在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
AI 会自主运行工厂吗？
让我们从终极问题开始：人工智能（AI）何时会接管并自主运行工厂？展望遥远的未来，我们可以想象 AI 在完全没有人工干预的情况下建造工厂并自主运行。机器人工厂的实现可能会在 100 年后出现，也可能是在 50 年，甚至 30 年后出现？这很难预测。
然而，我们可以把握技术在未来十年可能会引领我们走向何处。我们预测，工厂的决策和建模将基于“可控 AI 模型”、大型语言模型以及人类领域专家www.cechina.cn，而后者仍将做出关键决策。
传统工厂建模框架
一个复杂的制造工厂通常包括 5 到 7 个主要的技术决策领域，每个领域都建立在通过长期职业生涯所获得的技术专业知识之上。例如，过程工程、维护、先进过程控制（APC）、过程安全、控制室操作以及规划和经济等领域。
在每个领域中，信息都来自工厂，并通过精心设计的定制模型和人类专家推理方案进行处理，以生成决策，并输入到其他决策领域或工厂处理设备。每个领域都使用不同的建模技术来描述重叠的工厂区域，代表不同的“真相版本”。存在这些不同的、经常相互冲突的“真相版本”的原因是建模技术的计算局限性，因为有很多过程制造工厂在个人电脑问世之前就已经运营了几十年。
在数据有限的时代开发的每个模型，都是为了解决决策领域内特定问题而量身定制的。每个领域都发展出了自己的一套基本原理和数学假设，以构建支持其自动和手动决策的参数模型。例如，规划和经济团队使用线性规划（LP）模型来优化复杂、非线性的工厂。将线性解决方案应用于非线性问题，涉及一个经过几十年磨合的精细假设和程序系统，用于近似、验证、维护和适应这些模型。
几十年来，来自各个领域的工厂技术人员用户社区围绕为他们服务的建模技术建立了自己的职业生涯，磨练了他们的技能CONTROL ENGINEERING China版权所有，并围绕他们的建模技术开发了方法。建模技术供应商提供了为其特定域用户量身定制的解决方案。这些供应商和消费者行为对当今技术格局的影响是一系列特定于领域的工具集，这些工具集难以互连且无法自动通信。决策域之间的所有通信均由工厂的技术人员手动完成。
传统建模阻碍生成式AI发展
现代 GenAI 基于大型语言模型，这些模型在大量人类生成的数据上进行训练，并作为Copilot在整个企业中得到越来越多的应用，以支持人类决策。为了领先一步，大多数企业都在突破自主决策的极限，探索与 AI辅助工具一起探索他们的未来运营将是什么样子，并进一步成为与人类一起工作的 AI 代理。
大型语言模型展现出令人瞩目的、类似人类的自主能力。它们可以获取人类的集体知识，并以模仿人类互动的方式与世界互动。然而，大型语言模型在可靠性、安全性、稳定性和可解释性方面也存在根本性缺陷。人们正在研究如何解决大型语言模型的缺陷CONTROL ENGINEERING China版权所有，在这些问题得到解决之前，我们不指望工厂运营公司会让大型语言模型在关键任务环境中自主决策。
在未来一二十年内www.cechina.cn，制造工厂允许AI做出人类技术专家做出决策的可能性极小。在启用 AI 自动化之前，任何 AI 决策都必须是透明的、可解释的和可由人类专家验证的。在传统的、孤立的决策领域上运行的 AI 必须尊重既定的习惯和方法，模仿人类的分析和决策。传统建模之上的 AI 将通过捕获知识、组织人类决策和讨论以及正式化团队之间的沟通，为每个决策领域提供价值。
然而，在传统的工厂建模框架范围内应用 AI 将无法释放现代 AI 所能提供的强大功能和价值，无法将制造工厂推向真正的最佳状态。这种方法将使 AI 背负上传统方法所困扰的相同假设、偏见和限制。一个真正优化的工厂意味着，考虑到采取行动时所有可用的原始工厂数据，所采取的每一项行动都可能在其限制范围内最好地服务于工厂的业务目标。这将需要一个完全不同的工厂建模框架。
通过可控AI实现下一代工厂建模
不断增长的计算能力和市场需求催生了一种新型 AI，我们将其称为“可控 AI（Controllable AI）”。可控 AI 模型不是 GenAI 或大型语言模型，也不是混合模型，而是在传统方法上附加 AI。可控 AI 模型旨在使领域专家能够在其约束范围内更紧密地优化工厂，使其与工厂的业务目标更紧密地结合工厂，并为领域专家提供对 AI 模型的更多可观察性和可控性。
可控 AI 模型采用用户熟悉的架构构建，并且仅在用户已知的数据集上进行训练。用户对用于模型训练的精确数据集拥有完全的决策权，包括数据源和每个源中的数据点。
一旦训练完成，可控 AI 模型就是定义明确的确定性数学函数或算法。模型的关键属性可以通过数学或统计学方法以用户易于理解的方式进行观测。它们包含某些工程选择，使用户能够引导模型训练，以表达例如变量之间的一组期望关系。可控 AI 的这些特性为工程师提供了更多的可控性和可观测性，从而满足制造工厂安全关键环境的严苛要求。
人类领域专家，加上可控的 AI 和 GenAI ，将有助于工厂性能的大幅提升。为了让 GenAI 释放其日益增长的优势和机会，必须使其摆脱过去几十年中各领域专家所形成的孤立假设和偏见。GenAI 必须根据当前的工厂数据和一个共享的、可验证的事实版本，生成尽可能接近最佳的决策。
在未来十年，通过将 GenAI 与可控 AI 集成，将实现 GenAI 的有效和安全使用。服务所有领域的 GenAI 将通过共享、可控的 AI 模型，对工厂产生相同的理解。这种对工厂的理解将通过可控 AI 由领域专家进行验证、核实和批准。GenAI 将使用基于可控 AI 模型的推理序列（也称为“思维链”）来解释其决策和建议，这些模型被所有决策领域共享和理解。
回到我们最初提出的问题，我们预计任何决策领域都不会因为 GenAI 而消失控制工程网版权所有，至少在未来十年不会。每个领域都将采用 GenAI ，以提高人类专家的工作效率，并为领域间的人工决策生成高频、自动的决策和建议。可控 AI 将充当决策领域之间的桥梁、协议或平台，在这里，共享模型呈现了现实的一个视角。
可控 AI 和 GenAI 之间的这种集成不仅将增强工厂员工的能力并支持高绩效协作团队，还将在过程工厂中释放现代 AI 的真正力量。
2025 (第十四届) 全球自动化和制造主题峰会 ·深圳站
2025 Raythink燧石红外热像仪有奖试用.jpg)
立即获取Fluke在线红外热像仪解决方案白皮书
2025电子及半导体智能制造创新高峰论坛.jpg)
电机与变频驱动故障排除白皮书免费下载
