中国制造2025是我国实施制造强国战略第一个十年的行动纲领，是中国从制造大国向智造强国迈进的宏远蓝图。在国家商务部、科技部、中国贸促会和辽宁省政府主办的国家级大会第十四届软交会上，人工智能时代领军人、美国斯坦福大学人工智能专家、畅销书《人工智能时代》的作者杰瑞·卡普兰向听众们描绘了《人工智能与制造业的未来》。

　　2016年是人工智能特别的一年，60年前，人工智能划破星空降临世界，60年后，AlphaGo则引爆世人眼球，强势宣告它的时代已经到来。人工智能不单改变普通人的生活，也在以大家意想不到的方式改变工厂和制造商。
　　要想明白背后的原因，你就不应该把AI想成人类智能在机器里的复制品，而应该把它想成自动化的下一个阶段。没有哪个领域的自动化会比工厂更先进。因为有了AI，未来的工厂可能会和今天的工厂截然不同。
　　为了找到原因，我们应该研究自动化技术在过去的引入方式。当一种技术最初被引入时，人们自然而然地会把其看成他们熟知的某样东西的直接替代品。但是随着人们对新技术的理解的加深，他们就会意识到解锁这种技术真正力量的方式是重新设计其周围的流程，并且充分利用该技术的潜能。
　　不用马拉的马车
　　让我们先回顾下汽车的发展史，当汽车在1900年左右首次进入美国时www.cechina.cn，这些非凡的机器被称作“不用马拉的马车”。为什么？因为我们熟悉马拉的马车，把汽车理解为马车的直接替代品是最简单的，区别仅仅是马像被施了魔法一样不知去向。
　　去除掉马匹有着明显的优势。当汽车不运转时，你不需要给汽车喂食。汽车不会生病或者拒绝工作，或者把马粪弄得到处都是——对于城市来说，你可能想不到这是一个大问题。

　　但是把汽车简单地看作没有马的马车却是对新技术真正力量的错误理解。汽车对我们的交通系统进行了革命。汽车减少了除船舶和火车以外的运输商品的成本，并且创造了大量的新兴市场。汽车创造了郊区这个全新的概念，因为现在你可以住在离你工作地点更远的地方了。而且你可能不知道，哪怕是早期的汽车也比用马旅行安全得多。马会踢、咬，并且踩人。
　　但是如果不对周围的基础设施进行大规模的改造www.cechina.cn，这些优势就无法体现。在汽车之前，街道不仅仅是一条从一个地方通往另一个地方的路。街道是社交场所，就像今天的公园一样，孩子们在上面玩耍，人们在上面社交。部分原因是因为行人和马匹都行进得很慢。所以早期的汽车只是被简单地加入到了马匹和行人当中。
　　但是，很快大家就明白过来，如果划分出专属于新机器的特点区域，这些机器就会变得更有价值，旅行和商务都加速了。没过多久，就有了车道和尾灯，对于街道的其他使用，包括马匹控制工程网版权所有，就被限制或者禁止了。
　　现在，你可能认为我们在科技方面比以前聪明得多，但是也许我们并没有。
　　无人又无马的马车？
　　我们正在无人驾驶汽车上重复相同的错误，而这是一种几乎会改变一切的技术。我们旅行的方式、我们运输商品的方式，以及我们的生活方式。但是直到我们为它们划定和人类驾驶汽车区别开来的特殊区域之前，这些优势都无法完全展现。但这是另外一个话题了。也许我们应该把这些新机器称为无人无马的马车。

　　那么我们再回到人工智能上来。因为AI的真正意义和影响并没有被充分理解，人们自然而然就会把AI看作简单的替代品，就像是人们看待无马的马车一样。大多数人把AI看作构建电子大脑的技术，这种大脑会取代思考的人类，特别是人类工作者。就像人类智能一样，只是没有人类而已。
　　但就像是汽车的引入一样，这种理解不得要领。事实上，人工智能并不像人类智能。AI向我们提供了再造制造设施甚至公共空间的机会，这种再造的方式是出其不意、令人兴奋的，而且还具有潜在的巨大经济收益。
　　机器学习，开启未来工厂之路
　　想一想我们的自动化工厂今天的运作方式。除了个别例外，机器都在工厂精心控制的环境中从事简单的重复性操作。如果一个组成零件没有在正确的时间出现在规定的位置上，结果将是灾难性的。起背后的原因很简单：大部分机器无法感知环境或者适应改变。
　　可能现在最重要的AI新发展就是所谓的“机器学习”了。但是机器学习并不像大部分人所想的那样。它和人类学习非常不同。机器学习其实是从大型数据池中提取非常细微的模式的一系列技术。

