2019年10月25日，应我院史忠科教授邀请，中国工程院柴天佑院士来学院进行访问，并以“工业人工智能技术发展趋势”为主题做了学术报告。 
柴天佑院士首先讲工业人工智能拆分成人工智能与工业两部分，回顾了人工智能的发展历程。 
柴院士提出，2010年以后三大因素促使人工智能发展浪潮。分别是：1、来自政府、电子商务、商业、社交媒体、科学、政府提供可用的大数据；2、强大的计算能力；3、科技产业增加在人工智能领域的投资。 由此可见，可用大数据、计算力、产业投资在人工智能发展当中占有相当重要的地位。 柴天佑院士指出，人工智能分为弱人工智能和强人工智能两种类型。此前，运用较广的是人工智能是指图像识别、语音识别等窄面运用的弱人工智能。 
未来人工智能将朝着与人一样智慧全面的AI发展。而基于统计的、无模型的机器学习方法存在严重的理论局限，难以用于推理和回溯，难以作为强人工智能的基础。实现类人智能和强人工智能需要在机器学习系统中加入“实际模型的导引”。并且，机器智能系统在企业、政府和全球居民的日常生活中占据越来越重要的角色，很难估计计算机控制系统在不久的将来可以实现哪些功能。因此，人工智能领域正朝着智能系统的方向发展。 柴天佑院士指出，自动化与人工智能之间的共同点在于：都是通过机器延伸和增加人类的感知、认知、决策、执行的功能，增加人类认识世界和改造世界的能力，完成人类无法完成的特定任务或比人类更有效的完成特定任务。区别在于研究的对象与方法不同、实现的手段不同（算法和系统），且人工智能在短期内的核心经济影响是自动化以前无法完成的任务。而目前的工业人工智能则是两者结合。工业人工智能可以增强劳动力素质、提高工作效率更好地服务客户，能使工业的各个环节产生变革，为先进制造带来新的希望。通过工业人工智能与数字设计相结合，将制造过程所需的信息无缝地结合到原材料到产品的转换过程当中，从而形成一个高度互联的工业实体。 
工业人工智能的难点在于： 1、多源异构数据的机器学习 人工智能深度学习是基于完全标注的大样本静态特性学习，而工业人工智能则需要对不完全、无标注样本的动态特性进行学习。 2、产品质量、能耗以及运行状态的预测与追溯 原料转化为产品的过程是物质流、能源流、信息流交互作用的过程。反应机理不清的物理化学过程，其动态特性随运行过程变化。且不同生产批次之间的动态特性不同，单顿能耗难以在线测量。 3、决策与控制过程集成优化 制造过程中的智能决策接收到的是小数据，解决的是大任务。从信息感知层面，制造过程中的智能决策面临着开放环境、信息不完全、规则不确定等难题。制造过程当中难以建立决策仿真模型，同时最终决策需要权衡质量、效率、消耗等多冲突目标。 
柴天佑院士指出，中国拥有一批国家级重点实验室和工业自动化、信息化的学术带头人、研究骨干以及人才资源。目前已取得相应的创新成果，由此孕育了一批先进的高技术公司。“世界工厂”级别的制造业则为工业人工智能的研究提供了实验环境。随着国家战略和工业需求的推动，我国的工业人工智能一定会良好发展。 
柴天佑院士简介：控制理论与控制工程专家，IEEE Fellow, IFAC Fellow。曾任国际自动控制联合会（IFAC）技术局成员及IFAC制造与仪表技术协调委员会主席(1996-1999)，国家自然科学基金委员会信息科学部主任（2010-2018）。现任东北大学学术委员会主任（2011～），《自动化学报》主编。 长期从事复杂工业过程控制、优化和综合自动化的基础研究与工程技术研究。提出了多变量自适应解耦控制理论与方法，与智能控制、计算机集散控制技术相结合，主持研制出智能解耦控制技术及系统；提出了以综合生产指标优化为目标的全流程智能优化控制理论与技术，主持研制了生产全流程智能优化控制系统和综合自动化系统，并成功应用于流程工业，取得了显著的社会经济效益。 发表IFAC会刊和IEEE汇刊论文共计130余篇，其中1篇论文获国际控制技术顶级期刊IFAC杂志Control Engineering Practice 2011-2013最佳论文奖。已培养博士90余名，硕士240余名。应邀在美国、英国、加拿大、日本等国举行的IFAC、IEEE国际会议上作大会特邀报告30余次。以第一完成人获国家技术发明二等奖、国家科技进步二等奖共四项，省部级特等奖、一等奖十二项；两次获得全国五一劳动奖章，2002年获何梁何利基金科学与技术进步奖，2003年获辽宁省科技功勋奖，2005年获全国先进工作者荣誉称号，2010年获第一届杨嘉墀科技奖一等奖。2007年在IEEE系统与控制联合会议上被授予控制研究杰出工业成就奖，2017年获亚洲控制协会Wook Hyun Kwon教育奖。 |
