工業(yè)過程建模的下一個十年
發(fā)布時間：2025-06-23 www.bankcaracas.com
事實(shí)證明，大型語言模型（LLM）和生成式 AI（GenAI）對所有行業(yè)的企業(yè)都越來越具有戰(zhàn)略意義。那么，這場革命將在未來十年對制造企業(yè)的建?？蚣墚a(chǎn)生怎樣的影響？
AI 會自主運(yùn)行工廠嗎？
讓我們從終極問題開始：人工智能（AI）何時會接管并自主運(yùn)行工廠？展望遙遠(yuǎn)的未來，我們可以想象 AI 在完全沒有人工干預(yù)的情況下建造工廠并自主運(yùn)行。機(jī)器人工廠的實(shí)現(xiàn)可能會在 100 年后出現(xiàn)，也可能是在 50 年，甚至 30 年后出現(xiàn)？這很難預(yù)測。
然而，我們可以把握技術(shù)在未來十年可能會引領(lǐng)我們走向何處。我們預(yù)測，工廠的決策和建模將基于“可控 AI 模型”、大型語言模型以及人類領(lǐng)域?qū)＜?，而后者仍將做出關(guān)鍵決策。
傳統(tǒng)工廠建?？蚣?/b>
一個復(fù)雜的制造工廠通常包括 5 到 7 個主要的技術(shù)決策領(lǐng)域，每個領(lǐng)域都建立在通過長期職業(yè)生涯所獲得的技術(shù)專業(yè)知識之上。例如，過程工程、維護(hù)、先進(jìn)過程控制（APC）、過程安全、控制室操作以及規(guī)劃和經(jīng)濟(jì)等領(lǐng)域。
在每個領(lǐng)域中，信息都來自工廠，并通過精心設(shè)計(jì)的定制模型和人類專家推理方案進(jìn)行處理，以生成決策，并輸入到其他決策領(lǐng)域或工廠處理設(shè)備。每個領(lǐng)域都使用不同的建模技術(shù)來描述重疊的工廠區(qū)域，代表不同的“真相版本”。存在這些不同的、經(jīng)常相互沖突的“真相版本”的原因是建模技術(shù)的計(jì)算局限性，因?yàn)橛泻芏噙^程制造工廠在個人電腦問世之前就已經(jīng)運(yùn)營了幾十年。
在數(shù)據(jù)有限的時代開發(fā)的每個模型，都是為了解決決策領(lǐng)域內(nèi)特定問題而量身定制的。每個領(lǐng)域都發(fā)展出了自己的一套基本原理和數(shù)學(xué)假設(shè)，以構(gòu)建支持其自動和手動決策的參數(shù)模型。例如，規(guī)劃和經(jīng)濟(jì)團(tuán)隊(duì)使用線性規(guī)劃（LP）模型來優(yōu)化復(fù)雜、非線性的工廠。將線性解決方案應(yīng)用于非線性問題，涉及一個經(jīng)過幾十年磨合的精細(xì)假設(shè)和程序系統(tǒng)，用于近似、驗(yàn)證、維護(hù)和適應(yīng)這些模型。
幾十年來，來自各個領(lǐng)域的工廠技術(shù)人員用戶社區(qū)圍繞為他們服務(wù)的建模技術(shù)建立了自己的職業(yè)生涯，磨練了他們的技能，并圍繞他們的建模技術(shù)開發(fā)了方法。建模技術(shù)供應(yīng)商提供了為其特定域用戶量身定制的解決方案。這些供應(yīng)商和消費(fèi)者行為對當(dāng)今技術(shù)格局的影響是一系列特定于領(lǐng)域的工具集，這些工具集難以互連且無法自動通信。決策域之間的所有通信均由工廠的技術(shù)人員手動完成。
傳統(tǒng)建模阻礙生成式AI發(fā)展
現(xiàn)代 GenAI 基于大型語言模型，這些模型在大量人類生成的數(shù)據(jù)上進(jìn)行訓(xùn)練，并作為Copilot在整個企業(yè)中得到越來越多的應(yīng)用，以支持人類決策。為了領(lǐng)先一步，大多數(shù)企業(yè)都在突破自主決策的極限，探索與 AI輔助工具一起探索他們的未來運(yùn)營將是什么樣子，并進(jìn)一步成為與人類一起工作的 AI 代理。
大型語言模型展現(xiàn)出令人矚目的、類似人類的自主能力。它們可以獲取人類的集體知識，并以模仿人類互動的方式與世界互動。然而，大型語言模型在可靠性、安全性、穩(wěn)定性和可解釋性方面也存在根本性缺陷。人們正在研究如何解決大型語言模型的缺陷，在這些問題得到解決之前，我們不指望工廠運(yùn)營公司會讓大型語言模型在關(guān)鍵任務(wù)環(huán)境中自主決策。
