大體來(lái)說(shuō)，從眼前的現(xiàn)實(shí)，來(lái)想象未來(lái)的圖景可能并不困難。但落實(shí)到具體的制造行業(yè)，需要解決的問(wèn)題“成如容易卻艱辛”。就智能汽車的發(fā)展愿景，從人工智能與數(shù)據(jù)分析的角度，能看到什么呢？

汽車開(kāi)發(fā)已經(jīng)使用了“模塊化系統(tǒng)”，允許在多個(gè)模型系列中使用功能組件。與此同時(shí)，整車的開(kāi)發(fā)周期也越來(lái)越短。然而，虛擬汽車開(kāi)發(fā)領(lǐng)域，尚未看到以機(jī)器學(xué)習(xí)方法來(lái)促進(jìn)自主學(xué)習(xí)的有效嘗試，如在建立歷史知識(shí)的基礎(chǔ)上提取相關(guān)知識(shí)，或建立適用于多種車型系列的知識(shí)，以協(xié)助未來(lái)的項(xiàng)目發(fā)展和更有效的組織。車輛研發(fā)知識(shí)的相關(guān)數(shù)據(jù)管理與仿真和優(yōu)化數(shù)據(jù)挖掘的復(fù)雜性等緊密契合。此外，這種方法又受到車輛開(kāi)發(fā)過(guò)程中組織框架的限制，通常只針對(duì)正在開(kāi)發(fā)的模型。同時(shí)，由于數(shù)據(jù)的異構(gòu)性（有數(shù)字?jǐn)?shù)據(jù)、圖像、視頻文件等）復(fù)雜、數(shù)據(jù)量（單一仿真便有兆兆字節(jié)）巨大，導(dǎo)致“模擬數(shù)據(jù)中的數(shù)據(jù)挖掘”問(wèn)題困難重重。就目前的情形來(lái)說(shuō)，充其量只能算是在進(jìn)行試探性研究。

而由于使用了預(yù)測(cè)性維護(hù)，新的服務(wù)正在成為可能。有關(guān)個(gè)人駕駛行為知識(shí)的自動(dòng)學(xué)習(xí)，可非常準(zhǔn)確地預(yù)測(cè)所需的維修時(shí)間周期。車主可以使用這些信息來(lái)及時(shí)安排汽車維修預(yù)約，車載電腦可以將維修預(yù)約時(shí)間的安排與車主的工作計(jì)劃進(jìn)行匹配，目前實(shí)現(xiàn)這一愿景比實(shí)現(xiàn)冷庫(kù)自動(dòng)對(duì)雜貨進(jìn)行盤(pán)點(diǎn)要更容易。本地授權(quán)維修店利用自動(dòng)化系統(tǒng)可以實(shí)時(shí)地安排最佳服務(wù)預(yù)約，并考慮員工的在崗情況，盡可能均衡地分配工作。

車輛的學(xué)習(xí)和適應(yīng)能力實(shí)際上有無(wú)限的潛力。車輛可以識(shí)別和分類駕駛員的駕駛行為，將他們確認(rèn)為特定的駕駛員類型。基于此，車輛本身可以對(duì)電子用戶界面系統(tǒng)進(jìn)行調(diào)整，換句話說(shuō)，它們可以提供遠(yuǎn)遠(yuǎn)超出汽車特性的個(gè)性化及自適應(yīng)的驅(qū)動(dòng)程序選項(xiàng)。當(dāng)消費(fèi)者購(gòu)買(mǎi)一輛新車時(shí)，該消費(fèi)者作為駕駛者的相關(guān)信息，可以順利轉(zhuǎn)移到一輛新車上，確保消費(fèi)者在熟悉的使用環(huán)境中立即可以駕駛新車。

