在人工智能領域，AGI（Artificial General Intelligence，人工通用智能）無疑是極具有挑戰性和吸引力的。在此浪潮之下，天澤智云也在系統性研究與布局工業AI，聯合創始人李杰教授作為IAI全球帶頭人更是從戰略高度思考未來與發展趨勢，圍繞工業AI的新可能為主題聯動內部戰略研討，本文是李杰教授與團隊的內部研討過程，以文字形式展現供業界探討參考。
——天澤智云聯合創始人李杰（Jay Lee）教授與團隊漫談ChatGPT類通用智能對工業智能的啟示
核心提要：
(相關資料圖)
1.通用的問答追求的或許是“海洋的可能性”，所以ChatGPT提供的答案目前看精密度不高，是“能用”（possible use），并不是“好用”（good use）；而工業里更多需要“一條船的使用性”，ChatGPT在工業里目前或許只適合做“初選”。
2.工業需要的是能優化操作的生成式精密預訓練模型OperationGPPT（Operation GenerativePrecision Pre-trained Transferable model），而不是生成式的預訓練模型，其目的是要收斂到讓運營管理的績效不斷提升，而非發散地問答。
3.操作的精密預訓練模型OperationGPPT應該有三個特色：目的性，邏輯性，因果性。
4.ChatGPT值得借鑒的一個思路是，可以在工業里構建Connected AI（連接的智能）來協同作業，從而更快收斂到全局最優，來提質增效。
5.李杰教授在馬里蘭大學工業人工智能中心（Center for Industrial Artificial Intelligence，IAI Center）的最新研究動向：AI Data Foundry（工業智能數據工坊），工業智能作為一種通用量測（metrology）工具的實現，以及“One-day AI”。
這是一場來自內部的戰略研討和技術交流...
李杰（ Jay Lee）天澤智云聯合創始人美國馬里蘭大學Clark Distinguished Professor
工業人工智能中心（IAI Center）創始主任
世界經濟論壇全球未來先進制造與生產委員會成員
美國制造商協會（NAM）制造執行領導委員會理事會成員
MTConnect董事會成員
麥肯錫高級顧問
天澤智云李教授，不知道您對于當前AGI（通用人工智能）在工業中的應用前景如何看呢？
AGI的應用主要還是針對有海量數據的、重復性的場景。ChatGPT給的答案只是是一個“初選”，不代表是一個“對選”。ChatGPT的問題是它的精密度不高。你自己去使用，會發現他很多錯誤，搜索三次，三次答案不一樣。所以，它對我們來講是一種幫你做初選的東西。工業界我們不希望太多的發散，希望收斂，ChatGPT基本上還是發散比較多，因為他答案會讓你意外（surprise），是吧？但我們在工業界，答案不需要意外（surprise）。
李杰 天澤智云那是不是說明，在工業界里面單純強調生成式AI，其實這個思路本身就值得去再商榷呢？
對，因為它本身是預訓練（pre-trained）的，所以你一定要有一些先驗關系標簽（prior relationshiplabel）。但是，在這種開源領域（open-sourceddomain）里面，比如搜索引擎（search engine），信息有很多冗余和噪聲（garbage），所以它能夠給你的答案會有很多可能性，反而對你沒有幫助。生成式AI的根本問題，我覺得是一個“可用”跟“有用”的問題。ChatGPT提供的答案是可用，但不見得有用。
第二個，比如你（要ChatGPT）作一首詩，你一定不知道它會作什么詩，它是一個意外（surprise）。我們工業界，你不希望是意外（surprise），你希望是更聚焦更準。因為我們領域知識（domain）已經大概知道會有幾個可能性，只是希望模型給我們做最準一點。我們會希望，越是專家，可能性越少，專家要給出更肯定的答案——“就這樣就對了”。
李杰 天澤智云不過不知道在美國有沒有選擇擁抱這類技術的工業的、制造業的公司，他們是怎么去應用這類技術，只是用它問答的能力嗎？
因為ChatGPT這類應用是一個生成式的人工智能平臺（generative AI platform），所以你可以用在幾乎任何東西，只要是能夠一直重復使用，重復相關性的組配，但是，不代表它有用。生成式的（generative）不代表配的是對的，而是說你越配越多的可能性，是“能用”（possibleuse），并不是“好用”（good use）。可是在工業界我們更要的是精密的生成式預訓練模型（Generative Precision Pre-trained Transferable model），是“GPPT”，而不是“GPT”。這是我個人的看法了。
