抽象地看，管理和控制差不多是一回事：都是“做事”。差别是：管理是人去做、控制是机器去做。

现代工业中，人和机器的工作是相互融合的。为了让机器做的更好，往往需要人去准备好条件；为了让人做得更好，常常让机器去提供支持。智能化不是完全代替人，而是更好地融合——能够完全代替人当然更好，关键是做不到；而把“做不到”的事情作为目标，是不智的表现。退而求其次，就是要“融合”了。

人怎么和机器融合地更好？就是发挥人的灵活性和机器的准确性、规范性和快速性的优势。从某种意义上说，智能化就是把“不需要灵活处置”的工作规范起来，让机器去做。而要做到这一点，往往需要把人的判断逻辑明确起来，交给机器去执行：让“死的逻辑”取得灵活的结果。而大数据就是把“最佳实践”拿出来，让机器跟着去学，就不要再靠人的灵活了。

无论如何，人的灵活性是机器无法取代的。

但是，“标准化”是有前提的。预料之中的常态问题可以规范化、标准化。比如，工业4.0所谓的“个性化”往往是“搭积木”式的个性化：不过是选项多了一些。但预料之外的问题，是无法规范化、标准化的。比如，用户全新的需求、现场预料之外的故障，几乎都不能标准化。

特别不能个性化的东西是“价值观”。

价值观听起来很抽象，实际上就是遇到矛盾怎么处理。比如，当产量、质量、成本、环境、安全等出现矛盾的时候，该怎么处理？ 在推进智能决策的时候，人们常采用的办法是把各种要求“加权平均”，得到“目标函数”，作为优化的对象。

现实中的问题却是：怎样加权？权重会不会变化？比如，市场好的时候产量重要、市场差的时候成本重要。很多辅助决策系统的失败，就在于“价值观”问题。所以，我一直觉得“加权平均”是不负责的偷懒做法。

在我看来，遇到“价值观”冲突的问题，尽量交给人去灵活处理。智能决策只是帮助人去分析这些矛盾。另外一种“偷懒”办法，就是把相关数据显示出来：人类愿意怎么做就怎么做吧，反正数据我都给你了。

这种做法是我也不喜欢。我认为：智能化水平的差异恰恰就体现在这个地方。好的系统应该让人类最大可能地便于决策。在这个问题上，应该体现“工匠精神”、体现“极致的用户体验”。我想，这里有几个原则性的要求：

决策就是针对“怎么做”的。要开发辅助的决策系统，一定要搞清楚人家需要做哪些事情、面对什么矛盾。决策一般是某个正在或者即将发生的事件引发的。这件事发生了以后，可能有哪些应对的措施。这时候就有“怎么做”的问题。

计算机要帮助人类计算：不同的应对措施可能会产生生么样的后果、需要什么样的条件，进而要求其他地方如何配合等。只有当计算机遇到价值观的矛盾难以处理的时候，再交给人类去最终决策。机器的工作，要做到“到位不越位”，体现人机协同的最优。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。