<mark id="oztn4"></mark>
0
| 本文作者： 我在思考中 | 2021-12-27 10:17 | 專題：GAIR 2021 |
在今年的GAIR2021大會上，一個論壇人潮涌動。在這里觀眾和演講者的思想激烈碰撞，一起探討著人工智能和機(jī)器人的發(fā)展方向，這就是——IEEE Fellow 論壇。
本次論壇由IEEE Fellow李世鵬博士擔(dān)任主席，邀請到了來自國內(nèi)外高校和研究所的多位IEEE Fellow：來自清華大學(xué)的王昭誠教授，香港科技大學(xué)的熊輝教授，京東集團(tuán)的梅濤博士，香港中文大學(xué)的邢國良教授。
踏入2021年，國際上風(fēng)云依舊，生活中疫情未了，不管是AI、科技企業(yè)還是傳統(tǒng)企業(yè)，都面臨進(jìn)一步的挑戰(zhàn)，也迎來未知的機(jī)會。今年的主題為“加速自主創(chuàng)新，重構(gòu)數(shù)智轉(zhuǎn)型”，設(shè)立多個有前瞻性的高峰論壇以探討創(chuàng)新方向，其中IEEE Fellow論壇也在12月10日如約而至。
IEEE Fellow是IEEE授予成員的最高榮譽，在學(xué)術(shù)科技界被認(rèn)定為權(quán)威的榮譽和重要的職業(yè)成就。為幫助科研人員了解最新的科學(xué)成果，助力學(xué)術(shù)界和企業(yè)界獲取研發(fā)的關(guān)鍵信息，往屆GAIR大會已邀請了數(shù)十位Fellow做分享。
在今年的IEEE Fellow 論壇中，每位嘉賓的發(fā)言依然精彩：
王昭誠教授結(jié)合了多年的科研及工業(yè)落地經(jīng)驗，為我們展現(xiàn)了人工智能技術(shù)在未來6G移動通信中的重要作用。
毫米波通信熱度很高，但有很多因素阻礙了其廣泛應(yīng)用，其中功耗、魯棒性、成本等原因最為明顯。如何使用人工智能技術(shù)降低功耗、提高魯棒性、解決成本問題，就是毫米波技術(shù)突圍的核心所在。
從感知智能過度到認(rèn)知智能是一種宏觀統(tǒng)籌的期望，希望算法達(dá)到從視覺遷移到知覺、觸覺、聽覺等方面的能力。在未來，這是AI發(fā)展的大方向。
注意力機(jī)制Attention、聚類Clustering、規(guī)則化Regularization等等都是簡易工具。它們都是簡易的過程，其目的就是讓我們聚焦到事物的本質(zhì)——不易。
以智慧燈柱為代表的路邊基礎(chǔ)設(shè)施輔助的自動駕駛挑戰(zhàn)在于有效使用燈柱的傳感器輔助車輛的感知。這需要精準(zhǔn)的點云配準(zhǔn)技術(shù)來利用路邊的激光雷達(dá)擴(kuò)展車輛的視野。這就像連接了燈柱上的傳感器一樣，開了“天眼”。
人工智能在很大程度上是在模仿人類的認(rèn)知過程。認(rèn)知科學(xué)的很多觀察和結(jié)論，目前還沒有充分被人工智能所借鑒。比如說人有些智能是生而知之；人的學(xué)習(xí)認(rèn)知過程在早期就會收斂到一個“思路”模型；人是從多源多模態(tài)的輸入中學(xué)習(xí)和進(jìn)化認(rèn)知的；人的歸納總結(jié)能力往往通過人類示教獲得和完善的等等。因此在未來的機(jī)器學(xué)習(xí)過程中，其可能的發(fā)展方向可能是多源和多模態(tài)的輸入，加上考慮示教和歸納能力的學(xué)習(xí)模型。
以下是每位嘉賓的演講要點精編：
王昭誠：AI賦能毫米波波束管理
首先由王昭誠教授帶來題為《AI賦能毫米波波束管理》的演講。
王昭誠教授是清華大學(xué)長聘教授，IEEE Fellow/IET Fellow，2020年科睿唯安全球高被引科學(xué)家，而波束管理正是王教授的個人學(xué)術(shù)標(biāo)簽。王教授的研究方向包括面向6G的毫米波/太赫茲無線通信、面向智能交通的可見光通信和AI賦能的智能通信。
在演講中，王教授結(jié)合了多年的科研及工業(yè)落地經(jīng)驗，為我們展現(xiàn)了人工智能技術(shù)在未來6G移動通信中的重要作用。6G移動通信作為未來爆發(fā)的焦點話題之一，成為學(xué)術(shù)和工業(yè)界的兵家必爭之地，而AI賦能的智能通信成為其核心關(guān)鍵技術(shù)。
王教授介紹了毫米波在未來6G移動通信中的重要意義，并著重介紹了融合低頻/毫米波終端的技術(shù)挑戰(zhàn)和未來發(fā)展趨勢。
毫米波通信熱度很高，但有很多因素阻礙了其廣泛應(yīng)用，其中功耗、魯棒性、成本等原因最為明顯。如何使用人工智能技術(shù)降低功耗、提高魯棒性、解決成本問題，就是毫米波技術(shù)突圍的核心所在。
王教授介紹了基于深度學(xué)習(xí)的低頻輔助毫米波波束預(yù)測。在使用毫米波進(jìn)行通訊時，存在著多方面的問題，比如損耗大、成本高、功耗大、魯棒性差等問題。
在王教授的工作中，核心思想為利用毫米波和低頻的直射徑/反射徑達(dá)到角的一致性解決上述困難。
首先，在入網(wǎng)的階段，王教授提出可以利用低頻和高頻信道的一致性降低終端功耗：當(dāng)終端設(shè)備需要利用毫米波鏈路進(jìn)行高速信息傳輸時，其功耗較大。因此可以使用低頻估計直射徑是否存在，如果有直射徑的條件下才開啟毫米波服務(wù)。
其次，在開啟毫米波服務(wù)后，使用低頻預(yù)測毫米波波束的到達(dá)方向。由于任務(wù)的復(fù)雜性和多模態(tài)特征，需要使用AI尋找最佳的到達(dá)角。王教授通過使用專門設(shè)計卷積神經(jīng)網(wǎng)絡(luò)、實部/虛部預(yù)處理、以及降采樣等組合技術(shù)解決上述問題并得到極佳的實驗效果。
隨后，王教授介紹了基于深度學(xué)習(xí)的低頻輔助毫米波波束跟蹤。利用低頻信道估計信息，實現(xiàn)毫米波終端的動態(tài)跟蹤。特別地，利用LSTM網(wǎng)絡(luò)來進(jìn)行平滑跟蹤，LSTM可以估計出通信中隱藏的重要中間變量，實現(xiàn)快速跟蹤。
最后，王教授介紹了基于深度學(xué)習(xí)的毫米波快速波束訓(xùn)練，可以使用功率泄露的寬波速來進(jìn)行最優(yōu)波束的估計和掃描。
未來毫米波和人工智能的應(yīng)用廣泛，比如無線環(huán)境感知和工業(yè)物聯(lián)網(wǎng)，王教授總結(jié)了當(dāng)前的應(yīng)用進(jìn)展，并提出了多項技術(shù)挑戰(zhàn)。
梅濤：感知智能到認(rèn)知智能的關(guān)鍵蛻變
梅濤博士（線上演講）
第二位演講者是梅濤博士，他的演講題目是《從感知智能到認(rèn)知智能的視覺計算》。
梅濤是IEEE/IAPR Fellow，京東集團(tuán)副總裁，京東探索研究院副院長。 在演講中，梅博士結(jié)合了自己在大型科技公司多年的工作經(jīng)驗，從生活和應(yīng)用的角度為我們生動地總結(jié)了AI的各種成功應(yīng)用，也以此由淺入深地介紹了從感知智能到認(rèn)知智能的必要性。認(rèn)知智能面臨著多方面的挑戰(zhàn)，而這正是學(xué)術(shù)和工業(yè)界未來的發(fā)展方向。相信終有一天，AI能夠脫離領(lǐng)域的束縛，達(dá)到像人類一樣多模泛化的程度。
當(dāng)前的計算機(jī)視覺領(lǐng)域發(fā)展飛快，多項技術(shù)已經(jīng)可以達(dá)到媲美人類甚至超越一般人類的能力。例如圖像分類識別、目標(biāo)定位。同時AI在內(nèi)容合成（圖像生成、圖片描述生成）上進(jìn)步飛速。但是這畢竟知識感知智能（學(xué)標(biāo)），并非具有“認(rèn)知能力”的真正人工智能（學(xué)本）。
在梅濤博士的演講中，他分別介紹了視覺認(rèn)知技術(shù)上的最新技術(shù)及應(yīng)用情況、算法從感知智能到認(rèn)知智能的必要，以及視覺領(lǐng)域的未來發(fā)展方向。
在過去的50年中，計算機(jī)視覺領(lǐng)域經(jīng)歷了巨大的變革。從最初的特征工程到目前的深度學(xué)習(xí)，其性能和精度都在同步的提升。最新的計算機(jī)視覺技術(shù)可以分為標(biāo)簽識別、目標(biāo)跟蹤、視頻流行為識別、語義分割、文字生成圖像、3D視覺感知等領(lǐng)域。
在細(xì)粒度的視覺識別研究中，基于各種模型結(jié)構(gòu)技術(shù)（例如自注意力機(jī)制）已經(jīng)可以實現(xiàn)精細(xì)物體、標(biāo)簽的識別。而在3D圖像處理領(lǐng)域，很多技術(shù)能夠輔助將日趨成熟的2D技術(shù)遷移至3D領(lǐng)域。在圖像的文字描述方法中，很多商品圖片的描述、根據(jù)文字自動生成模擬換裝效果的技術(shù)也已經(jīng)大規(guī)模使用。
隨后，梅博士結(jié)合實際的產(chǎn)品為我們介紹了視覺AI的各種有趣應(yīng)用，包括基于圖片的商品搜索、搭配推薦、智能導(dǎo)播、智能客服等。這些技術(shù)已經(jīng)深入到我們生活的方方面面。
梅博士介紹道，從感知智能過度到認(rèn)知智能是一種宏觀統(tǒng)籌的期望，希望算法達(dá)到從視覺遷移到知覺、觸覺、聽覺等方面的能力。在未來，這是AI發(fā)展的大方向。
在這個過程中，魯棒性、數(shù)據(jù)偏見等方面的挑戰(zhàn)十分嚴(yán)峻。從目標(biāo)的角度上來說，傳統(tǒng)人工智能能夠增強(qiáng)人們的認(rèn)知并且提供輔助。而感知智能則是希望能夠理解人類的行為，并且擬人進(jìn)行推理等功能。在能力方面，以前的人工智能方法希望能夠找到模式，而感知智能是想將人類的意識和理解進(jìn)行建模，并且找到解決事情的思路和邏輯。
在這個前進(jìn)的過程中，需要解決三個核心問題：對結(jié)構(gòu)知識進(jìn)行建模，模型的可解釋性，以及推理能力的集成。
最后，梅博士介紹了視覺領(lǐng)域的未來發(fā)展方向。他認(rèn)為計算機(jī)視覺目前已經(jīng)行進(jìn)到技術(shù)谷的第四階段尾聲，意味著它可以在未來的兩三年間被工業(yè)界大量應(yīng)用，從而影響我們的生活。
熊輝：AI思想在人性和社會性中的體現(xiàn)
熊輝教授
第三位演講者是熊輝教授，他的演講題目是《人工智能算法中的人性和社會性》。
熊輝教授現(xiàn)為香港科學(xué)技術(shù)大學(xué)（廣州）講席教授，人工智能學(xué)域主任；曾在學(xué)術(shù)休假期間擔(dān)任百度研究院副院長并主管5個實驗室。
熊輝教授一直致力于數(shù)據(jù)挖掘、大數(shù)據(jù)分析等領(lǐng)域的科學(xué)研究。在熊教授的演講中，他深入淺出的將人工智能經(jīng)典算法進(jìn)行更高層級的審視和回顧。他用清晰的思路和生動的比喻為我們介紹了人工智能和人類社會的關(guān)系。如果想真正做好算法，一定要知道領(lǐng)域知識和專業(yè)知識的結(jié)合，明白什么是不易。領(lǐng)域知識能夠告訴我們不易在哪、是什么。然后做到藝術(shù)和哲學(xué)的有機(jī)平衡，才能做好算法的應(yīng)用。
