第8章機器與智能目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.1可控制的自動機器8.1.1替代體力的自動可控機器8.1.2自動反饋控制器8.1.3自適應(yīng)與AI控制器8.1.1替代體力的自動可控機器觀察到煮開的水沖擊鍋蓋，雖然具有動力，但難以控制，無法使用蒸汽的動力。只有控制蒸汽的量，向外輸出穩(wěn)定可控的動力，才能被人類有意識的使用，否則可能會變成災(zāi)難。自動控制的機器在離心式調(diào)速器中有二顆重球錐擺，其旋轉(zhuǎn)速度和蒸汽機相同，當蒸汽機的速度提高時，重球因離心力移到調(diào)速器的外側(cè)，因此會帶動機構(gòu)，關(guān)閉蒸汽機進氣閥門，使得蒸汽機速度會下降，當蒸汽機速度過低時，重球會移到調(diào)速器的內(nèi)側(cè)，再開啟蒸汽機進氣閥門。依此原理即可將蒸汽機的速度控制在一定范圍內(nèi)。在離心式調(diào)速器中有二顆重球錐擺，其旋轉(zhuǎn)速度和蒸汽機相同，當蒸汽機的速度提高時，重球因離心力移到調(diào)速器的外側(cè)，因此會帶動機構(gòu)，關(guān)閉蒸汽機進氣閥門，使得蒸汽機速度會下降，當蒸汽機速度過低時，重球會移到調(diào)速器的內(nèi)側(cè)，再開啟蒸汽機進氣閥門。依此原理即可將蒸汽機的速度控制在一定范圍內(nèi)。8.1.2自動反饋控制器

期望的運動規(guī)律誤差控制器被控系統(tǒng)測量的輸出系統(tǒng)輸出傳感器X+-

將上述抽象為閉環(huán)自動控制框圖?？刂破鹘忉尀殡x心調(diào)速器，被控系統(tǒng)是蒸汽推動的大轉(zhuǎn)輪。大輪的轉(zhuǎn)速和離心器的轉(zhuǎn)速具有相關(guān)性，這樣離心器就能把當前的轉(zhuǎn)速轉(zhuǎn)換為需要的蒸汽量——即，傳感器。8.1.3自適應(yīng)與AI控制器輸入控制器被控系統(tǒng)環(huán)境影響輸出傳感器X+-自適應(yīng)算法(決策)像探索外空間的無人駕駛的飛船等，不僅僅需要自適應(yīng)，需要更多的模擬人類推理，選擇和采取合適的控制方式。1965年美國普渡大學(xué)傅京孫(K．S．Fu)教授首先把人工智能(AI)的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)；1966年美國門德爾(J．M．Mendel)首先將AI用于飛船控制系統(tǒng)的設(shè)計。1967年，美國萊昂德斯(C．T．Leondes)等人首次正式使用“智能控制”一詞。1971年，傅京孫論述了AI與自動控制的交叉關(guān)系，開始了智能的建立和發(fā)展。當被控系統(tǒng)自身經(jīng)常變化，或受環(huán)境影響變化時，其就會表現(xiàn)出多樣的系統(tǒng)特征，這就需要改變控制器或其控制策略(算法)，以適應(yīng)對被控對象的最優(yōu)控制。稱為自適應(yīng)的控制目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.2基于計算機的控制器8.2.1將計算機嵌入到控制系統(tǒng)中8.2.2控制器的設(shè)計8.2.3傳感器8.2.4可編程邏輯控制器8.2.5社會系統(tǒng)的控制8.2.1將計算機嵌入到控制系統(tǒng)中瓦特的蒸汽機，僅僅使用機械裝置，就實現(xiàn)了蒸汽量的控制。但是，其控制精度較差。今天的航空(高檔汽車)發(fā)動機，用計算機很精確地控制噴油量、進氣量等，并根據(jù)路況情況自動調(diào)整這歸功于用把計算機作為嵌入式發(fā)動機設(shè)控制系統(tǒng)，作為發(fā)動機的一部分。8.2.1將計算機嵌入到控制系統(tǒng)中可以把數(shù)字計算機作為嵌入式設(shè)備植入到控制系統(tǒng)中的每個部分。輸入向量基于計算機的控制器基于計算機的被控系統(tǒng)環(huán)境影響輸出向量傳感器(群組)計算比較器+-自適應(yīng)(決策計算)

