猶他大學(xué)計(jì)算機(jī)系終身教授承恒達(dá)：人工智能中不確定性的研究 | CCF-GAIR 2018

雷鋒網(wǎng)按：2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了深圳市寶安區(qū)政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。

在大會(huì)第一天的「AI 前沿」專場，美國猶他州立大學(xué)計(jì)算機(jī)系終身教授、電子工程系兼職教授、計(jì)算機(jī)視覺與模式識(shí)別實(shí)驗(yàn)室主任承恒達(dá)帶來了題為「Studying Uncertainty in Artificial Intelligence」的主題演講。

承恒達(dá)教授于 1985 年獲得普渡大學(xué)電子工程專業(yè)博士學(xué)位，師從國際著名專家、智能控制學(xué)科奠基人、模式識(shí)別學(xué)科創(chuàng)始人傅京孫（K.S. Fu）教授，他的主要研究方向包括模糊邏輯、計(jì)算機(jī)視覺、模式識(shí)別、圖像處理，近年來專注于模式識(shí)別基礎(chǔ)理論和乳腺癌早期診斷技術(shù)的研究。

承教授在演講中講解了人工智能中的不確定性，用通俗易懂的例子闡述了這一研究對(duì)人工智能領(lǐng)域一系列關(guān)鍵問題的推動(dòng)意義。

他表示，人們?cè)诮?jīng)典邏輯的基礎(chǔ)上發(fā)展出微積分、代數(shù)、經(jīng)濟(jì)學(xué)、生物學(xué)等一系列學(xué)科，但是經(jīng)典邏輯存在許多悖論，所以需要提出新的邏輯。「經(jīng)典邏輯的值是 0 和 1，但模糊邏輯不一樣，它的值在 0 和 1 之間，能解決一些經(jīng)典邏輯不能解決的問題。模糊邏輯在科學(xué)和工業(yè)上也已經(jīng)得到了許多的應(yīng)用。」

隨后，他進(jìn)一步討論了模糊邏輯不能解決的問題，比如兩名審稿人評(píng)審?fù)黄獙W(xué)術(shù)論文，論文接收的隸屬度都是 0.8，可是前者是專家，后者是新人，這兩個(gè) 0.8 對(duì)文章的接收是有不同影響的，但在模糊邏輯下這兩者沒有區(qū)別。把模糊邏輯作為一個(gè)子集，在其基礎(chǔ)上，發(fā)展出新的中智邏輯，就可以進(jìn)一步解決這些問題。在中智邏輯的基礎(chǔ)上，他們對(duì) Neutro Connectedness 進(jìn)行研究，在這一過程中提出一系列效果極好的算法。他們目前正在與醫(yī)院和體檢中心合作，進(jìn)行乳腺癌的早期診斷，此外，也在進(jìn)行多功能道路裂紋檢測的相關(guān)研究。

以下為承恒達(dá)教授的演講全文，雷鋒網(wǎng)做了不改變?cè)獾木庉嬚怼?/p>

很多人問我為什么要研究不確定性，原因很簡單。不確定性遍存于宇宙中，不同的領(lǐng)域有不同的不確定性，研究不確定性能夠很好地解決有關(guān)問題，從而得到好的結(jié)果。

如何處理不確定性？現(xiàn)在有多種不同的方法，比如說對(duì)于隨機(jī)性可以用概率（probability）來解決，此外還產(chǎn)生了其他的不確定性，因此產(chǎn)生了其它的各種邏輯，如模糊邏輯（fuzzy logic）、粗糙集（rough set）、可能性理論（possibility）等。

建立在經(jīng)典邏輯基礎(chǔ)之上，人們發(fā)展出微積分、代數(shù)、經(jīng)濟(jì)學(xué)、生物學(xué)等等，可是哥德爾證明了科學(xué)是不完備的，經(jīng)典邏輯存在許多悖論，所以需要提出新的邏輯。

