人工智能要来取代自动化工程师工作了？

以下文章来源于说东道西 ，作者宋华振

近日发了篇关于生成式AI应用于自动化工程开发的文章。就有朋友留言问“难道自动化工程师也要失业了吗？”——想起来前些日子也有人问及这个关于AI的话题。这似乎是一个由来已久的问题，AI这个领域特别有意思，他们从诞生那天起，就在宣扬着对世界的改变，不断号称要颠覆人类的未来，威胁着人们的工作。很有意思的是，即使自动化干了这么久，好像也没有说过会让谁失业。

- 文章信息 -

本文作者宋华振，贝加莱工业自动化（中国）有限公司技术传播经理，本文由公众号“说东道西”原创首发，数字化企业经授权发布。

以前我不会谈这个问题，但是，当有人问自动化工程师是否也会因为AI失业的时候，我突然觉得很有必要谈谈这个有意思的话题。突然想起来，这还蛮有意思，达特茅斯会议创造AI这个词的人之一，麦卡锡说过“当它一旦可用，就不会再有人称之为人工智能了（”As soon as it works, no one call it AI anymore ”），自动化就是非常管用的技术，但就不会有人称它为智能了——其实，自动化本身就是智能的目标，难道你们用AI不是为了自动化吗？

01

AI真的能够取代人吗？

微软中国CTO韦博士在混沌课堂里有一次谈到生成式AI，他的观点“如果我们担心AI是否代替人类，那是人类对自己缺乏自信”。当然，他还有另一段话“我们往往高估了人工智能在短期内的成就，而低估了它对人类认知和价值观的深远影响”。因此，对于这件事，我想就包括了两个部分的思考：

1).AI很难真正意义替代人类的工作。

2).但是，你必须主动的拥抱AI-毕竟它还是有很多价值能够帮助到我们。

与以往AI所带来的轰动效应不同，事实上，生成式AI的确具有更强的颠覆性。它目前的工作与进化速度的确是超乎想象，已经有同事展示了将它勇于设计PPT，乃至视频处理方面的超强能力。也包括在对编程方面的支持能力，与自然语言来训练让机器快速理解，并能够编写程序，这的确带来了巨大的改变。

02

自动化的自动化问题

刚毕业那会在一家电梯公司工作，管理电梯安装现场，发现一个很现实的问题，装电梯的过程中，电梯安装人员是没有电梯可用的。因为电梯进场安装时，建筑结构、外装、内装都已经基本完成，现场的那些卷扬机、塔吊很有可能拆掉了。这就意味着机房里的曳引机、电柜，每层楼的厅门、地槛、井道里导轨及所需的支架、螺栓，都是要人工搬运到各层的。所以，那时候我们感慨“装电梯的人坐不了电梯”。

同样，做自动化的也会遇到这个问题，尽管自动化厂商给用户设计自动化系统的，但设计这个工作本身它却很难被自动化。尽管我们使用了模块化软件来大幅降低工作量，但毕竟还是一个手动组装的过程。

因此，当生成式AI可以被应用于编程工作的时候，这是一个迈向自动化的自动化的道路—反倒是值得我们高兴的事情。

AI在自动化工程师手里有几个角色：

1).作为辅助工具本身，帮助提高工程师工作的能力；

生成式AI有这个潜力，它会让我们通过自然语言去给出机器好的提问，然后给出规则，让他们去写这个代码（这个代码也是需要大量学习），除了代码、注释、版本等软件管理工作，我想AI是可以帮助工程师的。这个时候，它作为一种工具是会有助于工作更为自动化一些。

另一个我想生成式AI它会学习到更多来自于网络世界的资源，以获得更多“共享世界的资源”，让工程师可以扩展自己的知识边界。尤其是在今天，我们想说自动化工程师也需要掌握AI的工具与能力时，来自Linux开源社区的算法、代码等，均可以被自动化工程师所采用，以增强他们在数据分析与处理方面的能力。

和一位工程师谈到一个比较麻烦的事情，就是AI仍然是需要“喂入”知识，就像有些机电控制的工艺算法，毕竟，没有可开放的这些代码可以被AI来引用—但工程师认为这并非是问题，因为即使复杂的算法也会由不同的可被抓取的程序构成-因此，这仍然为开发者提供了更多的可能性。因为一个工艺模块实际上也由不同的局部模块构建出来的。

图-创成式设计

创成式设计，可以通过给出设计的需求、约束条件，通过可视化的方法输入给系统，他们会给出自动的设计结果。这也算是对“工程的自动化”—看来，人类就是想走向一个语言、视觉方式让系统生成程序与任务的过程。

从技术发展的长远来看，利用自然语言的输入，让系统理解，并借助于过去的知识（模型、代码）来实现新的设计任务。因此，AI更多的角色不是替代工程师，而是为工程师搭建系统提供更多的便利。

