Rose 撰稿：中国农业科学院 蒋士强研究员
(一)、怀念与启示。每当议及科学仪器与测试分析时，总使我想起王大衍院士生前对科学仪器精辟的定义：“科学仪器是认识世界和改造世界的工具”。同时也使我想起邹承鲁院士生前一直坚持的立论：“科学是认识自然，大至宇宙，小到基本粒子。而技术是在认识自然的基础上改造自然，为人类服务”。科学仪器和测试分析(以下简称为科仪与测试)在学科分类上是二级乃至是分支学料，但又是跨多学科,而且是科学发展的工具和产物,大家分析一下，众多与科学仪器和分析测试有关的诺贝尔奖得主就一目了然了。在行业地位上处于第二产业的分支中的分支。但是在当今全世界都在谋求科学和技术全方位的、不断的、甚至颠覆性的创新，以造就各领域、各学科、各产业、各行业的腾飞,使社会财富和政经不断增值和振兴，以满足人民日益增长的美好生活需求。无论是探索科学发明和技术的创新,乃至具体到确保和提髙质量，直至更新、换代，都需要科仪和测试,即在学科和产业体量不大,并不显眼的领域，将越来越彰显出“庙小显神通”的作用。当今人工智能新浪涛己经来到之时，如何应对，急待探索和实践。
(二)、要充分认知人工智能大幕己开启、新浪涛己经来到，科仪和分析测试领域的学界和业界都不能固守原有思维模式、思路和策略。我国传统思维比较保守，惯于从四书五经等典籍中，寻找治国安天下的方略，我国古代有四大发明，但我国自然科学的发展史是英国人写的，科学救国是近代一时思潮，后来受到批判，将社会发展、变革的推动力被阶级斗争等取代了，直到现代光辉的近30年、40年、70年才有所突破。就以机器和仪器而言，一字之差，前者是解放人的体力，后者是扩展、延伸人的感管，两者不断地融合、昇华…直到如今将脑科学、人的智慧，渗透、移植、乃至深化、超越地赋于各领域、产业、行业、事物的戴体(客体) 。寻求我国的轨迹，可说也是世界潮流的涌动波及和启迪的结果，恕我直言，我国有优良的文化、传统，但学界、业界乃至大众也有历史造成的不良习俗，多喜于学之外表，不求真谛，不仅缺乏异想天开的创造性，而乐于找捷径、跟风、蹭边、冒名……。如早先，把仅能测电阻、电流、电压的三用表叫成“万用表”;把清涼油加点药料就叫“万金油”，……。“人工智能”、“智能”、“智慧”等响亮而谜人的冠词，在各行业、各种产品上已有泛用之势，国内是乎更盛。但在国际上的仪器仪表、科学仪器、测试分析的领域，国外产品命名和广告宣传，还是比较谨慎的，很少冠用人工智能，即使其功能上具有某些初级人工智能的部分要素，如各种图谱的识别、解释、训练、自校正、自检等，这是值得学习的。
(三)、人工智能逐步渗透、融合于科学仪器和分析测试技术的历史回顾
在科学仪器、实验室设备和分析测试技术中，经历了自动化、数字化、信息化、网络化之后，逐步渗透、融合了部分“人工智能元素”、“专家的部分智能”，如：可编程，进而可自检、自校正的自动进样器和样品前处理工作站;实验室管理系统lims系统(laboratory information management system 英文缩写lims)是将以数据库为核心的信息化技术与实验室管理需求相结合的信息化管理工具，结合网络化技术，将实验室的业务流程和一切资源以及行政管理等以合理方式进行管理,通过lims系统，配合分析数据的自动采集和分析，大大提高了实验室的检测效率,降低了实验室运行成本并且体现了快速溯源和痕迹，使传统实验室手工作业中存在的各种弊端得以顺利解决;又如各种谱仪和联用仪中,应用了各种控制和分析的专家系统(有时称工作站、软件包等)，先是出现在进口仪器的操作系统中，接着国产仪器设备也逐步跟进，而且学者们发表了不少论文和专著，例如：卢佩章院士于1992年12月就出版了《高效液相色谱法及专家系统》，2012年3月的版本是，由卢佩章院士、张玉奎院士和梁鑫淼增订的，是一本经典性的著作。