这些天Google DeepMind的AlphaGo人工智能打败了韩国围棋高手李世石，不少工业4.0领域的朋友高谈阔论人工智能将在制造业的应用。如果从AlphaGo所体现出来的人工智能技术来看，我们更应该关注信息物理融合系统（Cyber-Physical Systems，CPS）应用人工智能的必要性。

http://www.580114.com/Services/BlogAttachment.ashx?AttachmentID=15999

        毫无疑问，AlphaGo代表了人类社会最先进的人工智能成就，但这不意味着AlphaGo所利用的人工智能可以直接应用到制造领域。

        从DeepMind团队发布在《自然》（Nature）刊物上的论文来看（论文全文查看：http://innovation4.innobase.cn/reports/701），它主要应用两种DNN（Deep Neural Network，深度神经网络），一种是策略网络（Policy Network），另外一种是评估网络（Value Network），两种神经网络的联合应用，才达到目前这样好的认知能力。

http://www.580114.com/Services/BlogAttachment.ashx?AttachmentID=16000

       之所以采用深度神经网络，是因为围棋可以认为是最需要计算量的一种游戏，正好可以发挥计算机的专长，但由于围棋需要的计算量非常大，可以利用一些人工智能工具的方式，简化其计算量。

       事实上，AlphaGo只代表了一种认知和决策的能力，这跟信息物理融合系统所需要的内容是吻合的，因为信息物理融合系统正好需要感知和促动过程，同时，更具有意义的是，AlphaGo与多年前IBM的深蓝(Deep Blue）不同，当时IBM推出的深蓝是一个超级计算机，而不是AlphaGo目前使用的分布式计算（云计算），这也符合分布式（网络化）信息物理融合系统（Networked CPS）所需要的。

       工业4.0研究院还跟踪到，曾经为AlphaGo提供技术的马里兰研究中心（Maryland Research）也一直在进行CPS方面的研究，并在2012年提交了一份相关演讲稿（PPT请查看：http://innovation4.innobase.cn/reports/703），由此可见人工智能与CPS的关系是密切的。

       从美国和德国研究CPS的一些机构梳理的CPS未来研究的重点领域来看，大部分涉及到人工智能和复杂系统等，这也是国内一些专家选择难以理解CPS概念的原因，这使得缺乏专业知识的大众或媒体更对工业4.0体系的核心技术CPS缺乏正确认知。

       虽然AlphaGo战胜了围棋高手李世石，证明了AlphaGo算法的有效性，按照《自然》的评论，AlphaGo所使用的人工智能方法，有可能应用到更加广泛的领域，但这也不意味着工业4.0会由此很快实现智能化，AlphaGo背后的强大的云计算和长期的数据训练，是目前制造业难以承担的成本。

       无论如何，AlphaGo的出现，肯定会推动云计算在人工智能领域的广泛应用，同时也会促进美国的人工智能学者加速CPS的深入研究。相比之下，中国国内缺乏严肃及系统的CPS研究，更缺乏深谙人工智能技术的专家加入，这会大大影响中国制造从大国转向强国，毕竟强国难以避免进入以智能化为特征的第四次工业革命阶段。