2016人工智能湖南論壇暨自興人工智能研究院揭牌儀式，來自國內(nèi)外的許多頂級專家在會上給我們做了報告并接受了雷鋒網(wǎng)獨家專訪。李涵雄，博士，香港城市大學系統(tǒng)工程及工程管理系，和中南大學特聘教授。先后入選國家杰出青年基金（海外）獲得者（2004），教育部長江學者（2006），國家“千人計劃”專家（2010）和IEEE Fellow （2010）。最近二十多年來一直從事智能制造方面的研究，側(cè)重于工業(yè)過程的智能建模、設(shè)計與控制，和基于數(shù)據(jù)學習的智能決策。本文已經(jīng)李教授修改確認。

　　您認為建立一個智能化的生產(chǎn)線最重要的是什么？

　　我認為是標準化，要消滅不確定性。就生產(chǎn)來說主要的問題就是不確定性,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)中為什么會有那么多操作人員，因為工廠沒法全自動化，如果你要全自動化就要把人去掉，人所做的判斷需要機器來做，但是機器沒辦法像人一樣做出非標準化的決策。

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

　　首先研究分好幾類，我側(cè)重于在大學所做的學術(shù)研究，而在工業(yè)界注重的是產(chǎn)品研究。在大學所做的學術(shù)研究相當于是在開發(fā)工具。就拿修車來舉例，修車是一組工具的綜合運用。大學研究相當于是為修車提供一個工具，修車與工具并不一定會有直接的聯(lián)系，但是一套好的修車工具肯定會提高修車的速度和質(zhì)量。就智能制造而言，是一個很大的范圍。我想沒有一個大學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，主要是點膠和固化過程等方面的研究，在這一方面都有很多需要研究。所以我認為智能制造需要一個產(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東西嗎？如果不是，差異在哪？

　　這兩個概念都是差不多，只是表達方法不一樣，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，但是實現(xiàn)的內(nèi)容是一樣的。

　　在智能制造中加入機器學習，根據(jù)業(yè)內(nèi)人士的說法，目前還只是一個噓頭多過于實踐的現(xiàn)狀，您怎么看這個問題？

　　我認為機器學習在制造行業(yè)中最相對容易實現(xiàn)。因為制造比較標準化。生活當中不確定性太大了，遇到的事情很難標準化，所以在生活中的智能要求最高。相對而言，在智能制造中應用機器學習是較容易的。

　　您剛PPT里講的建模之后，就是機器學習，增強學習，進化計算。后面3個經(jīng)常在偏軟件中訓練用到，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是如何具體運作的，但是根據(jù)我的邏輯判斷，它是以規(guī)則判斷為主。因為現(xiàn)在的人工智能無法做到無規(guī)則判斷。規(guī)則判斷相對簡單，就是你要將規(guī)則判斷的問題進行分解，模塊化，然后進行逐步求解，要把所有可能出現(xiàn)的問題拿出來。然后建立好規(guī)則，讓機器知道如何處理好每一個問題，機器就按照這一步驟進行行動。當然，下棋這一問題十分的復雜，越復雜的問題越需要大量的計算，計算機的計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，它不能做一些沒有給它安排的運算。就是說它如果沒見過，它就做不了。舉個例子，現(xiàn)在人每天都在生活，每天都會有很多的經(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，因為你的記憶庫里沒有與這相關(guān)的經(jīng)驗，那么你就無法做出很好的決策。機器更是如此。