第一種是直接給出答案：就這么做了。這時，腦子里往往有成熟的案例、也就是有知識。
第二種是算一算再給出答案。這時，因為腦子里面有個成熟的“模型”，但需要算一下。
第三種需要想一想。“想一想”的過程，往往就是給出若干方案，然后再分析這些方案會遇到什么問題，得到什么結果。也就是說，需要有個比較和分析的過程。
在我看來，計算機的決策，其實也是對應這樣三種方式。
第一種也是直接給出答案。PLC里面的PLC梯形圖、IF THEN 語句、近鄰方法等就是這樣的。我常說的“吳淑珍式的智能”，就是人的知識數字化、軟件化。
第二種情況對應各種數學模型和算法。比如PID算法、最優化算法等等。學術界最喜歡的就是這些東西了，能顯得很有水平的樣子。
第三種情況想一想：這其實就是做仿真?。∠日页鋈舾煽赡艿淖龇?，分別模擬一下會遇到什么情況，選出一種合適的。數字孿生用來存儲特定對象的(相對)完整信息，就能支持這種做法。當然，前提是大數據和互聯網技術的發展，決策所需的知識和信息都能存起來、都能得到，而且算力足夠強大。
有了數字孿生，機器的智慧是不是就能和人相比呢？也不是。
人其實會遇到無法決策的情況，比如缺乏知識和信息時。這個時候，人還是有辦法的。比如，請教別人、閱讀文獻，必要時在實踐中摸索、在行動中學習，在學習和實踐中決策。也就是說，人類獲得信息和知識的途徑是開放的，而不僅僅是腦子里面的固有的那點知識。這一點，機器暫時還做不到。
最后提醒一下：雖然數字孿生和仿真的意義巨大，但從短期看，這兩項技術的適用場景并不多。少數大企業、先進企業可以探索一下，但絕不能一哄而上。未來重要的東西，當前不一定適合。我寫這點東西主要是因為興趣，想把道理想清楚。
作者：郭朝暉(工學博士，教授級高工。企業研發一線工作20年；優也科技信息公司首席科學家；東北大學、上海交大等多所院校兼職教授。國內知名智庫、走向智能研究院的發起人之一。原寶鋼研究院首席研究員)
