自动化能拯救美国工业吗？(2)

相反，自动化程度不高的话，操作工时时刻刻需要对过程“把脉”，容易察觉异常现象的蛛丝马迹，反而不容易出现故障升级现象。对自动化系统过度依赖、不能正确判别和处理自动化系统失控的状态，这已经成为工业界普通感到头疼的问题。工业上通常使用仿真系统(也称模拟器)训练操作工的异常情况处理，但训练的成功与否取决于是否能正确预测典型异常情况，超出训练课程的异常情况依然要靠操作工随机应变，但高度自动化系统非常容易钝化人的随机应变能力。

还有一个问题是高度自动化后工作负荷高度集中。在手动操作时代，很多操作工分兵把守，各自为阵。自动化之后，很多机械的、重复的工作被自动化系统取代了，操作工在更高的层次监控自动化系统。在体力上，这更加轻松;但信息量实际上大大增加，需要关注的事情多得多。

这好比交通警察。在一个交通警管一个路口的时候，他要根据车流情况开关红绿灯，指挥这个路口的交通。交通控制自动化后，他的工作岗位转到交通控制中心，具体路口的红绿灯控制转为自动控制。在正常情况下，他要眼观六路、耳听八方，从确保一个路口交通畅通变为确保一大片路口交通畅通。一旦自动控制不力，出现交通受阻，他需要在短时间内作出大量的人工干预，正确疏导，而不是加剧堵塞，峰值工作负担大大增加，对心理素质和专业技能的要求也大大提高了。

高度自动化的另一个问题是操作经验的流失。随着人员流动，有经验的老资格操作工被缺乏经验的新操作工取代。新操作工从一开始就依赖自动化系统，缺乏实际经验，甚至对超越自控系统的人工干预产生畏惧，到时候想随机应变都无从入手。

这就好比用GPS导航自动驾驶的汽车，在正常情况下不需要人的干预，可以安全自动地从A开到B。车上的人在原则上是可以手动超越驾驶的，但在正常情况下没有这个必要。问题是久而久之驾驶技术和对路况的判读就生疏了，或者只有理论上的能力，真的到了GPS或者自动驾驶失灵的时候，驾车人临时抱佛脚，不把车开到沟里才怪。

操作经验流失的另一个坏处在于未来自动化系统的研发。自动化系统不是天上掉下来的，更不是纸上谈兵拍脑袋出来的，而是丰富操作经验的物化。熟练技工的经验不仅对于现有生产过程十分重要，对于把改进后或者全新的生产过程开出来更加重要。只有通过他们把新过程摸出来了，才谈得上高度自动化。自动化的难点通常不在关键过程或者动作的自动化，而在于异常情况的处理、人机交互处理、不同状态之间的无缝转换，这些都不是理论或者空想可以解决的，必须要靠高度的经验。所以自动化降低了对不熟练技工的需求，但不降低对熟练技工的需求。

问题是熟练技工不是天上掉下来的，也是从不熟练技工中成长出来的。自动化使得不熟练技工队伍缩小，这使得自动化带来的技术进步难以为继，因为生产技术和产品技术是不断进步的，但熟练技工成了无源之水之后，下一步的自动化就难以为继了。换句话说，过度依赖自动化的制造业振兴可能是一次性的。

这个问题在工程技术人员中也存在。美国制造业公司中技术工作大量外包，一般性设计和工程管理都承包给EPC公司(Engineering Procurement Construction)，以降低公司的负担。这对公司是有利的，有项目的时候请人来做，没项目的时候不需要养一支队伍，更没有福利、养老等长期负担。外包公司里都是资深专业人士，经验和见识比公司里的人还广。问题是EPC公司对用户公司的工程标准和项目程序有一个熟悉过程，这中间的磨合常常令人抓狂。更要命的是，现在可以依靠EPC公司，但大家都没有从第一线出来的工程师了，下一代EPC的人马从哪里来?这种“我死后哪管他洪水滔天”的短视做法和试图片面依赖自动化振兴制造业一样成问题。

不过，计算机技术、人工智能的高速发展给人们以新的希望，说不定以后高度智能的系统可以自学习了，那就彻底摆脱对熟练技工的依赖了。摩尔定律依然在发光，计算机的速度依然在以不可思议的速度增长，种种人工智能实验也爆出喜人的成功，计算机甚至战败了国际象棋冠军，“你怎么知道以后计算机就不能比人聪明呢?”

人工智能的极限是一个哲学问题，在这个问题没有解决之前，计算机是否可能比人聪明都是空谈。人类智能的另一个说法就是智慧，智慧到现在为止依然是一个无法定性和计量的东西，智慧的生成、演进、转移和储存都是远远没有解决的问题。智慧更有显性和隐性两部分，显性智慧由各种成文的知识和思想方法组成，复制显性智慧至少在理论上是可能的。但隐性的智慧充满的“只可意会不可言传”的东西，连描述都困难，更谈不上复制或者超越。