由于被控系統(tǒng)的動力學(xué)特征(方程)可能是時間連續(xù)的，因此，必須解決數(shù)字量和模擬量的相互轉(zhuǎn)換，分別稱之為：A/D轉(zhuǎn)換器和D/A轉(zhuǎn)換器。A/D與D/A

馮諾依曼計算機的字長總是有限的，不能表達連續(xù)的函數(shù)，因此，基于計算的控制系統(tǒng)總是離散的。好在物理設(shè)備或運動物體總是有慣性的，這樣離散信號轉(zhuǎn)換為模擬信號后，引起的物體運動也是連續(xù)的，微觀上看是離散的。8.2.2控制器的設(shè)計研究系統(tǒng)的運動特征的目的是預(yù)測該系統(tǒng)的未來的行為，以及構(gòu)造一個控制器，控制該系統(tǒng)讓其處于穩(wěn)定的運動狀態(tài)。要設(shè)計控制器，還必須知道如何測量出系統(tǒng)的當前的運動狀態(tài)。這就是傳感器的主要作用——觀察和測量系統(tǒng)的狀態(tài)。一旦知道了系統(tǒng)的動力學(xué)方程，并能測量出系統(tǒng)的狀態(tài)，就求出控制器的運動方程式，然后，用計算機構(gòu)造這樣的方程式。PID控制