李杰 天澤智云本質上還是海量資料的整合、總結。
對。比如我們一個學生，他用ChatGPT做作業，我們一看就看出來，為什么？因為他講的都對，但不是我上課教的，沒有用我上課的資料。我上課的資料不在ChatGPT里面。ChatGPT提供的是海洋式的可能性，但是工業我要的只是一條船的“使用性”。
這就是為什么說，工業智能如果通用化，不應單純是一個語言的生成式模型，它應該是一個操作的精密模型。操作的生成式預訓練模型（OperationGPPT）應該有三個特色：第一個是它的目的性，要產能最大，維護成本最低，這是優化的目標函數（objective function）；第二個，它有它的邏輯性：什么時候該做什么，隨工況（regime）變化而變化，它一定有是由某種操作邏輯決定的；第三個，很重要的，它有因果性，好跟壞、大跟小、高跟低，它一定有因果關系。
所以說，一個是ChatGPT，一個是OperationGPPT。對比起來（編者按：如下表所示），ChatGPT是發散的，然后工業是收斂的；ChatGPT通用的可能性是很多的，而對我們工業界，領域專有的精密性要高，等等。
李杰表1AGI生成式預訓練模型ChatGPT與IAI操作優化的精密模型OperationGPPT特性對比
ChatGPT | OperationGPPT |
發散的 | 收斂的 |
提供可能性 | 聚焦使用性 |
通用 | 精密 |
明白。確實，工業領域不同的目標和要求，決定了工業領域的通用智能形態和研究的方向也會有不同。另外，不知道李教授您在馬里蘭大學的工業智能中心（Center for Industrial Artificial Intelligence，IAI Center）現在有什么新的研究動向？
我們現在在學校做三個東西。
一個就是我們的“工業AI Data Foundry（工業智能數據工坊）”，我建了一個數據群，75組到100組的數據，包括以前的PHM（故障預測與健康管理）的數據競賽（Data Challenge）的數據，我們希望訓練學生用這些數據來增加工業AI的分析能力。比如說，我從齒輪做到發動機、做到醫療、做到半導體，學生做完信心就會增加。傳統的人工智能科學（AIscience）只希望做一些數據量很大的問題，但真正工業界的AI不見得是數據量很大的問題。你要做有用的事情。
第二個，我要把工業智能建模的速度增快。我希望把工業AI變成一個量測（metrology）的觀念，將工業AI變成一個很強的量測工具，可以用來量機器好壞、量制程好壞、量人健不健康，等等，讓工業AI變成一個響應服務趨近模型（response service approximation），“RSA”。RSA是個元模型（meta-model），也是一個代理模型（surrogate model），它可以被用來量測輸入和輸出（input and output），去替代需要用很昂貴的儀器、算法計算的場景。所以，一個是新的定義，一個是新的做法。
第三個，我希望以后我們開發工業AI，能在一天之內開發完畢，叫 “One-day AI（一日智能）”，這是我的一個夢想。
李杰 天澤智云其實剛剛說的，如何能快速構建模型，也是我們的模力工場產品現在努力演進完善的一個方向。其他不知道李教授您還有補充嗎？
事實上，ChatGPT的觀念可以用在這里：因為現在的AI模型是分散的，每個應用可能都有一個AI模型，它們之間沒有串通在一起。參考ChatGPT的觀念，以后這些模型完全可以是一個“Connected AI（連接的智能）”。ConnectedAI的好處是，它可能有很強的收斂性，要“快”跟“準”。
現在每個AI都是獨立的一個智慧孤島，它們之間沒有連在一起。所以要ConnectedAI很重要，不是說只是更多的AI，更多的AI不見得有用的，而是要能夠協同（coordinated）和合作的。譬如工廠里面有刀具的AI、沖壓過程（stamping）的AI、工業機器人（robot）的AI，每個對象可能都有AI，但是基本上最后的目的還是一個質量問題、效率問題。
李杰 5月31日，\"工業互聯網專場\"等你來撩！掃碼即可報名參會
營業執照公示信息