(一)、懷念與啟示。

每當議及科學儀器與測試分析時，總使我想起王大衍院士生前對科學儀器精辟的定義：“科學儀器是認識世界和改造世界的工具”。同時也使我想起鄒承魯院士生前一直堅持的立論：“科學是認識自然，大至宇宙，小到基本粒子。而技術是在認識自然的基礎上改造自然，為人類服務”。科學儀器和測試分析(以下簡稱為科儀與測試)在學科分類上是二級乃至是分支學料，但又是跨多學科,而且是科學發展的工具和產物,大家分析一下，眾多與科學儀器和分析測試有關的諾貝爾獎得主就一目了然了。在行業地位上處于第二產業的分支中的分支。但是在當今全世界都在謀求科學和技術全方位的、不斷的、甚至顛覆性的創新，以造就各領域、各學科、各產業、各行業的騰飛,使社會財富和政經不斷增值和振興，以滿足人民日益增長的美好生活需求。無論是探索科學發明和技術的創新,乃至具體到確保和提髙質量，直至更新、換代，都需要科儀和測試,即在學科和產業體量不大,并不顯眼的領域，將越來越彰顯出“廟小顯神通”的作用。當今人工智能新浪濤己經來到之時，如何應對，急待探索和實踐。

(二)、要充分認知人工智能大幕己開啟、新浪濤己經來到，科儀和分析測試領域的學界和業界都不能固守原有思維模式、思路和策略。

我國傳統思維比較保守，慣于從四書五經等典籍中，尋找治國安天下的方略，我國古代有四大發明，但我國自然科學的發展史是英國人寫的，科學救國是近代一時思潮，后來受到批判，將社會發展、變革的推動力被階級斗爭等取代了，直到現代光輝的近30年、40年、70年才有所突破。就以機器和儀器而言，一字之差，前者是解放人的體力，后者是擴展、延伸人的感官，兩者不斷地融合、昇華…直到如今將腦科學、人的智慧，滲透、移植、乃至深化、超越地賦于各領域、產業、行業、事物的戴體(客體) 。尋求我國的軌跡，可說也是世界潮流的涌動波及和啟迪的結果，恕我直言，我國有優良的文化、傳統，但學界、業界乃至大眾也有歷史造成的不良習俗，多喜于學之外表，不求真諦，不僅缺乏異想天開的創造性，而樂于找捷徑、跟風、蹭邊、冒名……。如早先，把僅能測電阻、電流、電壓的三用表叫成“萬用表”;把清涼油加點藥料就叫“萬金油”……。“人工智能”、“智能”、“智慧”等響亮而謎人的冠詞，在各行業、各種產品上已有泛用之勢，國內是乎更盛。但在國際上的儀器儀表、科學儀器、測試分析的領域，國外產品命名和廣告宣傳，還是比較謹慎的，很少冠用人工智能，即使其功能上具有某些初級人工智能的部分要素，如各種圖譜的識別、解釋、訓練、自校正、自檢等，這是值得學習的。