8.2.3傳感器(Sensor)狀態(tài)的觀察和測量分為三個層面：1）直接用傳感器測量，例如，溫度傳感器、壓力傳感器、風(fēng)速、濕度、加速度傳感器等，人們可以電子或機械的方法制造出來。因此，這些被測量的狀態(tài)可以直接提供給控制器。2）第二類是一些雖然不能直接測量，但是經(jīng)過加工或運算處理，就可以獲得的量。例如，無法測量一個運動物體的速度時，可以對加速度傳感器積分，就獲得了速度，再積分就獲得距離的值。這類問題，需要經(jīng)過一些計算，這些計算可以放到控制器里，因為計算的工作量并不大。3）第三類比較麻煩，需要對多種數(shù)據(jù)進行加工或處理，甚至要采用具有智能算法才能獲得。例如，識別物體的圖像，輸出是判讀出該物體何種物體，從視頻拍照中識別一個人或物體的特征，或者用雷達電磁波的形式探測物體的運動情況等。8.2.4可編程邏輯控制器可編程邏輯控制器(ProgrammableLogicController)，專為工業(yè)生產(chǎn)設(shè)計的一種數(shù)字運算操作的電子裝置，它采用一類可編程的存儲器，用于其內(nèi)部存儲程序，執(zhí)行邏輯運算，順序控制，定時，計數(shù)與算術(shù)操作等面向用戶的指令，并通過數(shù)字或模擬式輸入/輸出控制各種類型的機械或生產(chǎn)過程。從左到右：電源單元（PSU）CPU接口模塊（IM）通信處理器（CP）PLC軟件開發(fā)PLC可在個人計算機上進行應(yīng)用軟件編程，可以用圖形表達邏輯，而不是字符。計算機通過USB、以太網(wǎng)、RS-232、RS-485或RS-422連接到PLC。編程軟件允許輸入和編輯梯形邏輯。在某些軟件包中，還可以在功能框圖，順序流程圖和結(jié)構(gòu)化文本中查看和編輯程序通常，開發(fā)環(huán)境提供用于調(diào)試和排除PLC軟件故障的功能，例如，通過突出顯示部分邏輯以在操作期間或通過模擬顯示當前狀態(tài)。開發(fā)環(huán)境可以將上載和下載PLC程序，用于備份和恢復(fù)目的。在某些型號的可編程控制器中，程序通過編程板從個人計算機傳送到PLC，編程板將程序?qū)懭肟梢苿有酒?，例如EPROM。PLC軟件開發(fā)IEC61131-3標準為PLC系統(tǒng)定義了五種編程語言：功能方框圖（FBD-functionblockdiagram），梯形圖（LD-ladderdiagram），結(jié)構(gòu)化文本（ST-structuredtext，類似于Pascal編程語言），指令列表（IL-instructionlist，類似于匯編語言）順序功能圖（SFC-sequentialfunctionchart）。8.2.5社會系統(tǒng)的控制假設(shè)被控系統(tǒng)或被觀察系統(tǒng)是一個社會學(xué)系統(tǒng)時，我們可以用計算機或軟件對其進行觀察和控制。社會學(xué)系統(tǒng)基本上是一個時變系統(tǒng)，只有類似的社會事件，沒有重復(fù)的社會事件。我們不能重啟一個社會的開關(guān)，讓歷史重演一遍。工程控制研究者的工作重點是研究時不變系統(tǒng)，社會學(xué)家則研究人群隨時間推移所表現(xiàn)出的行為(例如，采用統(tǒng)計學(xué)方法)。社會學(xué)系統(tǒng)的例子有，大眾對某一個新聞事件的輿論，如微博、微信。軟件系統(tǒng)可以分析人的微博或微信發(fā)表的言論，歸納、總結(jié)、識別出這種輿論對社會是有益的，還是負面的。稱為：計算機輿情控制?；镜淖龇ㄊ菍浾撐淖诌M行分詞、將各類詞進行統(tǒng)計，反應(yīng)出正面和負面的情況，進行輿情控制，例如，刪除一些負面的帖子。然而，社會學(xué)問題是復(fù)雜的，例如，如果全部刪除負面帖子，反而引起群眾不相信該網(wǎng)站新聞和評論。按香農(nóng)的信息量理論(見6.7節(jié))沒有信息量(信息量為零)。因此，社會學(xué)的控制是一個難題。目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.3人工智能8.3.1圖靈無組織的機器8.3.2人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程8.3.3模擬神經(jīng)元8.3.4模擬多層神經(jīng)網(wǎng)8.3.5機器學(xué)習(xí)8.3.6其它算法8.3.7設(shè)計神經(jīng)網(wǎng)芯片-TPU8.3.1圖靈無組織的機器本書的2.1.2節(jié)圖靈機和2.2節(jié)的馮·諾依曼機，均是一個按事先編好的程序、機械和可重復(fù)執(zhí)行的機器。這種機器典型特征是有組織的和機械的，其計算步驟和結(jié)果是確定的。隨著生物醫(yī)學(xué)的發(fā)展，人們對人和動物的神經(jīng)系統(tǒng)有了進一步的認識。1946年，圖靈提出能否構(gòu)造出可以模擬人和動物神經(jīng)系統(tǒng)的機器，在與WilliamRossAshby通信時寫道：“我對生成大腦動作模型的可能性比對實際計算的應(yīng)用更感興趣...，盡管大腦實際上可能通過軸突和樹突(axonsanddendrites)的生長來改變其神經(jīng)元電路，但我們?nèi)匀豢梢杂肁CE(AutomaticComputingEngine)中的一個模型，允許這種可能性，但ACE的實際構(gòu)造沒有改變，只有記住的數(shù)據(jù)?！?.3.1圖靈無組織的機器與原先確定的機器結(jié)構(gòu)不一樣。圖靈定義了兩種計算機器（表達不確定性）：第一種是A型機器——基本上是隨機連接的NAND（NotAND與非門）邏輯門網(wǎng)絡(luò)。第二種稱為B型機器，它可以通過采用A型機器，并用稱為連接修改器(connectionmodifier)的結(jié)構(gòu)替換每個中間節(jié)點連接來創(chuàng)建——連接修改器本身由A型結(jié)點構(gòu)成。連接修改器的目的是允許B型機器經(jīng)歷“適當?shù)母蓴_，模仿教育”，以便組織網(wǎng)絡(luò)的行為，執(zhí)行有用的工作。用某種基因搜索算法配置B型為組織的機器。原先圖靈機的狀態(tài)和運行結(jié)果是確定的，即，有組織的，而這兩類機器具有隨機性，稱為無組(織的)圖靈機器。圖靈認為，當這個機器中的網(wǎng)絡(luò)結(jié)點數(shù)量很大時，B型機器的行為可能會非常復(fù)雜，并且從進化和遺傳學(xué)的角度來看，“可以作為無組織機器的皮層，會產(chǎn)生非常令人滿意的效果”。注意：按照這個觀點，是否可以利用量子的不確定性，構(gòu)造出B型機器，模仿人腦的隨機思考過程呢？8.3.2人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程