熊教授首先介紹了GAN算法與人性以至于社會性的關(guān)聯(lián)。在GAN的世界中，有目標(biāo)驅(qū)動的辨別式學(xué)習(xí)方法，就像為了考試而背題。還有以學(xué)習(xí)問題根源為目標(biāo)的生成式學(xué)習(xí)方法，即學(xué)習(xí)問題背后的本質(zhì)。
而站在個人的層面，我們也需要一個很好的辨別器。不同的人有不同的經(jīng)歷和選擇。他們有的成功，有的失敗，主要的區(qū)分在于自己所使用或經(jīng)歷的辨別器。好的匡正你的未來，來讓你的人生走在正確的方向上，讓你的資源用在正確的方向上。人生就是一場漫長的算法，二者一一對應(yīng)。算法之所以有用，很大的原因就是它從生活中來，抽象了我們的經(jīng)驗和哲理。
站在一個系統(tǒng)的宏觀角度來觀察所有的人工智能算法，可以將其用易經(jīng)的理論進(jìn)行梳理。它們可以分成三個主要類別，不易、簡易和變易。
事物的本質(zhì)就是不易，是萬事萬物中那些恒定不變的東西。我們最重要的失去學(xué)習(xí)事物中那些不易的知識樹。那么如何去把握住這些根本性的不變的東西，就是我們學(xué)習(xí)的難點。
熊教授介紹道，CNN其實就是一個通過簡易尋找不易的過程。而集成學(xué)習(xí)Ensemble learning就是民主投票，少數(shù)服從多數(shù)，讓多數(shù)人認(rèn)可的結(jié)果作為最終輸出，這也是一種尋找不易的過程。
而后，熊教授介紹了簡易的過程。注意力機(jī)制Attention、聚類Clustering、規(guī)則化Regularization等等都是簡易工具。它們都是簡易的過程，其目的就是讓我們聚焦到事物的本質(zhì)——不易。
大數(shù)據(jù)帶來的最好的本質(zhì)提升是讓其“不易”的本質(zhì)更容易被識別和捕獲，也就是帶來概率本質(zhì)上的一些信息的凸顯。其中，分層級的聚類方法類似于資本主義，而k-means方法類似于社會主義。當(dāng)我們在實際中將兩者結(jié)合起來，便是我們的“中國特色社會主義”。它既能堅固市場經(jīng)濟(jì)的靈活性，又能融合社會主義的大局領(lǐng)導(dǎo)力。這便是聚類算法的社會性表現(xiàn)。
最后熊教授介紹“變易”。這里面的代表性算法是強(qiáng)化學(xué)習(xí)。
強(qiáng)化學(xué)習(xí)算法的Agent能夠感知環(huán)境的狀態(tài)，之后可以采取一些動作，比如動作就是砍樹。當(dāng)樹砍光，環(huán)境變差，就要通過Reward來懲罰我們的Agent。如此一來，人類就知道這樣做不好。因此，人類不光不要砍樹，還要去植樹。如此，就能形成一個良性閉環(huán)。人類不斷感知環(huán)境并采取行動，這就是強(qiáng)化學(xué)習(xí)算法的人性化特點。
在總結(jié)階段，熊教授說，只有當(dāng)我們了解了算法人性和社會性，我們才能發(fā)揮算法的藝術(shù)性。而且做算法一定要有“中庸之道”。我們知道機(jī)器學(xué)習(xí)要在bias和variance之間取得平衡。前者導(dǎo)致過擬合，后者導(dǎo)致欠擬合，任何一種都是我們不能接受，也無法使用的。
邢國良：物聯(lián)網(wǎng)與AI的新時代碰撞
邢國良教授（線上演講）
第三位分享者是邢國良教授，他的演講題目是《支持車路協(xié)同自動駕駛的實時邊緣系統(tǒng)》。
邢國良現(xiàn)任香港中文大學(xué)信息工程系教授，IEEE Fellow，2006年獲美國圣路易斯華盛頓大學(xué)博士學(xué)位，并曾在美國密歇根州立大學(xué)任助理教授、終身副教授。他領(lǐng)導(dǎo)了多項人工智能項目，在智慧城市城市、智能駕駛等領(lǐng)域有著深入的研究。
