最近我見到一篇文章，談智能化與自動化在算法上去的區別。我的感覺是文章有點舍本取末了：自動化和智能化首先是針對問題的區別，其次才是方法的區別。這就好比，走路和開車的方法有區別，首先是因為他們是兩種不同的活動。
我們先看應用場景的差異。
自動化系統往往是小系統、相對穩定和封閉的系統；而信息化、智能化系統往往大系統、穩定性相對較差、開放性強的系統；自動化往往針對相對正常的工作，智能化往往針對異常的處置。比如，自動化系統往往針對一個閥門、一臺設備；而信息系統針對的是一個車間、一個工廠；自動化往往針對某種工作模態，智能化往往針對工作模態的轉化。
場景的差異，才導致方法的差異。
比如，自動化系統一般是機器自動決策，而信息系統是人決策，因為問題復雜多了。智能化往往針對傳統上難以自動化的問題。比如傳統上需要人類處理的問題。
我經常說：智能化就是讓計算機多干活。從某種意義上說，智能化的重要工作，是提高信息化系統的計算機決策程度。“知己知彼百戰不殆”：決策的關鍵是“知”，即獲得知識和信息。傳統上人類靠電話、感覺器官獲得信息。現在要讓計算機更多地參與決策，就要推進知識和信息的數字化，變成能被計算機讀懂的信息，并通過互聯網、物聯網傳給計算機。
我曾經多次談到：從自動化到智能化的關鍵是感知到認知。在傳統的自動化系統中，能夠做到“感知等于認知”。例如，15mA的電信號，代表150度；某個光電管開關一次，代表某個物料到來、需要加工。而在智能化系統中，往往針對那些“感知不等于認知”的場景。大系統、復雜系統、開發性強的系統，往往有些問題做不到“感知等于認知”，而是需要特殊的算法。比如，根據某些信號計算出設備狀態，根據圖像判斷產品質量等。
與自動化相比，智能化更多應用“碎片化”的“知識”而不是“完整性”的“模型”。形象地說，智能化強調規則“IF THEN”，而自動化經常與X’=F(X)這樣的公式；智能化系統常常用軟件實現，而自動化系統則不太怎么強調軟件。
自動化系統往往針對相對較小的系統。在這類系統中，輸入輸出關系是相對明確的。比如，閥門開度對流量的影響清晰，可以建立相對準確的模型。而復雜系統則往往難以建立模型，只能建立分級的標準體系，比如，產品標準、工藝標準、控制標準、操作標準。標準的建立要考慮很多因素，如對質量、效率、能耗的影響，機器的功率和加工能力等。所謂的知識是：只要按標準操作，就能達到控制要求；只要達到控制要求，就能達到工藝標準；只要達到工藝標準，就能滿足產品標準。注意到：這種知識并不是傳統的數學函數。比如，人們未必知道某個工藝參數對產品質量的影響，只是知道按標準工作。智能化的工作往往是處置異常。比如，工藝參數不合格時，把產品降級、按照另外的標準生產。于是，智能化往往就成了“吳淑珍式的智能”。
當然，智能化系統不排除數學模型。數學模型的一個重要用途，是用來計算那些無法直接測量的參數，即軟測量。智能化系統經常要解決系統的狀態變化時的問題。例如，從一種工作狀態切換到另外一種工作狀態。這個時候，往往需要用軟件的形式來描述處理方式。
另外，智能化系統常常需要面對系統參數漂移、數據采集誤差變化等問題。所以，智能化系統常常需要一定的自適應、自學習功能。
總之，從自動化到智能化，首先要看到問題和應用場景的不同。在此基礎上自然就容易理解方法的差異了。智能化時代，傳統的自動化還是大有用武之地的。這就好比，買了汽車的人，不等于雙腳就沒用了。
作者：郭朝暉(工學博士，教授級高工。企業研發一線工作20年；優也科技信息公司首席科學家；東北大學、上海交大等多所院校兼職教授。國內知名智庫、走向智能研究院的發起人之一。原寶鋼研究院首席研究員)