----模擬人的神經(jīng)網(wǎng)絡(luò)的計算模型1943年，WarrenMcCulloch和WalterPitts創(chuàng)建了一種基于數(shù)學(xué)和算法的神經(jīng)網(wǎng)絡(luò)計算模型。后來，D.O.Hebb依據(jù)神經(jīng)可塑性的機制創(chuàng)建了一個學(xué)習(xí)假設(shè)，被稱為Hebbian學(xué)習(xí)，這演變成長期增強模型。1948年，這些想法被用于構(gòu)造圖靈的B型機器。1954，F(xiàn)arley和Clark使用馮·諾依曼結(jié)構(gòu)的計算機模擬Hebbian網(wǎng)絡(luò)。1956年，Rochester，Holland，Habit和Duda也開始用計算機模擬神經(jīng)網(wǎng)絡(luò)。1958年，Rosenblatt創(chuàng)建了一種稱為感知器(perceptron)的分類算法。1959年，Hubel和Wiesel在大腦的視覺皮層中發(fā)現(xiàn)了兩種類型的細胞：簡單細胞和復(fù)雜細胞，建立了生物模型。他們獲得了1981年的生理和醫(yī)學(xué)諾貝爾獎。1969年，Minsky和Papert提出機器學(xué)習(xí)。然而，遇到了處理神經(jīng)網(wǎng)絡(luò)的計算機器的兩個關(guān)鍵瓶頸：首先是基本的感知器(perceptron)無法處理‘異或’電路。第二是當時的計算機沒有足夠的處理能力(CPU和內(nèi)存都不夠)有效地對大型神經(jīng)網(wǎng)絡(luò)進行運算。研究人員只好集中在使用算法處理的高級（符號）模型，例如，用if-then規(guī)則所體現(xiàn)的知識的專家系統(tǒng)等方面。1975年，Werbos提出反向傳播(Backpropagation)算法，該算法通過使多層網(wǎng)絡(luò)的訓(xùn)練能夠較好地解決‘異或’問題。這重新引起了人們對神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)的興趣。關(guān)鍵技術(shù)是用反向傳播修改每個結(jié)點的權(quán)重，通過層把錯誤項分發(fā)回去。到了1980年代后，并行計算越來越成熟，可以用向量模擬神經(jīng)網(wǎng)絡(luò)，稱為人工神經(jīng)網(wǎng)絡(luò)。生物神經(jīng)網(wǎng)模型神經(jīng)網(wǎng)絡(luò)獲得一組信號(x1,x2,…xn)作為輸入到樹突上，經(jīng)細胞體進行匯集；然后，經(jīng)若干個髓鞘鏈接的串，傳遞到軸突終端，這就是最終的輸出(y1,y2,…ym)。模擬神經(jīng)網(wǎng)絡(luò)，分兩各層面：1.定義神經(jīng)單元2.定義神經(jīng)網(wǎng)絡(luò)8.3.3模擬神經(jīng)元

定義傳遞函數(shù)

f的定義

神經(jīng)元蛻化：只有邏輯運算時！

8.3.4模擬多層神經(jīng)網(wǎng)

所建立的網(wǎng)絡(luò)層數(shù)越多，每層的神經(jīng)元越多，連接關(guān)系越多，模擬的神經(jīng)元網(wǎng)可能會更接近于人的神經(jīng)網(wǎng)，稱為“深度神經(jīng)網(wǎng)絡(luò)（DNN-deepneuralnetwork）”。DNN是一個前向網(wǎng)絡(luò)，數(shù)據(jù)從輸入層流向輸出層而不會回送。請考慮，如何建立后向網(wǎng)絡(luò)、雙向網(wǎng)絡(luò)。DNN模擬人的神經(jīng)元網(wǎng)絡(luò)計算

8.3.5機器學(xué)習(xí)