(三)、人工智能逐步滲透、融合于科學儀器和分析測試技術的歷史回顧

在科學儀器、實驗室設備和分析測試技術中，經歷了自動化、數字化、信息化、網絡化之后，逐步滲透、融合了部分“人工智能元素”、“專家的部分智能”，如：可編程，進而可自檢、自校正的自動進樣器和樣品前處理工作站;實驗室管理系統LIMS系統(Laboratory Information Management System 英文縮寫LIMS)是將以數據庫為核心的信息化技術與實驗室管理需求相結合的信息化管理工具，結合網絡化技術，將實驗室的業務流程和一切資源以及行政管理等以合理方式進行管理,通過LIMS系統，配合分析數據的自動采集和分析，大大提高了實驗室的檢測效率,降低了實驗室運行成本并且體現了快速溯源和痕跡，使傳統實驗室手工作業中存在的各種弊端得以順利解決;又如各種譜儀和聯用儀中,應用了各種控制和分析的專家系統(有時稱工作站、軟件包等)，先是出現在進口儀器的操作系統中，接著國產儀器設備也逐步跟進，而且學者們發表了不少論文和專著，例如：盧佩章院士于1992年12月就出版了《高效液相色譜法及專家系統》，2012年3月的版本是，由盧佩章院士、張玉奎院士和梁鑫淼增訂的，是一本經典性的著作。在回味人工智能在分析測試技術中的應用時，非常貼近的實例，是早在上世紀末的近紅外分析測試技術的突破，國外以Karl Norris博士、國內以陸婉珍院士、嚴衍祿教授等為代表的學者們,就建立了近紅外光譜模型分析、人工神經網絡模型算法等技術、以及用標樣校正(訓練)圖譜模型的技術。1998年湖南大學許亞蘭發表論文，提出了模糊智能儀器這一新構想，針對這一構想，論文從其原理入手介紹了模糊智能儀器的相關基礎理論--模糊數學與人工智能，其次在傳統微機化儀器的基礎上設計了模糊智能儀器。2004年由南開大學出版了裴雷著的《科學儀器軟件平臺研發——人工智能軟件包開發》，提出：以軟件為關鍵技術的通用平臺上，可以很方便地改變軟件配置來適應不同的需要,功能更加靈活、強大，更適合科學研究和創新的需要，建立中國自己的科學儀器通用軟件平臺，可帶動我國分析儀器水平的提高，是我國分析儀器產業實現跳躍式發展的一次難得的機遇。中科院化工冶金所、中國科技大學、湖南大學的石樂明、張懋森、李志良的論文中指出：專家系統在分析化學中的一些應用，例如譜圖解析，分析方法與分離路線的設計與優化，分析儀器工作參數的優化以及故障的診斷等。2010年11月1日，在化學_自然科學_專業資料中，發布了“分析化學中的應用”一文提出： 知識系統、知識工程已成為人工智能應用最顯著新技術。2015年9月12日，在能源_工程科技_專業資料中，發布了“人工智能技術在分析化學中的應用技術”一文。2016年12月31日中國科學院化工冶金研究所李曉霞等發表論文，報導建立了HIN(chemicalinformationnetwork)。其實國內外生產的大型、專用型的光譜儀、色譜儀、質譜儀、波譜儀、基因導入儀、基因測序儀、蛋白質純化系統、細胞融合儀、電泳儀、病毒免疫熒光分析儀、層析儀、生化分析儀和各種聯用儀以及大型樣品自動處理設備等，都滲入部分初級人工智能，確切地說都有一定基礎和苗頭，只是有待于逐步完善。

(四)、從以上（三）所述的案例中，近乎可得出一個規律，即：有強力的應用人工智能科技的需求，而且開發應用者、實施者對人工智能有足夠的認知，二者碰撞即能產岀鮮艷的火花。

為此我建議在科學儀器與分析測試的學界與業界，宜先行有關人工智能的科普(在我國規劃中就列有人工智能的全民科普的布署)。對學界、業界領軍機構、人士、決策者，都有良好的科技學術基礎，對類似以上列舉的二本著作，肯定能熟讀而有啟迪的。新的科學技術的創新和應用不是炒岀來的，也不是抄岀來，更不是吹岀來的，是學者和業界同心合用探索、啃岀來的。

(五)、依據眾多人工智能的著名院士、學者論述，我感悟人工智能與科學儀器和分析測試有著一些相似性，但因學科和產業的層次、目標、定位、歷經和發展速度的不同,又有巨大差異。

科儀和測試技術應該充分借助于人工智能的巨大驅動力和利用以下相似性：人工智能是研究開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學;目前用的辦法就是我們現在說的神經網絡或者準符號模型等;目的是研制出具有類人智能的智能機器，表現形式是會圖像識別……，會人機對話……，會自動運行……，會思考、證明、診斷……，會學習……，會表示認知結果……。鑒于人工智能總體發展水平當前仍處于起步階段，專用人工智能取得突破性進展，由于應用背景需求明確、領域知識積累深厚、建模計算簡單可行，(任務單一、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單)因此形成了人工智能領域的單點突破，如圖像檢測分析……，都建立在數據的基礎上(最初級的數據大多來自傳感器和己有文獻)，都涉及眾多學科，是多學科交叉、實踐性很強的綜合性學科。差異是人工智能更深，涉及到當今和未來的科技、產業乃至于社會變革。更新、是近60年來興起的。更大、是新一輪科技革命和產業變革的重要驅動力量。更神、是引領這一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。而儀器與測試是原系古老廟小、時顯神靈;更通俗的比喻是：后者古老的小廟、小神，既需依靠大神、大廟，也宜發揮廟小有神靈的特點，我很贊賞將人工智能科技，逐步滲透、融合于科儀和測試的機理、構思、設計、研發之中，并在實施中與精細工匠精神相結合，推動科儀和測試技術發展，甚至顛覆其面貌。

