AI是一個特別有意思的領域，從誕生那天起，AI人工智能就 在宣揚著對世界的改變，不斷號稱要顛覆人類的未來，威脅人們 的工作;相比較而言，即使自動化技術發(fā)展了很長一段時間， 好像也沒有聽說過會讓誰失業(yè)。以前很少談到這個話題，但是， 當有人問起自動化工程師是否會因為AI失業(yè)的時候，我突然覺得 很有必要談談這個有意思的話題。突然想起來，在達特茅斯會議 上創(chuàng)造出AI這個詞的約翰·麥卡錫說過：“當它一旦可用，就不會 再有人稱之為人工智能了(As soon as it works, no one call itAI anymore)”，自動化就是非常實用的技術，但不會有人稱它為 智能——其實，自動化本身就是智能的目標——難道人們用AI不是 為了自動化嗎?

　　AI真的能夠取代人嗎?

　　微軟中國CTO韋青博士在混沌課堂里有一次談到生成式AI， 他的觀點是：“如果我們擔心AI是否代替人類，那是人類對自己 缺乏自信?！碑斎?，他還有另一段話說道：“我們往往高估了人 工智能在短期內的成就，而低估了它對人類認知和價值觀的深遠 影響?！?/p>

　　因此，對于這一話題，我認為主要可以包括對以下兩個部分 的思考：

　　(1)AI很難在真正意義上替代人類的工作;

　　(2)但是，你必須主動擁抱AI，畢竟它還是有很多價值能 夠幫助到我們。

　　與以往AI所帶來的轟動效應不同，事實上，生成式AI的確具 有更強的顛覆性。它目前的工作與進化速度的確是超乎想象，已 經有同事展示了將它用于設計PPT，乃至視頻處理方面的超強能 力，此外也包括它在編程方面的支持能力，以及聯(lián)合自然語言來 訓練讓機器快速理解并能編寫程序，這的確帶來了巨大的變革。

　　自動化的自動化問題

　　想起剛畢業(yè)的時候，曾經在一家電梯公司工作，負責管理電 梯安裝現(xiàn)場，在工作中常常發(fā)現(xiàn)一個很現(xiàn)實的問題，那就是在裝 電梯的過程中，往往電梯安裝人員是沒有電梯可用的。這是因為 電梯進場安裝時，建筑結構、外裝、內裝已基本完成，現(xiàn)場的那 些卷揚機、塔吊很有可能都被拆掉了，這就意味著機房里的曳引 機、電柜、每層樓的廳門、地檻、井道里導軌及所需的支架、螺 栓等等，都要人工搬運到各個樓層。因而，那時候我們經常感慨 “裝電梯的人坐不了電梯”。

　　同樣，做自動化系統(tǒng)開發(fā)的人員也會遇到這個問題，盡管自 動化廠商的工作是為用戶設計自動化系統(tǒng)，然而這個設計工作本 身卻很難“被自動化”，人們可以使用模塊化軟件來大幅降低工 作量，但畢竟還是一個手動組裝的過程。

　　因此，當生成式AI可以被應用于編程工作的時候，這是一個 邁向自動化的自動化道路——反倒是一件值得我們高興的事情。AI在自動化工程師手里可以充當以下幾個角色：

　　(1)作為輔助工具本身，幫助提高工程師的工作能力。生 成式AI具有這個潛力，它會讓人們通過自然語言去給出機器好的 提問，然后給出規(guī)則，讓他們去寫這個代碼(這個代碼也是需要 大量學習) ，除了代碼、注釋、版本等軟件管理工作， AI是可以 幫助工程師的，這個時候，它作為一種工具會有助于開發(fā)工作更 為自動化一些。

　　另一方面，生成式AI 還會學習到更多來自于網絡世界的資 源，以獲得更多“共享世界的資源”，讓工程師可以擴展自己的 知識邊界。尤其是在今天，自動化工程師也需要掌握AI相關工具 與能力、來自Linux開源社區(qū)的算法、代碼等，通過采用這些資 源，以增強他們在數據分析與處理方面的能力。

　　曾經和一位工程師談到一個比較麻煩的事情，就是AI仍然需 要“喂入”知識，就像有些機電控制工藝算法一樣，畢竟，沒有 可開放的這類代碼可以被AI來引用——但這位工程師認為這并非是 問題，因為即使復雜的算法也會由不同的可被抓取的程序構成， 因此，這仍然為開發(fā)者提供了更多的可能性。 一個工藝模塊實際 上也是由不同的局部模塊所構建出來的，創(chuàng)成式設計，可以通過 給出設計的需求、約束條件，通過可視化的方法輸入給系統(tǒng)， 最終會給出自動的設計結果，這也算是對“工程的自動化”——看 來，人類是想走向一個語言、視覺方式讓系統(tǒng)生成程序與任務的 過程。從長遠的技術發(fā)展方向來看，就是利用自然語言的輸入， 讓系統(tǒng)理解，并借助于過去的知識(模型、代碼)來實現(xiàn)新的設 計任務，因此， AI更多的角色不是替代工程師， 而是為工程師搭 建系統(tǒng)提供更多的便利條件。

　　(2)AI方法的制造問題解決

　　當然，AI的另一個應用角色在于它不是為了自動化項目， 而是為了應用本身，即，數據驅動的建模，用以解決機理模型缺 乏，以及相關性關系的問題。AI的作用是對于那些隱藏的、無法 被公式表達的知識(因果性)進行挖掘。盡管這會存在解釋性、 實時性等問題，但是，它在規(guī)劃類、優(yōu)化類、預測性等方面仍然 有很多應用場景，尤其是在視覺的深度學習中，對缺陷的分析、 對工程參數的自適應匹配上會有很大的發(fā)揮空間。

　　AI的工業(yè)應用確實存在很多問題，包括可復制性問題、知識 遷徙難題等，但這些都是可以被逐漸去解決的——因此，在更為長 遠的發(fā)展上，隨著極限競爭不斷在制造業(yè)發(fā)生，它仍然是很有潛 力的。記得馮恩波博士曾經也在其AI講座中談到，因果性問題可 以解決90%的問題，但相關性問題的一點點改善卻成為了競爭的“勝負手”，當然，在多個相關性問題中的高相關性仍然可以讓 “事半功倍”——這不難理解，就像在電池行業(yè)里， 1%的制造良品 率提升，都可能意味著以億計的盈利能力的提高。

　　為什么說AI還是很難替代工程師的工作呢?

