化工中的人工智能是什么？

化工行业作为传统流程工业，正面临着人工智能、新能源等新技术浪潮的冲击，以工业化、信息化深度融合的智慧工厂为标志的工业4.0时代即将来临，未来的化工厂有了机器和AI的武装，是否将取代大量一线操作岗位？智慧化工厂将会是什么样子？今天让我们一起回溯AI历史，展望未来化工。

很多人觉得人工智能（AI）是近几年才爆发的黑科技，其实不然，咱们化工工程师早在35年前就开始玩这套东西了，不知比某些行业早了多少年！所以AI对我们化工人来说一点也不陌生！现在不妨让我们一起回到那个起点。
第一阶段：专家系统时代（约1983年至1995年）专家系统，就是建立一个能正确描述和应用某一特定领域知识的高级程序[1] 。说白了就是一个懂很多专业知识的“砖家”，只不过白大褂下面不是人而是机器而已。那么相比于活生生的地中海“专家”们，专家系统的优势在哪里？
其实很明显，需要处理的复杂实际问题是很多的，“专家”虽然很靠谱，但是在处理问题的速度上比较慢，而我们又不太可能去请一堆“专家”来同时解决问题。只要我们能够把足够的专业知识存储进机器人的脑袋（通常是以经验法则的形式），这样一来虽然专业水准不能媲美“专家”，但是在面对特定类的问题还是可以相提并论的，不过别忘了机器的处理速度可以碾压“专家”几条街，因此解决工业上数据量或者操作量很大的一些问题优势十分明显。
化学工程中第一个专家系统应用是于1983年开发的CONPHYDE，用于辅助工程师选择适宜的气液平衡计算方法。（你会发现其实Aspen Plus的物性选择帮助系统Methods Assistant就像一个专家系统）随后在1985年诞生了用于辅助催化剂设计的专家系统。
按照常理，专家系统到现在应该非常成熟，为啥现在反而一声不响，难道是在“闷声发大财”？很可惜，并没有。专家系统有非常致命的缺陷，就是工业应用开发可靠的专家系统需要花费大量的精力、时间以及金钱，而且维护和更新知识库更是非常困难和昂贵的。
第二阶段：神经网络时代（约1990年至2008年）相对于专家系统这种自上而下，去直接输入知识的设计范式遇到了短板，人们开始转变思路，想办法实现能够从大量数据中自动获取知识，这就是自下而上的神经网络范式。这一转变大大缩短了模型的维护和开发费用。

文章插图
前馈神经网络体系结构
这个阶段常用的前馈神经网络的体系结构，包括输入层、隐藏层（只有一层）和输出层。经过训练的输出的结果（红线）和训练数据（蓝点）契合度非常高。

文章插图
非线性函数的逼近
其实从某种角度来说来说神经网络就是自动化非线性建模工具，其强大能力激发了包括化学工程在内的各种领域的大量工作。然而由于那个年代计算机的算力还很低，而且得到充足的数据用于训练是非常奢侈的，所以发展十分缓慢。
第三阶段：深度学习和数据科学时代（约2005年至今）这个新阶段是通过三个重要思想实现的：深层或卷积神经网络（CNN），强化学习和统计深度学习。
那么这个年代的神经网络和上世纪相比区别在于何处？你应该注意到前面的神经网络只有一层隐藏层，而“深层”网络有多个，能够分层次提取复杂模式识别的特征。而“卷积”是一种滤波技术，用于从有噪声的信号中提取特征。

文章插图
典型的卷积神经网络架构
【化工中的人工智能是什么？】第二个重要思想是“强化学习” 。可以认为是用于学习一系列动作以实现期望结果的方案。这个过程类似于训练狗拉粑粑，如果狗乖乖地在你规定的地方（如草坪）拉粑粑，那么奖励一块骨头，如果它乱拉粑粑则大声呵斥，如果经常乱拉粑粑，则除了大声呵斥再加上鸡毛掸子伺候，直到狗狗一直乖乖地去草坪解决。
第三个是将概率和统计学的数学方法与深度技术相结合。这种思想已经帮助我们了许多有用的技术，如支持向量机，随机森林等。
展望未来的化工厂在过程控制、过程优化、故障诊断方面一定会越来越智能化，传统化工流程复杂、高温高压、易燃易爆，很多岗位都属于高危岗位，对操作管理人员的要求极高，毕竟人总是会疲劳的，这其实对装置的安全稳定运行带来了巨大的挑战和隐患，这也是为什么中石化等很多企业开启了炼厂智能化的探索。但是我想说的是，传统AI并不适合我们化学工业，智慧工厂的事情还是要交给我们化工人来做！为什么这么说呢？
传统的人工智能（机器学习、大数据）其实是对历史数据进行归纳提取从而对未来进行预测，事实上忽略了对问题机理的研究，而试图直接从数据挖掘出系统的规律与知识，这在金融、商业、医学等极其复杂以致难以研究机理的行业带来的改变是革命性的。但是化学工程作为一门发展超过100年的工程学科，其运行机理和数学模型体系相对完整，而另一方面，化工装置对系统的安全可靠性要求极高，一旦发生事故都是灾难性的，根本不敢把AI系统所产生的黑箱知识直接拿来用。因此在化工领域，未来必定需要将化工知识和现有AI有机结合，创建一个全面的数学框架，它可以从基本原理和机制来解释宏观行为现象，定量预测突发宏观特征。
而由谁来构建这种框架呢，传统程序员？当然不行，因为他们不懂化工，不懂动力学、热力学、传递、物理、材料、控制、机械等海量的化工相关知识。所以结论显而易见了，高危的一线化工岗位在未来或许会越来越少，但具备“化工+AI”复合知识结构的专业人员在未来就业市场上必定越来越抢手，AI降临是大势所趋，但同样也是我们化工人的一个巨大机遇。
来源：知乎
作者：沧海ChemEng工作室