在演講中，邢教授介紹了支持車路協(xié)同自動駕駛的實時邊緣系統(tǒng)。物聯(lián)網(wǎng)、自動駕駛和智慧城市作為AI落地的沃土，其蘊含的潛力十分龐大。從邢老師的精彩分享中，我們看到了物聯(lián)網(wǎng)+AI+視覺+自動駕駛的新型融合模式，并且為未來的智慧城市、自動駕駛輔助駕駛等領(lǐng)域開拓了新的方向和可能。
自動駕駛在近些年大熱，也成為了未來市場的爆發(fā)點。在世界的各大城市中，為了支持自動駕駛也逐漸開始了城市智能化的升級，包括利用電線桿和燈柱等設(shè)施輔助自動駕駛。如此的設(shè)計可以提高自動駕駛的安全性，并且降低自動駕駛的成本，這是一個很有意義的方向。
邢教授介紹道，智能城市中的智慧燈柱，可以在不侵犯用戶隱私的前提下，使用激光雷達(dá)等下一代智能傳感器實現(xiàn)行人車輛的識別。這樣的設(shè)備也可以用在輔助駕駛和自動駕駛場景中。然而其計算資源通常十分有限。
為了解決這些問題，邢教授提出了基于模型壓縮和優(yōu)先級調(diào)度的實時AI系統(tǒng)。這種方法針對不同的深度網(wǎng)絡(luò)進(jìn)行多級壓縮，而后通過聯(lián)合優(yōu)化壓縮級別和優(yōu)先級來優(yōu)化執(zhí)行策略。在經(jīng)過模型多變體壓縮融合、優(yōu)先級聯(lián)調(diào)等技術(shù)后，實際效果十分良好。
邢教授介紹道，以智慧燈柱為代表的路邊基礎(chǔ)設(shè)施輔助的自動駕駛挑戰(zhàn)在于有效使用燈柱的傳感器輔助車輛的感知。這需要精準(zhǔn)的點云配準(zhǔn)技術(shù)來利用路邊的激光雷達(dá)擴(kuò)展車輛的視野。這就像連接了燈柱上的傳感器一樣，開了“天眼”。
為了實現(xiàn)這樣的目的，邢教授團(tuán)隊設(shè)計了一個可以找到點云語義信息（如路邊的交通標(biāo)志）的輕量化方法等。其優(yōu)點在于精簡了配準(zhǔn)所需的數(shù)據(jù)量，僅需進(jìn)行語義級別的配準(zhǔn)，而不需要傳輸原始激光雷達(dá)圖像，從而降低車輛的算力要求。以上技術(shù)已經(jīng)在邢教授團(tuán)隊部署的大型智慧燈柱平臺上進(jìn)行了驗證。
李世鵬：機(jī)器人中的人工智能何去何從？
李世鵬博士現(xiàn)場照片
最后進(jìn)行演講的是李世鵬博士，他的演講題目是《人工智能與機(jī)器人前沿研究思考》。
李世鵬博士，IEEE Fellow，國際歐亞科學(xué)院院士 。李院士歷任深圳市人工智能與機(jī)器人研究院首席科學(xué)家和執(zhí)行院長、科大訊飛集團(tuán)副總裁及訊飛研究院聯(lián)席院長、微軟亞洲研究院創(chuàng)始成員與副院長。
在演講中，李博士介紹了人工智能和機(jī)器人前沿研究的深入思考。機(jī)器人作為人類未來社會中不可缺少的重要組成部分，其發(fā)展與我們的生活、隱私和便利息息相關(guān)。李老師為我們詳細(xì)介紹了人工智能和機(jī)器人領(lǐng)域上的發(fā)展方向，分別從機(jī)器學(xué)習(xí)能力提升、運動智能的發(fā)展、人機(jī)諧作的未來以及人群體協(xié)作四個方面進(jìn)行了綜述和展望，具有很強(qiáng)的導(dǎo)向意義。
首先李博士帶我們了解了人工智能和機(jī)器人研究的全景圖。而后對其中的關(guān)鍵技術(shù)，即機(jī)器學(xué)習(xí)、運動智能、人機(jī)諧作、群體協(xié)作進(jìn)行了介紹。
在這個全景圖里，核心的三元素是人、人工智能和與物理世界接口的機(jī)器人/物聯(lián)網(wǎng)；他們兩兩之間的交互和作用，形成了一個個人工智能與機(jī)器人領(lǐng)域的不同學(xué)科和方向；而這些智能體變得眾多時，群體之間的協(xié)作就變的很重要。在AI+機(jī)器人領(lǐng)域中，最重要和核心的一個主題便是研究人、機(jī)器和環(huán)境之間的交互和協(xié)作的哲學(xué)和方法。李博士介紹說，該領(lǐng)域的研究方向可以分成機(jī)器學(xué)習(xí)、運動智能、人機(jī)諧作和群體協(xié)作等基本方向。
在機(jī)器學(xué)習(xí)方面，由于深度學(xué)習(xí)等算法對標(biāo)記數(shù)據(jù)的嚴(yán)重依賴性，模仿人類認(rèn)知的建模研究成為未來的突破口，因此，認(rèn)知科學(xué)啟發(fā)的機(jī)器學(xué)習(xí)或成為人工智能未來的發(fā)展方向。
李博士介紹到，人工智能在很大程度上是在模仿人類的認(rèn)知過程。認(rèn)知科學(xué)的很多觀察和結(jié)論，目前還沒有充分被人工智能所借鑒。比如說人有些智能是生而知之；人的學(xué)習(xí)認(rèn)知過程在早期就會收斂到一個“思路”模型；人是從多源多模態(tài)的輸入中學(xué)習(xí)和進(jìn)化認(rèn)知的；人的歸納總結(jié)能力往往通過人類示教獲得和完善的等等。因此在未來的機(jī)器學(xué)習(xí)過程中，其可能的發(fā)展方向可能是多源和多模態(tài)的輸入，加上考慮示教和歸納能力的學(xué)習(xí)模型。
而在機(jī)器人的運動智能方面，李博士介紹說，雖然目前的最先進(jìn)機(jī)器人已經(jīng)可以執(zhí)行靈活絲滑的運動控制，但是其計算資源消耗嚴(yán)重，因為它基于電機(jī)的控制。但是人類是基于肌肉-骨骼-傳感-神經(jīng)的系統(tǒng)中進(jìn)行低能耗的運動，此時自適應(yīng)、低耗能、魯棒性、靈活性都得到了體現(xiàn)。
人機(jī)諧作也是未來的重要方向。我們目前總是希望AI能夠完成所有任務(wù)，完全解放人類。但是就算算法再強(qiáng)大，仍然有一些邊界情況無法完成。那么人機(jī)協(xié)作——“AI不行，UI來補”則是很好的解決方案。即機(jī)器只需要知道什么情況是它無法解決的，此時交給人類即可。
更遠(yuǎn)一點，隨著各種智能機(jī)器走進(jìn)人們的生活，人和機(jī)器如何和諧相處，更高效地協(xié)同完成任務(wù)，又是一個重要的研究課題。在人機(jī)增強(qiáng)機(jī)體方面，李博士認(rèn)為，我們可以希望機(jī)器人能夠自動感知到人們的需求，恰到好處地執(zhí)行輔助功能。
最后在群體協(xié)作方面，李博士認(rèn)為算法可以借鑒人類、動物群體的群體智能經(jīng)驗，脫離單獨智能體的局限性，做到1+1>>2的卓越效果。
總結(jié)
聆聽五位IEEE Fellow的前沿布道，讓我們對當(dāng)前人工智能、物聯(lián)網(wǎng)、視覺和機(jī)器人領(lǐng)域有了更加深入的理解和認(rèn)識。在這里，人工智能不再變得冰冷，它被賦予了社會性、人性，它的發(fā)展聚焦到了生活的每個角落，包括每輛車、每個燈柱、每座樓宇和每臺手機(jī)電腦。相信在不遠(yuǎn)的未來，AI和機(jī)器人的有機(jī)結(jié)合將會為我們的生活帶來巨大的驚喜！
讓我們期待下一屆的IEEE Fellow 論壇。
2021-12-10
2021-12-09
2021-12-12
雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
