo是如何具体运作的，但是根据我的逻辑判断，它是以规则判断为主。因为现在的人工智能无法做到无规则判断。规则判断相对简单，就是你要将规则判断的问题进行分解，模块化，然后进行逐步求解，要把所有可能出现的问题拿出来。然后建立好规则，让机器知道如何处理好每一个问题，机器就按照这一步骤进行行动。当然，下棋这一问题十分的复杂，越复杂的问题越需要大量的计算，计算机的计算速度就要非常的快。那么人工智能目前基本上就是规则判断，它不能做一些没有给它安排的运算。就是说它如果没见过，它就做不了。举个例子，现在人每天都在生活，每天都会有很多的经历。但是如果有一天，把你放到外星球去，你可能就不知道该怎么办，因为你的记忆库里没有与这相关的经验，那么你就无法做出很好的决策。机器更是如此。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