　　现在最大的、不断增长的电子形式数据源来自各式各样的传感器。摄像头和麦克风是最为明显的，因为它们反映了我们自身看和听的能力，但是还有很多其他的类型。例如，可以度量热、震动、磁、电阻、重量、机械应力等的传感器。
　　机器学习让我们可以分析来自这些传感器的大量的数据流，从而构建出一个本地环境实时情况的完整图景。今天，很多普通的机器需要人类来引导和控制它们，比如升降机和吸尘器。但是如果你仔细思考的话，会发现人类的作用只是机器的感知和控制系统。把今天最先进的机器学习和传感器的实时数据相结合，我们就可以填补这份空白并且去掉人类。
　　在不远的未来，我们的工厂和仓库将会充满拣选和包装订单的机器；进货和整理货架的机器；分类、切割、检查，并且组装随意放置的组件的机器。它们甚至还能够诊断并且修理其他机器人设备。
　　重新定义人工智能时代制造业
　　但是所有这些只是使用人工智能的第一步。只是简单地把人类换成机器的初始阶段。在此之后，AI将会开始对工厂和公共空间进行整体重新设计。为了充分利用AI，我们需要做两件事。
　　分布式传感器和效果器
　　首先是对机器的解构。传感器没有任何理由非要和实际完成工作的设备进行物理上的连接。你的眼镜和耳朵可能跟手脚一样，都长在同一个身体上，而且我无法通过你的眼睛看东西。但是机器的设计方式可以是非常不同的。传感器可以在环境中分散放置并且被很多不同的机器或设备共享，而未来的工厂可以利用这一点。
　　对于机器来说，道理也是同样的。有能力完成不同功能的不同效果器也可以分散在整个工厂中，然后快速从一个地方移动到另一个地方，并且根据眼下的任务进行重新配置，这样，在生产过程中它们就不会无所事事地呆在一个特定地点上等待召唤了。
　　颠覆传统装配线
　　当我们不再通过假想人类的工作方式来设计机器时，工厂的第二个重要转变就会发生。
　　一个现代的汽车装配线可能是高度自动化的，但是其基本的组织遵循的却是亨利·福特将近100年前的设计，作为福特汽车公司的创始人，这是他为自己的汽车工厂所设计的。每辆车都从一个装配站转移到另一个装配站，处于不同装配阶段的专家会在不同位置完成他们的任务。今天，我们已经用机器替换了大部分人类专家CONTROL ENGINEERING China版权所有，但是装配线的概念却一成不变。

　　我们使用这种格式的原因和亨利·福特完全相同:这样人类就能把制造工序的每一步和一个特定地点相联。例如，一个工人需要知道在汽车上安装轮子的时间和地点。一个经理必须有能力监督装配线并寻找问题。这意味着这个流程必须被分割成任何人都能够看到和理解的任务或工作站。
　　但是有了人工智能，新型的灵活机器人就不需要遵循这条原则了。制造工序可以变得更加错综复杂，以至于人类根本无法轻易理解。每辆汽车都可以根据零件的位置和各种工具和传感器的可用性进行不同方式的装配。
　　亚马逊的自动化仓库
　　如果要举一个更加复杂而且高效的组织原则实例，不妨想想亚马逊这家美国最大的电子零售商www.cechina.cn，亚马逊一直都在调整其库房的仓储模式。对于一家普通仓库来说，相同哪个的物品都存放在一起，这样当你需要寻找某样东西时，你就知道它在哪。
　　但是最新的亚马逊仓库中的物品却可能存放在经常和它一起发出的东西旁边。对于人类肉眼来说，这情景就是一团混乱——不同大小和形状的产品被随意堆放在各处。这个过程在人类看来可能会有些杂乱无章。但是我怀疑观看AI计算机管理这场疯狂机械芭蕾的场面也会有一些特殊的美感。
　　对于制造业的人工智能来说。如果要解锁技术的完整价值，我们就要摒弃某一些人类偏见并且采用新的设计原则。虽然我们可能会对未来工厂奇特而复杂的外表感到惊奇，有一样东西却是肯定的：未来工厂会以今天工厂无法比拟的速度和效率制造产品。