李培根院士：超越不確定性的最好工具就是AI

11月25日，由創業黑馬主辦的“第15屆創業家年會”在北京舉辦，年會主題爲“AI給世界一個確定性”。會上，中國工程院院士、前華中科技大學校長、國家智能製造專家委員會主任李培根以《在不確定性中超越——淺談產業智能化升級》爲主題發表了演講。

李培根在演講中表示，企業在解決大量不確定性問題、想實現高質量發展時，AI是處理不確定性問題最好的工具。他認爲：“利用人工智能就是通過大數據、人工智能的分析去減少不確定性，這是企業要面對的主要問題。”

以下爲創業家&i黑馬編輯過的演講節選：

今天的主題是《AI給世界一個不確定性》，但我們在工作、生活中，都要面對大量的不確定性，很多時候我們在不確定性中都感覺很無助、很無奈。但換個角度想，如果世界沒有了不確定性，這個世界就失去了美。所以我們在某些方面要儘可能地消除不確定性，另一方面也要始終需要面對不確定性。

如何在不確定中去超越，是我們做工程、做工業的人需要思考的問題。我今天講的話題是《在不確定性中超越——產業轉型升級》。那我們的手段是什麼呢？手段是AI。

01

超越用戶的預期

我們過去自動化、信息化處理問題的方式，主要是確定性的、基於因果關係、有固定模式的。但在智能時代，隨着大數據、人工智能技術的發展，我們更要面對不確定性的問題。在企業裡面有大量的不確定性，比如製造過程、用戶體驗、開放環境的不確定性等，還有用戶的需求和預期等。

現在已經是體驗經濟的時代，要面對用戶體驗的不確定性，所以今天的商品或服務，已經內捲到了高度同質化——如何讓用戶獲得更好的體驗，已經成爲企業的突破口。

體驗經濟的關鍵因素是消費者從被動的價值接收者，轉爲積極參與價值創造的各個環節、成爲創造獨特體驗的參與者。我們要給用戶驚喜，就要超越用戶預期的體驗。這意味着什麼？意味着爲用戶創造體驗，即創造一個不確定性給用戶。所以我們是一方面要面對用戶的不確定性，另一方面還要給用戶創造一個體驗的不確定性。

現在人工智能已經可以幫助我們去創造一些不確定性了。目前在工業領域、製造領域，機器人正在走出封閉的場景。在一個開放場景裡，機器人就需要感知世界，因爲環境是動態變化的，所以就需要多模態感知融合、智適應交互等技術。比如在機器人上面裝很多傳感器、大部分數據需要進行同步處理、並且調用不同複雜度的算法模塊等，這裡面顯然需要人工智能。

當自主移動機器人在開放場景中進一步發展時，我們又提出一個新需求，就是雲端機器人。意思是機器人的大腦在雲端，而不在本體上。雲端大腦非常智慧，它可以指揮很多機器人，讓機器人們協同工作更方便；它也包含很多東西，比如人臉識別、人體識別、環境識別、語音識別、自然語言處理等，各種各樣的人工智能都需要在雲端大腦裡具備。

在工業領域，物流對企業來講非常重要，因爲物流呈現了很多不確定性。如何面對這些不確定性，就需要數字技術和人工智能技術。一句話總結，就是使得整個物流過程更加有序，少一些不確定性、多一些有序——就是確定性。

02

複雜關聯呈現的不確定性

企業是一個複雜系統，一個複雜的裝備也是複雜系統……這些複雜系統裡充滿着複雜關聯，但可能大部分的複雜關聯，人類工程師和學者還沒有真正認識到，所以傳統的自動化還是主要處理確定性、固定模式、基於因果關係的問題。

現在，我們需要利用大數據、人工智能技術去超越確定性問題、處理不確定性問題，要超越固定模式問題、進而處理非固定模式的問題，要超越基於因果關係、進而處理存在複雜關聯的因素。

科學過去主要面對的是明知識，比如牛頓定律，可以表達、感受；還有相對論、集合論等，可以表達、但不能感受。但目前在工業和社會中還存在很多大量既不可表達、也不可感知的知識，比如騎自行車，這些都屬於暗知識。人工智能處理問題的邏輯，也呈現出不確定性。馬斯克曾說過，傳統編程具有非常離散的邏輯並且結果非常可預測。但現在的人工智能處理問題，我們是看不明白的。

在工廠和車間裡存在着多種多樣的隨機勞動，生產系統的基本構成要素有很多。每一項要素都可能呈現某些不確定性，因爲存在隨機勞動。但近年來數字孿生、智能傳感、物聯網、人工智能等技術的出現，讓我們有可能面對工廠和車間生產的不確定性，比如我們可以建立數字孿生工廠來面對不確定性。

數字孿生工廠和物理工廠兩者是伴形的，所謂的伴形也就是相互影響。可以一邊實時獲取工廠裡運行的數據，一邊數字孿生模型進行分析、仿真，需要調整就馬上給出信號並進行實時調整，使得工廠和車間的運行更加有序，二更加有序就是消除不確定性。

企業裡有多環節，比如設計、製造、裝配、售後服務等，各個部門的多要素都存在不確定性，但我們平時把它們忽略了。講個簡單的例子，任何企業都關心成本，比如採購成本，可見的、可感知的成本有零部件、原材料成本、運輸成本等，但還有一些隱性成本不容易感知到。那要怎麼利用人工智能呢？就是通過大數據、人工智能的分析去減少不確定性，這是企業要面對的主要問題。

03

劣構問題——解決方案的不確定性

良構是呈現出解決問題的全部信息，它有正確的收斂答案，而不是有很多答案，良構問題的答案是收斂的。

但劣構問題不一樣，日常生活中有很多選擇帶有不確定性，工程中有大量的問題是劣構。最典型的是設計，因爲我們要取悅客戶，不同的客戶喜好不同，所以這種問題的答案不是收斂的。生成式AI工具對於良構問題，它的作用非常大，因爲AI掌握很多知識；但對於劣構問題，生成式AI工具也能幫助我們去處理劣構問題。

生成式工具設計的機械結構，其結構不是爲了好看，而是考慮了減重、減少材料，甚至避免振動等各因素，設計出的儘可能優化的結構。這是生成式工具在幫助人類進行設計。

第二，企業都希望高質量發展，希望高效、低成本、低碳等。但這些多目標之間往往是矛盾的，如低碳和高效。所以這個問題沒有固定標準規定要採取哪些措施，這是典型的劣構問題，AI也可以給我們幫助。

總而言之，企業在解決大量不確定性問題、想實現高質量發展時，AI是處理不確定性問題的最好工具。我也希望未來企業可以在處理大量不確定性中實現智能升級。

報名參加黑馬AIGC產業大課