推进智能化方法：从智利地震谈起

 2010年2月27日，智利发生了里氏8.8级地震。一天后，铜的期货价格暴涨。原来，智利是世界上铜的探明储量最大的国家，接近世界总量的四分之一。这次地震肯定影响铜的供应。为此，有人后悔不已：昨天为什么不满仓购入呢？

“智能”最基本的特征就是把“感知、决策、执行”三个要素统一起来。那些听到智利地震的消息，马上决定购买铜的期货并付诸行动的，就是智能的行为。

智能的反面大概就是“不智能”。没有及时满仓购入的人，就没有产生智能的行为。两者的差别是什么呢？    

逻辑上讲，从“获得信息”到“产生决策”之间，还存在一段“距离”。我把跨越这段“距离”的过程称为“认知”。例如，从得知“发生地震”到意识到“铜价会涨”，就是“认知”的过程。后悔没买的人，就是在“认知”这个环节有了断点，阻碍了智能的产生。日常的很多信息都可以转化成商机，我们缺乏的往往就是认知能力。几年前成立欧冶云商时，宝钢股票来了个涨停板。我曾参与过策划，却完全没有意识到会会与股票有联系。也算个典型的例子吧。

从“感知”到“认知”的“断点”靠知识的填补。比如，认识到“铜价会涨”需要“智利有大铜矿”这样的知识。

我们现在推进的智能化，很大程度是“人智”变成“机智”的过程。也就是把人脑子里的知识，变成计算机可以执行的代码。设想一下，如果有这样一个系统：把各地在供应链中作用记下来，一旦该地出现某种灾害，就自动提醒投资者关注相关采购业务。这就是智能系统啊。

经常见到有人过度强调机器学习的作用，而不是把人脑中的知识下载。这是不对的，为什么呢？

在很多情况下，依赖机器学习得到的知识是有限的。人类获得知识的能力要比机器强很多。以地震为例：如果纯粹是从数据学习，智利发生很多次地震后，机器才能学会地震与铜价之间的联系。而人类经历了一次，就能获得知识。而且还能发扬光大：从智利联想到其他国家，从地震联想到各种灾害和意外，从铜矿联想到其他供应链.....这种能力，机器是望尘莫及的。最近，孟晚舟事件发生后，网上很快就把华为的供应商全部找出来，重新评估他们的市值，就是这个逻辑.....。

把人脑中的知识变成机器的知识，往往比机器直接学习要靠谱的多。换句话说，智能系统的知识要人来提供，这是一种常态。在智能系统中，人脑子中的知识是“主食”，机器学习获得知识往往是“味精”。

当然， 在有些场合，机器学习的作用也是难以替代的。智能化的一个传统难点是：感性知识无法编码。比如，看到红色交通灯，人类司机会刹车。如果要机器实现这个认知，就要学会识别红色交通灯——过去，机器的图像识别能力很弱。最近智能车的发展较快，一个重要原因就是能够通过机器学习掌握这些知识。但是，这些场合主要用于模拟人的感性认识，在工业生产的场合下用的并不普遍

控制论把“感知、决策、执行”的统一看做智能。但控制理论很少谈及“认知能力”。我想，一个重要的原因是：控制系统输入信号都有明确的含义,如压力、流量等。从感知到认知之间往往是“短路”的。然而，在从“自动化”走向“智能化”的过程中，“认知”的重要性提升了。我们经常提到数据分析技术，本质上就是从数据提升认知能力：某些信息的变化意味着什么？ 比如，根据锅炉热效率、排烟温度等数据，综合判断烟囱是不是堵了。这其实就是认知。

这种知识一般也是人机结合的结果：人类知道烟囱会堵、知道哪些参数可能会反映烟囱会堵。但是，人脑中的知识可能会模糊不清，需要用数据分析准确量化。无论如何，人类脑子里的知识，始终是智能化过程知识的主要来源。

还有一种现象值得思考：有了知识和信息，未必能产生认知。在地震的例子里，有的人知道智利地震、也知道智利有铜矿，为什么还想不到铜会涨价呢？

其实，一条信息可以引发无数种认知和决策。例如，消息传到旅行者那里，他的认知可能是影响行程；传到红十字会，认知就是需要组织救援。在这些认知中，能够真正发生的往往只是个别问题——人的脑容量是有限的，往往智能关注对自己影响比较大的东西。

对人类来说，“把精力集中在重要问题上”，是提高大脑工作效率的重要方法。这个方法非常有效。但这也可能让我们忽视掉一些有用的信息。所以，智能化的另外一个发力点，就是弥补人类大脑处理信息能力的不足，提高人类的智能。

这一点，在信息社会特别重要。“富有富的难处”，信息多也有信息多的不好：人类容易迷失在数据和信息的海洋中，只能面对一大堆数据发呆。在食物充足的时代，人们会关注营养过剩；在数据和信息爆炸的时代，人们工作的重点也应该转向如何更加有效利用数据和信息。对从事智能化工作的人来说，要认识到这一点，才能比你的竞争对手深刻。

智能系统的一个重要任务就是：把有用的信息、在合适的时候发给特定的人。机器自动地处理信息，减少人脑处理信息的负荷。这时，衡量系统水平和质量的指标就会有两个：该推送的有没有推送，不该推送的是不是推送了。后面一个指标的意思可以近似理解为“减少误报警”。这个也非常重要：如果推送了不该推送的信息，阅读信息的人就会产生时间和精力的浪费，就是成本的损失。管理者的级别越高，这种损失就越大。如果发送的无用信息过多，就和骚扰短信差不多了，“智能”就成了“弱智”。

这种智能系统的作用之一，是提高协同能力。这样能让相关的人士有能力做到“明察秋毫”、洞察到更深刻的东西。还是以地震为例：看到地震，想到铜价上升；再想到铜制导线的价格上升，有关部门需要赶紧囤积铜制导线;甚至可能会想到铝制导线的需求量可能会增大等等....我们设想一下：如果有了类似的系统（当然，实现也不容易），机器就能帮助人们想得更深、让更多的部门参与有效协同、让整个企业的快速响应、创造更多价值。

类似地，这样的系统有助于领导做“明君”：这时的智能系统就像领导手下一堆得利的秘书和助手、是领导的“外脑”，让领导更加有效地认知企业在发生的情况，让领导做出的决策更加科学。

建立这种类型的系统也是需要知识的，而这些知识主要也来自于人们的大脑，需要把人脑中的知识挖出来。

“挖知识”的办法其实很简单：以业务活动中的某个决策为出发点，把决策的依据明确起来，根据这些依据去收集数据、建立认知模型。当然，这些认知都来源于对业务的理解。

这个道理对于推进智能化的启示在于：开展智能化项目，必须从明确的业务需求出发。合格的甲方不要总是先问乙方：“数据有什么用”。正确的做法是先问自己“我要用数据做什么”、“需要知道什么样的信息”。如果自己回答不了，可以请咨询公司来回答。你无论如何，应该先做一个合格的甲方。事实上，甲方业主是知识的主要提供方，IT技术乙方的责任主要是知识的固化和清晰化。

这些问题，用户必须自己来说清楚，然后用IT的手段来实现。这个次序很重要。否则，IT技术人员就会因需求不清陷入迷茫。就像普通人听到智利地震的消息，他根本想不到该去做什么。

10多年前，我的师傅王洪水先生就对我讲：IT人员的主要任务不是发现新知识，而是把业务人员的知识用计算机来实现。这本身就是一个伟大的工作。他当年的教诲，现在越来越明白了。