AI产品经理的“坑书”排行榜之 - 工业人工智能

花了￥68买了李杰（Jay Lee）教授的新书《工业人工智能》，冲着工业大数据/预测性维护大牛，冲着郭台铭先生和邬贺铨院士的序言，订单下的毫不犹豫。两晚时间，书读完了，书越读越薄，心越读越凉。

---

《工业人工智能》 上海交通大学出版社，坑PM指数：3颗星

关键词：攒书凑字数、概念生造、割裂

坑1：工业人工智能 vs. 通用人工智能

工业人工智能和人工智能技术是两个概念，虽然有交叉，但工业人工智能具备“独特”的性质，与人工智能技术有着巨大的差别。

槽：作者把工业人工智能提升到了与人工智能技术本身相同的高度，把两个概念做平行的对比。虽然对于工业人工智能的定义是完善且正确的，但这样为了突出工业的重要性，把某一个场景的AI应用拉到和AI技术本身一样的高度，显然有失偏颇，又会误导绝大多数“不明真相”的无辜群众。客观的描述：工业人工智能就是人工智能在工业的应用，如同零售人工智能，金融人工智能……360行人工智能。

坑2：工业人工智能的工具之一 - 借力学习

槽：当我看到借力学习的概念，虽然身为从业者，但不由得还是马上黑人脸，何为借力学习？翻遍全书，我终于找到了这个解释：当数据来源不足，比如只有低采样频率的控制器信号可以获得的时候，我们可以采用借力学习，即利用加装的第三方数据采集及分析设备获取更多的信号并进行针对性分析。哦，原来借力学习就是找到更多的数据做训练数据集，为什么不叫“借数据学习”？

坑3：GE Predix的得与失 vs. 富士康工业互联网Fii Cloud的成功

槽：李教授在书内写了GE Predix玩不转了，并且老人家早于市场1年就看出端倪，指出来问题所在：工业场景的个性化需求太多，平台难以提炼这么多的共性，Fair enough。反观我们看看李教授现在所在的富士康，他对Fii Cloud为基础的富士康云平台的描述那真是颇为宏伟：云大脑、雾小脑、支撑了无数的设备、集结了若干应用场景。在这里，已然对作者的中立性无语，逻辑上讲，定位相同、策略相同、性质相同、体量相当的两个平台，Predix失败了难道只是因为李教授没有参与其中吗？画外音：难怪天泽智云（李教授首席顾问，创始团队都是李教授的PhD）这个资源优厚的明星创业企业也发展的七零八落。

坑4：大大的话题，小小的章节，厚厚的摘抄

槽：听听这个书的名字：《工业人工智能》，起码应该是行业标杆级别的著作。翻开来看，全书一共290页，一本书只有4章：

Chapter 1：为什么需要工业人工智能？（60页）

Chapter 2：工业人工智能的定义与意义（50页）

Chapter 3：工业人工智能的杀手级应用与赋能系统案例（100页）

Chapter 4：如何建立工业人工智能的技术与能力（69页）

大致来分：

1、机器学习算法介绍做了两次：两个内容分在了两个章节，内容雷同，ML小白百度知道的水平；

2、杀手级应用：可能作者还不知道什么叫杀手级应用，一眼扫到的都是PoC、项目的描述，满眼看去还是“拿着锤子找钉子”的AI模型大水漫灌。没看到哪一个应用是Killer App，真正拉开了AI在工业的爆发式增长。Killer App显然没有这么容易就实现，而在工业中AI的Killer App，也必然不可能在每一个独立的小场景中“捂”出来。

3、系统案例论文翻译？：翻看了书中的案例，行文感觉都是端端正正一个论文的八股，介绍算法时把读者当小白，写案例就变成了副教授以下读不懂，区区200多字的书，风格差异如此之大，估计李教授没把自己学生的任务分工做好吧！

---

总结槽：李杰教授确实是工业大数据和智能化领域的大佬级人物，我相信也会有很多的读者就是冲着大佬的名头，书名和人名齐名，但实在干货少得可怜的昂贵手册。AI在工业的应用在我们这个制造大国的想象力必定是丰富的，也是可以无限延展的。

但李教授在书里说的对：工业场景碎片化、个性化、专业化，我们面临的挑战也恰恰就是这三个化，我们更希望看到带领行业向前走的领军人物在最难的问题上有独到和深入浅出的讲述，而不是一本盛名之下其实难副的畅销书。Anyway，期待李教授下一本书是精彩的！