(六)、科儀和測試技術也應走人工智能應用上的細分工與專用化之路，下棋人工智能機器人，決不能用于自動駕駛車輛……

當今高檔的科儀和測試技術系統，越做越大、越復雜，有利于生產廠家賺錢，而買家只用其中部分功能，科儀和測試技術設備中逐步引入人工智能機器人技術，必能使科儀和測試技術設備走向細分工和專用化，硬件可能更簡化，研發出各種新型傳感器，當今龐大的科學儀器可能變成各種專用的傳感部件，科儀將更靈敏、更小巧，測試分析將更具智能化，其實，萬能的儀器設備都是假的。例如就食品安全檢測而言，就應開發出檢測某類、某種，甚至特定有害組份的人工智能機器人，其硬件將更精而少，而更神通，輕便和價廉。

(七)、學科和產業發展上應注重社會需求驅動，中醫學的人工智能化將是我國的瑰寶。

科學儀器和測試分析技術在醫療保健和生命科學中的應用，可說一支獨秀，這原系這兩界本身就是大學科、大產業，有巨大社會需求，也正因此，不論在儀器設備或測試技術方面都很快地融人工智能技術，已有不少案例(請參閱上述三、)，編撰者一直關注中醫學中人工智能技術的運用，在去年4月份發表的《人工智能化將猛力推動甚至顛覆現有科學儀器與測試分析技術的面貌》一文中用“中醫學的人工智能化將是我國的瑰寶” 表述 ，引用了2017年以前較詳細媒體報導的資料，但近二年未見更多的報導，但愿是疏漏，我仍堅信中醫學領域，人工智能將大有作為。一方面應盡快搶救極其豐富的著名中醫學大師積累的中醫診斷中病人型像學和病案、寶方的經驗，并轉化為圖像和數據，同時在中醫院校引進人工智能專才，推進人工智能在中醫學中的應用。

(八)、將傳統的科學儀器與分析測試的機理，變為模塊、模型、模式，將感知數據轉變為圖像，也許是得以融入以深度神經網絡模型算法和圖像分析等為代表的人工智能技術的捷徑，即大幅跨越了科學與應用之間的“技術鴻溝”，這也許是近年來，國外把許多傳統的譜儀分析，轉為圖像分析的原因。

(九)、人才的培養、吸納和借助。科儀和測試界本身就需多學科人才，而要將人工智能技術引入，人才是關鍵，據媒體報導，華為擁有700多位數學家、300位物理學家、200位化學家，而且我國人工智能領域高級人材奇缺，科儀和測試業還屬小廟，養不起“大和尚”即人工智能專才，那只能從原來從事計算機軟件、自動化專業的人才中培養人工智能中級人才吧!當然也宜與從事人工智能的機構合作，吸納和借助人才資源了。另外、今后開源的模型、算法等會越來越多，據報導，西方有不少中小型企業、機構，就是針對自已應用目的，利用開源的資料，修改、嫁接、而用之。

(十)、共建大數據共享聯盟。大數據分析是人工智能神力之一，也是科學儀器和測試分析技術躍進的梯子，而測試分析領域的數據也非常可觀，以龐國芳院士的團隊為例，就己公開岀版了色譜、質譜、核磁共振圖譜集三大本，五億多個數據吧!大數據在大數據分析，乃至于人工智能中的地位業內人士比我更清楚，我只是呼吁通過已有聯盟機構，協同共建更大的分析測試大數據共享聯盟，是時候了!