　　在上次廈門自動化教師師資培訓會議上，為了更好地講解工 業(yè)AI的問題，我特意針對AI人工智能對114位產業(yè)朋友圈里的專業(yè) 人士進行了一次調研，從很多回復中仍然反饋出AI目前在制造業(yè) 中所遇到的問題以及人才培養(yǎng)的問題，目前來看，它還很難替代 工程師的工作。

　?、佻F(xiàn)在不是AI能否替代工程師，而是AI相關工程人才太匱乏

　　在圖1中，我們可以看到，缺乏生產制造與技術融合的人才 以及AI相關人才，是目前企業(yè)應用AI人工智能技術的最大難題。 其次，大多數指出“現(xiàn)場數據表征與特征提取難題”，是制造業(yè) 中工程人才匱乏所造成的，因為AI技術自己不知道如何去工作， 而是要由了解現(xiàn)場的人來幫助它，所以說“人工的智能”是一種 真實的情況。

　　因此，在較長的時間里，可能還是需要培養(yǎng)一些懂得使用AI 工具的工程人才——這個需求是極大且迫切的，談替代現(xiàn)有工程 師還有些為時過早。

　?、谧詣踊こ處煹墓ぷ鞣懂犨h非AI所能涵蓋

　　其實，自動化工程師的工作任務是非常艱巨的，包括前期 的項目需求交流、問題的梳理、電氣選型、建模、軟件架構、功 能開發(fā)、測試驗證、調試、維護等等——而在這些工作中，可能AI 能夠幫助的還是有限的，至少在目前來說仍然有限。按照圖2所 示的工作流程，列舉了自動化工程師在進行機電系統(tǒng)設計時的主 要工作任務，看看有多少是AI可以幫忙的呢?并且這些還是自動 化工程師的日常工作而已，如果談到更為廣義的工作內容，則還 包括帶領團隊、協(xié)調工作進度、品質進度管理、跨界創(chuàng)新等，那 么，AI能夠幫忙的地方就更少了。

　　工程師需要增強的能力

　　當然，在AI的時代，自動化圈的工程師們的確需要不斷地增 強自己的工作能力。

　　(1)批判性思維的提問能力

　　前幾天讀了李培根院士在《高等工程教育研究》期刊中的 一篇文章：《工程教育需要從“知識導向”到“問題導向”》， 其中談到了AI催生了一個新的崗位——提示工程師(Prompt Engineer)，并認為“提出問題是解決幾乎所有復雜問題的核 心”， ——我非常認同這個“問題導向”的觀點。

　　最近一年，我一直在研究“批判性思維”，其中，批判性思 維的訓練就是要依靠“提問”能力。對于工程師同樣如此——將 生成式AI應用于自動化系統(tǒng)的項目開發(fā)時，需要給出AI最好的線 索，并且，作為一種元認知能力，批判性思維所要去訓練的是每位工程師的自我迭代能力、提出問題、發(fā)現(xiàn)問題、決策問題方向 的能力，這些也是最能體現(xiàn)工程師“智慧”的方面。正如愛因斯 坦說過：“如果我需要用1個小時解決問題，那么我需要55分鐘 來提出準確的問題?！?/p>

　　即使在“魚骨圖”的問題分析方法中，能夠提出好的問題， 遵循“問題導向”，才能把問題導向到最終且有效的解決道路 上。M博士有一次談到了工程師“智慧”的問題，因為，工程師 很多時候是在一團迷霧中尋找最優(yōu)路徑，它需要一種智慧，即對 方向的把握，甚至依賴于“直覺”——這些都是人的優(yōu)勢，而AI是 很難具有的。

　　這種判斷力來自于制造系統(tǒng)復雜性的不斷提升——需要在復 雜、交織的因素中尋找“解耦”，從而使得問題能夠被快速地梳 理到高相關性的維度上。

　　(2)工程師的“基本功”還是逃不掉(圖3)

　　盡管我們把AI理解為具有改變制造業(yè)的一種力量，并越來 越受重視——但是，不要忘記，制造業(yè)工程師需要具備幾項“基 本功”，就像在以前文章中所提到的“信息物理系統(tǒng)(Cyber- Physics System)”，Cyber似乎聲音比較大，而Physics反倒沒有 受到太多重視，但制造業(yè)偏偏是一個受物理系統(tǒng)影響非常強的領 域，且是有因果性的。因此，自動化工程師應發(fā)揮自身在物理系 統(tǒng)方面的基礎能力，同時與時俱進，學習更多新的AI方法，這樣 就可以“雙劍合璧”，更好地強化自身的綜合能力。

　　第二個自動化工程師的“基本功”仍然是軟件工程能力——AI 以軟件為載體，它可以幫助工程師更好地規(guī)劃項目、設計架構、 代碼規(guī)范，畢竟，生成式AI能幫你的忙，但不能幫你所有的忙。

　　最后，借用韋青博士的一句話來做總結，那就是——“取代 我們的不是AI，而是被AI賦能的人”。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！