在我的研究過程當(dāng)中，有數(shù)值不確定性、隨機不確定性和空間不確定性。當(dāng)主要方程丟失的時候，最終以隨機的形式、分布的形式來做判斷，這是隨機不確定性。因此控制在不同的層面上對智能的要求和功能都不太一樣，最基本的一層是過程的設(shè)計，還有底層回路控制，這兩個集成是很大的挑戰(zhàn)。因為要合理分配工作量，設(shè)計系統(tǒng)要易于控制，使設(shè)計出的算法比較易于實現(xiàn)。如果這兩層解決不了就需要監(jiān)督層來解決，信息學(xué)科現(xiàn)在提出的知識自動化，實際上就在這里面。

　　建模非常的重要，根據(jù)目標的不同，建立的模型就會不同。我們在做工業(yè)設(shè)計的時候，需要這三個平臺。一是點膠的物理過程，必須有實驗設(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，但會有一個標準流程，我們就要找到這個方程圖。三是物理紡織模型要做標的，最終控制、設(shè)計等形成一個固定流程，而要把虛擬空間和物理空間標定好非常困難。這三個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。單一的方法是無法解決問題的，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，因為智能越高精確性就比較差，看我們的機器人就知道了。

　　首先，人工智能系統(tǒng)分為經(jīng)驗級別，就像開車一樣。第二個方面就是開車的級別。最難的級別就是不確定性的東西判斷，這是未來是一個挑戰(zhàn)，而且也很難挑戰(zhàn)，從來沒見過，我們必須要進行思考，因此我們當(dāng)有了數(shù)據(jù)之后最后提取規(guī)則和知識。

　　智能從哪里來

　　據(jù)說，人類只能感知到世界上 10% 的信息，因為信息滿天飛。感知讓我們獲得信息，經(jīng)過邏輯決策再行動。通過決策，我們會做很多的決定，但是決定不一定正確。制造系統(tǒng)也應(yīng)該判斷機器自身的適應(yīng)性問題，而如今，自適性已經(jīng)通過大量的運算實現(xiàn)了。那么人工智能會因此能夠取代人類嗎?我個人認為人工智能能夠幫助人解決很多問題，但是對最終取代人類的說法并不認同，因為人還有第六感。