在未來一二十年內(nèi)，制造工廠允許AI做出人類技術(shù)專家做出決策的可能性極小。在啟用 AI 自動化之前，任何 AI 決策都必須是透明的、可解釋的和可由人類專家驗(yàn)證的。在傳統(tǒng)的、孤立的決策領(lǐng)域上運(yùn)行的 AI 必須尊重既定的習(xí)慣和方法，模仿人類的分析和決策。傳統(tǒng)建模之上的 AI 將通過捕獲知識、組織人類決策和討論以及正式化團(tuán)隊(duì)之間的溝通，為每個決策領(lǐng)域提供價(jià)值。
然而，在傳統(tǒng)的工廠建?？蚣芊秶鷥?nèi)應(yīng)用 AI 將無法釋放現(xiàn)代 AI 所能提供的強(qiáng)大功能和價(jià)值，無法將制造工廠推向真正的最佳狀態(tài)。這種方法將使 AI 背負(fù)上傳統(tǒng)方法所困擾的相同假設(shè)、偏見和限制。一個真正優(yōu)化的工廠意味著，考慮到采取行動時所有可用的原始工廠數(shù)據(jù)，所采取的每一項(xiàng)行動都可能在其限制范圍內(nèi)最好地服務(wù)于工廠的業(yè)務(wù)目標(biāo)。這將需要一個完全不同的工廠建?？蚣?。
通過可控AI實(shí)現(xiàn)下一代工廠建模
不斷增長的計(jì)算能力和市場需求催生了一種新型 AI，我們將其稱為“可控 AI（Controllable AI）”?？煽?AI 模型不是 GenAI 或大型語言模型，也不是混合模型，而是在傳統(tǒng)方法上附加 AI?？煽?AI 模型旨在使領(lǐng)域?qū)＜夷軌蛟谄浼s束范圍內(nèi)更緊密地優(yōu)化工廠，使其與工廠的業(yè)務(wù)目標(biāo)更緊密地結(jié)合工廠，并為領(lǐng)域?qū)＜姨峁?AI 模型的更多可觀察性和可控性。
可控 AI 模型采用用戶熟悉的架構(gòu)構(gòu)建，并且僅在用戶已知的數(shù)據(jù)集上進(jìn)行訓(xùn)練。用戶對用于模型訓(xùn)練的精確數(shù)據(jù)集擁有完全的決策權(quán)，包括數(shù)據(jù)源和每個源中的數(shù)據(jù)點(diǎn)。
一旦訓(xùn)練完成，可控 AI 模型就是定義明確的確定性數(shù)學(xué)函數(shù)或算法。模型的關(guān)鍵屬性可以通過數(shù)學(xué)或統(tǒng)計(jì)學(xué)方法以用戶易于理解的方式進(jìn)行觀測。它們包含某些工程選擇，使用戶能夠引導(dǎo)模型訓(xùn)練，以表達(dá)例如變量之間的一組期望關(guān)系?？煽?AI 的這些特性為工程師提供了更多的可控性和可觀測性，從而滿足制造工廠安全關(guān)鍵環(huán)境的嚴(yán)苛要求。
人類領(lǐng)域?qū)＜?，加上可控?AI 和 GenAI ，將有助于工廠性能的大幅提升。為了讓 GenAI 釋放其日益增長的優(yōu)勢和機(jī)會，必須使其擺脫過去幾十年中各領(lǐng)域?qū)＜宜纬傻墓铝⒓僭O(shè)和偏見。GenAI 必須根據(jù)當(dāng)前的工廠數(shù)據(jù)和一個共享的、可驗(yàn)證的事實(shí)版本，生成盡可能接近最佳的決策。
在未來十年，通過將 GenAI 與可控 AI 集成，將實(shí)現(xiàn) GenAI 的有效和安全使用。服務(wù)所有領(lǐng)域的 GenAI 將通過共享、可控的 AI 模型，對工廠產(chǎn)生相同的理解。這種對工廠的理解將通過可控 AI 由領(lǐng)域?qū)＜疫M(jìn)行驗(yàn)證、核實(shí)和批準(zhǔn)。GenAI 將使用基于可控 AI 模型的推理序列（也稱為“思維鏈”）來解釋其決策和建議，這些模型被所有決策領(lǐng)域共享和理解。
回到我們最初提出的問題，我們預(yù)計(jì)任何決策領(lǐng)域都不會因?yàn)?GenAI 而消失，至少在未來十年不會。每個領(lǐng)域都將采用 GenAI ，以提高人類專家的工作效率，并為領(lǐng)域間的人工決策生成高頻、自動的決策和建議?？煽?AI 將充當(dāng)決策領(lǐng)域之間的橋梁、協(xié)議或平臺，在這里，共享模型呈現(xiàn)了現(xiàn)實(shí)的一個視角。
可控 AI 和 GenAI 之間的這種集成不僅將增強(qiáng)工廠員工的能力并支持高績效協(xié)作團(tuán)隊(duì)，還將在過程工廠中釋放現(xiàn)代 AI 的真正力量。