演讲速递丨杜如虚院士：智能制造产业创新、布局与应变

8月26日上午，全球知名智能制造研究专家、加拿大工程院外籍院士杜如虚做客科技创新院士报告厅，围绕“智能制造产业创新、布局与应变”做了精彩演讲，并结合他在智能制造领域的研究和实践与线上线下近30万听众进行了交流。

加拿大工程院院士杜如虚演讲

8月26日上午，由深圳创新发展研究院、博研教育、深圳企联、同心俱乐部等联合主办的科技创新院士报告厅第五期活动精彩开讲，全球知名智能制造研究专家、加拿大工程院院士杜如虚围绕“智能制造产业创新、布局与应变”做了精彩演讲。

报告厅活动由原深圳市委常委、副市长张思平主持，近200位来自企业、投资、科研等领域的精英人士参与了现场交流，近30万人通过腾讯新闻、广东经济科教频道、巨浪视线等直播平台参与了活动。

原深圳市委常委、副市长张思平主持报告厅

本期活动得到世范区、武汉大学深圳校友会、吉林大学深圳校友会等单位的大力支持。

当今世界面临前所未有的挑战，全球竞争空前激烈，未知的危机接踵而来。新冠病毒疫情爆发至今已经一年半，是近年来人类面临的最大挑战之一。杜如虚院士通过分析人类历史上的流行病发展指出，“人类社会本身是具有韧性的，不会被这样或者那样的事件轻易地打垮” 。

关于如何获得韧性，杜如虚院士认为，需要抓住创新、布局、应变三大关键点。

创新

杜如虚院士强调创新是社会发展的引擎，目前社会创新速度在不断加快，而创新包括产品设计和制造技术创新，“三分之二的创新跟制造有关系”，此外还有供应链与市场的创新。

布局

企业和社会在发展中想要持续保持强大的“韧性”，布局也是一大关键点。杜如虚院士表示，所谓布局包含“硬性”和“柔性”两大方面。硬性是强调严格的质量控制。在质量管理过程中，从头到尾都必须考究，每一个环节都一定要做好。杜院士对比了中国质量和日本质量指出，我们的质量管理系统相对来说不够健全，“不是说管理系统不够健全，而是管理理念有待提高”。他举例说，“丰田车的质量管理不是只看最后产品的质量，而是看产品加工的每一段的质量，它们有一个全程质量控制。也因此，日本车的质量真的要比德国车要好，也比美国车要好。”

与此同时，在打造好硬件布局的基础上，还要兼顾“柔性”布局。在谈到如何让系统布局的时候更有柔性时，杜如虚院士分享了他的团队的研究经验，“尝试把应变机制植入制造系统”，并对比了新的方法与旧方法。传统的方法是多台机床并行或堆栈，这样会导致成本增加、材料浪费。而新的方法则可通过重构机床、可移动堆栈或动态规划。

应变

杜如虚院士强调，保持韧性的第三个关键点是应变，这里的应变主要是工业人工智能。目前工业人工智能会面临非常多的挑战，特别是数据安全、数据孤岛（各公司的数据无法分享，各自数据不完整；数据采集能力有限，无法获得完整信息；只有大量正常运作时的数据，故障数据很少；许多故障的数据无法获得）等问题。而解决这些问题的关键就是人工智能（AI），智能生产过程有三个步骤，首先是信号采集与处理；接着是建模预测，这需要AI；最后是控制决策，也需要AI。

杜如虚院士指出，智能制造系统的构建包含了三层：第一层各种装备集成、数据采集，第二层数字孪生（Digital Twin），“最重要的是第三层，发掘深层问题”。他强调“怎么样监控诊断，发现其中问题的根源，然后防范于未然。最后还要优化系统，使得系统能够不断地提高，这才是智能制造的关键所在，就是韧性。”

算法

人工智能的发展，包括硬件和软件。但算法是一个核心。杜如虚院士指出，人工智能算法的目的是从观测数据中学到尽可能多的知识。“如果人工智能是一个大饼，其中的机器学习占80%。机器学习的目的是从数据中学到尽可能多的东西。”

最近的一些算法包括谷歌的“自我专注学习”（Transformer），对比学习，变分自编码器，及对抗神经元网络。杜如虚院士着重介绍了对抗神经元网络，并分享了他的团队基于对抗神经元网络开发的新算法——自增强学习（self-reinforced learning）。杜院士强调，“如果我们有足够的数据，可以不用对抗的方法，直接用深度学习的方法可以了。但在实际应用中，总会遇到数据孤岛的问题。因此，要用对抗神经元网络，要用我们的自增强学习方法。”

演讲结束后，杜如虚院士与线上线下参会人士进行了40分钟的互动交流，并于当天下午参加了智能制造产业发展闭门研讨会，与来自产业界、投资界和科研机构的人士就人工智能技术的发展展开了进一步的讨论。