傳統(tǒng)的人工智能制造(大數(shù)據(jù)、機器學(xué)習(xí))的核心是對歷史數(shù)據(jù)歸納提取規(guī)則,從而對未來預(yù)測。其理論基礎(chǔ)是:運行數(shù)據(jù)包含了系統(tǒng)的所有重要隱藏信息,無須研究問題機理,可以直接從數(shù)據(jù)挖掘出系統(tǒng)的規(guī)律和知識。
這種人工智能制造不適合化學(xué)工業(yè),并且對化學(xué)工業(yè)的智能化生產(chǎn)生產(chǎn)作用極其有限。基于三點理由:
1.化工裝置的運行機理和數(shù)學(xué)模型相對完整。化學(xué)工程作為一門發(fā)展超過100年的工程學(xué)科,知識體系相對完整。化工裝置作為人工設(shè)計系統(tǒng),設(shè)計之時設(shè)計者已經(jīng)清楚裝置的內(nèi)在特性和機理,已經(jīng)知道裝置的數(shù)學(xué)模型。所以無需再使用人工智能去挖掘、發(fā)現(xiàn)知識。即使在機理不清或邊界不定時,一些常規(guī)的、傳統(tǒng)的數(shù)據(jù)分析方法已經(jīng)足以應(yīng)對化工中的問題。
2.化工裝置作為嚴(yán)格受控系統(tǒng),數(shù)據(jù)雖多但是單調(diào),信息量太低以致無法挖掘知識。由于化工過程被各種控制系統(tǒng)嚴(yán)格控制,生產(chǎn)平穩(wěn),所以產(chǎn)生的數(shù)據(jù)雖多但分布窄,無法采用人工智能從這種信息量少的大數(shù)據(jù)中提取出規(guī)律或知識。100個、10000個相同數(shù)據(jù)所含的信息量和1個數(shù)據(jù)一樣。
3.化工裝置對系統(tǒng)的可靠性、安全性要求不接受人工智能系統(tǒng)產(chǎn)生的黑箱知識。化工生產(chǎn)對安全性和可靠性的要求極其嚴(yán)格,萬一發(fā)生事故都是災(zāi)難性,對環(huán)境和員工生命帶來的損失是不可挽回的。人工智能完全依靠系統(tǒng)的輸入輸出數(shù)據(jù)產(chǎn)生一個黑箱模型。這種黑箱模型應(yīng)用時,一是無法根據(jù)模型找到故障或者問題的原因,二是難以對模型的可靠性作評估。
傳統(tǒng)人工智能制造比較適合系統(tǒng)極其復(fù)雜(以致難以研究機理)、對系統(tǒng)因果性和可靠性沒有嚴(yán)格要求的人類智力活動,例如金融、商業(yè)、醫(yī)學(xué),人工智能對這些領(lǐng)域?qū)a(chǎn)生革命性變革,這些變革真在我們身邊發(fā)生。而科學(xué)技術(shù)領(lǐng)域本質(zhì)上就是對因果性和可靠性的追求,科學(xué)家和工程師長期對數(shù)據(jù)的重視和應(yīng)用,人工智能對科學(xué)技術(shù)的變革程度,從知識發(fā)現(xiàn)和提取的角度將是有限的。