智能制造的實現需要一個5層的金字塔結構

　　所有的優化算法有四大類：

　　一是建模，不確定性比較小，我們可以用傳統優化或者是很多算法。

　　二是機器學習，主要基于統計方法。

　　三是增強學習，用于不確定性大到無法用統計的方法處理數據的情況。

　　四是進化計算。

　　常用算法各有各的特點，越下面的算法越準確，越上面的算法越不精確，用這種算法的時候往往是要結合的，所謂的上層算法必須要依靠下面的做法，我們人最終有很復雜的決策，具體還是需要人去做。所以人工智能面對真正問題的時候，必須要根據這一系列的問題特點去設計，這是很大的挑戰。我們要把問題轉化成計算機面對的問題，因為人畢竟跟計算機有很大的差異。

　　有了數據以后，我們要提取知識，然后模型只有兩類，一類是數據模型，然后機器去控制，只要確定就可以控制了，還有一類有那么不確定性，就是語言規則，比較模糊的，那么就用于決策，數據信息所有都要經過數據學習來做，比如說信息回歸、函數很多很多，包括深入學習也是一種應用網絡的學習，這是直接從數據轉化為信息。

　　控制最低級就是設計，最高層就是邏輯控制，就是決策判斷，人能夠做決策判斷，因為不確定性有隨機不確定性和模糊不確定性。如果知識是很模糊的話，所有的知識確定兩種不確定性。

　　比如說，香港城市大學是一所好大學，這個信息是很模糊，說這句話的時候有多少自信呢?這個是隨機的，我們人可以處理，但是對于機器來講是比較難的。因為現在的模糊系統是有規則的，很難提取精確的信息，有模糊的記憶推理和反模糊化這種知識表達，但是不能處理隨機過度的東西。

　　因此，我們做的工作就是增加第三維的隨機信息，建立了三個維度的邏輯關系。

　　智能制造系統是多尺度的問題，因此智能制造是多尺度的集群，集成了各個學科。目前，在全球范圍內，還沒有一個教授的研究能夠涵蓋智能制造的所有領域，只能專注于某個方面。打個不太恰當的比方，如果說工業界是修車的，教授就是研究工具的，而企業界則是生產工具的，教授們的任務就是盡量提供更多的工具。

　　★李涵雄，博士，香港城市大學系統工程及工程管理系，和中南大學特聘教授。先后入選國家杰出青年基金(海外)獲得者(2004)，教育部長江學者(2006)，國家“千人計劃”專家(2010)和IEEE Fellow (2010)。長期擔任國際權威期刊 IEEE Transactions on Cybernetics (2002 - 至今)和 IEEE Transactions on Industrial Electronics (2009 - 2015)的副主編和國內多個核心刊物的編委。出版系統建模和系統設計方面的英文專著 2本;在國際權威學術期刊上發表 SCI 論文 180 多篇。連續兩年(2014，2015)被國際權威出版社 Elsevier 評為中國高被引學者。最近二十多年來一直從事智能制造方面的研究，側重于工業過程的智能建模、設計與控制，和基于數據學習的智能決策。