今天作的学术报告

在今天中国计算学会的一次学术会上，我讲了“工业大数据建模的可靠性与实用性”，把几十年的实践和认识串了一下。

在这个报告中，有些PPT可以追溯到20多年前，有些是会议开始后才改写的。我用这些多年沉淀的“老”元素，串起了新的逻辑。

我在报告中指出：实用化的模型需要关注如下三点：

1、模型的程度（精度）；

2、适用的范围（精度有效的范围）；

3、模型的精度和适用范围可知、稳定

要防止三类不稳定性问题：

1、工况正常稳定时，精度是高的；工况异常时，精度无法保证。

2、过去、现在的精度是高的，明天就可能低了。

3、不知道什么时候精度高、什么时候精度低。

总之一句话：稳定可靠的模型才实用。但稳定可靠不容易、甚至可以说是最难的。单纯追求高精度，往往得不到稳定的模型。

思考的逻辑起始点是：我们进行数据建模，并不是因为没有“机理模型”，而是“机理模型”缺乏必要的参数而算不准。于是，下一个问题就是：算不准怎么办？最基本的办法就是把实践的结果记下来，形成经验和标准，供下次使用。

既然有了标准，为什么还要有模型? 一个重要的原因，是为了“适应变化”。工业对象的参数是会漂移的，模型的作用是适应这种变化。

模型是如何适应变化的呢？有个最简单的办法，就是和人的做法一样：把实践过程记录下来，下次跟着学。注意：这样的“模型”与软件结合的时候，其实是“变化的标准”、“动态的标准”。在我看来，工业中所谓的“机器学习”，本质其实就是把过去的成功做法“记下来”。这种逻辑，类似传统的近邻算法、CBR算法。但是，只有在大数据时代，才能找到比较近似的学习对象。大数据的意义，就在于此：方法一样，条件不同了，成功率不一样了。

“世界上没有完全相同的两片叶子”。

直接学到的东西，往往有比较大的误差。这个时候怎么办？这个时候的办法，就是在“跟着学”的基础上根据实际的差距做调整。所以，模型其实包括两个部分：1、跟着过去成功的学、2、针对差异进行调整。这就是我常说的“高尔夫球”做法。这样的做法，在钢铁行业并不罕见。这样的逻辑，往往能充分利用领域知识。

这种算法 会遇到两个问题：首先是“跟着谁学”。如果算法不好，会“跟错人”，模型就不稳定。大数据时代，数据完整性比较好，可以通过多特征的方法防止“跟错人”。其次是如何调整的问题。这个时候，要知道“什么变化了”、在此基础上做调整。但是，“什么变化了”可能测量不到，需要用间接的手段获取。这其实是一种“子模型”。现实中的模型往往要具有这种“子模型”。这也使得数据建模得到的模型，与机理模型不一致。

除此之外，对象本身的参数会发生变化，进而导致模型本体的参数发生变化。这个时候，需要另外一种机器学习：让模型的精度适应对象的变化。这是两种比较实用的机器学习。都是“有限责任”的机器学习。我一直认为：机器学习承担的责任过大，会影响模型的可靠性。

写到这里，就容易理解J.BOX的名言：“模型都是错的，但有些是有用的”。我们必须接纳那些“错误”的模型，来获得“有用”性。但这些“错误”往往是可理解的。

在报告中，我再次提到一个观点：实践经验告诉我们，模型误差大的时候，首先应该关注数据的质量，其次才是在算法中寻找问题（多数人的做法 正好相反）。我认为，针对生产对象时，模型精度不高，90%是数据质量不高导致的，算法能够起到的作用往往有限。当然，这个观点与模型的应用场景有关。

所以，企业的管理和大数据工作，要以提高数据质量为核心。从某种意义上讲，管理好的企业才能用好模型。讲工业大数据时，很多人总是强调数据量大。在我看来，数据量大本身并没有多大作用，但数据量大为提高数据质量奠定了基础，从而为模型的实用化奠定了基础。

最后，我还谈到了软件开发过程中的可靠性问题。

这样，以“可靠性、实用性”为核心，把几十年的认识串起来了。这里没有讲“第四范式”：这种事情能做，但太难了，一般人做不了。