經(jīng)典邏輯的值是 0 或 1，不是黑就是白。模糊邏輯就不一樣，它的值在 0 和 1 之間。比如說你在冰雪道上開車，不可能將剎車踩死或者干脆不踩剎車，所以絕不是按 0，1 這種邏輯來做。當(dāng)然，模糊邏輯的提出已經(jīng)得到了許多的應(yīng)用，比如科學(xué)上、工業(yè)上，像手機(jī)聚焦就是利用模糊邏輯。

模糊邏輯隸屬度在 0 和 1 之間，概率也是在 0 和 1 之間。很多人說，那這樣的話，概率和模糊邏輯有什么差別？前者是建立在隨機(jī)性的基礎(chǔ)上，后者是建立在精確性的基礎(chǔ)上。

舉個(gè)例子來說明模糊邏輯和概率的不同。假定你在沙漠里必須得喝水才能存活下去，但水被污染了。假定致命水平是 0.4，你需要從兩個(gè)盒子里選出一瓶水來喝，那你應(yīng)該從下圖中的哪個(gè)盒子里選擇呢？每盒各有十瓶水，假定第一盒有兩瓶被污染了，概率是 0.2，第二盒十瓶水均被污染了，隸屬度是 0.2。這時(shí)候你應(yīng)該從第二盒中拿水喝。

如果第一盒有四瓶水被污染，概率是 0.4，而第二盒水被污染的隸屬度是 0.4，在這個(gè)基礎(chǔ)上你從哪個(gè)盒子里選呢？從第一個(gè)盒子里選還有機(jī)會(huì)活下來。

所以模糊邏輯和概率是不一樣的。如果用模糊邏輯作為一個(gè)子集，又可以發(fā)展出新的中智邏輯（Neutrosophic logic）。這個(gè)新的邏輯包含 I、T、F 三個(gè)集合，它們可在 0 和 1 之間取值。

如果從邏輯上看，經(jīng)典邏輯是 0，1 兩個(gè)孤立的點(diǎn)，模糊邏輯是一條線，中智邏輯可以考慮成一個(gè)球體，能解決一些模糊邏輯解決不了的問題。比如說兩名審稿人評(píng)審?fù)黄獙W(xué)術(shù)論文，論文接收的隸屬度都是 0.8，可是前者是專家，后者是新人，這兩個(gè) 0.8 對(duì)文章的接收是有不同影響的。

可是在模糊邏輯下這兩個(gè)是沒有區(qū)別的。如果我們有不確定變量 I（indeterminate），就可以區(qū)分這兩者。

計(jì)算機(jī)視覺中存在很多不確定性：

比如由三維到二維變化的過程中存在信息丟失；另外有些定義本身就是模糊的，比如邊緣（edge），對(duì)比度（image contrast）等；有時(shí)候沒有一個(gè)客觀標(biāo)準(zhǔn)來衡量問題，常常采用一些主觀方法，比如投票等；用一些詞匯來描述差異，比如說熱，很熱，特別熱，一點(diǎn)點(diǎn)熱等，這些可以用模糊邏輯解決得很好。

同時(shí)在醫(yī)學(xué)影像中，醫(yī)生可能會(huì)進(jìn)一步引入主觀性和模糊性。

1994 年 Fuzzy Connectedness（模糊連接度）被提出，大家知道它在空間理論上有很多應(yīng)用，在這個(gè)理論提出之后，最近我們又提出 Neutro Connectedness（中智連接度），建立在新的中智邏輯基礎(chǔ)上。我們基于 SVM 提出了新的 NSVM。大家都知道 K-Means 是經(jīng)典邏輯很有力的工具，后來在此基礎(chǔ)上有研究人員提出 Fuzzy C-Means ，我們又提出 L-Means 工具。

這是我們?cè)诎l(fā)展 Neutro Connectedness 的過程中提出來的一些方法，包括一些運(yùn)算和運(yùn)算符，同時(shí)我們定義了兩點(diǎn)之中的 Neutro Connectedness，公式細(xì)節(jié)就不多講了。

我們還從點(diǎn)到點(diǎn)，從點(diǎn)到集合定義了 Connectedness。Connectedness 可以用在圖像處理或者一些其他應(yīng)用上。我們進(jìn)一步提出 Neutro-connectness Cut，下圖是算法的詳細(xì)過程。

我們也做了實(shí)驗(yàn)，下面是實(shí)驗(yàn)的數(shù)據(jù)集以及評(píng)估標(biāo)準(zhǔn)等。

下圖最上面是原始圖像和目標(biāo)圖，如果原始圖像離目標(biāo)圖像比較遠(yuǎn)，可以看到，用以前算法的結(jié)果比較差，但我們這個(gè)算法能得到比較精確的結(jié)果。

下圖是另外一個(gè)例子，我們的算法用非常少的種子點(diǎn)就可以解決分割問題，當(dāng)然，種子點(diǎn)越多，結(jié)果會(huì)越精確。

我們還用圖像處理的一些方法來診斷乳腺癌。乳腺癌發(fā)病率比較高，在美國，八個(gè)婦女中就有一個(gè)會(huì)得乳腺癌，而且發(fā)病率還在增加，但是死亡率卻在下降，這是因?yàn)槊绹度肓舜罅康难芯拷?jīng)費(fèi)，來研究乳腺癌的早期診斷。

在中國乳腺癌的發(fā)病率和死亡率都在增加，所以早期診斷就成為一個(gè)很重要的因素。我們開始研究是用 X 光，但因?yàn)?X 光具有放射性，后來我們就轉(zhuǎn)到用超聲，超聲本身沒有放射性，很方便，而且價(jià)格低廉，適合普查。除了 X 光，CT 也有一定的放射性，而且 CT 和 MRI 更貴一些，也不適合普查。

但超聲圖象噪聲很大（因?yàn)楣逃性肼暎硗赓|(zhì)量比較差，同時(shí)現(xiàn)在超聲科的醫(yī)生數(shù)量大大少于需求。非常有必要建立一個(gè)計(jì)算機(jī)輔助診斷系統(tǒng)，能夠檢測乳腺癌，幫助醫(yī)生。我們實(shí)際上對(duì)這一系統(tǒng)進(jìn)行了 20 多年的研究。

利用算法可以精確地分辨腫瘤，目前這個(gè)系統(tǒng)可以得到比較高的精度，另外也能夠幫助醫(yī)生改進(jìn)診斷率，提高診斷精度。

因?yàn)楝F(xiàn)在超聲科醫(yī)生很少，可以利用這一系統(tǒng)訓(xùn)練醫(yī)學(xué)院的學(xué)生，將學(xué)生檢測的結(jié)果和系統(tǒng)檢測的結(jié)果進(jìn)行比較就可以促進(jìn)學(xué)生學(xué)習(xí)。而且系統(tǒng)能夠提供很好的服務(wù)，這對(duì)于低資源地區(qū)和國家極有意義。如果有了這個(gè)系統(tǒng)，相當(dāng)于超聲機(jī)自帶一個(gè)經(jīng)驗(yàn)豐富的醫(yī)生。在這里我們也用了一些方法來解決不確定性。最近我們正在把系統(tǒng)放在醫(yī)院和體檢中心，和他們做一些合作。

另外，我們做了多功能的道路裂紋檢測車，可以全自動(dòng)檢測路面的裂紋。現(xiàn)在，一些單位或機(jī)關(guān)會(huì)先采集圖像，再回去手工檢測，我們的系統(tǒng)完全可以自動(dòng)檢測。相應(yīng)的系統(tǒng)還可以用于機(jī)場裂紋檢測、隧道等場景。

在檢測的時(shí)候，一定要排除太陽光的影響，要有補(bǔ)光系統(tǒng)，路面噪音也很大，我們也用了一些方法來解決不確定性問題，這時(shí)就可以檢測出裂紋，然后可以對(duì)裂紋進(jìn)行分類，最后需要進(jìn)行修補(bǔ)的時(shí)候，就可以根據(jù)圖像來計(jì)算需要多少材料，到什么地方去修補(bǔ)等。

雖然中智邏輯用了模糊邏輯做子集，但我認(rèn)為它也是一個(gè)過渡邏輯。

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。