2).AI方法的制造问题解决

当然，另一个AI的应用角色在于它不是为了自动化项目，而是为了应用本身—即，数据驱动的建模，用以解决机理模型缺乏，以及相关性关系的问题。AI的作用，是将那些隐藏的、无法被公式表达的知识（因果性）进行挖掘。尽管这会存在解释性、实时性等问题，但是，它在规划类、优化类、预测性问题仍然是有很多应用场景。尤其是在视觉的深度学习，对缺陷的分析、对工程参数的自适应匹配上。

AI的工业应用存在很多问题，包括可复制性问题、知识迁徙难题，但这些都是可以被逐渐去解决的—因此，在更为长远的发展上，它仍然是有潜力的—因为，随着极限的竞争不断在制造业发生。记得冯恩波博士曾经也在其AI讲座中谈到，因果性问题可以解决90%的问题，但相关性问题的一点点改善却成为了竞争的“胜负手”—当然，在多个相关性问题中的高相关性仍然可以让“事半功倍”—这不难理解，就像电池行业，1%的制造良品率提升，都可能意味着以亿计的盈利能力的提升。

为什么说AI还是很难替代工程师的工作？

图-针对AI主要障碍的调研

在上次厦门自动化教师师资培训会议上，本人为了更好的讲工业AI的问题，特意在产业朋友圈里收集了114个专业人士对于AI的调研。其中，很多问题，仍然反馈出AI遇到的问题，以及在人才中的问题，还是很难替代工程师的工作。

这有几个方面：

① 现在不是AI能否替代工程师，而是AI相关工程人才太匮乏

在图中，我们可以看到，缺乏生产制造与技术融合的人才，AI相关人才，以及第二个比较高的选项“现场数据表征与特征提取难题”—这些都是制造业中的工程人才匮乏造成的。因为AI它自己不知道如何去工作，而是要由了解现场的人来帮助它，所以说“人工的智能”是一种真实的情况。

因此，在较长的时间里，可能还是懂得AI工具的工程人才需要培养—这个需求是极大且迫切的。谈替代现有工程师还是有点为时过早。

② 自动化工程师的工作远非AI所涵盖

其实，自动化的工程师还是任务艰巨的，包括前期的项目需求交流、问题的梳理、电气选型、建模、软件架构、功能开发、测试验证、调试、维护—而这些工作里，可能AI能够帮助的还是有限的，至少在目前来说仍然有限。

图-工程师的工作流与重要的任务与能力

上图按照流程列举了机电系统设计的自动化工程师的工作任务，看看有多少AI可以帮忙的？

这些还是日常工作，如果谈到更为广泛的，例如带领团队、协调工作进度、品质进度管理、跨界创新，那么，可能AI能够帮忙的地方就更少了。

03

工程师需要增强的能力

当然，在AI的时代-咱们自动化圈的工程师的确需要不断的进化自己的能力。

1).批判性思维的提问能力

前几天读了李培根院士在在高等工程教育研究的文章《工程教育需要从“知识导向”到“问题导向”》，其中谈到了AI催生了一个新的岗位-提示工程师（Prompt Engineer）,并认为“提出问题是解决几乎所有复杂问题的核心”。非常认同这个“问题导向”。

最近一年一直在研究“批判性思维”—其中，批判性思维的训练就是要依靠“提问”的能力。对于工程师同样如此—将生成式AI应用于自动化的项目开发，那么，在这个时候，就需要给出AI最好的线索。并且，作为一种元认知能力，批判性思维所要去训练的每个工程师的自我迭代能力、提出问题、发现问题、决策问题方向的能力也是最能体现工程师“智慧”的。爱因斯坦也说“如果我需要用1个小时解决问题，那么我需要55分钟来提出准确的问题”。

即使在“鱼骨图”的问题分析中，能够提出好的问题，遵循“问题导向”，才能把问题导向到最终的最有效解决问题的道路上。M博士有一次谈到了工程师“智慧”的问题，因为，工程师很多时候是在一团迷雾中寻找最优路径，它需要一种智慧-对方向的把握，甚至依赖于“直觉”—这些都是人的优势，是AI很难具有的。

这种判断力来自于制造系统的复杂性不断提升—这就需要在复杂的交织的因素中寻找“解耦”，使得问题被快速梳理到高相关性的维度上。

2).工程师的基本功还是逃不掉

尽管我们把AI理解为具有改变制造业的力量，并越来越重视。但是，却不要忘记了，制造业有几个必须具有的基础能力。就像在上一篇提到的“信息物理系统（Cyber-Physics System）。Cyber似乎声音比较大，而Physics反倒没有那么受到重视。但制造业又偏偏是一个非常强物理系统影响的，而且是因果性的。

因此，自动化工程师，它应该发挥自身在物理系统方面的基础，再与时俱进，学习AI方法，这就双剑合璧，能够更好的强化自身的能力。

图-AI工业应用中工程师能力调研的反馈

第二个要谈到的基础能力仍然要回到软件工程能力——再怎么说AI仍然是以软件为载体的。工程师的工作，如何更好的规划项目、设计架构、代码规范。毕竟，生成式AI能帮你的忙，但不能帮你所有的忙。

再用韦博士的一句话就是“取代我们的不是AI，而是被AI赋能的人”。