一年来的思想回顾与总结

  • A+
所属分类:体育平台

一年来的思想回顾与总结

今年大约写了160篇随笔。认识上的主要进展,是对数字化转型的发展脉络有了更加清晰的认识:数字化转型是个量变到质变的过程。正如前几天谈到的,数字化转型是个渐进过程。这个观点里面其实包含着许多过去没有意识到的新认识。

很久之前,我就意识到工业互联网平台是持续改进的工具。今年把越来越多的技术,纳入到这个逻辑中。包括5G、云原生、数字孪生、低代码开发等,都可以看成支持渐进道路的工具和技术。这些技术,为渐进创新创造了条件、带来了机会。促进智能化的过程,可以看成不断推进知识数字化、软件化、优化的过程,这些工具和方法可以让知识沉淀低成本、高效率地进行,从而让这些过程具备经济性,从而带动时代的巨变。

在渐进发展的过程中,价值创造的机会来自于信息的集成、知识的融合。集成和融合能够消除感知、决策和执行过程的断点。用数字化方法消除断点的过程,是决策科学化的过程、也是优化的过程。这个过程反过来会带动资源的配置,从而带动商业模式和组织的创新。于是,机会开始爆发。对这个逻辑的意义,过去没有充分意识到。用这个逻辑,可以理解30年前热闹的“专家系统”为什么没落,而现在却能以相似的方式崛起。也能理解为什么工业智能的知识并不复杂,是“吴淑珍式的智能”。

信息的集成、知识的融合带来的直接好处是决策的“快速响应”。今年意识到:“快速响应”只是表现,本质上则是“又快又好”。这是因为:支撑快速响应的手段,是让计算机获得及时、准确、完整的信息。有了及时、准确、完整的信息,决策自然更好。我们一定要强调“更好”:是因为“更好”才带来及经济价值。为了实现“快速响应”,会很自然地带动人们重新配置资源。

渐进过程的背后,是信息通信技术的发展。40年前的计算机被称为“电脑”。但是,我们却没有仔细去想:计算机为什么会有这么大的威力。今年对这个问题进行了思索。计算机的本质优势之一在于模型与求解能力。但是这种能力受到了各种制约。随着制约条件的一个个突破,导致计算机的潜力逐渐发挥出来了。为了理解这种突破,我把计算机性能、算法、AI和人的作用放在一起考虑,许多问题就想明白了:

摩尔定律突破的,是计算机性能的制约。但这种制约被突破之后,还面临算法的制约。普通的计算机算法有一个“短板”,这个短板是用人工智能来解决的。人工智能算法也有短板,这个短板是靠人解决的。所以,应用技术的前沿,往往就是人机关系的设计:用计算机代替人、帮助人。可以说,当数字化技术应用遇到鸿沟的时候,人类充当桥梁和纽带,促进这种渐进发展。但随着数字化技术的发展,人会慢慢退出。这也是一个渐进的过程。在笔者看来,从信息化到智能化的过程,是计算机参与决策的深度和广度不断增强的渐进过程。

理解智能化的作用,就要理解人的作用。今年,我把人在工厂的作用定义为“维持和优化”。也就是应对那些意外的问题、新的问题。管理问题往往是典型的“维持”性问题:企业运行中可能会出现各种意外,管理要减少、处置这些意外。所以,数字化转型从管理入手是很自然的。而创新和持续改进过程,则是典型的优化问题。

在这两类过程中,机器帮助人提供数据、信息和计算,人把想明白的事情交给机器去做。这两个过程都是持续改进的过程。人类在发现知识方面的优势是无法替代的:人类更适合灵活地与物理世界打交道。而人类的知识,本质上来源于与物质世界的互动,也就是实践。否认互动的意义,也就否定了实践论。

模型很重要。但是,针对现实的工业对象,人们很难建出理想的模型。这一点必须清晰地认识到,才能看到正确的道路。机理模型的短板,是缺乏准确的参数;数据建模时,模型应用范围往往较窄。数据建模本质上要解决这个矛盾。这个矛盾,在大数据的背景下,容易解决。在笔者看来,所谓的“工业大数据”,本质是“高质量的工业数据”。数据量大不能保证高质量,但数据量大为数据质量高奠定了条件。提高数据质量,是需要人们不断持续努力的。理想的高质量数据,是完整准确地描述客观对象的数据。但完全理想是不可能的,人们只能不断逼近理想。前面提到的平台等技术,帮助人们不断逼近理想。

知识发现的过程其实也是渐进的:先发现“可能性”,再逐步论证。前面一步,机器可以帮助人去做,但论证过程非常复杂、往往不能缺乏人的作用。我发现,很多老师对科学发现“第四范式”的认识是有问题的。没有把科学发现的过程想清楚。论证知识的过程,要符合科学哲学的要求。机器的作用,只是帮助人们找证据,充当“秘书和助手”。

推进渐进发展,绝不等于看一步走一步。而是要有长远规划。包括平台、数据和人力资源等方面的规划。因为渐进发展的前提,是不推翻前面的工作。如果数据和平台没有想好,就很可能会推倒重来,渐进的路子就中断了。渐进的路子,应该是在相对稳定的平台上走出来的,需要长期坚持才能有效果。

渐进之路,会带来巨大的变化。这些巨大的变化,很可能是人们事先想不到的。这就是量变到质变。

在传统制造业,通过渐进之路,能生产出质量世界一流的产品。企业的工程师,会从解决日常问题日的“救火队员”转化为“知识生产者”。管理工作变成以计算机为主,而不是领导说了算。企业管理越来越好,逐渐走向无人化、远程化,安全问题也就消失了,劳动效率却有了本质性提高。越来越多的人在网上工作,城市交通问题就解决了。

回顾一年的认识,深感“量变到质变”、“辩证的否定”这些规律的正确性。谈到数字化转型,人们总是迫不及待地“跨越式进步”,希望有个全新的感观;人们在强调“创新”的时候,总是急于否定过去的做法。事实证明,这样做往往是不行的、是违背规律的、是不具备经济性的。

现在想来,要做到“辩证的否定”,就是要认现代工业的本质和精髓。比如,认识标准化的普遍性、认识现代化管理的意义、认识PDCA持续改进的意义。缺乏现代工业背景的专家,往往觉得有了模型就不需要经验了、有了数字化就不需要PDCA持续改进了、有了智能化就不需要人了、有了数据建模就可以不顾机理和经验了。他们不知道,这些工作才是对接数字化的“接口”。缺乏这些“接口”,技术就难以落地。

强调辩证否定时,精髓和本质是要保留的,而且要把这些工作做得更好。缺乏工业常识的人谈数字化转型,往往会过于理想、纸上谈兵,把路子指歪了。

我一直觉得,学术界往往过于强调概念。在我看来,自然界本身并没有概念,概念是人脑子里面的东西。概念有利于帮助人认识事物,但也会束缚、误导人的认识,阻碍人的实践。用渐进的观点看问题,去理解发展的过程和逻辑,就不容易被人造的概念束缚,从而有利于实践。

最后说一句:相信持续变革的力量,正如我们相信改革的伟大。小至人类本身,大至整个宇宙,其实都是持续改变的结果。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: