3月29日 昨日下午，“觸摸科學(xué)大咖 遇見未來科技”未來杯 AI 挑戰(zhàn)賽啟動儀式暨未來科技主題講座在貴陽舉行。會上，清華大學(xué)計算機科學(xué)與技術(shù)系教授、博士生導(dǎo)師孫富春發(fā)表演講。
孫富春稱，人工智能依賴于物質(zhì)基礎(chǔ)，談人工智能必須談是在什么樣的物質(zhì)上建立的。目前這一代人工智能依賴于硅片計算機，它是從逼近的角度來做智能，靠的是大量的計算，所以互聯(lián)網(wǎng)是群體智能的物質(zhì)基礎(chǔ)。
關(guān)于如何改變深度學(xué)習(xí)目前的問題，孫富春提出，在承擔(dān)自然基金會一個重大的項目時，搞醫(yī)學(xué)的老師有個重大的發(fā)現(xiàn)，就是在猴子的多感覺通導(dǎo)里發(fā)現(xiàn)了一個神經(jīng)環(huán)路里的記憶機制，這種機制就是調(diào)節(jié)多感覺信號的。這個突破有可能會解決深度學(xué)習(xí)從單模態(tài)學(xué)習(xí)轉(zhuǎn)向多模態(tài)學(xué)習(xí)的問題。
孫富春認為，人工智能的發(fā)展有四個階段，第一個階段就是不知道自己不知道，就是現(xiàn)在，是一個無知者無畏的時代，哪個都覺得自己是人工智能專家。
第二階段叫知道自己不知道。隨著人工智能的不斷發(fā)展，它的邊緣越來越清晰，比如我們今天提到的生物啟發(fā)智能。沿著這條線索發(fā)展的智能，我們認為這才叫人工智能。有很多人可能說我不是搞人工智能，我是用人工智能。
第三個階段叫不知道自己知道。那就是人工智能發(fā)展過程里有非常重要的部分，必須用國家行為來進行。比如說我們今天把人工智能作為國家戰(zhàn)略，為什么呢？其實大家都知道，火藥是中國人自己發(fā)明的，但是甲午海戰(zhàn)時，八國聯(lián)軍時是人家拿著我們的火藥進來。所以人工智能必須以國家的行為加以大力發(fā)展和研究。
第四階段叫知道自己知道。就是人工智能是我們?nèi)擞脕頌槲覀兎?wù)的，它的目標(biāo)應(yīng)該使我們?nèi)祟惿罡用篮谩?/span>
以下為孫富春演講實錄：
首先非常感謝大會組委會和貴州師范大學(xué)，這是我第一次來到這么一個以大數(shù)據(jù)，以天眼、數(shù)據(jù)的整個地面工作為主的學(xué)校。我今天匯報的題目是“人工智能和產(chǎn)業(yè)應(yīng)用”。大家都知道最近最熱的一個詞就是人工智能，特別是AlphaGo Zero，它用三天的時間戰(zhàn)勝了AlphaGo，六天的時間戰(zhàn)勝了AlphaGo Master。機器的三天是不是戰(zhàn)勝了三千年，中國春秋戰(zhàn)國時期的圍棋，一個是中國周朝的偃師發(fā)明的藝技，給皇上表演的智能機器?？偣彩侨?。是不是人跨出了被機器奴役的第一步。AlphaGo的出現(xiàn)讓我們感到驚喜的很重要的兩個地方，一個是沒有知識沒有數(shù)據(jù)。第二，它利用了基于行為的自我循環(huán)。這一步最好的棋，作為下一個回合的粗值。它用了強化學(xué)習(xí)，這跟AlphaGo不一樣，本來兩個網(wǎng)型，現(xiàn)在變成共享一個動作機緣網(wǎng)絡(luò)。這是非常的創(chuàng)新。過去AlphaGo Zero是自己跟自己玩。牛頓研究時說宇宙有第一推力，我們想這個小小的棋盤里面是不是也有第一推力呢。
圍棋，春秋戰(zhàn)國，在東漢時有一名哲學(xué)家橫談，他的著作里講到或言之兵法之類。圍棋棋盤就是戰(zhàn)場，紅子白子是雙方的軍隊，指揮官做什么呢，就是落子策略。這個落子策略就是《孫子兵法》里的機器推理，人的大腦推理。我們看《孫子兵法》里講到智能伐謀，伐謀就是最早的機器推理。我們再看公元前325年，荀子第一次在哲學(xué)角度定義了智能，他講人天生就有一種認知的能力，把這種認知能力放到社會實踐里就能產(chǎn)生智慧。
人還有一種求變和創(chuàng)新的能力，把這種能力用在社會實踐里面就能產(chǎn)生才能。什么叫智能？就是將人的認知能力用在變革和創(chuàng)新世界，就是智能。
我們再看，最權(quán)威的web字典，他說智能是學(xué)習(xí)和求解的能力。我們講今天的人工智能是一個時代的產(chǎn)物，在不同的發(fā)展階段和技術(shù)發(fā)展水平上，它的內(nèi)涵和外延都在發(fā)生變化。比如藝術(shù)現(xiàn)在在人工智能里，體育，方方面面。所以說，我們想古代兩千多年的定義，比它還好。我覺得好。
我們談到人工智能，最不能忘記的一個人就是圖靈。我們把圖靈在1950年提出的計算機能思維嗎，作為人工智能的思想基礎(chǔ)。在這里面他提出了著名的圖靈測試，就是讓人和機器背靠背，人給機器提問題，讓機器回答。如果在5分鐘時間里機器的回答有30%讓人感覺到像是人回答的，我們就講這個機器有智能。但有這么一個非常簡單的問題，到目前為止，什么樣的水平呢？每年世界都有一個圖靈競賽，有金獎、錦江、銅獎，到目前為止還沒有一個隊伍拿到金獎銀獎，最高獎是銅獎。也證明30%讓人感覺到是人回答的，很難。前段時間索菲婭上在沙特阿拉伯戶口了，你們相信她嗎？非也，都是人準(zhǔn)備好的。我們講人工智能談到第二個重要的觀點，就是人工智能依賴于物質(zhì)基礎(chǔ)，談人工智能必須談是在什么樣的物質(zhì)上建立的。比如說我們這一代人工智能就依賴于硅片計算機。它是從逼近的角度來做智能。我想每個人學(xué)計算機之前要學(xué)習(xí)樹枝分析，就是研究用什么樣的算法去逼近一個問題，把它解決。所以它靠的是大量的計算。互聯(lián)網(wǎng)我們都知道，它是群體智能的基礎(chǔ)，無人機編隊沒有網(wǎng)絡(luò)克勝不了群體智能，所以互聯(lián)網(wǎng)是群體智能的物質(zhì)基礎(chǔ)。
前面老師講到的DNA是細胞層面上的，這是生物計算機。包括神經(jīng)系統(tǒng)。依賴于生物計算的，這個人工智能是未來我們稱為叫碳智能。人工智能過去經(jīng)常講有兩大范式，一個范式就是符號主義，就是邏輯，是知識的智能。第二個是神經(jīng)網(wǎng)絡(luò)，我們認為它是數(shù)據(jù)驅(qū)動的智能。人工智能有沒有第三范式呢？許田教授也講到這個問題，我們認為第三范式是生物啟發(fā)的智能。這里不光包括動物，還有植物，它是依賴于生物學(xué)，生命科學(xué)和心理學(xué)的發(fā)現(xiàn)，所以這一代的人工智能叫碳智能。
我們過去講人工智能主要集中在推理，其實我們覺得，人工智能不光包括了機器推理，還包括感知和控制。這三個里面某單一個模塊的突破都不能看成是人工智能的突破。講個例子，無人駕駛，沒有人懷疑它不具有人工智能，但一百多年前飛機早就有無人駕駛了，為什么不說它是人工智能呢，因為它需要先進的感知技術(shù)和推理技術(shù)，同時離不開控制技術(shù)，所以它是缺一不可的。
人工智能的發(fā)展，離不開理論的突破，我們國家也是希望下一代的人工智能發(fā)生在我們中國。我們首先看一下，這一代以大數(shù)據(jù)和深度學(xué)習(xí)為代表的叫弱人工智能是怎么來的呢？它來自于1958年約翰霍普金斯大學(xué)兩位教授的工作，他們是從貓的視覺皮層開始做研究，來研究人的視覺系統(tǒng)是分級的。這兩個人在1980年獲得諾貝爾獎。他們的發(fā)現(xiàn)是在神經(jīng)科學(xué)和認知領(lǐng)域的重大突破，促進了人工智能近五十年的蓬勃發(fā)展。
我們就來走進深度學(xué)習(xí)。這是深度學(xué)習(xí)經(jīng)常用到的，人的視覺皮層從視網(wǎng)膜過來以后，再到v1區(qū)再到v4區(qū)，到終極皮層是提取部件，再到高級。為什么要這么多層的計算機？有人講人的視覺系統(tǒng)不就一層嗎，為什么要這么多層？就拿我們這張臉來講，我們的頭發(fā)是不是高頻的，眉毛這塊，還有中頻，還有低頻部分。我們現(xiàn)在的減波濾波器能把所有的信息都提取出來嗎，做不到。比如高頻能把頭發(fā)絲提取出來，中頻濾波器把鼻子這塊取出來，低頻部分把臉部提出來，這一下用了三層。但是大家要知道，即便是這樣，我們?yōu)榱税堰吘壧崛〉迷絹碓骄_，說不定把高頻的好幾個濾波器，中頻也好多。這樣一個生物系統(tǒng)里面的一個區(qū)，用硅來做的，用計算機來逼近的時候有好多層，同樣可以逼近到邊緣和物體的輪廓。
深度學(xué)習(xí)和模式識別有什么不同？深度學(xué)習(xí)是利用特征，通過分離器來做深度學(xué)習(xí)分離，實現(xiàn)識別。需要數(shù)據(jù)，需要算法，算法是在數(shù)據(jù)里提取特征，這種特征叫自動特征，它是面向特定任務(wù)的特征。這是跟傳統(tǒng)人工智能不同的地方。所以有人經(jīng)常講說，數(shù)據(jù)是燃料。貴州有天眼，有大量的燃料。
這樣一個智能，還存在著很多不足。第一個不足就是端到端學(xué)習(xí)，很多層大量的非線性的變換，哪怕數(shù)據(jù)發(fā)生漂移，就會導(dǎo)致結(jié)果的不正確。比如說我們曾經(jīng)發(fā)生把熊貓識別成長臂猿，把美國黑人識別成猩猩，這都是深度學(xué)習(xí)犯的錯誤。
第二，嚴(yán)重依賴大數(shù)據(jù)，學(xué)習(xí)效率很低。其實我們也知道，我們生活當(dāng)中有很多的問題根本不需要大數(shù)據(jù)，比如說我是做，一個非線性的函數(shù)要幾條規(guī)律逼近呢？我們得到的結(jié)論是基點數(shù)+2，如果這個規(guī)則函數(shù)只有一個基點，三條規(guī)則就可以，干嗎要那么多深度學(xué)習(xí)去做呢。
第三，能耗大，計算成本高。AlphaGo最早是28塊GPU。多少錢？上億。一般人玩不起。包括AlphaGo0用了4塊TPU。硅計算是非常消耗能源的，就拿咱們國家的太湖之光來講，我問過太湖之光正常情況下的耗電量是10兆瓦，清華大學(xué)8兆瓦一天。太湖之光頂風(fēng)的時候15兆瓦，這是靠錢堆出來的。
第四個缺點，模態(tài)單一，缺乏遷移能力。也就是說，AlphaGo只能下圍棋，不能下象棋，哪怕是圍棋規(guī)則改變了，它也沒有用了。那么最后一點，我覺得很重要，人的智能，即碳的智能，它具有一個很重要的能力，就是當(dāng)知識積累到一定程度以后，它會產(chǎn)生知識的涌現(xiàn)和升華。就像在座的，博士生讀四年就不一樣，積累兩年第三年發(fā)大量的文章，第四年準(zhǔn)備開始畢業(yè)。這個累計過程里，到了一定時期就產(chǎn)生新的升華過程，這一點也是僅僅以深度學(xué)習(xí)為代表的這代智能難以完成的。所以大家在想，深度學(xué)習(xí)以后，我們做什么？這個時候我放出來的就是通過深度學(xué)習(xí)，這是RPC3，這是我們學(xué)生做的，加一點深度學(xué)習(xí)，把它做成狗了。這是戰(zhàn)場環(huán)境下的深度學(xué)習(xí)，當(dāng)激活以后就發(fā)現(xiàn)把坦克車識別成貓了，把車識別成蜜蜂。也就是說，在對抗環(huán)境下，深度學(xué)習(xí)不可靠。
我們在想，怎么樣改變深度學(xué)習(xí)，后面做什么呢？我覺得這方面有兩條線索，一條是我們最近一個重要的發(fā)現(xiàn)。在我承擔(dān)了自然基金會一個重大的項目，我們搞醫(yī)學(xué)的老師有個重大的發(fā)現(xiàn)，就是在猴子的多感覺通導(dǎo)里發(fā)現(xiàn)了一個神經(jīng)環(huán)路里的記憶機制，這種機制就是調(diào)節(jié)多感覺信號的。這個突破有可能會解決深度學(xué)習(xí)從單模態(tài)學(xué)習(xí)轉(zhuǎn)向多模態(tài)學(xué)習(xí)的問題。
我想從另一方面闡述我自己的觀點，大家看看，特征+算法是傳統(tǒng)的人工智能，算法到數(shù)據(jù)里提特征，就是虛線，這叫深度學(xué)習(xí)，因為這個特征不是人定義的，是通過算法在數(shù)據(jù)里提取出來的。那我們再想一想，單模態(tài)的信息總是不可靠，我講一個例子。比如說我前面有一張桌子上面有一個杯子，我眼睛看的時候好像是塑料的，也可能是玻璃的，我們?nèi)藭趺醋鏊?，我用手摸一下就完了，觸覺，一摸這是玻璃的，馬上就做出來了。也就是說我們?nèi)嗽谧R別事物的時候，是按照模式來學(xué)習(xí)的。比如說我們經(jīng)常說，像深圳說刷臉，我發(fā)現(xiàn)根本不是單純的刷臉。就像雙胞胎，他們在未成家之前刷錯也不反對，但是成家了呢，但老爸老媽怎么看出來呢？深度學(xué)習(xí)看的人臉是形式，形象的形，照片。老爸老媽不光看形似，還看神似，老大老二的一招一式，他的行為動作，對一個問題的表情，都在影響爸爸媽媽的判斷。學(xué)生學(xué)知識不也如此，我今天在上面做報告，有的學(xué)生會講孫老師給我們講的一個概念是個模式，我到書上翻翻，書上沒搞清楚我舊聞老師，人就是這樣按照模式來識別事物，非?？煽浚恍芯颓蠼?，用別的模態(tài)來補償。另外一個很重要，就是行為智能。布魯克斯提出爬蟲的行為智能，很早就提出來了。行為智能在我們?nèi)粘Ｉ罾锍３Ｓ玫健Ｓ腥酥v毛主席就是行為智能的大師。他在指揮四渡赤水時就是用敵方指揮官的行為智能，看到反映他就知道原來我這么做他一定會這么做，我們把行為智能指揮戰(zhàn)爭又叫行為藝術(shù)。
我們得到了特征以后要做什么，我們?nèi)艘玫礁拍?，形成知識，最后建立模型。深度學(xué)習(xí)的后半部分怎么做，確確實實是按照我說的做的，我是2016年報告里提出的觀點。這兩年人工智能的發(fā)展主要是兩部分，從模型數(shù)據(jù)提取空間，下面做語義符號模型形成智能，就按照我說的到概念到知識再做。圍繞解決，深度學(xué)習(xí)中對大數(shù)據(jù)的依賴，這兩年就是小數(shù)據(jù)問題引起大家的關(guān)注。我這里介紹的工作小樣表示學(xué)習(xí)。如果描述這個函數(shù)空間的奇函數(shù)大于數(shù)學(xué)維度，人工智能是在兩方面做的，一個是同范化樣本空間。比如人的視覺、觸覺、味覺，如果投影到觀測空間，利用這個空間很多性質(zhì)來學(xué)習(xí)。
第二是做流行學(xué)習(xí)，本質(zhì)上它是記憶學(xué)習(xí)，來提高學(xué)習(xí)的能力。再一個就是通過引入輔助性的知識來加強學(xué)習(xí)。我們再回到AlphaGo，我們認為它是從符號模型到概率行為模型的映射。符號模型沒有數(shù)據(jù)，怎么辦？一開始就是隨便打，亂打，只要按照圍棋規(guī)則，下了十盤有了數(shù)據(jù)，通過深度卷金網(wǎng)絡(luò)提取特征，形成特征空間。下面通過強化學(xué)習(xí)，形成行為預(yù)測，就是落子策略。有人講說AlphaGo Zero沒有知識，那么卷進神經(jīng)網(wǎng)絡(luò)強化學(xué)習(xí)是什么知識，不是三千年以后人提出的知識嗎？所以我們覺得AlphaGo Zero沒有像外面想象的那么大，就像索非亞一樣。那么這兩年，我發(fā)現(xiàn)，比如2017年已經(jīng)有公司提出符號概念網(wǎng)絡(luò)，就是形成特征像量到概念模型。這是李非非的工作，他提出了一個關(guān)系網(wǎng)絡(luò)，就是對圖像形成概念。這是我們課題組最新做的工作，就是通過圖象語義形成對他的語言描述。計算機看上這個以后，馬上用語言表達出來。這是我們做的網(wǎng)型，第一部是做檢測，第二步做編碼，然后形成翻譯。用在機器人工作環(huán)境的語義理解，這是目前國際上最新的工作。包括經(jīng)驗的學(xué)習(xí)，怎么樣從特征向量空間到知識空間，比如讓機器人學(xué)習(xí)人的操作。
機器人學(xué)好以后就可以開始自己去做，這個工作就做得很好。這是一個端到端的時空模型，它是通過人的骨骼模型做的，它通過長短記憶模型來學(xué)習(xí)人開門的動作訓(xùn)練。這個動作目前有一個很世茂的詞叫“模仿學(xué)習(xí)”。機器人學(xué)了以后，不光可以開門，還可以開抽屜門和柜子門。有一個叫末拉維克悖論，那是在1980年，他說要讓電腦如成人板般的下棋是很容易的，但是要讓電腦用一歲孩子般的行動能力是相當(dāng)困難甚至是不可能的。人能具有非常高階的能力非常簡單，不需要很多計算，但是推理，無意識的技能，比如師父教徒弟，做什么事六道工序，一定壓記住這個工序做完了才能做下一道工序，這就是無意識得。我們得到一個很重要的結(jié)論，對人來講很困難的問題對機器很容易，比如下棋，因為機器快，我們叫硅片智能。它可以推十步，人力只能推止步。像圍棋。它一天可以學(xué)三萬個食譜，人只能學(xué)兩個食譜。人很簡單的問題，情感交互，感知動作，很簡單的問題，對機器來講確實非常難甚至就是不可能的。這個結(jié)論告訴我們，人工智能依賴于物質(zhì)基礎(chǔ)。AlphaGo是波士頓動力，后空翻，它用到的就是類似于能力反映平衡作用。無人機非常小，它有3克的武器，它可以通過數(shù)據(jù)分析去是別人臉然后做跟蹤，把壞人干掉。它可以飛行穿透人腦，這個插入式無人機。
我們在講末拉維克悖論離我們有多遠，我們有時候講笨的武器摳扳機就行了，聰明的武器就需要感知和推理。這是美國通過網(wǎng)絡(luò)做的103架無人機，實行編隊飛行。我們來介紹一下碳智能。細胞層面的就是DNA計算，給幾組數(shù)據(jù)，DNA計算體積非常小，它可以把一萬億個計算容納在一個小小的試管里面。一個立方米的DNA溶劑可以存一萬億個，計算量更是大得驚人。這個例子講的就是植物也有智能，這就是我們說的無煙草，動物進去以后馬上合上，噴灑煤，一個星期以后再打開，這就是典型的摳扳機，叫感知動作。這是毛氈臺，植物在毛氈臺上花花綠綠的。
這里一個非常重要的數(shù)據(jù)，就是一臺操縱50個微觀粒子的量子計算機，對特定問題的求解能力超過太湖之光，就是現(xiàn)在無錫超算的中心。
今天大家看到了，我們第一個報告里面講到了我們宇宙，前面許老師的報告講到了生物體，其實這里面有一個非常重要的概念，就是全息概念。最近，宇宙跟人都是全息的。最近，加拿大有一個外科醫(yī)生有個試驗，他說人的大腦對感知思維的記憶是全息的。由此，我們就回到哲學(xué)角度來看人工智能。哲學(xué)角度，我們覺得最重要的就是康德的純粹批判，他講在人的認知過程里，經(jīng)驗主義和理性主義是兩個不同的階段。經(jīng)驗主義是靠數(shù)據(jù)，實踐過程里的數(shù)據(jù)。理性主義是規(guī)則。這兩個過程的結(jié)合，就是深度學(xué)習(xí)。第二就是維特根斯坦的邏輯哲學(xué)論，他講一個非常重要的概念，圖像使人初步理解時最基本的編碼方式。比如咱們國家的語言，中國的文字是象形文字，每一個字都有一個非常美好的故事。所以我們說古人說你是一個文人，要做到字、畫、詩同形。我想我們在座的有幾個人號稱自己是文人，你會寫詩歌九嗎？你會寫毛筆嗎？做不到。古人是這樣的。我們覺得最近有一個非常重要的結(jié)論，就是人的視覺、聽覺、觸覺、味覺和嗅覺可以互相轉(zhuǎn)化，都可以用二元矩陣表達。它們之間轉(zhuǎn)化的條件是什么，也就是說要使得它具有遷移能力的條件是什么？最近我們得到非常重要的結(jié)論，就是聯(lián)合邊緣概論非常相同，這就是我們解釋的通感，可以把人的五種感覺統(tǒng)一表示成一種形式，這也印證了全息表示可以在人工智能里面可以做這樣的解釋。
人腦智能里還有一個很重要的部分，就是DNA神經(jīng)系統(tǒng)和人的社會系統(tǒng)之間是什么樣的關(guān)系。人的智能最后是通過社會關(guān)系展現(xiàn)出來的。這三個層次的關(guān)系究竟如何去合作呢？這是我們提出的人工智能的概念，就是如何從歸云計算最后到生物計算，中間這塊是空白，就是我們講的人工智能依賴于物質(zhì)基礎(chǔ)，這一代的智能應(yīng)該是硅智能到碳智能之間，我們定義為類生命體材料，叫類生命體智能。比如納米米粒構(gòu)成的生物傳感和在此技術(shù)上發(fā)展的智能，所以人工智能不止是我們經(jīng)常講到的搞自動化、搞計算機的，材料科學(xué)在這里起著非常重要的作用。
下面，我用簡短的過程講講人工智能的發(fā)展。人工智能的發(fā)展，我覺得咱們國家發(fā)展很快，但是在一些非常關(guān)鍵的地方，我們跟美國距離很大。比如說在機器學(xué)習(xí)，自然語言處理，特別是處理芯片方面，我們只有美國不到三分之一的企業(yè)。人工智能主要包括芯片、智能機器人、社交網(wǎng)絡(luò)、智能交通、教育等等。我做一個簡要評述，GPU，英偉達一個做人工智能的公司，今天就在剛才，我還在微信上看到，英偉達公司又推出一款非常強大的GPU，性能比過去提高18倍，體積縮小很大。這是去年7月份，英特爾公司收購了一家公司，在一年前做的一塊學(xué)習(xí)型芯片，是視覺處理芯片。這是IBM公司的，谷歌的TPU，應(yīng)該說是目前功能最強大的學(xué)習(xí)芯片。到現(xiàn)在，我們沒有看到中國人的身影。我們過去的CPU也落后于美國，最后我們做了大家都知道的龍芯，但龍芯跟英特爾的CPU不在一個架構(gòu)里。那么在這一代人工智能時代里我們怎么辦呢？中國難道永遠走在人家后面嗎？而這個，恰恰是人工智能里面最核心的部分。
智能機器人我們國家公司很多，從京津冀到長三角到珠三角，到中部地區(qū)，到東北地區(qū)，但是一直制約我們的減速器、高密度直流式負電機，靈巧手，我們依然依賴于外國，這些成本很高，都是進口的，這些方面仍然需要我們努力。盡管這幾年進步很大，但是跟外國產(chǎn)品還是有差距。
無人駕駛這兩年發(fā)展很快，深圳發(fā)牌了，上海這兩天也發(fā)牌了。其實我們國家的無人駕駛，這幾年進步非常大，因為我本身就是重大項目認證專家組的專家。我們每年的比賽就是我們專家組舉辦的?？梢赃@么講我們的無人駕駛水平目前來講已經(jīng)位于世界前列，我們多次實現(xiàn)了從天津到北京的無人駕駛，沒有任何的人工干預(yù)。最近我們在跑從珠海到長沙這段。這是我們實現(xiàn)了無人客車的無人駕駛，去年我們實現(xiàn)了40噸無人卡車的無人駕駛。
智能安防里很重要的一部分就是人臉和生物識別。你一旦進入北京的一類和二類攝像頭，你就記錄在案，識別率93%。也就是說，你在大街上，馬上跟你的身份證，跟公安就匹配起來了，特別是公務(wù)員上班時間千萬不要到大街上去。車也是如此，也實現(xiàn)了全封閉。還有人群。
社交網(wǎng)絡(luò)這兩年非常快，我去年應(yīng)邀到韓國做訪問，我看到韓國人開始已經(jīng)通過社交網(wǎng)絡(luò)約到醫(yī)院看病，到銀行辦業(yè)務(wù)，都是通過軟件系統(tǒng)，處理成功以后發(fā)短信告訴你。我覺得社交網(wǎng)絡(luò)最重要的是用戶畫像。我看在座的很多人，你們來到了大學(xué)，你們從生下來開始就在這樣一個開始就在這樣一個人臉里面，每一步都是你自己做的，都在網(wǎng)上提取信息，包括你的誠信。
移動智能，手機現(xiàn)在發(fā)展非常快，包括智能制造，通過生物傳感器壓縮機實現(xiàn)垃圾的自我管理。
教育，我覺得個性化教育現(xiàn)在非常重要，有人講2050年開始大學(xué)的數(shù)目會下降，將來你們上的很多公共課程都是，個性化教育將進行得非常快。有的小伙子數(shù)學(xué)特別好，根本不需要跟大班一起學(xué)習(xí)，他自己學(xué)幾個基本的部分就可以了。有的人有藝術(shù)頭腦，可能也不一定要學(xué)其他東西。另外很重要的是教育會成為一個產(chǎn)業(yè)。
航天領(lǐng)域最重要的一部分就是遙感技術(shù)?，F(xiàn)在的遙感，我們國家可以做到0.5分辨率，很快可以做到0.1。如果做到0.01的時候，在大街上就能把你識別出來。智能遙感將來可以用在城市規(guī)劃，農(nóng)作物病蟲害的判別，包括違章，反恐、維穩(wěn)各個方面，形成巨大的產(chǎn)業(yè)。我們感到自豪的是我們做出了似觸覺的靈巧手，跟人手一樣可以感覺到紋理、顏色，就這么小，放在手指上。紋理、顏色、滑覺和振壓力，目前這個產(chǎn)品已經(jīng)開始推向市場，這是它做的一些工作。在中央電視臺《開講啦》作為成果的展示。
另外，軟體機器人我們這兩年做得非常多，特別是將來的機器人。強化學(xué)習(xí)這兩年我們也做得比較多，特別是基于動作機緣的強化學(xué)習(xí)用在機器人操作里。這是我們課題組在多標(biāo)檢測，特別是在觸覺的表征方面，這是我們發(fā)表的文章，每年不到30篇，如何對觸覺建模。我們還獲得2016年比賽的冠軍。
人工智能從以大數(shù)據(jù)和深度學(xué)習(xí)為代表的弱人工智能，現(xiàn)在正在進入從特征象能空間，下一步就是強人工智能，不同的專家有不同的解讀。我覺得強人工智能一定是更接近于人的智能。最高形式一定是碳智能和人機混合智能。斯坦福大學(xué)定義了未來人工智能的九個應(yīng)用領(lǐng)域。
其實大家都知道，人工智能時代一個最重要的特點是人和機器共生。就是過去人和機器的關(guān)系是單向的，機器百分之百服從人，但是人工智能時代人和機器的關(guān)系是雙向的，機器要服從人，同時人的決策會受到機器的影響，因為機器有感知和推理能力和行為能力。這樣的話，人說的一些命令機器可能會提出不同的觀點，比如人會讓機器做什么事情，機器會說這種方式不好可能另外一種方式更好。這種生態(tài)我們叫人工智能的共生生態(tài)。
最近一本書《社會機器》就講了這個東西。這里我們想提到的是將來機器高度發(fā)達了，它會服從我們的指揮嗎？拿坡侖講過，我再也無法服從指揮了，我知道嘗到大全在握的滋味，它讓我欲罷不能。高度人工智能將來會服從我們嗎？我們講人類社會為什么會像今天這么文明，就是有一批像你們這樣的人有責(zé)任，敢于擔(dān)當(dāng)。人類歷史上也發(fā)生過南京大屠殺，就是因為有一大部分人的責(zé)任和擔(dān)當(dāng)，才使我們?nèi)祟惿鐣粩嘧呦蛭拿?。我們希望未來高度發(fā)達的人工智能也應(yīng)該具有責(zé)任和擔(dān)當(dāng)。
我們認為人工智能的發(fā)展有四個階段，第一個階段就是不知道自己不知道，就是現(xiàn)在，是一個無知者無畏的時代，哪個都覺得自己是人工智能專家。搞機械的人說用凈化計算設(shè)計過某個東西，我都是搞人工智能的。第二階段叫知道自己不知道。隨著人工智能的不斷發(fā)展，它的邊緣越來越清晰，比如我們今天提到的生物啟發(fā)智能。沿著這條線索發(fā)展的智能，我們認為這才叫人工智能。有很多人可能說我不是搞人工智能，我是用人工智能。第三個階段叫不知道自己知道。那就是人工智能發(fā)展過程里有非常重要的部分，必須用國家行為來進行。比如說我們今天把人工智能作為國家戰(zhàn)略，為什么呢？其實大家都知道，火藥是中國人自己發(fā)明的，但是甲午海戰(zhàn)時，八國聯(lián)軍時是人家拿著我們的火藥進來。所以人工智能必須以國家的行為加以大力發(fā)展和研究。第四階段叫知道自己知道。就是人工智能是我們?nèi)擞脕頌槲覀兎?wù)的，它的目標(biāo)應(yīng)該使我們?nèi)祟惿罡用篮谩?/span>
最后，我把這首歌獻給大家。這首詩就是我今天報告的總結(jié)，國粹圍棋促智人，統(tǒng)規(guī)天地啟民根，硅云數(shù)據(jù)深寬度，深度學(xué)習(xí)，你們的路還很遙遠，尤其在座的這些天之驕子，祖國的未來應(yīng)該靠你們?nèi)プ?。智能產(chǎn)業(yè)田精意，勇創(chuàng)高峰勵志登。
謝謝大家！（完）
微信掃一掃
