|
人的作用在无人化的环境下凸显得更加重要。 随着中国经济向高质量增长的转变，以及各种红利的快速消失，企业经营的各种成本快速上升，促进“无人”商业模式的产生，其背后的核心支撑正是人工智能概念。在数据时代，基于数据的人工智能分析是企业发展的利器和法宝，但是其中最主要的核心算法，却必须依赖于核心业务场景，是一个具有高度行业和专业知识属性的难点和壁垒。 过去几年，AI在语音识别、人脸识别、图像识别、语义分析等基础领域取得了很大的发展，但在行业深度领域的发展仍然举步维艰。比如无人驾驶、智能疾病诊断等需要高度知识经验的领域，人工智能仍然需要很长的时间或许才能取得进展。 ★还记得曾经风光无限的IBM 沃森（Watson）吗？曾经是公众心目中“人工智能”代名词的沃森，在近6年砸下几百亿美元的研发投入后，前景反而愈发暗淡。 2017年，世界顶级肿瘤治疗与研究机构MD安德森癌症中心，宣布停止与IBM 沃森长达4年的合作，其他多家医院也终止了与沃森肿瘤相关的项目，医生们抱怨沃森给出了错误的判断。沃森尽管学习能力比医生强，但是疾病治疗方法进展很快，需要结合患者的不同情况给出个性化的治疗，显然沃森在给出治疗方案这个最需要智慧的环节远远不能满足实际的需要。 人工智能可以为疾病治疗提供帮助，目前仅仅是辅助帮助，未来仍然有很长的路才能真正实现让AI来代替医生为患者提供治疗方案。富有知识和经验的医生，仍然是患者治愈疾病的最优选择。 ★2018年11月，谷歌Waymo无人车CEO John Krafcik在加州一次会议上公开表示，要实现完全无人驾驶的L5级别实在太难了，可能还需要很长一段时间。实现真正意义上的“无人驾驶”，还需要从芯片、算法、人机交互等领域进行长期研发，才能避免一些可能发生的交通事故，毕竟人的生命只有一次。 ★亚马逊的无人零售商店Amazon Go虽然进行了试验运营，但是由于成本过高，以及还有许多技术问题没有解决，所以大规模的商业化运行仍然需要很长的时间。一些用人就可以简单解决和判断的问题，要想完全用系统来解决，仍然非常复杂和困难。 在无人制造领域，人工智能技术则发挥了非常重要的作用。 在汽车行业，一些知名汽车厂家如宝马的智能制造工厂已经实现了无人化制造，国内的一些领先的制造企业也实现了制造环节的无人化。但是对于目前火热的智能制造而言，无人制造只是产业链的最低端环节，真正决定制造业竞争地位和优势的是前端的营销和中间最核心的研发环节。 制造企业在获得客户的需求和订单后，根据客户需求进行产品研发，利用数字化的研发手段完成产品的研发后，把数据传递给制造环节来执行。前端的营销和中间的研发环节，才是一个制造企业最为核心的竞争优势和壁垒，最后的智能制造环节只是对已经确定的产品制造数据的操作执行而已。 由此可见，对于满足客户需求和产品研发这样具有高度创新性和创造性的工作，必须有具有一定知识和经验的人来执行，而对于已经确定的具有明确数据要求的生产，可以用无人化的智能工厂来实现。 一方面最大限度的降低了对人的要求，同时，无人化的智能制造更能保证产品质量的一致性，因为人作为一个富有感性的生命体，总是会产生疲劳和情绪，而智能化的设备，则可以严格按照数据要求准确高质量地完成制造工作，同时不会有疲劳和情绪的影响。 如图2所示，在制造业的智能数字化建设中，智能制造只是最低端的执行环节，而最为关键的核心环节，市场销售和研发，仍然必须要依靠具有专业知识经验的人来完成。 在“无人”商业模式层出不穷的今天，虽然人工智能和数据分析取得了很大的进步和发展，但是人的作用却在“无人”的环境下凸显得更加重要。“无人”代替的是相对而言不具有创新性和创造性的确定性的工作，而且“无人”环节的流程是由人来制定的，只是通过智能化的设备执行，提高生产效率，确保生产质量，这样就可以节省出更多的人来从事具有创新性和创造性的工作。 如果没有前端的市场销售和研究开发，只是简单的无人化智能制造，生产出来的产品不是客户需要的产品，或者产品性能和质量不合格，反而会造成更大的损失和浪费。 由此可见，在数据时代，企业在数字化与智能化转型建设过程中，需要用人来进行具有不确定性的创造性和创新性的工作，如市场、销售、服务、产品研发等；需要用“无人”来进行确定性的、重复的、需要按照固定流程和方法严格执行的工作，如智能制造，这样才是未来高效的、绿色的、创新型的智慧企业。 作者系LTC学院院长、L2Cplat创始人兼首席执行官 |
|
|
