从控制论看数字化

我经常谈到一个观点：用控制论的思想，可以完整地理解数字化、智能化相关的工作。今天有点时间，简单地画了一张图。

这张图还想说明一个观点：数字化技术成为热点的关键原因是摩尔定律持续发展带来了巨大的机会。算法（包括AI算法）起到了一定的作用，是个重要的参与者，但不能夸大其作用。

摩尔定律发挥作用的逻辑是：信息通信技术的发展，带来了高性能和廉价的数据存储、运算和传输能力。这种能力为机器决策奠定了基础。这种基础可以归结为孙子的两句话：“知己知彼、百战不殆”、“多算胜、少算不胜”：  

“知己知彼、百战不殆”指的是决策时能够获得及时、完整、准确的信息。  

“多算胜、少算不胜”指的是运算能力要强、可以反复优化。  

在这个基础上，科学决策的价值，往往体现在有限的时间内、尽量完整地完成决策。算力和存储能力，在这个方面提供了支撑。  

谈到算力，很多人都知道AI需要算力。但在智能制造领域，算力的支持主要体现在数字化设计、仿真和生产计划等方面。相关的算法往往并不怎么新鲜，但计算能力强才能走得通。  

存储能力强为两件事带来极大的好处：根因分析和建模。根因分析最重要的基础是数据完整。数据完整以后，往往可以用简单的算法去做，成功率也大大上升，经济性就会变得很大。过于强调算法是不对的。对工业人来说，建模的本质是知识复用：把实践中成功的做法记下来，下次再用。在工业大数据的背景下，这个逻辑就能走通了。  

智能制造之所以能够创造价值，是因为机器响应速度快、不打盹、没有私心、计算不出错等。往往是用人明白的道理交给机器去做。所以，工业人不必过度神话AI。AI算法只是大数据时代带来的一个意外收获。  

要正确认识平台和工具的作用：没有这些工具，数字化技术都可以搞，但成本高、效率低、质量差。所以，平台和工具的本质作用是提高数字化工作者的生产力水平的。

总之，理解智能化要从技术和经济可行性两个角度去看。技术可行性就是信息足够了、计算能进行了、计算速度足够快了。而经济可行性包括：成本低了、适用场景多了、做事的成功率高了。当我们觉得数字化技术不神秘的时候，就真的懂了。