近日发了篇关于天生式AI运用于自动化工程开拓的文章。
就有朋友留言问“难道自动化工程师也要失落业了吗？”——想起来前些日子也有人问及这个关于AI的话题。
这彷佛是一个由来已久的问题，AI这个领域特殊故意思，他们从出身那天起，就在鼓吹着对天下的改变，不断号称要颠覆人类的未来，威胁着人们的事情。
很故意思的是，纵然自动化干了这么久，彷佛也没有说过会让谁失落业。

- 文章信息 -

本文作者宋华振，贝加莱工业自动化（中国）有限公司技能传播经理，本文由"大众号「说东道西」原创首发，数字化企业经授权发布。

以前我不会商这个问题，但是，当有人问自动化工程师是否也会由于AI失落业的时候，我溘然以为很有必要谈谈这个故意思的话题。
溘然想起来，这还蛮故意思，达特茅斯会议创造AI这个词的人之一，麦卡锡说过“当它一旦可用，就不会再有人称之为人工智能了（”As soon as it works, no one call it AI anymore ”），自动化就是非常管用的技能，但就不会有人称它为智能了——实在，自动化本身便是智能的目标，难道你们用AI不是为了自动化吗？

01

AI真的能够取代人吗？

微软中国CTO韦博士在混沌教室里有一次谈到天生式AI，他的不雅观点“如果我们担心AI是否代替人类，那是人类对自己缺少自傲”。
当然，他还有另一段话“我们每每高估了人工智能在短期内的造诣，而低估了它对人类认知和代价不雅观的深远影响”。
因此，对付这件事，我想就包括了两个部分的思考：

1).AI很难真正意义替代人类的事情。

2).但是，你必须主动的拥抱AI-毕竟它还是有很多代价能够帮助到我们。

与以往AI所带来的轰动效应不同，事实上，天生式AI的确具有更强的颠覆性。
它目前的事情与进化速率的确是超乎想象，已经有同事展示了将它勇于设计PPT，乃至***处理方面的超强能力。
也包括在对编程方面的支持能力，与自然措辞来演习让机器快速理解，并能够编写程序，这的确带来了巨大的改变。

02

自动化的自动化问题

刚毕业那会在一家电梯公司事情，管理电梯安装现场，创造一个很现实的问题，装电梯的过程中，电梯安装职员是没有电梯可用的。
由于电梯进场安装时，建筑构造、外装、内装都已经基本完成，现场的那些卷扬机、塔吊很有可能拆掉了。
这就意味着机房里的曳引机、电柜，每层楼的厅门、地槛、井道里导轨及所需的支架、螺栓，都是要人工搬运到各层的。
以是，那时候我们感慨“装电梯的人坐不了电梯”。

同样，做自动化的也会碰着这个问题，只管自动化厂商给用户设计自动化系统的，但设计这个事情本身它却很难被自动化。
只管我们利用了模块化软件来大幅降落事情量，但毕竟还是一个手动组装的过程。

因此，当天生式AI可以被运用于编程事情的时候，这是一个迈向自动化的自动化的道路—反倒是值得我们高兴的事情。

AI在自动化工程师手里有几个角色：

天生式AI有这个潜力，它会让我们通过自然措辞去给出机器好的提问，然后给出规则，让他们去写这个代码（这个代码也是须要大量学习），除了代码、注释、版本等软件管理事情，我想AI是可以帮助工程师的。
这个时候，它作为一种工具是会有助于事情更为自动化一些。

另一个我想天生式AI它会学习到更多来自于网络天下的资源，以得到更多“共享天下的资源”，让工程师可以扩展自己的知识边界。
尤其是在本日，我们想说自动化工程师也须要节制AI的工具与能力时，来自Linux开源社区的算法、代码等，均可以被自动化工程师所采取，以增强他们在数据剖析与处理方面的能力。

和一位工程师谈到一个比较麻烦的事情，便是AI仍旧是须要“喂入”知识，就像有些机电掌握的工艺算法，毕竟，没有可开放的这些代码可以被AI来引用—但工程师认为这并非是问题，由于纵然繁芜的算法也会由不同的可被抓取的程序构成-因此，这仍旧为开拓者供应了更多的可能性。
由于一个工艺模块实际上也由不同的局部模块构建出来的。

图-创成式设计

创成式设计，可以通过给出设计的需求、约束条件，通过可视化的方法输入给系统，他们会给出自动的设计结果。
这也算是对“工程的自动化”—看来，人类便是想走向一个措辞、视觉办法让系统天生程序与任务的过程。

从技能发展的长远来看，利用自然措辞的输入，让系统理解，并借助于过去的知识（模型、代码）来实现新的设计任务。
因此，AI更多的角色不是替代工程师，而是为工程师搭建系统供应更多的便利。

2).AI方法的制造问题办理

当然，另一个AI的运用角色在于它不是为了自动化项目，而是为了运用本身—即，数据驱动的建模，用以办理机理模型缺少，以及干系性关系的问题。
AI的浸染，是将那些隐蔽的、无法被公式表达的知识（因果性）进行挖掘。
只管这会存在阐明性、实时性等问题，但是，它在方案类、优化类、预测性问题仍旧是有很多运用处景。
尤其是在视觉的深度学习，对毛病的剖析、对工程参数的自适应匹配上。