在回味人工智能在分析测试技术中的应用时，非常贴近的实例，是早在上世纪末的近红外分析测试技术的突破，国外以karl norris博士、国内以陆婉珍院士、严衍禄教授等为代表的学者们,就建立了近红外光谱模型分析、人工神经网络模型算法等技术、以及用标样校正(训练)图谱模型的技术。1998年湖南大学许亚兰发表论文，提出了模糊智能仪器这一新构想，针对这一构想，论文从其原理入手介绍了模糊智能仪器的相关基础理论--模糊数学与人工智能，其次在传统微机化仪器的基础上设计了模糊智能仪器。2004年由南开大学出版了裴雷著的《科学仪器软件平台研发——人工智能软件包开发》，提出：以软件为关键技术的通用平台上，可以很方便地改变软件配置来适应不同的需要,功能更加灵活、强大，更适合科学研究和创新的需要，建立中国自己的科学仪器通用软件平台，可带动我国分析仪器水平的提高，是我国分析仪器产业实现跳跃式发展的一次难得的机遇。中科院化工冶金所、中国科技大学、湖南大学的石乐明、张懋森、李志良的论文中指出：专家系统在分析化学中的一些应用，例如谱图解析，分析方法与分离路线的设计与优化，分析仪器工作参数的优化以及故障的诊断等。2010年11月1日，在化学_自然科学_专业资料中，发布了“分析化学中的应用”一文提出： 知识系统、知识工程已成为人工智能应用最显著新技术。2015年9月12日，在能源_工程科技_专业资料中，发布了“人工智能技术在分析化学中的应用技术”一文。2016年12月31日中国科学院化工冶金研究所李晓霞等发表论文，报导建立了hin(chemicalinformationnetwork)。其实国内外生产的大型、专用型的光谱仪、色谱仪、质谱仪、波谱仪、基因导入仪、基因测序仪、蛋白质纯化系统、细胞融合仪、电泳仪、病毒免疫荧光分析仪、层析仪、生化分析仪和各种联用仪以及大型样品自动处理设备等，都渗入部分初级人工智能，确切地说都有一定基础和苗头，只是有待于逐步完善。
(四)、从以上（三）所述的案例中，近乎可得出一个规律，即：有强力的应用人工智能科技的需求，而且开发应用者、实施者对人工智能有足够的认知，二者碰撞即能产岀鲜艳的火花。为此我建议在科学仪器与分析测试的学界与业界，宜先行有关人工智能的科普(在我国规划中就列有人工智能的全民科普的布署)。对学界、业界领军机构、人士、决策者，都有良好的科技学术基础，对类似以上列举的二本著作，肯定能熟读而有启迪的。新的科学技术的创新和应用不是炒岀来的，也不是抄岀来，更不是吹岀来的，是学者和业界同心合用探索、啃岀来的。
(五)、依据上述（二）众多人工智能的著名院士、学者论述，我感悟人工智能与科学仪器和分析测试有着一些相似性，但因学科和产业的层次、目标、定位、历经和发展速度的不同,又有巨大差异。科仪和测试技术应该充分借助于人工智能的巨大驱动力和利用以下相似性：人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学;目前用的办法就是我们现在说的神经网络或者准符号模型等;目的是研制出具有类人智能的智能机器，表现形式是会图像识别……，会人机对话……，会自动运行……，会思考、证明、诊断……，会学习……，会表示认知结果……。鉴于人工智能总体发展水平当前仍处于起步阶段，专用人工智能取得突破性进展，由于应用背景需求明确、领域知识积累深厚、建模计算简单可行，(任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单)因此形成了人工智能领域的单点突破，如图像检测分析……，都建立在数据的基础上(最初级的数据大多来自传感器和己有文献)，都涉及众多学科，是多学科交叉、实践性很强的综合性学科。