制造中的算法，最容易被磚家帶偏。某院士典型的謬論就是“智能制造=人工智能+制造”；而人工智能又進一步被學術界等同于深度學習等典型算法。事實上，論文上常見的高級算法往往像馬保國大師的“渾元形意太極拳”，功夫看似神秘，現場上往往不實用。

而我們一直認為，智能化的主流思路有兩種：一種是把人的知識變成機器的代碼（吳淑珍式的智能）、一種是讓機器幫助人類決策（小秘書模式）。這兩種方式都是“用人容易理解的辦法，做人做不好的事情”。算法的原理往往很簡單，但信息通信技術不發達時做不到。這意味著：它們是信息通信技術不斷發展帶來的機會。這些辦法簡單粗暴，卻像散打、拳擊一樣更加實用。

對于工業智能，搞算法的人到底需要什么功夫？

我認為，搞算法的最需要的是“計算思維”。也就是把現實問題轉化成可計算的問題。比如，解決“監控卡車司機干私活”問題，先要用數據定義什么叫“干私活”。比如，我們把“干私活”定義為“在不該裝貨的地方裝貨，在不該卸貨的地方卸貨”，進而把“裝貨”、“卸貨”定義為重量增加和減少。這樣，把問題轉化成了監控位置信息和重量信息。這就是計算思維。

前幾天，幫著年輕人搞算法。他說：算法與操作規程和機組特性有關。我就問：什么叫操作規程、機組特性？能否用數據和計算方法描述一下？小伙子一聽就明白了。

換一個角度，數字化的能夠幫助人們提升“認知能力”。我前面講到的“小秘書”模式，往往就是用算法提高認知能力。我見到很多人，把認知能力與人工智能、深度學習掛鉤。這也是錯的。

其實，除了圖像識別，在相當多的工業場景中，“認知”就是判斷對象、過程或者操作正常或者不正常。說的再白一點，就是讓計算機去“對標”。判斷方法也很簡單：先建立數字化的標準，然后和這個標準的做法“對標”。

孔利明師傅我的老友、全國勞模、著名工人發明家孔利明師傅曾經舉過一個例子。過去的調琴師是師傅帶徒弟。師傅要徒弟把聲音調得“渾厚一點”。“渾厚”過去是很難理解的。現在，采取數字化的辦法，把聲波拿出來對比一下，就知道是不是“渾厚”了。

所以，數字化的好處是便于建立標準。在數字化背景下，標準可以是若干數字、也可以是曲線、兩維圖像以及多條曲線的組合。在大數據的背景下，“標準”可以定的非常細；場景變化以后就用新場景對應的標準進行對標。“對標”往往不太復雜：因為工業過程往往會盡量排除干擾。“對標”的方法卻往往具有普遍意義，就是因為現代工業（尤其是生產過程），就是基于標準化展開的。

不懂工業的人，有時候把工業想簡單了：對細節和系統性干擾的重視不夠，把理想條件下的原理當成工業技術本身；有時候還會把工業想復雜了：他們不理解，工業人為了追求安全、穩定、可靠，往往是復雜問題簡單化、排除干擾，然后用簡單、標準化的方法處理。

所以，工業人不會像馬保國大師那樣故弄玄虛。故弄玄虛是磚家們干的事情、是寫論文的時候用的。
編輯：hfy