建模非常的重要，根据目标的不同，建立的模型就会不同。我们在做工业设计的时候，需要这三个平台。一是点胶的物理过程，必须有实验设备才能够采取设备。二是工业物理纺织模型，我们也许不知道方程，但会有一个标准流程，我们就要找到这个方程图。三是物理纺织模型要做标的，最终控制、设计等形成一个固定流程，而要把虚拟空间和物理空间标定好非常困难。这三个模块和阶段都必须要做到，缺一不可。

　　制造中智能主要就是解决不确定性的问题，人工智能是一种方法和工具，但它不是单一的。单一的方法是无法解决问题的，就跟修汽车一样，单一把东西做得再好也修不了车。而且跟控制不一样，人工智能是走在应用走在理论前面，控制是理论走在应用前面，而且人工智能关注是敏捷性而非精确性，因为智能越高精确性就比较差，看我们的机器人就知道了。

　　首先，atv直播，人工智能系统分为经验级别，就像开车一样。第二个方面就是开车的级别。最难的级别就是不确定性的东西判断，这是未来是一个挑战，而且也很难挑战，从来没见过，我们必须要进行思考，因此我们当有了数据之后最后提取规则和知识。

　　智能从哪里来

　　据说，人类只能感知到世界上 10% 的信息，因为信息满天飞。感知让我们获得信息，经过逻辑决策再行动。通过决策，我们会做很多的决定，但是决定不一定正确。制造系统也应该判断机器自身的适应性问题，而如今，自适性已经通过大量的运算实现了。那么人工智能会因此能够取代人类吗？我个人认为人工智能能够帮助人解决很多问题，但是对最终取代人类的说法并不认同，因为人还有第六感。

　　所有的优化算法有四大类：

　　一是建模，不确定性比较小，我们可以用传统优化或者是很多算法。

　　二是机器学习，主要基于统计方法。

　　三是增强学习，用于不确定性大到无法用统计的方法处理数据的情况。

　　四是进化计算。

　　常用算法各有各的特点，越下面的算法越准确，越上面的算法越不精确，用这种算法的时候往往是要结合的，所谓的上层算法必须要依靠下面的做法，我们人最终有很复杂的决策，具体还是需要人去做。所以人工智能面对真正问题的时候，必须要根据这一系列的问题特点去设计，这是很大的挑战。我们要把问题转化成计算机面对的问题，因为人毕竟跟计算机有很大的差异。

　　有了数据以后，我们要提取知识，然后模型只有两类，一类是数据模型，然后机器去控制，只要确定就可以控制了，还有一类有那么不确定性，就是语言规则，比较模糊的，那么就用于决策，数据信息所有都要经过数据学习来做，比如说信息回归、函数很多很多，包括深入学习也是一种应用网络的学习，这是直接从数据转化为信息。

　　控制最低级就是设计，最高层就是逻辑控制，就是决策判断，人能够做决策判断，因为不确定性有随机不确定性和模糊不确定性。如果知识是很模糊的话，所有的知识确定两种不确定性。

　　比如说，香港城市大学是一所好大学，这个信息是很模糊，说这句话的时候有多少自信呢？这个是随机的，atv，我们人可以处理，但是对于机器来讲是比较难的。因为现在的模糊系统是有规则的，很难提取精确的信息，有模糊的记忆推理和反模糊化这种知识表达，但是不能处理随机过度的东西。

　　因此，我们做的工作就是增加第三维的随机信息，建立了三个维度的逻辑关系。