實(shí)現(xiàn)自動(dòng)駕駛超級(jí)智能體

由于越來(lái)越多的汽車企業(yè)積極投身自動(dòng)駕駛汽車的研究，使得汽車作為“移動(dòng)客廳”的描繪，不再是一個(gè)令人難以置信的場(chǎng)景。目前，發(fā)展的重點(diǎn)是完全自動(dòng)駕駛。選擇自動(dòng)駕駛作為發(fā)展方向的理由很充分：在世界大部分地區(qū)不允許自動(dòng)駕駛汽車上路，如果允許的話也是鳳毛麟角。這意味著，作為智能體的汽車不能與其他車輛進(jìn)行通信，由人駕駛的車輛依舊根據(jù)駕駛者的觀察調(diào)整駕駛行為。駕駛者依靠導(dǎo)航系統(tǒng)獲得交通擁堵信息和替代路線建議。然而，我們假設(shè)現(xiàn)在每輛車都是一個(gè)完全智能體，那么將實(shí)現(xiàn)兩個(gè)目標(biāo)：優(yōu)化交通流量；預(yù)防交通事故。

在這種情況下，智能體之間通過(guò)交流和協(xié)商，如協(xié)調(diào)各自行駛線路、速度、交流路況等，將路程時(shí)間最小化。不可預(yù)見(jiàn)的情況，如天氣變化導(dǎo)致的道路損壞和擁堵，雖然不能完全避免，但遭遇的可能性會(huì)降到最低。這類信息會(huì)被立即傳遞到周邊的所有車輛，然后啟動(dòng)一輪新的優(yōu)化周期。此外，預(yù)測(cè)性維護(hù)將最大程度地減少車輛的損壞。歷史數(shù)據(jù)被分析和用來(lái)預(yù)測(cè)故障可能發(fā)生的時(shí)間，智能體在不需要通知車主的情況下，自動(dòng)依據(jù)車主的工作日歷預(yù)約維修服務(wù)，并自動(dòng)駕駛車輛到維修店。萬(wàn)一在行駛中遇到事故導(dǎo)致車輛無(wú)法繼續(xù)行駛，智能體將立即通過(guò)“故障頻道”與相關(guān)服務(wù)機(jī)構(gòu)或控制中心進(jìn)行聯(lián)系，自動(dòng)駕駛拖車立即出發(fā)提供援助，理想的情況是再由一輛自動(dòng)駕駛汽車作為備用。

因此，自動(dòng)駕駛智能體將達(dá)到：自執(zhí)行、自適應(yīng)與社會(huì)化。自執(zhí)行，即自動(dòng)駕駛汽車遵循通往目的地的路線行駛；自適應(yīng)，即對(duì)無(wú)法預(yù)見(jiàn)的情況，如道路關(guān)閉或出現(xiàn)事故，做出及時(shí)反應(yīng)；社會(huì)化，即與其他自動(dòng)駕駛車輛一起實(shí)現(xiàn)交通流量?jī)?yōu)化并避免交通事故。

結(jié)合出租車業(yè)務(wù)，出租車公司也可以組建無(wú)人駕駛出租車隊(duì)，依據(jù)以往客戶使用出租車的數(shù)據(jù)，預(yù)先派遣無(wú)人駕駛車輛到達(dá)指定地點(diǎn)提前等待客戶。另外，也可以依據(jù)使用數(shù)據(jù)，來(lái)提供特定時(shí)間段或特定事件的服務(wù)，如球賽、大型會(huì)議等。

如果道路也實(shí)現(xiàn)了數(shù)字化，即瀝青路面被載有OLED技術(shù)的玻璃路面替代，那么交通的動(dòng)態(tài)管理極有可能實(shí)現(xiàn)。從材料工程的角度看，這一方案是可行的：玻璃表面結(jié)構(gòu)也可以做成防滑方式，即使在雨中也可以防滑；對(duì)玻璃路面進(jìn)行柔性設(shè)計(jì)，也能做到卡車駛于其上也堅(jiān)不可破；顯示屏散發(fā)的余熱可以用來(lái)加熱路面，防止冬季路面結(jié)冰。

