封面新闻记者 刘旭强
最近几年，随着“阿尔法狗”战胜人类围棋顶级高手，人们对人工智能充满了期待，人工智能的热潮席卷全球。然而，在工业这块“试金石”上，由于物理系统的复杂性，人工智能却不再无往不利。
那么，人工智能如何落地于工业上？10月13日，在中国人工智能大会工业人工智能专题论坛上，柴天佑、陶大程等该领域内的顶尖学者、专家就此展开研讨。
中国工程院院士柴天佑
柴天佑：工业人工智能要向最优秀的知识工作者学习 实现达到与超越
“我们制造业经历了工业制造化时代，经历了信息化时代，现在要走向智能化时代”。中国工程院院士柴天佑指出，将人工智能与工业领域知识和工业自动化相结合，发展工业人工智能，成为智能制造新的技术基矗
现场，柴天佑清楚地指明人工智能与智能化的异同。两者都是通过机器延伸和增加人类的感知、认知、执行功能，但核心目标却不同。区别于自动化减少和减轻人类体力或脑力劳动、提高工作效率的目标，人工智能强调对人的智能行为实现自动化复制。
如何研究智能工业算法？柴天佑也给出了建议。首先，要用问题驱动，从实际生产中找准问题所在。
其次，要以最优秀的知识工作者作为工业人工智能的学习参考目标，最终实现达到与超越。
在研究思想上，柴天佑强调采用信息系统和物理系统的综合计算，研制出面向特定应用领域的工业人工智能系统，使系统的精准优化远超今天的系统。
此外，对于从事工业人工智能研究的年轻人，柴天佑鼓励大家大胆汇聚现有的研究思想，而“纸上得来终觉浅”，建议年轻人在学科钻研的基础上，积极动手，将学科方法和科研技术相结合，并通股票团队模式进行科学研究。
陶大程：建立深度学习理论 提高AI可信度
澳大利亚科学院院士陶大程指出，在人工智能的技术落地浪潮中，AI的可信度将成为一大关键难点。“我们曾经对自动驾驶系统做过一个实验，如果将小广告贴在道路交通牌上，那么就到导致自动驾驶系统误判。”陶大程介绍。
澳大利亚科学院院士陶大程
陶大程说，会出现上述问题，是因为缺乏对人工智能深度学习真正的理解。“深度学习模型在很大程度上仍然还是一个‘黑盒’，我们不完全了解深度学习的工作原理，不完全知道深度学习在什么时候会失败，这样我们很难去管理使用深度学习所带来的风险。而想解决这些问题，就需要建立深度学习理论。”
陶大程认为，基于学习和经验开发出的算法，其准确度和用于学习的样本数据息息相关。鉴于用广泛数据去训练算法的难度很大，实际的算法训练往往是在有限的空间内。借助深度学习的理解定义合适的检索空间，快速找到需要的数据就显得尤为重要。