AI的工业运用存在很多问题，包括可复制性问题、知识迁徙难题，但这些都是可以被逐渐去办理的—因此，在更为长远的发展上，它仍旧是有潜力的—由于，随着极限的竞争不断在制造业发生。
记得冯恩波博士曾经也在其AI讲座中谈到，因果性问题可以办理90%的问题，但干系性问题的一点点改进却成为了竞争的“胜负手”—当然，在多个干系性问题中的高干系性仍旧可以让“事半功倍”—这不难明得，就像电池行业，1%的制造良品率提升，都可能意味着以亿计的盈利能力的提升。

为什么说AI还是很难替代工程师的事情？

图-针对AI紧张障碍的调研

在上次厦门自动化西席师资培训会议上，本人为了更好的讲工业AI的问题，特意在家当朋友圈里网络了114个专业人士对付AI的调研。
个中，很多问题，仍旧反馈出AI碰着的问题，以及在人才中的问题，还是很难替代工程师的事情。

这有几个方面：

① 现在不是AI能否替代工程师，而是AI干系工程人才太匮乏

在图中，我们可以看到，缺少生产制造与技能领悟的人才，AI干系人才，以及第二个比较高的选项“现场数据表征与特色提取难题”—这些都是制造业中的工程人才匮乏造成的。
由于AI它自己不知道如何去事情，而是要由理解现场的人来帮助它，以是说“人工的智能”是一种真实的情形。

因此，在较长的韶光里，可能还是懂得AI工具的工程人才须要培养—这个需求是极大且急迫的。
谈替代现有工程师还是有点为时过早。

② 自动化工程师的事情远非AI所涵盖

实在，自动化的工程师还是任务艰巨的，包括前期的项目需求互换、问题的梳理、电气选型、建模、软件架构、功能开拓、测试验证、调试、掩护—而这些事情里，可能AI能够帮助的还是有限的，至少在目前来说仍旧有限。

图-工程师的事情流与主要的任务与能力

上图按照流程列举了机电系统设计的自动化工程师的事情任务，看看有多少AI可以帮忙的？

这些还是日常事情，如果谈到更为广泛的，例如带领团队、折衷事情进度、品质进度管理、跨界创新，那么，可能AI能够帮忙的地方就更少了。

03

工程师须要增强的能力

当然，在AI的时期-咱们自动化圈的工程师的确须要不断的进化自己的能力。

1).批驳性思维的提问能力

前几天读了李培根院士在在高档工程教诲研究的文章《工程教诲须要从“知识导向”到“问题导向”》，个中谈到了AI催生了一个新的岗位-提示工程师（Prompt Engineer）,并认为“提出问题是办理险些所有繁芜问题的核心”。
非常认同这个“问题导向”。

最近一年一贯在研究“批驳性思维”—个中，批驳性思维的演习便是要依赖“提问”的能力。
对付工程师同样如此—将天生式AI运用于自动化的项目开拓，那么，在这个时候，就须要给出AI最好的线索。
并且，作为一种元认知能力，批驳性思维所要去演习的每个工程师的自我迭代能力、提出问题、创造问题、决策问题方向的能力也是最能表示工程师“聪慧”的。
爱因斯坦也说“如果我须要用1个小时办理问题，那么我须要55分钟来提出准确的问题”。

纵然在“鱼骨图”的问题剖析中，能够提出好的问题，遵照“问题导向”，才能把问题导向到终极的最有效办理问题的道路上。
M博士有一次谈到了工程师“聪慧”的问题，由于，工程师很多时候是在一团迷雾中探求最优路径，它须要一种聪慧-对方向的把握，乃至依赖于“直觉”—这些都是人的上风，是AI很难具有的。

这种判断力来自于制造系统的繁芜性不断提升—这就须要在繁芜的交织的成分中探求“解耦”，使得问题被快速梳理到高干系性的维度上。

2).工程师的基本功还是逃不掉

只管我们把AI理解为具有改变制造业的力量，并越来越重视。
但是，却不要忘却了，制造业有几个必须具有的根本能力。
就像在上一篇提到的“信息物理系统（Cyber-Physics System）。
Cyber彷佛声音比较大，而Physics反倒没有那么受到重视。
但制造业又偏偏是一个非常强物理系统影响的，而且是因果性的。

因此，自动化工程师，它该当发挥自身在物理系统方面的根本，再与时俱进，学习AI方法，这就双剑合璧，能够更好的强化自身的能力。

图-AI工业运用中工程师能力调研的反馈

第二个要谈到的根本能力仍旧要回到软件工程能力——再怎么说AI仍旧因此软件为载体的。
工程师的事情，如何更好的方案项目、设计架构、代码规范。
毕竟，天生式AI能帮你的忙，但不能帮你所有的忙。

再用韦博士的一句话便是“取代我们的不是AI，而是被AI赋能的人”。