機器學(xué)習(xí)例如，用神經(jīng)網(wǎng)絡(luò)對圖像進行分類。可以先采集大量的圖像樣本，人工標識出分類。作為機器學(xué)習(xí)的‘資料’,讓機器進行計算，然后，人工或用機器算法對參數(shù)調(diào)整。當已有的圖像樣本分類滿足一定的準確度后，再用于新圖像的樣本分類。廣泛地講，機器學(xué)習(xí)（ML-machinelearning）是用計算機軟件逐步改進其在特定任務(wù)上的性能的算法和數(shù)學(xué)模型的方法。實現(xiàn)機器學(xué)習(xí)算法要先構(gòu)建一個樣本數(shù)據(jù)的數(shù)學(xué)模型，稱為“訓(xùn)練數(shù)據(jù)”，進行預(yù)測或決策訓(xùn)練，然后輸入新數(shù)據(jù)，用機器計算出滿意的結(jié)果。自然，滿意的結(jié)果也可以成為“訓(xùn)練數(shù)據(jù)”新增部分，使得機器學(xué)習(xí)越來越準確。機器學(xué)習(xí)具有廣泛的用途，例如，電子郵件過濾、網(wǎng)絡(luò)入侵者檢測、圖像、視頻分類處理等8.3.6其它算法支持向量機（SVM-Supportvectormachines）也稱為支持向量網(wǎng)絡(luò)，是用于分類和回歸的相關(guān)監(jiān)督學(xué)習(xí)方法。給定一組訓(xùn)練示例，每個示例都標記為屬于兩個類別之一，SVM訓(xùn)練算法構(gòu)建一個模型，用于預(yù)測新的示例是否屬于一個類別或另一個類別。貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)也稱為置信網(wǎng)絡(luò)或有向無環(huán)圖(DAG-directedacyclicgraph)模型，其表示一組隨機變量與有向無環(huán)圖（DAG）的條件依賴關(guān)系。例如，貝葉斯網(wǎng)絡(luò)可以代表疾病和癥狀之間的概率關(guān)系。給定一個癥狀，網(wǎng)絡(luò)可以計算各種疾病存在的概率遺傳算法（GA-geneticalgorithm）是一種模擬自然選擇過程的搜索算法和啟發(fā)式技術(shù)，使用諸如變異和交叉之類的方法來生成新的基因類型，有針對性地解決一些特定的問題。8.3.7設(shè)計神經(jīng)網(wǎng)芯片-TPU設(shè)計TPU，TPU包括以下計算部分：

矩陣乘法單元(MUX)：65,536個8位乘法和加法單元，運行矩陣計算統(tǒng)一緩沖(UB)：作為寄存器工作的24MB容量SRAM激活單元(AU)：硬件連接的激活函數(shù)為了控制MUX、UB和AU進行計算Google定義了十幾個專門為神經(jīng)網(wǎng)絡(luò)推理而設(shè)計的高級指令。TPU的構(gòu)成專用指令—進行向量計算典型的處理器提供簡單計算的指令，例如乘法或加法。這些事所謂的標量（Scalar）處理器，因為它們每個指令處理單一運算，即標量運算。即使主頻千兆赫茲的CPU，仍然需要很長時間才能通過一系列標量運算來完成大型矩陣的計算。改進的方法就是矢量（Vector）運算，同時針對多個數(shù)據(jù)元素執(zhí)行相同的操作。

GPU的流處理器（SM）就是一種高效的向量處理器，在單個時鐘周期內(nèi)，可以處理數(shù)百到數(shù)千次運算。Scalar-Vector-Matrix

(標量-向量-矩陣)TPU，Google為其設(shè)計了MXU作為矩陣處理器，可以在單個時鐘周期內(nèi)處理數(shù)十萬次運算，也就是矩陣（Matrix）運算。TPU的核心：脈動陣列MXU有著與傳統(tǒng)CPU、GPU截然不同的架構(gòu)，稱為脈動陣列（systolicarray）?！懊}動”，是因為在這種結(jié)構(gòu)中，數(shù)據(jù)一波一波地流過芯片，與心臟跳動供血的方式類似。目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.4智能的評價8.4.1圖靈測試8.4.2圖靈測試的消極面8.4.3智能分級8.4.1圖靈測試圖靈認為可以制造出能思考的智能機器。那么，如何判斷基于計算機的機器具有了人的智能呢？1950年，圖靈給出測試準則，稱為圖靈測試(TuringTest)。評估者AAI系統(tǒng)人房間