實(shí)現(xiàn)工廠優(yōu)化集成

通過(guò)使用軟件分析客戶和維修廠的報(bào)告，以及生產(chǎn)現(xiàn)場(chǎng)出現(xiàn)的缺陷數(shù)據(jù)，就可以自動(dòng)地分析出特定車型或零部件是否會(huì)再次出現(xiàn)缺陷，以便及早發(fā)現(xiàn)并消除潛在的問(wèn)題，避免大規(guī)模召回。制造缺陷的成因是多方面的，如采用了有質(zhì)量缺陷的零部件或在生產(chǎn)過(guò)程中出現(xiàn)錯(cuò)誤等。對(duì)一家規(guī)模化的汽車制造商來(lái)說(shuō)，每天有上千臺(tái)車下線，因此搞清楚原因并快速行動(dòng)是最重要的。假設(shè)2017年10月份對(duì)客戶報(bào)告和維修店報(bào)告的文本分析表明，從2017年7月起交付的某款車型的一側(cè)泊車燈故障顯著增加，“顯著”意味從2017年1月到10月該款車的銷售呈上升趨勢(shì)。通過(guò)分析故障鏈和修復(fù)鏈，可以確定造成故障或缺陷的成因，或者是否其他車型也存在同樣的問(wèn)題。如果缺陷是由生產(chǎn)機(jī)器人造成的生產(chǎn)中的錯(cuò)誤，則可以追溯到是硬件故障還是軟件錯(cuò)誤，是不正確還是不完整的配置造成的。在最壞的情況下，甚至需要更新控制系統(tǒng)以消除錯(cuò)誤。但是，因?yàn)榇蜓a(bǔ)丁的工作只能在制造商收到并審查問(wèn)題報(bào)告之后才開(kāi)始，所以不可能立即更新軟件。同樣，由于多軸機(jī)械手可以自由支配的自由度非常高，重新配置機(jī)器人是一個(gè)高度復(fù)雜的任務(wù)。簡(jiǎn)言之，做出這樣的修正費(fèi)時(shí)、費(fèi)力，而且即使在所有理想情況下，都會(huì)存在后遺癥。

但使用人工智能方法可以在多個(gè)點(diǎn)優(yōu)化這一過(guò)程。

人工智能研究涉及的領(lǐng)域之一是使系統(tǒng)能夠自動(dòng)從數(shù)據(jù)中提取和解釋知識(shí)（見(jiàn)圖一），盡管目前這種程度仍然很低。

與數(shù)據(jù)相比，知識(shí)是構(gòu)成行動(dòng)的基礎(chǔ)，而行動(dòng)的結(jié)果可以反饋到數(shù)據(jù)中，從而形成新的知識(shí)的基礎(chǔ)。

如果一個(gè)具有學(xué)習(xí)和理解數(shù)據(jù)能力的智能體獲得了自我行動(dòng)或其他智能體行動(dòng)的結(jié)果，并能夠自由采取行動(dòng)達(dá)到目標(biāo)，那么該智能體將自執(zhí)行實(shí)現(xiàn)目標(biāo)。生物智能體，如人或動(dòng)物，都能在無(wú)需其他控制或無(wú)需在數(shù)據(jù)轉(zhuǎn)化為知識(shí)這一過(guò)程的監(jiān)督下直接做到這一點(diǎn)。例如，如果在DIY活動(dòng)中由于角度過(guò)大，將一個(gè)釘子釘入木板時(shí)發(fā)生劈裂，我們的大腦會(huì)將角度、木材的特性、擊錘的力量等知識(shí)和經(jīng)驗(yàn)轉(zhuǎn)化成意識(shí)，減少我們犯同樣錯(cuò)誤的幾率。

人工智能“機(jī)器學(xué)習(xí)”研究的重點(diǎn)就是模仿這種行為。使用機(jī)器學(xué)習(xí)軟件能夠從特定問(wèn)題域中的數(shù)據(jù)中學(xué)習(xí)，并根據(jù)過(guò)去的事件推斷如何解決新事件，這為我們打開(kāi)了一個(gè)通往新世界的大門(mén)。機(jī)器學(xué)習(xí)在數(shù)據(jù)分析領(lǐng)域并不是什么新鮮事，它已經(jīng)存在了很多年，但現(xiàn)在新的研究有所不同，它是在特定的時(shí)間內(nèi)，計(jì)算一個(gè)擁有兆兆級(jí)數(shù)據(jù)量的高度復(fù)雜模型。如果我們把生產(chǎn)廠當(dāng)作一個(gè)追求生產(chǎn)出無(wú)缺陷汽車的有機(jī)體，那么，很明顯，賦予這一有機(jī)體獲得相關(guān)數(shù)據(jù)的能力，將有助于有機(jī)體自身的發(fā)展和改進(jìn)。

