最近讀了幾篇金融界大佬關(guān)于數(shù)字化的文章。我的感覺是：作者思考得很深，從BIT談起，逐漸進(jìn)入了形而上的領(lǐng)域。但我還覺得，他的想法鉆牛角尖了。
什么叫做“鉆牛角尖”？在我看來，就是過度關(guān)注沒太有用的東西，會讓視野越來越窄。孔乙己把“茴字有四種寫法”當(dāng)學(xué)問，就是典型的“鉆牛角尖”。那么，什么是大學(xué)問呢？我覺得，大學(xué)問想透以后，往往讓人一通百通。當(dāng)然，“鉆牛角尖”可能是悟透之前的一個(gè)過程。
思考數(shù)字化問題，怎樣才能不鉆牛角尖。這需要找到能夠體現(xiàn)“綱舉目張”的觀點(diǎn)。
我在清華時(shí)，看到報(bào)紙上有篇文章，談為什么要搞政務(wù)網(wǎng)絡(luò)化。文章引用了大領(lǐng)導(dǎo)的一句話：讓數(shù)據(jù)多跑路群眾少跑腿。當(dāng)時(shí)，我們都覺得這句話好：清晰、形象又有操作性。這就是大道理。
對于數(shù)字化，我想模仿著給出類似的定義：數(shù)字化的目的，就是讓計(jì)算機(jī)多干活。
從這個(gè)說法簡單，但可以引出很多觀點(diǎn)。比如，我們要想清楚一個(gè)道理：機(jī)器決策需要什么條件？
孫子說： “知己知彼百戰(zhàn)不殆”。意思是說，科學(xué)決策的基礎(chǔ)是充分獲悉相關(guān)的信息。這個(gè)邏輯不僅適合人，也適合計(jì)算機(jī)。人與機(jī)器的決策方法可能有差異，但大的邏輯卻是一樣的。所以，對具體決策來說，機(jī)器需要的信息，就是人需要的信息。而數(shù)字化就要把人接受的各種信息，變成計(jì)算機(jī)可以處理的數(shù)字化信息。
人類決策時(shí)，需要知道對象特性(靜態(tài)信息)，還需要對象的實(shí)時(shí)狀態(tài)(動態(tài)信息)。這兩類信息是什么呢？在工業(yè)系統(tǒng)中，前者用對象的模型描述，比如3D模型；后者是傳感器信號，包括物聯(lián)網(wǎng)的信息。兩者加在一起，差不多就是人們常說的工業(yè)大數(shù)據(jù)。但是，兩類信息只是對象本身的信息，獲得這些信息只能做到“知己”。要做到“知彼”，還需要了解系統(tǒng)外部的信息。于是，互聯(lián)網(wǎng)的作用就體現(xiàn)出來了！
人們常說，互聯(lián)網(wǎng)和大數(shù)據(jù)推動了智能化，就是這個(gè)道理啊。過去的計(jì)算機(jī)，不能得到準(zhǔn)確、及時(shí)、完整的信息，現(xiàn)在的計(jì)算機(jī)能夠得到準(zhǔn)確、技術(shù)、完整的信息。所以，過去推進(jìn)數(shù)字化決策難，現(xiàn)在則變得容易。所以，數(shù)字化的機(jī)會，是摩爾定律帶來的。2500年前，孫子就把這個(gè)邏輯講清楚了。
我們再想一下：物理對象的屬性和信息，加在一起是什么？是物理對象的數(shù)字化模型！計(jì)算機(jī)能夠訪問到這些數(shù)據(jù)，意味著什么？意味著數(shù)據(jù)位于Cyber空間。我們借助Cyber空間中的對象控制物理對象，又是什么呢？這就是所謂的CPS！所以，CPS的提出，是非常自然的。
怎樣讓機(jī)器多干活呢？從方法論的角度，還可以再深入一下。比如，機(jī)器決策需要知識。怎么辦呢？我的辦法就是：用人明白的道理，讓計(jì)算機(jī)幫人做得更好。這其實(shí)就是工業(yè)知識軟件化、就是把人的知識變成機(jī)器的知識！
這種做法就是我經(jīng)常說到的“吳淑珍式的智能”嗎？也就是說：智能化本質(zhì)上是靠“及時(shí)準(zhǔn)確完整的信息加上簡單的決策”，而不是復(fù)雜的決策。我反對濫用人工智能(巴菲特式的智能)，就是這個(gè)道理。那么，人工智能算法的用處在什么地方呢？其實(shí)，人類接受到信息之后，需要有個(gè)“感知到認(rèn)知”的過程。人看到某個(gè)圖像，知道它是一頭狼-這就是感知到認(rèn)知的過程。人工智能的用處，就在于此。圖像識別很重要，過于夸大就不對了。因?yàn)楣I(yè)過程的認(rèn)知，往往是通過“制定標(biāo)準(zhǔn)、對比標(biāo)準(zhǔn)”這種簡單的辦法來實(shí)現(xiàn)的。
工作都讓機(jī)器做了，人做什么呢？人做知識的生產(chǎn)者。
人類“生產(chǎn)”出知識以后，進(jìn)行數(shù)字化工作，交給機(jī)器去做，推進(jìn)智能化。在我國，許多鋼鐵企業(yè)有數(shù)百人管質(zhì)量，而美國的大河公司只有幾個(gè)人。為什么會有這樣大的差別呢？究其原因，就是因?yàn)槲覀儚氖碌馁|(zhì)量管理，是用自己的知識管具體的事。而美國人的質(zhì)量管理，是制定規(guī)則，把具體的事交給機(jī)器去做了。打個(gè)比方：我們的質(zhì)量管理人員是做法官的，每天判具體的案子；大河公司的質(zhì)量管理人員是做議員(人大代表)的，負(fù)責(zé)制定法律，而法官是機(jī)器來做的。
總之，做大學(xué)問要講大道理，大道理能讓人一通百通。而所謂的“通了”，往往就是“簡單了”。所以，我認(rèn)為：那些整天用復(fù)雜的人工智能算法來忽悠工業(yè)人的專家，其實(shí)沒有把大道理想通。
最后再談兩個(gè)想法：
1、要不要從BIT開始，思考數(shù)字化的問題呢？其實(shí)也是需要的。許多年前，萊布尼茲和馮諾依曼等人，就把這個(gè)邏輯想清楚了。但文章中考慮的問題，和大師的思考不是一個(gè)尺度、高度完全不同。
2、如何看待鉆牛角尖。我覺得，年輕人一定要“曾經(jīng)鉆過”牛角尖。否則，思維就是膚淺的。不過，關(guān)鍵是要能從牛角尖中鉆出來，這才是我們希望得到的東西。
作者：郭朝暉(工學(xué)博士，教授級高工。企業(yè)研發(fā)一線工作20年；優(yōu)也科技信息公司首席科學(xué)家；東北大學(xué)、上海交大等多所院校兼職教授。國內(nèi)知名智庫、走向智能研究院的發(fā)起人之一。原寶鋼研究院首席研究員)