B房間C如果評估者A不能區(qū)分出與其對話者是機器還是人，說明AI系統(tǒng)達到了人的智能水平，機器通過測試。通過圖靈測試？1966年，JosephWeizenbaum創(chuàng)建了一個似乎通過圖靈測試的程序。該程序稱為ELIZA，它通過檢查用戶對關(guān)鍵字的類型注釋來工作。如果找到關(guān)鍵字，則應(yīng)用轉(zhuǎn)換用戶注釋的規(guī)則，并返回結(jié)果句子。如果找不到關(guān)鍵字，ELIZA會回復(fù)放棄或重復(fù)之前的評論。Weizenbaum還開發(fā)了ELIZA以復(fù)制以人為中心的心理治療師的行為，允許ELIZA“自由地承擔幾乎不了解現(xiàn)實世界的姿態(tài)?！蓖ㄟ^這些技術(shù)，Weizenbaum的計劃能夠欺騙一些人相信他們正在與一個真人交談，有些主題“很難說服ELIZA不是人類?！币虼?，ELIZA被一些人聲稱是一個（也許第一個）能夠通過圖靈測試的項目，當然，目前人們對這個觀點仍有爭議。反駁圖靈測試——中文房間J約翰·希爾勒(JohnSearle)在1980年的論文“思想，大腦和程序”中提出圖靈測試不能用于確定機器是否可以思考。他提出了“中文房間”實驗。想象一位只說英語的人身處一個房間之中，房間除了門上有一個小窗口以外，全部都是封閉的。他隨身帶著一本寫有中文翻譯程序的書。房間里還有足夠的稿紙、鉛筆和櫥柜。寫著中文的紙片通過小窗口被送入房間中。房間中的人可以使用他的書來翻譯這些文字并用中文回復(fù)。雖然他完全不會中文，通過這個過程，房間里的人可以讓任何房間外的人以為他會說流利的中文。這個人仍然不懂中文的意思。機器就是這樣的，可以完成人類的工作，但是，缺乏人類思維和情感，機器不是人。你認為“谷歌翻譯軟件”真的懂英語和中文嗎？8.4.2圖靈測試的消極面Searle認為，外部行為不能用于確定機器是“實際”思考還是僅僅是“模擬思維”。他的中文房間論證旨在表明，即使圖靈測試在智力方面是一個良好的可操作的定義，但它仍不可能表示機器具有思想、意識(consciousness)或意圖(intentionality)。圖靈測試不是學(xué)術(shù)或產(chǎn)業(yè)界工作的主要焦點——正如StuartRussell和PeterNorvig所寫：“人工智能研究人員很少關(guān)注通過圖靈測試。”不必關(guān)注圖靈測試首先，有更簡單的方法來測試他們的程序。人工智能相關(guān)領(lǐng)域的大多數(shù)當前研究都針對適度和特定的目標，例如自動控制、對象識別或物流計劃。為了測試解決這些問題的程序的智能性，AI研究者只是直接向他們提供任務(wù)。Russell和Norvig建議這可以與飛行歷史類比：“航空工程”并沒有將其目標定義為“制造像鴿子一樣飛行的機器，以至于它們可以欺騙其他鴿子。”其次，創(chuàng)造逼真的人類模擬本身就是一個難以解決的問題，無法實現(xiàn)人工智能研究的基本目標。人的特征在藝術(shù)作品、游戲或復(fù)雜的用戶界面等的設(shè)計上是非常有作用的，但它們不是智能機器科學(xué)的重要部分。8.4.3智能分級1956年，KennethBoulding將系統(tǒng)分為9個等級：第一級，最低級別的系統(tǒng)是靜態(tài)系統(tǒng)，如桌子或椅子。第二級，具有簡單運動的裝置，例如，搖擺的時鐘。第三級，主動響應(yīng)輸入的恒溫控制器，具有反饋控制。第四級，能維持自身生命的活細胞，例如，單細胞生物體。第五級，松散連接的細胞集合形成的植物。第六級，細胞集合組成的，具有協(xié)調(diào)行為的生物的動物。第七級，人類——具有動物的特性，但其具有自我意識?！耙粋€人不僅知道，而且知道他知道。”即，人有自知知明。第八級，社會組織。定義為通過溝通渠道交流的一組角色第九級，先驗的(Trascendental/transcendental)系統(tǒng)?？梢越忉尀楣湃说奶斓厝嘶蛱烊撕弦坏南到y(tǒng)。這是終極和絕對的系統(tǒng)，雖然也表現(xiàn)出系統(tǒng)的結(jié)構(gòu)和關(guān)系，但是過于復(fù)雜，不可避免的存在許多不可知。等級形態(tài)智能程度人造/自然用計算機/軟件第一級最低級別的系統(tǒng)是靜態(tài)系統(tǒng)，如桌子或椅子。無人造不需要第二級具有簡單運動的裝置，例如，搖擺的時鐘?？芍貜?fù)運動人造不需要第三級主動響應(yīng)輸入的恒溫控制器，具有反饋控制?？煽氐暮唵沃悄苋嗽煲部梢杂糜嬎銠C控制第四級能維持自身生命的活細胞，例如，單細胞生物體。簡單刺激響應(yīng)自然可以用計算機程序模擬第五級松散連接的細胞集合形成的植物。自我調(diào)控，規(guī)律生長、繁殖與死亡自然第六級細胞集合組成的，具有協(xié)調(diào)行為的生物的動物