這一過(guò)程將經(jīng)歷兩個(gè)階段。

第一個(gè)階段是數(shù)據(jù)學(xué)習(xí)和應(yīng)用經(jīng)驗(yàn)

數(shù)據(jù)學(xué)習(xí)意味著機(jī)器人不能僅僅根據(jù)靜態(tài)編程操作，它也必須能夠使用機(jī)器學(xué)習(xí)方法自主地實(shí)現(xiàn)可定義的學(xué)習(xí)目標(biāo)。對(duì)于可能發(fā)生的任何生產(chǎn)錯(cuò)誤，最重要的是機(jī)器人要首先學(xué)習(xí)導(dǎo)致這些錯(cuò)誤的操作，而不是基于流程圖或工程圖進(jìn)行編程。例如，假設(shè)上述泊車燈問(wèn)題不僅被識(shí)別出來(lái)，而且其原因也可以追溯到生產(chǎn)中的一個(gè)問(wèn)題，可能是把泊車燈推到插座里的機(jī)器人操作過(guò)硬。現(xiàn)在所需要的就是確定糾正措施的學(xué)習(xí)目標(biāo)。讓我們假設(shè)其他生產(chǎn)廠的機(jī)器人沒(méi)有發(fā)生錯(cuò)誤，而且泊車燈被正確安裝，我們作為人類能夠在視覺(jué)上識(shí)別和解釋正確工作的機(jī)器人和不正確機(jī)器人之間的區(qū)別，那么犯錯(cuò)誤的機(jī)器人也應(yīng)該能夠以類似的方式去學(xué)習(xí)。這里的區(qū)別在于所涉及的感知類型，數(shù)字系統(tǒng)在同樣的情景下，可以比我們看得更多更清楚。

盡管通過(guò)軟件實(shí)現(xiàn)機(jī)器學(xué)習(xí)方法的內(nèi)部工作方式在學(xué)習(xí)過(guò)程中很少完全透明，甚至對(duì)學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)人員來(lái)說(shuō)也一樣，但是由于組件的隨機(jī)性和復(fù)雜性，操作本身應(yīng)該是透明的，也就是說(shuō)，不必關(guān)心系統(tǒng)是怎么做的，而要關(guān)心它做了什么。機(jī)器人需要適應(yīng)其控制系統(tǒng)的信號(hào)來(lái)重新啟動(dòng)學(xué)習(xí)過(guò)程，其應(yīng)該是機(jī)器人的機(jī)械手和執(zhí)行器正確工作的運(yùn)動(dòng)信號(hào)，并可以通過(guò)現(xiàn)今能達(dá)到的精度值來(lái)進(jìn)行定義和測(cè)量。這并不需要任何人為干預(yù)，因?yàn)橄到y(tǒng)的完整透明性是通過(guò)持續(xù)地分析生產(chǎn)過(guò)程中積累的數(shù)據(jù)來(lái)保證的。在現(xiàn)場(chǎng)缺陷識(shí)別和傳輸過(guò)程中，也不需要任何人為分析。基于對(duì)維修店和客戶報(bào)告的語(yǔ)言分析，再加上維修數(shù)據(jù)，我們已經(jīng)能很快識(shí)別出哪些問(wèn)題是由生產(chǎn)引起的。將這些數(shù)據(jù)相應(yīng)地傳遞給相關(guān)的智能體并允許這些智能體從缺陷中學(xué)習(xí)并糾正自己。

第二個(gè)階段是智慧工廠

如果生產(chǎn)廠需要進(jìn)行學(xué)習(xí)，而智能體使用的機(jī)器學(xué)習(xí)方法靈活性不夠，可以將工廠作為一個(gè)由子系統(tǒng)組成的完整生物有機(jī)體，像人一樣使用自然語(yǔ)言表達(dá)，理解語(yǔ)境，并有能力進(jìn)行解釋。對(duì)語(yǔ)境的理解和解釋一直是人工智能研究領(lǐng)域的一大挑戰(zhàn)。人工智能理論把語(yǔ)境看作是對(duì)一種狀態(tài)的共同解釋，包括狀態(tài)本身和其相關(guān)的整體情境。與生產(chǎn)工廠相關(guān)的語(yǔ)境包括能用自然語(yǔ)言表達(dá)或能用其他方式表達(dá)的與生產(chǎn)相關(guān)的任何事情。下面的簡(jiǎn)化場(chǎng)景有助于理解這個(gè)概念：讓我們假設(shè)一家汽車企業(yè)管理委員會(huì)正在開(kāi)會(huì)對(duì)一款汽車的車身做最終設(shè)計(jì)評(píng)審。

