2016人工智能湖南论坛暨自兴人工智能研究院揭牌仪式，来自国内外的许多顶级专家在会上给我们做了报告并接受了专访。李涵雄，博士，香港城市大学系统工程及工程管理系，和中南大学特聘教授。先后入选国家杰出青年基金（海外）获得者（2004），教育部长江学者（2006），国家“千人计划”专家（2010）和IEEE Fellow （2010）。最近二十多年来一直从事智能制造方面的研究，侧重于工业过程的智能建模、设计与控制，和基于数据学习的智能决策。本文已经李教授修改确认。
您认为建立一个智能化的生产线最重要的是什么？
我认为是标准化，要消灭不确定性。就生产来说主要的问题就是不确定性,不确定性影响产品质量，不确定性包括各种各样的不确定性，例如人为原因造成的不确定性。你想生产中为什么会有那么多操作人员，因为工厂没法全自动化，如果你要全自动化就要把人去掉，人所做的判断需要机器来做，但是机器没办法像人一样做出非标准化的决策。
关于智能制造，您最近研究的东西能应用在生产界哪里？
首先研究分好几类，我侧重于在大学所做的学术研究，而在工业界注重的是产品研究。在大学所做的学术研究相当于是在开发工具。就拿修车来举例，修车是一组工具的综合运用。大学研究相当于是为修车提供一个工具，修车与工具并不一定会有直接的联系，但是一套好的修车工具肯定会提高修车的速度和质量。就智能制造而言，是一个很大的范围。我想没有一个大学教授能够掌握全部的智能制造。我所研究的范围是电子封装，主要是点胶和固化过程等方面的研究，在这一方面都有很多需要研究。所以我认为智能制造需要一个产业链联盟，企业共同合作。企业的产品研究要有针对性，高校的研究是要关注于在产品生产中的某一类共性问题。
最近很多制造领域的专家都在谈柔性制造，您在演讲中提到的智能制造和柔性制造这是同一个东西吗？如果不是，差异在哪？
这两个概念都是差不多，只是表达方法不一样，本质还是一样的。比如3D打印，20年前就是快速成型，早期的CAD和快速成型就是目前的3D打印。柔性其实就是智能，柔性灵活，能够根据不同的情况作出不同的判断。这些都是不同的名词，但是实现的内容是一样的。
在智能制造中加入机器学习，根据业内人士的说法，目前还只是一个嘘头多过于实践的现状，您怎么看这个问题？
我认为机器学习在制造行业中最相对容易实现。因为制造比较标准化。生活当中不确定性太大了，遇到的事情很难标准化，所以在生活中的智能要求最高。相对而言，在智能制造中应用机器学习是较容易的。
您刚PPT里讲的建模之后，就是机器学习，增强学习，进化计算。后面3个经常在偏软件中训练用到，比如AlphGo, 在智能制造的硬件体系里它是如何能生效的，您能介绍下？
我不清楚AlphGo是如何具体运作的，但是根据我的逻辑判断，它是以规则判断为主。因为现在的人工智能无法做到无规则判断。规则判断相对简单，就是你要将规则判断的问题进行分解，模块化，然后进行逐步求解，要把所有可能出现的问题拿出来。然后建立好规则，让机器知道如何处理好每一个问题，机器就按照这一步骤进行行动。当然，下棋这一问题十分的复杂，越复杂的问题越需要大量的计算，计算机的计算速度就要非常的快。那么人工智能目前基本上就是规则判断，它不能做一些没有给它安排的运算。就是说它如果没见过，它就做不了。举个例子，现在人每天都在生活，每天都会有很多的经历。但是如果有一天，把你放到外星球去，你可能就不知道该怎么办，因为你的记忆库里没有与这相关的经验，那么你就无法做出很好的决策。机器更是如此。