这个队得高分是有原因的：别人考虑的是，有干扰的时候怎样识别对象；他们考虑的是，如何阻止干扰的产生、易于识别。这就是工业思维。我遗憾的是：他们没有完全摆脱学术思维：他们做了机器自学习。我遗憾的是：为什么不设法取消自学习？
与学术界相比，工业人思维更偏重系统思维。系统思维，就是重视整个系统的表现，而不是过于在乎每个模块的优化。也就是说，先要设法把问题变得简单，然后再解决问题；而不是去炫耀解决难题的能力。
学术界还有个问题，过度追求“最优”。“标准化、流程化”是现代工业最基本的特征之一。企业执行的标准和流程是不是最好的呢？不一定！好的标准和流程是可行的、可稳定控制的，却不一定是最优的。原因很简单：真正的最优往往是可遇不可求的。
学术界很喜欢研究“最优”。从理论上看，“最优”是很美的。但在大多数情况，盲目追求最优往往导致误入歧途。即便有所谓的“优化”，也往往是“局部最优”——也就是某个工作点附近的最优。企业追求“全局优化”时，往往只是着眼于全局的“全局更优”。工业界一般的追求不是“最优”，而是“更优”。
按照我的经验，技术创新有两个关键要点：经济性和技术可行性。创新如果遇到技术困难，最好的办法就是“化解困难”。谈到智能化时，我常说“先人做、后机器做”；“用人明白的道理，让机器做得更好”。这些思想都是为了降低技术的难度。
面对新问题，如果脑子中有过多的“最优”要求，往往容易失败。工业界追求一流的办法应该是：先做成、再做好；重视持续优化；让持续优化的效率更高、成本更低。
作者：郭朝晖(工学博士，教授级高工。企业研发一线工作20年；优也科技信息公司首席科学家；东北大学、上海交大等多所院校兼职教授。国内知名智库、走向智能研究院的发起人之一。原宝钢研究院首席研究员)
