AI，如何应对电网设备的物理缺陷和功能缺陷

福州这条小河

与我纠结的脑壳相比

显得格外的安静

我纠结的事儿很多，其中之一就是AI，AI这一坨乱麻，我纠结30多年了，起点是两件事儿，一是我们长地院物探系七八级一位师哥，在上世纪八十年代某一年，考上了清华大学人工智能博士研究生，上了一年之后嗷嗷叫要退学，而我竭力反对他退学或者休学，鼓励他咬碎了牙坚持下去（如今回头看，师哥当年退学是正确的）；二是那时候几个洋鬼子给我们讲landmark工作站上的地震资料专家解释系统。站在我们地学专业上讲，上世纪八十年代可谓是AI第一个小高峰。感兴趣的朋友可以阅读《关于人工智能，30年来我越来越迷糊了》。

三十年弹指一挥间，如今，我们又迎来了人工智能的新阶段，这一波人工智能小高峰，涵盖的行业更多、算法、算力跟上世纪八十年代相比，已经强大了很多。但是最近一年来的讨论和接触，感觉还有比较长的路要走，甚至还会出现一个低潮期。

为什么会有这个感觉呢？因为工况场景太复杂了，AI在学习阶段，依然还有不少问题难以解决，这直接导致在应用阶段的N多个不成熟，以电网设备的缺陷和故障AI诊断为例，这些不成熟当中，最关键的是：

1. AI识别的三个层次：环境识别、设备识别、故障点识别。

2. 设备故障模型和故障树模型：故障模型是指单一设备中的零部件发生故障的机理和规律，故障树模型是指一个零部件或者一台设备一旦发生故障是如何殃及池鱼的。

这一坨东西，在电力可靠性领域，研究了很多年，尚没有重大的进展。实话讲，在这种情形下，简单、机械、教条的生套AI，我不相信能取得什么实质性的应用成果，这里面还不包括AI自身的一些问题。

医院里有些事儿，我们都有体会，例如：『腿断了』和『腿疼』这一坨。腿断了，看起来很吓人，但医院处理却很简单。

1992年的冬天，俺遭遇过一场严重的车祸，一根锁骨断了、三根肋骨断了、脊椎骨也出现了裂缝，仅住了7天医院，就撤了，所以，体会非常的深刻。

然而腿疼，看上去不那么吓人，但医院处理起来，却很复杂。前者是外科，后者是内科。因为，外科的『现象』和『原因』的因果关系，相对简单；但是内科的『现象』和『原因』的因果关系，要复杂很多，例如：腿疼这件事，有可能是骨癌、也有可能是关节损伤、肌肉拉伤、也有可能是血管曲张、也有可能是痛风、也有可能是类风湿、也有可能是风湿性关节炎等等。

俺很小时候，就患有关节炎。所以，对此同样有深刻体会。

如果是类风湿导致了腿疼，这相当于电网设备的故障模型，如果类风湿不仅导致了腿疼，还引发的心脏病，这就相当于电网设备的故障树模型。在电网设备等重资产领域，类似于医院『外科』的，可以叫『物理缺陷』，类似于医院『内科』的，可以叫『功能缺陷』，前者的AI应用效果比较好一些，例如电力塔杆倾斜、沉降、变形、塔杆上的销钉脱落、瓷瓶破碎、裸线开股等。而后者，基本上是整体性AI应用不成熟，这里面不仅有AI自身的问题，主要还是电网公司对设备故障规律认识和把握不够全面、不够彻底的原因，

关于AI的更多思考...
1. AI仿生继续谈: 动物的竞争优势和人类的优势竞争