在中国科学院沈阳自动化研究所听专家讲机器人时，我忽然被一个很小的问题吸引了。

一个在工厂干了几十年的老师傅，若伸手拿起一个零件，凭直觉就知道从哪里抓、用多大力、什么时候该停。听见机器发出一点异常声音，他甚至不用检查，就知道哪里“不太对”。

如果问他为什么，他未必说得清楚。他知道，却未必知道自己是怎么知道的。

那么，机器怎么办？

参访中，研究所科技处副处长徐皑冬谈到一个很有意思的问题：未来工业机器人面对的真正困难，是怎样进入复杂工业场景，像老师傅一样知道面对不同物体该怎样抓取、用多大力度。机器视觉首先获得的是像素，真正的智能还需要完成从数据到知识、再到判断和行动的过程。

听他这样说，我忽然意识到，很多人在谈智能制造，谈机器人、算法、传感器、5G等时，很少追问一个更基础的问题：机器究竟在向人学习什么？

比起其他简单的动作，它们是在学习人类个体在几十年里形成的、很多时候连自己都说不清楚的经验。拓展到群体、文明等更高维度，个中逻辑更显复杂。

相关技术出现时，我们把人能够说清楚的东西交给机器：位置固定、旋转90度、移动30厘米，等等，这些都可以简单编程。

但当技术发展到一定阶段，我们开始尝试把人说不清楚所以然的东西也交给机器——“这个声音不太对”“这个力度差不多”“这个东西应该这样拿”，等等，这些就是过去很难写进程序的经验了。

简单地说，“自动化”处理的是一般性的具象规则，“智能化”开始触碰相对抽象的经验。

徐皑冬举了一个例子：美国斯坦福大学一个团队让机器人看人叠衣服、熨衣服，学习一段时间后，机器人学会了。沈阳自动化所也在做类似的事情，让机器人学习老师傅的精细作业——不是简单重复，而是从数据中发现规律，从规律中形成判断。

机器视觉拍下一张照片，得到的是像素。但怎么知道这个物体该用多大力气抓取、从哪个角度去拿？这需要把像素转化成知识，再把知识转化成行动。从数据到知识的推理过程，目前来说是智能探索、应用最难的地方。

“还得跟老师傅学，让他能达到老师傅的程度，这叫场景落地。”徐皑冬说。

为了完成这个任务，机器首先得“感觉到”，数据继而必须流动起来，才能被分析；分析之后还要形成知识；知识最后变成判断和动作。

沈阳自动化所目前已可以让这个链条被完整地看见。工业无线技术覆盖了4万多口油井、40多万个节点，解决了工业现场“设备怎么联网”的问题；机器视觉和智能算法让设备开始“看见”；大模型和机器人学习系统让机器逐渐获得“判断”的能力。

走出沈阳自动化所，我又想到另一件事。

如果老师傅的经验真的有一天能够被机器学会，那么得到延长的，也许不仅是一台机器的能力，还包括一种知识的生命。

老师傅退休了，人会老，记忆会消失，“传帮带”可能会中断。人工智能提供了另一种可能：让类似经验、感觉这种抽象的知识，有机会脱离具体的人，被保存、被复制、被继续学习。

沈阳自动化所本身也在做另一种“知识迁移”。该所科技促进发展处处长胡琨元介绍说，研究所的成果转化模式是“扶上马，送一程”——技术成熟后，让它离开实验室，进入企业和产业，由行业部门去推动技术熟化、产品化和产业化。

老师傅把经验交给机器，科研人员把技术交给产业。这看起来是两件事，其实都在发生同一种变化：知识正在离开原来承载它的人和地方，获得新的载体。

也许，智能制造最令人着迷的，并不是机器越来越像人，而是那些过去只能存在于人身上的感觉、经验等，开始拥有比人更长的生命。

记者：聂晓阳

来源：《环球》杂志