“我們決定對(duì)下一代車型進(jìn)行‘改款’，請(qǐng)?jiān)谠囆突A(chǔ)上建立一個(gè)模型”，當(dāng)委員會(huì)成員說(shuō)的時(shí)候，一個(gè)3D模型就漂浮在參加會(huì)議的每個(gè)成員佩戴的增強(qiáng)現(xiàn)實(shí)眼鏡里。

在這種情況下，使用進(jìn)化算法進(jìn)行建模是可以想象的，但僅限于可以實(shí)際構(gòu)建的可能組合。只要所涉及的參數(shù)已經(jīng)減少，所需的計(jì)算能力有效，就可以將仿真時(shí)間從幾小時(shí)縮短到幾分鐘，從而在會(huì)議期間對(duì)組件或組件組合進(jìn)行動(dòng)態(tài)變形。

“根據(jù)該模型，我決定用26分鐘來(lái)調(diào)整我的機(jī)器人的程序。為了組裝新汽車底盤(pán)，工具x1、y1必須用工具x2、y2在機(jī)器人x、y工位進(jìn)行替換。樣車的生產(chǎn)將在6小時(shí)37分鐘內(nèi)完成。”工廠智能體說(shuō)。

這一場(chǎng)景我們已經(jīng)在科幻電影《鋼鐵俠》系列中看到，但其實(shí)際上離我們并不遙遠(yuǎn)。

當(dāng)然，智慧工廠被上面的案例大大簡(jiǎn)化了，但它仍然能夠清晰揭示工廠未來(lái)發(fā)展的可能性。為了了解需要做什么，生產(chǎn)工廠必須了解車身是什么，什么是“改款”等，并從模型中理解參數(shù)并輸出，從而可以將它們轉(zhuǎn)換為生產(chǎn)步驟。轉(zhuǎn)化為生產(chǎn)步驟的過(guò)程需要對(duì)機(jī)器人的個(gè)體機(jī)器學(xué)習(xí)組件進(jìn)行訓(xùn)練，或者根據(jù)模型數(shù)據(jù)對(duì)其程序進(jìn)行編制或改進(jìn)，這樣就可以實(shí)現(xiàn)所有的步驟，從切割金屬板材到裝配和實(shí)現(xiàn)車型變臉。雖然這包括了各種各樣的方法，從自然語(yǔ)言的理解和語(yǔ)言的生成、規(guī)劃、優(yōu)化，自主生成模型等，但它絕對(duì)可以實(shí)現(xiàn)。

實(shí)現(xiàn)企業(yè)自運(yùn)行

企業(yè)在策劃營(yíng)銷活動(dòng)或響應(yīng)消費(fèi)者需求時(shí)，必須進(jìn)行全盤(pán)考慮，如監(jiān)測(cè)銷售隨時(shí)間推移是如何變化的；預(yù)測(cè)市場(chǎng)將如何發(fā)展和哪些客戶可能會(huì)流失；應(yīng)對(duì)金融危機(jī)；對(duì)災(zāi)難或政局的潛在影響迅速做出解讀等。今天我們已經(jīng)能夠做到，但需要相應(yīng)的數(shù)據(jù)支持。我們對(duì)某一個(gè)人的數(shù)據(jù)并不在意，但對(duì)能從眾多個(gè)體數(shù)據(jù)中提取什么十分關(guān)注。例如只要通過(guò)分析1600個(gè)以上的指標(biāo)，我們就可以預(yù)測(cè)市場(chǎng)的某些財(cái)務(wù)指標(biāo)將如何變化，并做出應(yīng)對(duì)措施；或者我們可以非常準(zhǔn)確地預(yù)測(cè)哪些客戶群體對(duì)正在研發(fā)的車型感興趣及其訴求所在，然后據(jù)此策劃營(yíng)銷活動(dòng)。事實(shí)上，我們能夠完全準(zhǔn)確地配置出適合特定消費(fèi)者群體品位的車型。我們依據(jù)獲得的知識(shí)做出決策，調(diào)整生產(chǎn)水平，準(zhǔn)備營(yíng)銷計(jì)劃，推出適合特定消費(fèi)群體的車型。

