从自动化到智能化
我们知道，自动化系统的控制器，一般被抽象为输入输出系统。输入是信息的感知，中间的处理过程是算法，输出是控制指令。其实，这种抽象的架构适合自动化系统，也适合信息化、智能化系统。
最近我见到一篇文章，谈智能化与自动化在算法上去的区别。我的感觉是文章有点舍本取末了：自动化和智能化首先是针对问题的区别，其次才是方法的区别。这就好比，走路和开车的方法有区别，首先是因为他们是两种不同的活动。
我们先看应用场景的差异。
自动化系统往往是小系统、相对稳定和封闭的系统；而信息化、智能化系统往往大系统、稳定性相对较差、开放性强的系统；自动化往往针对相对正常的工作，智能化往往针对异常的处置。比如，自动化系统往往针对一个阀门、一台设备；而信息系统针对的是一个车间、一个工厂；自动化往往针对某种工作模态，智能化往往针对工作模态的转化。
场景的差异，才导致方法的差异。
比如，自动化系统一般是机器自动决策，而信息系统是人决策，因为问题复杂多了。智能化往往针对传统上难以自动化的问题。比如传统上需要人类处理的问题。
我经常说：智能化就是让计算机多干活。从某种意义上说，智能化的重要工作，是提高信息化系统的计算机决策程度。“知己知彼百战不殆”：决策的关键是“知”，即获得知识和信息。传统上人类靠电话、感觉器官获得信息。现在要让计算机更多地参与决策，就要推进知识和信息的数字化，变成能被计算机读懂的信息，并通过互联网、物联网传给计算机。
我曾经多次谈到：从自动化到智能化的关键是感知到认知。在传统的自动化系统中，能够做到“感知等于认知”。例如，15mA的电信号，代表150度；某个光电管开关一次，代表某个物料到来、需要加工。而在智能化系统中，往往针对那些“感知不等于认知”的场景。大系统、复杂系统、开发性强的系统，往往有些问题做不到“感知等于认知”，而是需要特殊的算法。比如，根据某些信号计算出设备状态，根据图像判断产品质量等。
与自动化相比，智能化更多应用“碎片化”的“知识”而不是“完整性”的“模型”。形象地说，智能化强调规则“IF THEN”，而自动化经常与X’=F(X)这样的公式；智能化系统常常用软件实现，而自动化系统则不太怎么强调软件。
自动化系统往往针对相对较小的系统。在这类系统中，输入输出关系是相对明确的。比如，阀门开度对流量的影响清晰，可以建立相对准确的模型。而复杂系统则往往难以建立模型，只能建立分级的标准体系，比如，产品标准、工艺标准、控制标准、操作标准。标准的建立要考虑很多因素，如对质量、效率、能耗的影响，机器的功率和加工能力等。所谓的知识是：只要按标准操作，就能达到控制要求；只要达到控制要求，就能达到工艺标准；只要达到工艺标准，就能满足产品标准。注意到：这种知识并不是传统的数学函数。比如，人们未必知道某个工艺参数对产品质量的影响，只是知道按标准工作。智能化的工作往往是处置异常。比如，工艺参数不合格时，把产品降级、按照另外的标准生产。于是，智能化往往就成了“吴淑珍式的智能”。
当然，智能化系统不排除数学模型。数学模型的一个重要用途，是用来计算那些无法直接测量的参数，即软测量。智能化系统经常要解决系统的状态变化时的问题。例如，从一种工作状态切换到另外一种工作状态。这个时候，往往需要用软件的形式来描述处理方式。
另外，智能化系统常常需要面对系统参数漂移、数据采集误差变化等问题。所以，智能化系统常常需要一定的自适应、自学习功能。
总之，从自动化到智能化，首先要看到问题和应用场景的不同。在此基础上自然就容易理解方法的差异了。智能化时代，传统的自动化还是大有用武之地的。这就好比，买了汽车的人，不等于双脚就没用了。
版权声明：
原创文章，作者郭朝晖，来源蝈蝈创新随笔，本文已经授权，欢迎分享，如需转载请联系作者。
