AI
這一兩年來大家都在談工業互聯網，談物聯網、大數據、雲計算和人工智能。今天我想把這幾個部分之間的關聯簡單串講一下，結合我自己的理解，解釋幾個問題。第一，什麼叫做物聯網，為什麼大家判斷物聯網（以及工業互聯網）的發展會非常有前景；第二，什麼是人工智能，為什麼人工智能的概念在今天得到新一輪的支持乃至吹捧；第三，物聯網、大數據、雲計算和人工智能之間是怎樣相互關聯和影響的，這種影響會給工業帶來什麼樣的影響，第四次工業革命會不會因此到來。
物聯網(IoT,Internet of Things)的概念在今天聽來似乎像是新鮮事物，但是在比爾蓋茨1995年出版的《未來之路》（The Road Ahead)中就已經提到了這一概念。這裡插一句，比爾蓋茨的這本書中，除了物聯網，還有其他一些大膽而科學的預測，其中相當一部分在今天已經成為現實，另一些則正在實現的過程中。比如說，這本書中提到失竊的相機會自動向主人發送回自己所在的位置，這在iphone中早已經得到了實現，又比如看電影時可以把主角換成自己的臉，最近的AI技術已經讓這個功能得以“部分”實現。而作為“萬物互聯”這一概念重要組成部分的物聯網，之所以在概念提出到現在的二十多年來沒有得到充分發展，是有幾方面原因的。從這個發展過程也可以看出一個產業發展的規律和趨勢。
第一，在萬物互聯概念提出的當時，互聯網這一概念還沒有得到廣泛應用和推廣，這使互聯缺少聯通的主體。第二，計算機硬件和傳感器技術等等也並沒有足夠成熟，硬件的價格阻止了萬物互聯的普及和推廣。第三，還有一個往往被忽略的原因，是我們在當時並沒有足夠的動力去通過萬物互聯來採集更多的數據，而數據的應用要等到後面所說的人工智能的崛起之後才將成為剛需。上面幾個主要原因是萬物互聯不足以大規模推廣的障礙。但是，在工業領域上，對關鍵參數的監視和控制需要，使得工業自動化領域通過PLC、DCS等方式來實現設備的集散控制與互聯互通，並且隨著軟硬件技術的發展和迭代從單機的控制系統擴大到現場級、車間級乃至工廠級，通過MES（(Manufacturing Execution System製造管理執行系統）來實現生產過程的精細化監控。這些互聯互通，可以看成是萬物互聯的一個小的模型和示範。但與今天所說的物聯網和萬物互聯的概念在根本上來說還是不同的。前者更多的是出於監視和一定規則下的自動化決策與控制。而後者所要實現的目標則要大得多。
前面提到，在之前我們對於數據是沒有太大需求的。很多過程數據可能監控完就丟掉了，只有和生產有關的一部分保留了下來。在這樣的情況下現有的傳感器和控制系統已經可以滿足生產製造系統的要求，再連接更多設備採集更多數據就沒有用了。而為什麼現在突然一下需要更多數據了呢？這就要提到人工智能的幾次發展和革命了。
人工智能的概念在上個世紀50年代的時候就被提了出來，從那時到現在對人工智能的爭論就一直沒有停止。到目前為止，經歷了三次大的繁榮（當下是第三次）和兩次低谷。而目前這一次大的繁榮，在很多人（我自己也這麼覺得）看來——不會像前兩次那樣會跌入谷底，即使在一定程度上存在泡沫，也會以極快的速度發展下去。這是因為，這一次人工智能技術的繁榮，是基於算法、硬件、通訊和系統幾個方面綜合原因的，天時地利人和的因素都具備，剩下的只要看人工智能究竟能夠引領時代走多遠了。
前兩次人工智能的繁榮與衰落，一個主要原因是計算機硬件性能的侷限，而在這方面從技術上一方面計算機硬件與存儲的成本大幅度下降，另一方面大規模並行計算取代了傳統的單個超級計算機的模式，使得算力得到大幅度的上升，再加上GPU（顯卡）性能的發掘，通過GPU代替CPU來完成大批量的浮點數計算，這三點從硬件結構上保證了足夠的計算能力。而作為擴展，低成本高性能的嵌入式系統使得分佈式的智能終端成為可能，各種通訊技術尤其是即將來臨的5G技術為信息聯通鋪上了超高速公路。這些都是硬件層面上所具備的條件。雲計算與大數據技術，所體現的本質也就是上述的大規模並行計算，通過更多的計算機來實現更強大的計算和存儲功能。這都是人工智能應用的必要前提。
而更重要的因素則在於人工智能內在算法的革命，狹義上來說也就是深度學習算法的發展和應用。在前幾次的人工智能繁榮中，人工智能技術內在的侷限是最終導致衰落的根本原因。傳統的機器學習算法所能應用的場景和實現的功能都有明顯的侷限，而更多的數據對於傳統的機器學習模型來說也沒有太過顯著的意義。而語義學與邏輯推理的方向則讓人工智能在很長一段時間內走上彎路，現有的技術與理論並沒有辦法讓人工智能實現跨越式發展達到完全理解人類邏輯與語義的程度。而深度學習技術的異軍突起則恰如其分地滿足了現有的技術發展要求。深度學習需要更多的數據來進行模型訓練，需要更強大的計算能力來建設更多層次更復雜的神經網絡來進行更復雜的模型訓練以實現更高的精度。這樣的方式在自然語言翻譯、視覺識別、語音識別等方面取得了極大的成功，這些成功足以讓我們對人工智能的發展寄予更大的希望。
綜上以上的情況，可以看到，技術的進步與發展不是孤立的，而是相互關聯與影響的。在現階段，低成本高性能的嵌入式設備提供了更方便快捷的數據獲取的終端技術，通訊尤其是5G技術的發展為信息的傳遞提供了高速可靠的通道，雲計算與大數據為人工智能提供了更大規模的海量數據與極大規模的計算能力，而人工智能本身則通過深度學習算法的進步得以具備更好地利用上述設備設施的條件。這些綜合的因素彼此相互影響相互促進，在目前基礎知識與理論沒有質的突破的前提下，為技術的發展與革新帶來一絲新的希望。極有可能促進第四次工業革命的真正實現，讓人類的生產與生活實現一次新的革命性的發展。
最後，在這一輪以人工智能為推動力的變革中。中小企業的機會在哪裡呢？這也是我們最關心的問題之一。前面提到的幾個層面之中，大規模基礎設施的建設包括數據中心存儲中心等等，是需要大量集中資金投入的，往往是大企業的機會，而計算框架與算法實現，則同樣需要大量數學家、計算機學家等的資源投入，同樣也是大企業的機會，谷歌、IBM等公司也正在朝著這樣幾個大的方向去發展。與此同時，更方便的物聯網平臺與框架，同樣會形成大企業競爭的戰場。而對於中小企業來說，我個人看來，針對細分領域的人工智能技術應用、物聯網設備與產品研發以及更靈活的在某一方面（監視、診斷、預測等等）有特點的技術的突破，都是可以考慮的方向與機會所在。謝謝。
（本文根據作者內部會議上的發言整理，有刪改）