在人工智能的發展歷史上，連接主義依靠模擬大腦神經遞質(Brain)和符號主義模擬人的思維與推理(Mind)來發展AI，似乎都遇到了問題，回到問題的起點，即，讓機器來學習-開啟了新的道路，才讓AI經歷寒冬，那么，這個時候，我們就要思考一個問題，機器學習人的什么？

“知識與經驗”，經常被提及，其中知識是已有的物理公式與化學方程，這些都是經歷了數百年積累的人類知識，但是，它也同樣來自大量的實踐實踐積累—它的顯著特征是顯性，可被用數學表達。這是一種很高級的思維方式，具有很強的可可解釋與可預測性，且在實現方面，算力要求低，20年前的芯片也可以用于處理這樣的任務。

但是，經驗，則是另一個方向，它無法用公式來描述，因為人經驗是一種非結構而又依賴直覺的判斷過程，而且人可以自組織學習，這是人相對于機器而言，比較強大的。機器的優勢在于“野蠻的算力”，存儲與不知疲倦的工作能力-只要電力供應穩定。


圖1 人的智能與人工智能應該形成互動

因此，就學習而言，機器學習實際上，是需要向人學習。記得去年參觀印刷廠，看到一臺進口膠印機，有一個功能就是調節水墨均衡，機器的產品拿到工作臺上，被掃描，然后師傅在調節這個水相墨相時，機器可以將其調節過程記錄，那么，這就是一個典型的學習過程。

在最近德國漢諾威展上，儀表同行談到了參與了SmartFactoryKL的測試線，正在進行一個稱為“Skill-Based Production”-這給我們一個啟示，Skill-這是誰的技巧？對于已有的產品成熟的生產來說，可以實現預設的生產變化，但是，對于新材料、新工藝、新產品，機器該怎么去進行最優參數的獲取？那么，它需要向人學習，人如何預設并調整參數，以獲得高品質的產品，這些需要機器與人來協作完成。

這個時候，我們發現“技師”-職業教育能夠培養大量的高素質技師也至關重要，因為，機器可以學習，但是，如果經驗豐富的技師可以讓機器快速的學習到好的經驗，而如果經驗弱的，機器只能很慢學習到低品質的產品生產過程。

機器學習過程也需要人的參與
有些朋友開玩笑，說現在的人工智能其實是“人工的”智能，這是有一定道理，就現階段而言，在整個機器學習的應用過程來說還是得要人的參與才行。

一個完整或典型的機器學習應用，如圖2所示，工業AI應用同樣如此，在這個過程中，包括數據的采集、濾波處理、特征提取、參數選擇、訓練方法的選擇、驗證，其實都是依賴于人給予機器指導。


圖2 機器學習的通用流程

就像特征提取，你數據量大，但與目標無關或弱相關，那么，你的數據量再大也無法得到有效的模型。另外，數據如果沒有被有效的濾波處理，就會得到非常低品質的數據，消耗資源，卻沒有達到良好的訓練效果。

當然了，相信隨著技術的進步，機器自動提取特征或者自動降維處理也是會降低人的工作量的。但是，這個也需要數據科學專家來對它進行設計呀！

沒有人的參與和幫助—想來機器也很迷茫啊！

人的智慧復合才能解決問題
我們經常講掌握Know-How，直觀的說，Know-How就是知道(Know)怎么作(How)，但是，我們還得在這之前知道Know-Why-目的是什么，方向確定了才選方法。這才關注Know-How,如何去做這件事，還得知道Know-Who，誰更適合做這件事情。

圖3想回答一個問題，誰(Who)來做的問題，機器向人學習，而一個機器學習應用需要由多個人，或復合型的人來主持和協作團隊來完成。


圖3 機器學習多角色人的專業融合

對于算法，其實，機器學習的算法也有很多，用于來處理不同的任務，那么算法專家，就得清晰的明白每種機器學習方法的優點、缺點、適用的問題，以及在這個過程中，存在的潛在問題該如何處理，會遇到哪些常見問題。

而對于領域專家，尤其制造業里的各種復雜場景，印刷人家關注的是顏色、紙盒關注成型、機床加工的是金屬材料成型，每種材料的特點-否則，也不知道影響質量的因素有哪些？

技師-就是那些掌握經驗的人，畢竟現有的物理模型是有限的認知，且并非最優的，遇到新材料，新工藝，技師他就能有經驗怎么摸索很快就能把需要的工藝參數做好—這種來自直覺的東西，就是機器要去學習的。

產品經理-其實，工業里做事情，都得具有可復制性，如果現在AI應用都得Case by Case的項目形式，這個就特別消耗工程師資源，再說懂AI的工程師這么貴，不能復制的應用就是成本無法被稀釋，難以擴展就是問題，因此，產品經理，也得把這個AI應用給標準化，才能細水長流的賺錢。

項目管理-要很好的掌控開發項目過程的效率，品質，代碼的規范，不管你做什么，只要是干軟件活，這事也不能省，要不然就有可能遙遙無期，項目做不成-還不知道止損。

市場銷售-還得有效的了解客戶需求，高效溝通，考慮的不僅僅純技術因素，也要考慮行業的未來戰略，以及客戶之間的協同。

總之，人，各種人才是關鍵—技師，尤其容易被忽略。大談各種AI能帶來什么價值—這種套話在各種場合里的專家那里都能聽到，剛剛看了篇號稱機械行業數字化的，卻沒有談到任何一個具體機器行業，說的都是冠冕堂皇的話，忘記了現場有神明。
作者：宋華振