第一种是直接给出答案：就这么做了。这时，脑子里往往有成熟的案例、也就是有知识。
第二种是算一算再给出答案。这时，因为脑子里面有个成熟的“模型”，但需要算一下。
第三种需要想一想。“想一想”的过程，往往就是给出若干方案，然后再分析这些方案会遇到什么问题，得到什么结果。也就是说，需要有个比较和分析的过程。
在我看来，计算机的决策，其实也是对应这样三种方式。
第一种也是直接给出答案。PLC里面的PLC梯形图、IF THEN 语句、近邻方法等就是这样的。我常说的“吴淑珍式的智能”，就是人的知识数字化、软件化。
第二种情况对应各种数学模型和算法。比如PID算法、最优化算法等等。学术界最喜欢的就是这些东西了，能显得很有水平的样子。
第三种情况想一想：这其实就是做仿真啊！先找出若干可能的做法，分别模拟一下会遇到什么情况，选出一种合适的。数字孪生用来存储特定对象的(相对)完整信息，就能支持这种做法。当然，前提是大数据和互联网技术的发展，决策所需的知识和信息都能存起来、都能得到，而且算力足够强大。
有了数字孪生，机器的智慧是不是就能和人相比呢？也不是。
人其实会遇到无法决策的情况，比如缺乏知识和信息时。这个时候，人还是有办法的。比如，请教别人、阅读文献，必要时在实践中摸索、在行动中学习，在学习和实践中决策。也就是说，人类获得信息和知识的途径是开放的，而不仅仅是脑子里面的固有的那点知识。这一点，机器暂时还做不到。
最后提醒一下：虽然数字孪生和仿真的意义巨大，但从短期看，这两项技术的适用场景并不多。少数大企业、先进企业可以探索一下，但绝不能一哄而上。未来重要的东西，当前不一定适合。我写这点东西主要是因为兴趣，想把道理想清楚。
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)