準(zhǔn)備營(yíng)銷計(jì)劃是一個(gè)靜態(tài)的過(guò)程，即做什么事是確定的，但是怎么做仍然是可變的。一旦能夠向其他人解釋清楚如何做和為什么做這件事，這些信息就可以提供給算法。例如在“我們”汽車生產(chǎn)廠附近競(jìng)爭(zhēng)對(duì)手又開(kāi)了一家新生產(chǎn)廠，“我們”可以預(yù)測(cè)這將導(dǎo)致預(yù)期銷售量下降，甚至能預(yù)測(cè)出預(yù)期銷售量下降的幅度，在這里，“我們”指為這個(gè)特定案例中開(kāi)發(fā)的算法。由于這種情況不止一次發(fā)生，而且每次都要求幾乎相同的輸入?yún)?shù)，我們可以使用相同的算法來(lái)預(yù)測(cè)其他地區(qū)類似的事件。這使得利用過(guò)去的營(yíng)銷活動(dòng)知識(shí)來(lái)組織未來(lái)的活動(dòng)成為可能。總之，算法將制定營(yíng)銷計(jì)劃。

例如，要實(shí)現(xiàn)考慮成本效益的同時(shí)，實(shí)現(xiàn)客戶利益最大化，算法可以采取內(nèi)部數(shù)據(jù)（如銷售數(shù)據(jù)）和外部數(shù)據(jù)（如股票市場(chǎng)趨勢(shì)、財(cái)務(wù)指標(biāo)）自動(dòng)生成輸出一個(gè)“營(yíng)銷計(jì)劃”。如果企業(yè)被允許使用自己的資源并自主行動(dòng)，那么它就能夠自主應(yīng)對(duì)市場(chǎng)波動(dòng)，補(bǔ)貼脆弱的供應(yīng)商。任何可能性都存在，這一設(shè)想今天已經(jīng)在技術(shù)上構(gòu)思過(guò)。連續(xù)監(jiān)測(cè)股票價(jià)格，理解和解釋新聞，考慮人口結(jié)構(gòu)變化等，這只涉及企業(yè)自運(yùn)行較少的相關(guān)領(lǐng)域，其可以綜合運(yùn)用自然語(yǔ)言理解、專家系統(tǒng)和邏輯推理來(lái)實(shí)現(xiàn)。在人工智能研究領(lǐng)域中，語(yǔ)言和視覺(jué)信息經(jīng)常作為理解事物的基礎(chǔ)，因?yàn)槲覀內(nèi)祟愐彩褂谜Z(yǔ)言和視覺(jué)刺激進(jìn)行學(xué)習(xí)和領(lǐng)悟。

實(shí)際上，人工智能已經(jīng)走進(jìn)我們的日常生活，不再僅僅是科幻小說(shuō)的主題。目前，人工智能主要用于以下領(lǐng)域：處理分析數(shù)據(jù)；在大量異構(gòu)數(shù)據(jù)的基礎(chǔ)上快速做出合理的決策域；需要保持警覺(jué)的單調(diào)活動(dòng)。

在處理分析數(shù)據(jù)方面，現(xiàn)在我們只能使用決策支持系統(tǒng)，不過(guò)未來(lái)幾年，我們將能夠使用更多獨(dú)立的決策系統(tǒng)。特別是在數(shù)據(jù)分析方面，我們正在開(kāi)發(fā)針對(duì)特定問(wèn)題的獨(dú)立分析解決方案，盡管這些解決方案還不能在不同的場(chǎng)景中使用。例如，為檢測(cè)股票價(jià)格異常變動(dòng)而開(kāi)發(fā)的解決方案，不能用來(lái)解讀圖像的內(nèi)容。人工智能系統(tǒng)需要集成各個(gè)相互作用的組件，從而能夠處理目前只有人類能夠勝任的日益復(fù)雜的任務(wù)，即便未來(lái)還是如此，但是這已經(jīng)足夠了。