智能制造的實(shí)現需要一個(gè)5層的金字塔結構

　　所有的優(yōu)化算法有四大類(lèi)：

　　一是建模，不確定性比較小，我們可以用傳統優(yōu)化或者是很多算法。

　　二是機器學(xué)習，主要基于統計方法。

　　三是增強學(xué)習，用于不確定性大到無(wú)法用統計的方法處理數據的情況。

　　四是進(jìn)化計算。

　　常用算法各有各的特點(diǎn)，越下面的算法越準確，越上面的算法越不精確，用這種算法的時(shí)候往往是要結合的，所謂的上層算法必須要依靠下面的做法，我們人最終有很復雜的決策，具體還是需要人去做。所以人工智能面對真正問(wèn)題的時(shí)候，必須要根據這一系列的問(wèn)題特點(diǎn)去設計，這是很大的挑戰。我們要把問(wèn)題轉化成計算機面對的問(wèn)題，因為人畢竟跟計算機有很大的差異。

　　有了數據以后，我們要提取知識，然后模型只有兩類(lèi)，一類(lèi)是數據模型，然后機器去控制，只要確定就可以控制了，還有一類(lèi)有那么不確定性，就是語(yǔ)言規則，比較模糊的，那么就用于決策，數據信息所有都要經(jīng)過(guò)數據學(xué)習來(lái)做，比如說(shuō)信息回歸、函數很多很多，包括深入學(xué)習也是一種應用網(wǎng)絡(luò )的學(xué)習，這是直接從數據轉化為信息。

　　控制最低級就是設計，最高層就是邏輯控制，就是決策判斷，人能夠做決策判斷，因為不確定性有隨機不確定性和模糊不確定性。如果知識是很模糊的話(huà)，所有的知識確定兩種不確定性。

　　比如說(shuō)，香港城市大學(xué)是一所好大學(xué)，這個(gè)信息是很模糊，說(shuō)這句話(huà)的時(shí)候有多少自信呢?這個(gè)是隨機的，我們人可以處理，但是對于機器來(lái)講是比較難的。因為現在的模糊系統是有規則的，很難提取精確的信息，有模糊的記憶推理和反模糊化這種知識表達，但是不能處理隨機過(guò)度的東西。

　　因此，我們做的工作就是增加第三維的隨機信息，建立了三個(gè)維度的邏輯關(guān)系。

　　智能制造系統是多尺度的問(wèn)題，因此智能制造是多尺度的集群，集成了各個(gè)學(xué)科。目前，在全球范圍內，還沒(méi)有一個(gè)教授的研究能夠涵蓋智能制造的所有領(lǐng)域，只能專(zhuān)注于某個(gè)方面。打個(gè)不太恰當的比方，如果說(shuō)工業(yè)界是修車(chē)的，教授就是研究工具的，而企業(yè)界則是生產(chǎn)工具的，教授們的任務(wù)就是盡量提供更多的工具。

　　★李涵雄，博士，香港城市大學(xué)系統工程及工程管理系，和中南大學(xué)特聘教授。先后入選國家杰出青年基金(海外)獲得者(2004)，教育部長(cháng)江學(xué)者(2006)，國家“千人計劃”專(zhuān)家(2010)和IEEE Fellow (2010)。長(cháng)期擔任國際權威期刊 IEEE Transactions on Cybernetics (2002 - 至今)和 IEEE Transactions on Industrial Electronics (2009 - 2015)的副主編和國內多個(gè)核心刊物的編委。出版系統建模和系統設計方面的英文專(zhuān)著(zhù) 2本;在國際權威學(xué)術(shù)期刊上發(fā)表 SCI 論文 180 多篇。連續兩年(2014，2015)被國際權威出版社 Elsevier 評為中國高被引學(xué)者。最近二十多年來(lái)一直從事智能制造方面的研究，側重于工業(yè)過(guò)程的智能建模、設計與控制，和基于數據學(xué)習的智能決策。