自然智能模擬第七級人——具有動物的特性，但其具有自我意識。具有自我意識的智能體。

第八級人類社會組織。定義為通過溝通渠道交流的一組角色復(fù)雜的群體智能人類社會

大系統(tǒng)的智能模擬第九級先驗的(Trascendental/transcendental)系統(tǒng)?？梢越忉尀楣湃说奶斓厝嘶蛱烊撕弦坏南到y(tǒng)。這是終極和絕對的系統(tǒng)，雖然也表現(xiàn)出系統(tǒng)的結(jié)構(gòu)和關(guān)系，但是過于復(fù)雜，不可避免的存在許多不可知。不可能的智能自然與人第一~三級，是機械的、可重復(fù)運動的機器為基礎(chǔ)構(gòu)造的系統(tǒng)，例如，蒸汽機。巴貝奇機器和馮諾依曼機也屬于這個等級，是用電子和機械系統(tǒng)構(gòu)造出來的、可重復(fù)運動的機器。第四~五級，是生物學(xué)領(lǐng)域可通過克隆、基因重組等方式，制造出模擬的或類似的系統(tǒng)。圖靈機和馮諾依曼機可以模擬這個等級的系統(tǒng)行為。但兩者的工作機理截然不同。第六級以上，就不在是一個簡單的計算機器，而具有了一定的意識。圖靈機和馮諾依曼機能否模擬人意識、人類作為一個社會組織的行為、以及進一步模擬天地人的行為。對人的模擬第七級別上是人。人是具有意識。人的行為和人工模擬的的智能行為并不完全相同，可以從兩個方面看待：1）人類的有些行為是非智能的。人的一些行為是非智能的或理智的，例如對侮辱性語言的敏感和反抗，謊言的誘惑，或者，很高頻率的打字錯誤。第一~六級的系統(tǒng)無法模仿這些非智能行為。1992年第一屆勒伯納獎競賽后，提出了“人工愚蠢(artificialstupidity)”的觀點——表達模擬人的智能的同時，如何模擬人的愚蠢意識和行為。2)一些智能行為不是人類的機器需要模擬人的欺騙行為。如果機器比人類聰明，它必須故意避免顯得過于聰明。假如機器解決人實際上不可能解決的計算問題，那么圖靈測試的評估者就會知道該行為不是人，機器將無法通過測試。因為機器無法測量超出人類能力的智能，所以圖靈測試不能用于構(gòu)建或評估比人類更智能的系統(tǒng)。第八級別上的人類群體具有的智能，就更難以用計算機模仿了。因為，作為人類群體，人類可以用文字、言語、手勢等表達自己的思想，實現(xiàn)人與人之間的信息通信交流。人作為群體，可以創(chuàng)建知識體，例如，小說、故事、數(shù)學(xué)、物理模型、化學(xué)模型等，并對知識進行分類、存儲（用文字或圖畫等）和傳播（如，學(xué)校的教育）、檢索等。目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.5智能制造8.5.1先進(制造)工程環(huán)境8.5.2物聯(lián)網(wǎng)8.5.3工業(yè)互聯(lián)網(wǎng)8.5.1先進制造工程的環(huán)境先進工程環(huán)境(AEE-AdvancedEngineeringEnvironments)是“…計算和通信環(huán)境系統(tǒng)，該系統(tǒng)能夠建立把研究人員、技術(shù)專家、設(shè)計者、制造者、供貨商、以及客戶連接起來的虛擬的和（或）分布式環(huán)境功能?！?/p>

