人工智能（AI）是新一轮科技革命和产业变革的重要驱动力量，近年来围绕人工智能大模型的研究成为各行各业研究的热点。
但是，笔者认为：人工智能的研究不能只局限在大模型，对于各行各业更应该加强对人工智能应用的研究。
在人工智能应用研究领域，笔者认为最重要的是建立科学样本库以及研究高可靠传感技术和建设执行机构。
科学样本库是人工智能获取知识的源泉
人工智能的本质是构造一种具有学习能力的“学习器”，该“学习器”本身没有任何专业知识，需要采用大量样本加以训练，在训练中不断发现规律，从而建立起专业知识。因此，建立充分的科学样本库是非常重要的。
但是，建立科学样本库是一件艰巨而复杂的工作，且必须由领域专家完成。
以电气设备状态评价和缺陷诊断为例，在运行过程中积累样本固然重要，但是通常都要较长的时间，监测数据可能还不够全面和准确，这样就失去了时效性。因为科学技术进步很快，更新的设备总在不断替代已有的设备，等到积累了足够的样本后，这类设备可能已经处于淘汰阶段，学习出来的人工智能所能发挥的作用也就不大了。
因此，需要设立专门的研究项目，由实验室和检测机构配合，采取模拟缺陷和加速老化等措施，在新设备投产后尽快去积累和丰富样本库，以供“学习器”发现和获取知识，这样才有助于在这类设备大量服役期间发挥人工智能进行状态评价和缺陷诊断的作用。
这个制造缺陷和加速老化的样本生成过程，需要领域专家认真研究和周密组织。这些实验室和检测站中的样本还需要与实际运行的电气设备上采集的样本相结合。所谓科学样本库，需要满足严谨性，要绝对真实可信的数据，这往往需要耗费人力和物力资源的，并且是其他专业的专家无法替代的。
因此工业领域更应结合自身专业领域的特殊性，深入开展建立科学样本库的工作，它是人工智能获取知识的源泉。
高可靠传感技术和执行机构是发挥人工智能作用的关键
传感器的精度、可靠性和耐久性是发挥人工智能作用的关键。
如果传感器的精度不够高或者容易受到干扰，则即使已经建立了具有领域知识的人工智能，也不能够正确地反映当前状态，也即人工智能的输入信息不可信，从而影响人工智能的输出。
如果传感器的可靠性不够高，就不能及时正确反映当前状态，比如有的传感器该报警时拒报而成为“死狗”，有的传感器不该报警时却误报而成为“疯狗”，使人工智能的输入信息不可信。
电气设备故障预警和缺陷诊断是电力系统中人工智能最有可能发挥作用的领域。这需要传感器具有很好的耐久性，因为电气设备的寿命较长，如果传感器的耐久性不够高，就不能实现对电气设备运行状态的可靠监测，基于人工智能的预警和诊断结果当然也就不可信。
因此，高可靠传感技术是发挥人工智能作用的关键。对于应用于电力系统的传感器而言，其工作条件对其性能的影响更加严峻。比如强电磁干扰对检测精度的影响、暂态地电位升有可能对传感器产生破坏性影响、户外恶劣环境也会严重影响传感器的耐久性……这些都需要深入研究和应对。
多重化和适当冗余是一种解决方案，但是也要科学分析。比如对于状态量互感器，采用两套还不如采用一套可靠，而采用三套三取二就可提高可靠性。对于模拟量传感器怎样配置更好？需要结合实际问题仔细研究。
实际上对于包含控制环节的应用领域，执行机构的精度、可靠性和耐久性对于发挥人工智能的作用也是相当重要的。
避免为了人工智能而人工智能
笔者认为，在能够建立明确的数学模型以及可以获得解析解的情况下，就没有必要刻意采用人工智能。
即使采用人工智能，也应尽量追求简单，能用小模型时就不要刻意采用大模型，所谓“大道至简”者也，因为简单了容易可靠，可靠了才能真正实用。
对于一些政策性和法律性很强的领域，就不适合于应用人工智能。比如对于一些法律法规、人事制度、电力营销等领域的问答服务，就不适合用人工智能去回答提问，而更应设置一位训练有素的新闻发言人。
即使开展大模型的研究，也应集中优势兵力打歼灭战，将资源主要配置在极少数与人工智能共性技术紧密相关的专业科研机构中，而不宜在各行各业的领域科研单位和企业中分散资源。这些领域科研单位和企业应采取“拿来主义”直接应用专业科研机构的大模型等人工智能研究成果，领域科研单位和企业的研究重点应该放在人工智能的应用上，主要精力应该投放到建立科学样本库和研究高可靠传感和执行机构上来，这两个方面也应被视同为人工智能的重要研究方向。
因此人工智能的研究至少应包括三个方面：即大模型等人工智能理论和方法研究、科学样本库建立、高可靠传感和执行机构，各行各业的领域科研单位和企业对人工智能的研究应主要围绕后两个方面。
上一篇：无
