人们常说世界是三维的。其实，大家指的是物理空间是三维的。如果增加物质属性，就远不止三维了。例如，如果在设备上安装N个实时传感器，则设备的信息就是N维的。

眼球视网膜得到的信息是三维的（两维加颜色），耳朵听到的声音是一维。依靠传感器，人们可以得到更多维的信息。所以，人类获得的信息是多维的。但人类的语言（包括计算机语言）是一维的，语言用到的概念（或变量）则是零维的。这件事会引发麻烦。比如，某些知识难以用语言或者程序表达。

能用语言、文字、程序表达的知识和信息，往往都要基于零维的“概念”。科学知识、法律法规等讲述的都是概念之间的联系或者规则。概念清楚了，才能与规则联系起来。

例如，法官宣判：“根据刑法某条，判处杀人犯张三死刑”。在这里，法官把“张三”纳入“杀人犯”的概念，就可以与法律条文对应了。

人或者动物，往往要把多维的信息转化成零维的概念，才能有所行动。仅仅有多维的信息，未必能用于决策。

牛犊见到老虎时，看到了老虎的图像信息。但牛犊并不害怕老虎。因为牛犊并没有形成“老虎”的概念、不知道它能吃掉自己。医生看病时要测量和检查病人的多维信息，他要把这些信息归结到具体的“病”的概念，才能开出药方。

从多维的信息转化成零维概念的过程，其实就是“认知过程”。图像识别就是典型的认知过程。例如，通过一张照片，认出图像中关注的对象：某个人、某种动植物或某种质量缺陷。

“符号学派”是人工智能最经典的学派。这个学派把智能理解为符号的推理，其实就是计算概念之间的关系。但这个学派并不涉及人类的认知能力，从而有明显的短板。所以，才有了后来的连接学派（人工神经元），来解决这个问题。

如前所述：人类在思考问题时，往往要把多维信息转化成零维的概念（认知），才能与科学知识与规则结合在一起。但是不是一定要这么做呢？也不一定。

直觉就是一种例外。基于直觉的决策，是根据一种说不清、道不明的原因做出的。决策的人或许并没有形成什么概念，而是直接根据“多维信息”采取行动。当然，“直觉”也可以看成形成了某种模糊的、尚未明确命名的“概念”。

这种决策机制，就比较难以用传统的办法编程序。如果想模拟这种直觉机制，或许需要首先进行自动的模式分类，再基于分类结果进行决策。但直觉有一个毛病，就是“不靠谱”。工业人不喜欢不靠谱的东西，但“不靠谱”东西会有一定的用处：用来触发靠谱的办法来检查、分析，做出决策。

我觉得，工业智能化的主要方向还是应该发展“认知”能力。但是，不要把工业中的“认知算法”想得过于复杂。比如，一台设备的震动频率过大、超出常规的范围，就可以被“认知”为“不正常”。这时，就可以提醒工人去检查一下。

我认为：针对工业对象的认知，主要就是区分“正常、不正常”。只要数据能够做到及时、完整、准确，这种认知往往就不困难。这个过程中，主要的技术是对数据的滤波和对场景的分类。其中，场景分类往往特别重要：因为“正常”与否与场景和其他参数有关的。比如，1.4的个头对10岁的孩子正常，对5岁的孩子就不正常。如何对场景进行分类，可以参照技术人员的经验。

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。