企業(yè)資源規(guī)劃（ERP）企業(yè)信息化系統(tǒng)客戶關(guān)系管理

SCM

預(yù)測產(chǎn)品數(shù)據(jù)管理CAD企業(yè)層面執(zhí)行層戰(zhàn)術(shù)層戰(zhàn)略層產(chǎn)品開發(fā)運行市場銷售財務(wù)人力資源CAE

EDA

CAM監(jiān)控

CAPP機器控制

后勤建模、仿真&可視化MRPIIMRP采購辦公系統(tǒng)應(yīng)用采購MES智能制造網(wǎng)絡(luò)

方案設(shè)計倉庫傳統(tǒng)CAD設(shè)計演化數(shù)據(jù)庫虛擬現(xiàn)實CAD基于知識的CADCAE

設(shè)計通信網(wǎng)生產(chǎn)網(wǎng)關(guān)工作流管理器客戶網(wǎng)關(guān)客戶網(wǎng)關(guān)規(guī)劃過程客戶生產(chǎn)過程建立起信息通信網(wǎng)絡(luò)；支持各種工作的軟件環(huán)境支持各種工作人員、各個崗位的工作。方便存儲和檢索歷史方案智能化8.5.2物聯(lián)網(wǎng)互聯(lián)網(wǎng)的成功與計算機和集成電路的飛速發(fā)展，導(dǎo)致了新的網(wǎng)絡(luò)形態(tài)——物聯(lián)網(wǎng)(Internetofthings,IoT)——把物理設(shè)備、運載工具、家用電器、以及其它嵌入式設(shè)備，通過電子、軟件、傳感器、執(zhí)行器等連接起來，實現(xiàn)萬物互聯(lián)，交換數(shù)據(jù)和信息。8.5.3工業(yè)互聯(lián)網(wǎng)2015年，美國認為當前面臨的是“工業(yè)互聯(lián)網(wǎng)”革命，不僅僅是建立先進制造環(huán)境，更需要把物(things)、機器、計算機、人、智能化的工業(yè)設(shè)備等互聯(lián)，并以智能的方式利用這些交換的數(shù)據(jù)，能夠?qū)ξ磥淼纳虡I(yè)模式進行分析。從而形成全球工業(yè)生態(tài)系統(tǒng)、先進計算和制造、無處不在的感知，以及獨特的網(wǎng)絡(luò)互鏈。工業(yè)互聯(lián)網(wǎng)不僅僅是可用于制造業(yè)。涵蓋：能源、健康、制造、公共服務(wù)、交通、和相關(guān)的工業(yè)體系。工業(yè)互聯(lián)網(wǎng)將會用于任務(wù)關(guān)鍵環(huán)境，并對安全保密（Security）、可靠安全(Safety)、可恢復(fù)性(Resiliency)等提出要求。目錄8.1可控制的自動機器8.2基于計算機的控制器8.3人工智能8.4智能的評價8.5智能制造8.6智能制造作為國家戰(zhàn)略8.6智能制造作為國家戰(zhàn)略8.6.1德國工業(yè)4.08.6.2美國智能制造8.6.3中國制造20258.6.1德國工業(yè)4.02011年，德國相關(guān)協(xié)會在漢諾威工業(yè)博覽會上提出了“工業(yè)4.0”的初步概念。2013年4月，德國政府正式推出了