難道機(jī)理模型的作用小了？在我看來(lái)，不是機(jī)理模型的作用小了，而是經(jīng)驗(yàn)知識(shí)的用途更大了。
我們先看數(shù)學(xué)(機(jī)理)模型的作用。數(shù)學(xué)模型反映的是因果關(guān)系。模型的應(yīng)用可以分成正向和逆向兩種。正向利用模型時(shí)，是根據(jù)當(dāng)前容易測(cè)量或者獲得的“原因”(自變量)推算難以測(cè)量、獲知的“結(jié)果”(因變量)。典型的應(yīng)用包括軟測(cè)量和預(yù)測(cè)。逆向利用模型，則是為了得到某個(gè)特定的“結(jié)果”，去尋求“原因”。典型的應(yīng)用就是優(yōu)化。數(shù)學(xué)模型的一個(gè)巨大優(yōu)勢(shì)，是精度高。
一般來(lái)說(shuō)，模型適合描述簡(jiǎn)單、抽象的對(duì)象或系統(tǒng)。而大系統(tǒng)、超大系統(tǒng)是由若干小系統(tǒng)構(gòu)成的。我們針對(duì)小系統(tǒng)建模，但小系統(tǒng)模型誤差的積累，可能會(huì)讓大系統(tǒng)的模型誤差太大，甚至完全失去指導(dǎo)意義。這個(gè)時(shí)候，人的經(jīng)驗(yàn)知識(shí)就可能變得重要了。
人的有些經(jīng)驗(yàn)，是根據(jù)外在表現(xiàn)來(lái)判斷的。比如，看到一個(gè)人臉色發(fā)紅、大聲吼叫，可以判斷這個(gè)人“生氣了”；聽(tīng)到某些聲音，知道機(jī)器可能出毛病了。這些現(xiàn)象往往可以用科學(xué)模型解釋--但模型精度不夠時(shí)，可解釋并不意味著能直接推算出來(lái)。也就是說(shuō)，模型只能用來(lái)分析可能性，而不是必然性。這時(shí)，經(jīng)驗(yàn)的作用往往就大了。而經(jīng)驗(yàn)的可靠性，依賴(lài)于實(shí)踐的驗(yàn)證和總結(jié)。
一般來(lái)說(shuō)，采用模型的優(yōu)勢(shì)是精確度高，麻煩是精確度低。所以，經(jīng)驗(yàn)更多地用于定性地判斷問(wèn)題。比如，機(jī)器是不是壞了？質(zhì)量是不是有毛??？操作工有沒(méi)有偷懶？
定性的知識(shí)在工業(yè)中特別有用。一個(gè)根本性的原因是：現(xiàn)代化工業(yè)往往是標(biāo)準(zhǔn)化的。我對(duì)標(biāo)準(zhǔn)的理解是：標(biāo)準(zhǔn)做法不一定是最好的做法、超出標(biāo)準(zhǔn)也不一定會(huì)出問(wèn)題。但按標(biāo)準(zhǔn)去做一定是可行的、并且往往是較好的。更重要的是：有了標(biāo)準(zhǔn)才能進(jìn)行有效的管理、才能保證產(chǎn)品質(zhì)量的一致性和有效協(xié)同，才能有現(xiàn)代化工業(yè)。所以，只要關(guān)鍵指標(biāo)不在標(biāo)準(zhǔn)之內(nèi)，就要進(jìn)行干預(yù)。
人們經(jīng)常需要判斷的就是“是不是在標(biāo)準(zhǔn)范圍之內(nèi)”。這就是一個(gè)定性的指標(biāo)、人類(lèi)往往是有經(jīng)驗(yàn)的。如果我們能夠借助數(shù)字化的方法建立各種標(biāo)準(zhǔn)，并采集到的相關(guān)的數(shù)據(jù)，就可以用計(jì)算機(jī)來(lái)自動(dòng)地判斷是不是“在標(biāo)準(zhǔn)范圍之內(nèi)”。在數(shù)字化時(shí)代，標(biāo)準(zhǔn)不僅僅可以是某個(gè)數(shù)值，還可能是某條曲線、甚至更復(fù)雜的多維信息。所以，數(shù)字化讓標(biāo)準(zhǔn)化的能力更加強(qiáng)大了，也便于把經(jīng)驗(yàn)知識(shí)固化。
總之，智能化往往針對(duì)“大系統(tǒng)”。真正的大系統(tǒng)往往需要人類(lèi)的經(jīng)驗(yàn)。在這些場(chǎng)景下，把人類(lèi)經(jīng)驗(yàn)知識(shí)數(shù)字化，可能比采用純粹的數(shù)學(xué)模型更有效。
這篇文章討論了強(qiáng)調(diào)“經(jīng)驗(yàn)知識(shí)數(shù)字化”的背景?！皬?qiáng)調(diào)”另外一個(gè)側(cè)面是相對(duì)的“淡化”：淡化機(jī)理模型的作用。為什么要淡化？原因之一是學(xué)術(shù)界有些過(guò)度強(qiáng)化機(jī)理，而對(duì)經(jīng)驗(yàn)數(shù)字化重視不夠，要糾偏。學(xué)術(shù)界喜歡精巧的算法和模型。而精巧的算法往往基于精巧的模型。但精巧的模型往往基于特別精確的模型。但模型精確是有條件的。影響模型精度的，是參數(shù)的不確定性、不穩(wěn)定性和各種環(huán)境干擾的存在。這些原因引起的誤差，往往遠(yuǎn)遠(yuǎn)大于模型本身的錯(cuò)誤所導(dǎo)致的誤差。當(dāng)系統(tǒng)足夠大時(shí)，子模型誤差的積累就會(huì)很大、計(jì)劃?rùn)C(jī)會(huì)失效。這時(shí)，過(guò)度精巧的模型用處就小了。
作者：郭朝暉(工學(xué)博士，教授級(jí)高工。企業(yè)研發(fā)一線工作20年)
