所有的優(yōu)化算法有四大類：

　　一是建模，不確定性比較小，我們可以用傳統(tǒng)優(yōu)化或者是很多算法。

　　二是機(jī)器學(xué)習(xí)，主要基于統(tǒng)計方法。

　　三是增強(qiáng)學(xué)習(xí)，用于不確定性大到無法用統(tǒng)計的方法處理數(shù)據(jù)的情況。

　　四是進(jìn)化計算。

　　常用算法各有各的特點(diǎn)，越下面的算法越準(zhǔn)確，越上面的算法越不精確，用這種算法的時候往往是要結(jié)合的，所謂的上層算法必須要依靠下面的做法，我們?nèi)俗罱K有很復(fù)雜的決策，具體還是需要人去做。所以人工智能面對真正問題的時候，必須要根據(jù)這一系列的問題特點(diǎn)去設(shè)計，這是很大的挑戰(zhàn)。我們要把問題轉(zhuǎn)化成計算機(jī)面對的問題，因為人畢竟跟計算機(jī)有很大的差異。

　　有了數(shù)據(jù)以后，我們要提取知識，然后模型只有兩類，一類是數(shù)據(jù)模型，然后機(jī)器去控制，只要確定就可以控制了，還有一類有那么不確定性，就是語言規(guī)則，比較模糊的，那么就用于決策，數(shù)據(jù)信息所有都要經(jīng)過數(shù)據(jù)學(xué)習(xí)來做，比如說信息回歸、函數(shù)很多很多，包括深入學(xué)習(xí)也是一種應(yīng)用網(wǎng)絡(luò)的學(xué)習(xí)，這是直接從數(shù)據(jù)轉(zhuǎn)化為信息。

　　控制最低級就是設(shè)計，最高層就是邏輯控制，就是決策判斷，人能夠做決策判斷，因為不確定性有隨機(jī)不確定性和模糊不確定性。如果知識是很模糊的話，所有的知識確定兩種不確定性。

　　比如說，香港城市大學(xué)是一所好大學(xué)，這個信息是很模糊，說這句話的時候有多少自信呢?這個是隨機(jī)的，我們?nèi)丝梢蕴幚?，但是對于機(jī)器來講是比較難的。因為現(xiàn)在的模糊系統(tǒng)是有規(guī)則的，很難提取精確的信息，有模糊的記憶推理和反模糊化這種知識表達(dá)，但是不能處理隨機(jī)過度的東西。

　　因此，我們做的工作就是增加第三維的隨機(jī)信息，建立了三個維度的邏輯關(guān)系。

　　智能制造系統(tǒng)是多尺度的問題，因此智能制造是多尺度的集群，集成了各個學(xué)科。目前，在全球范圍內(nèi)，還沒有一個教授的研究能夠涵蓋智能制造的所有領(lǐng)域，只能專注于某個方面。打個不太恰當(dāng)?shù)谋确?，如果說工業(yè)界是修車的，教授就是研究工具的，而企業(yè)界則是生產(chǎn)工具的，教授們的任務(wù)就是盡量提供更多的工具。

　　★李涵雄，博士，香港城市大學(xué)系統(tǒng)工程及工程管理系，和中南大學(xué)特聘教授。先后入選國家杰出青年基金(海外)獲得者(2004)，教育部長江學(xué)者(2006)，國家“千人計劃”專家(2010)和IEEE Fellow (2010)。長期擔(dān)任國際權(quán)威期刊 IEEE Transactions on Cybernetics (2002 - 至今)和 IEEE Transactions on Industrial Electronics (2009 - 2015)的副主編和國內(nèi)多個核心刊物的編委。出版系統(tǒng)建模和系統(tǒng)設(shè)計方面的英文專著 2本;在國際權(quán)威學(xué)術(shù)期刊上發(fā)表 SCI 論文 180 多篇。連續(xù)兩年(2014，2015)被國際權(quán)威出版社 Elsevier 評為中國高被引學(xué)者。最近二十多年來一直從事智能制造方面的研究，側(cè)重于工業(yè)過程的智能建模、設(shè)計與控制，和基于數(shù)據(jù)學(xué)習(xí)的智能決策。