工业领域长期科学研究所积累的领域知识其实都是干货，就如同遗传算法在迭代过程当中最大程度进化保留遗传的优秀基因一样，就如同遗传算法提出人霍兰德教授所探究的隐秩序一样，工业领域的已有专门知识其实就是内在的领域秩序，有已经探明的，当然也有隐藏的。这就要求我们的工业智能模型发展必须充分对于这些已有的领域知识，给予足够的重视而不是完全的交付给大模型文字关联向量所体现的意图或知识，两者结合这是必然之路，也应该是最有效的路子，重新回归到对于工业领域专门知识的充分利用，这其实是一种回归本质的行为。

从哲学的否定之否定或者说螺旋式上升迭代的规律来说，我们对于工业领域物性专业知识有所思考上或者利用上的疲累，所以想要寻求利用大模型一劳永逸的来解决，但这个显然是不符合规律的，按照规律来说，随着大模型技术发展的日趋成熟，可以看到的眼前或将来必然要走向否定之否定或者说融合式螺旋上升这条路的。

就比如基于视觉的质量检测方面来说，我们利用大模型本质上的transformer，来做大量的训练来实现自动智能的相关质量检测，但随着生产模式从少品种大批量向多品种小批量方向的转化，我们的样本数量越来越不足以支撑这个事情，所以逐步的演变为小样本，但所采取的手段其实还是一脉相承的，比如采取一些对抗性生成多样本的策略来支撑技术的运用。但随着生产模式逐渐的向大规模定制方向转变，小样本也将逐步的不可承受，最终应该可以明确的预计到会走向零样本这个阶段，但这个阶段所用的技术应该就是要回归到本质了。这其实也是一种否定之否定规律的现实性技术验证，且请大家拭目以待吧。

来源：微信号  智能制造随笔

作者：王爱民

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。