在我的研究過(guò)程當(dāng)中，有數(shù)值不確定性、隨機(jī)不確定性和空間不確定性。當(dāng)主要方程丟失的時(shí)候，最終以隨機(jī)的形式、分布的形式來(lái)做判斷，這是隨機(jī)不確定性。因此控制在不同的層面上對(duì)智能的要求和功能都不太一樣，最基本的一層是過(guò)程的設(shè)計(jì)，還有底層回路控制，這兩個(gè)集成是很大的挑戰(zhàn)。因?yàn)橐侠矸峙涔ぷ髁?，設(shè)計(jì)系統(tǒng)要易于控制，使設(shè)計(jì)出的算法比較易于實(shí)現(xiàn)。如果這兩層解決不了就需要監(jiān)督層來(lái)解決，信息學(xué)科現(xiàn)在提出的知識(shí)自動(dòng)化，實(shí)際上就在這里面。

　　建模非常的重要，根據(jù)目標(biāo)的不同，建立的模型就會(huì)不同。我們?cè)谧龉I(yè)設(shè)計(jì)的時(shí)候，需要這三個(gè)平臺(tái)。一是點(diǎn)膠的物理過(guò)程，必須有實(shí)驗(yàn)設(shè)備才能夠采取設(shè)備。二是工業(yè)物理紡織模型，我們也許不知道方程，但會(huì)有一個(gè)標(biāo)準(zhǔn)流程，我們就要找到這個(gè)方程圖。三是物理紡織模型要做標(biāo)的，最終控制、設(shè)計(jì)等形成一個(gè)固定流程，而要把虛擬空間和物理空間標(biāo)定好非常困難。這三個(gè)模塊和階段都必須要做到，缺一不可。

　　制造中智能主要就是解決不確定性的問(wèn)題，人工智能是一種方法和工具，但它不是單一的。單一的方法是無(wú)法解決問(wèn)題的，就跟修汽車一樣，單一把東西做得再好也修不了車。而且跟控制不一樣，人工智能是走在應(yīng)用走在理論前面，控制是理論走在應(yīng)用前面，而且人工智能關(guān)注是敏捷性而非精確性，因?yàn)橹悄茉礁呔_性就比較差，看我們的機(jī)器人就知道了。

　　首先，人工智能系統(tǒng)分為經(jīng)驗(yàn)級(jí)別，就像開(kāi)車一樣。第二個(gè)方面就是開(kāi)車的級(jí)別。最難的級(jí)別就是不確定性的東西判斷，這是未來(lái)是一個(gè)挑戰(zhàn)，而且也很難挑戰(zhàn)，從來(lái)沒(méi)見(jiàn)過(guò)，我們必須要進(jìn)行思考，因此我們當(dāng)有了數(shù)據(jù)之后最后提取規(guī)則和知識(shí)。

　　智能從哪里來(lái)

　　據(jù)說(shuō)，人類只能感知到世界上 10% 的信息，因?yàn)樾畔M天飛。感知讓我們獲得信息，經(jīng)過(guò)邏輯決策再行動(dòng)。通過(guò)決策，我們會(huì)做很多的決定，但是決定不一定正確。制造系統(tǒng)也應(yīng)該判斷機(jī)器自身的適應(yīng)性問(wèn)題，而如今，自適性已經(jīng)通過(guò)大量的運(yùn)算實(shí)現(xiàn)了。那么人工智能會(huì)因此能夠取代人類嗎?我個(gè)人認(rèn)為人工智能能夠幫助人解決很多問(wèn)題，但是對(duì)最終取代人類的說(shuō)法并不認(rèn)同，因?yàn)槿诉€有第六感。