差异是人工智能更深，涉及到当今和未来的科技、产业乃至于社会变革。更新、是近60年来兴起的。更大、是新一轮科技革命和产业变革的重要驱动力量。更神、是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。而仪器与测试是原系古老庙小、时显神灵;更通俗的比喻是：后者古老的小庙、小神，既需依靠大神、大庙，也宜发挥庙小有神灵的特点，我很赞赏将人工智能科技，逐步渗透、融合于科仪和测试的机理、构思、设计、研发之中，并在实施中与精细工匠精神相结合，推动科仪和测试技术发展，甚至颠覆其面貌。
(六)、科仪和测试技术也应走人工智能应用上的细分工与专用化之路，下棋人工智能机器人，决不能用于自动驾驶车辆……，当今高档的科仪和测试技术系统，越做越大、越复杂，有利于生产厂家赚钱，而买家只用其中部分功能，科仪和测试技术设备中逐步引入人工智能机器人技术，必能使科仪和测试技术设备走向细分工和专用化，硬件可能更简化，研发出各种新型传感器，当今庞大的科学仪器可能变成各种专用的传感部件，科仪将更灵敏、更小巧，测试分析将更具智能化，其实，万能的仪器设备都是假的。例如就食品安全检测而言，就应开发出检测某类、某种，甚至特定有害组份的人工智能机器人，其硬件将更精而少，而更神通，轻便和价廉。
(七)、学科和产业发展上应注重社会需求驱动，中医学的人工智能化将是我国的瑰宝。
科学仪器和测试分析技术在医疗保健和生命科学中的应用，可说一支独秀，这原系这两界本身就是大学科、大产业，有巨大社会需求，也正因此，不论在仪器设备或测试技术方面都很快地融人工智能技术，已有不少案例(请参阅上述三、)，编撰者一直关注中医学中人工智能技术的运用，在去年4月份发表的《人工智能化将猛力推动甚至颠覆现有科学仪器与测试分析技术的面貌》一文中用“中医学的人工智能化将是我国的瑰宝” 表述，引用了2017年以前较详细媒体报导的资料，但近二年未见更多的报导，但愿是疏漏，我仍坚信中医学领域，人工智能将大有作为。一方面应尽快抢救极其丰富的著名中医学大师积累的中医诊断中病人型像学和病案、宝方的经验，并转化为图像和数据，同时在中医院校引进人工智能专才，推进人工智能在中医学中的应用。
(八)、将传统的科学仪器与分析测试的机理，变为模块、模型、模式，将感知数据转变为图像，也许是得以融入以深度神经网络模型算法和图像分析等为代表的人工智能技术的捷径，即大幅跨越了科学与应用之间的“技术鸿沟”，这也许是近年来，国外把许多传统的谱仪分析，转为图像分析的原因。
(九)、人才的培养、吸纳和借助。科仪和测试界本身就需多学科人才，而要将人工智能技术引入，人才是关键，据媒体报导，华为拥有700多位数学家、300位物理学家、200位化学家，而且我国人工智能领域高级人材奇缺，科仪和测试业还属小庙，养不起“大和尚”即人工智能专才，那只能从原来从事计算机软件、自动化专业的人才中培养人工智能中级人才吧!当然也宜与从事人工智能的机构合作，吸纳和借助人才资源了。另外、今后开源的模型、算法等会越来越多，据报导，西方有不少中小型企业、机构，就是针对自已应用目的，利用开源的资料，修改、嫁接、而用之。
(十)、共建大数据共享联盟。大数据分析是人工智能神力之一，也是科学仪器和测试分析技术跃进的梯子，而测试分析领域的数据也非常可观，以庞国芳院士的团队为例，就己公开岀版了色谱、质谱、核磁共振图谱集三大本，五亿多个数据吧!大数据在大数据分析，乃至于人工智能中的地位业内人士比我更清楚，我只是呼吁通过已有联盟机构，协同共建更大的分析测试大数据共享联盟，是时候了!
