<mark id="oztn4"></mark>
0
| 本文作者： 張帥 | 2019-09-15 15:34 | 專題：2019嶺南大數據國際論壇·特寫 |
雷鋒網消息，9月7日，在全球學術界、產業界的領袖精英的見證之下，工信部第二屆“綻放杯”5G應用征集大賽之珠海智慧城市專題賽暨2019嶺南大數據國際論壇在珠海橫琴國際會展中心隆重開幕。作為國際大數據、5G、智慧城市領域頂級活動，此次論壇規模相比去年再度升級，與會人數創新高，全球創新創業企業匯聚于此，諸多享譽國內外的院士專家作為嘉賓重磅亮相。
本次活動由珠海市工業和信息化局、珠海市科技創新局、珠海（國家）高新區管委會、珠海市人才工作領導小組、中國移動廣東公司珠海分公司、廣東廣電網絡珠海分公司、珠海華發集團、珠海城建集團、珠海市嶺南大數據研究院等主辦，廣東城智科技有限公司、珠海市嶺南大數據研究院聯合協辦，得到了工信部、珠海市人民政府、中國移動研究院、中國移動廣東公司等大力支持。該活動吸引了來自全球5G、大數據、人工智能、物聯網等領域頂級院士、專家和企業代表參會，旨在打造國內5G智慧城市領域高端學術交流峰會。雷鋒網作為協辦單位，深度參與本次活動。
歐洲科學院院士、上海交大AI研究院首席科學家徐雷發表了《人工智能科技對智慧城市未來的影響》的演講。徐雷教授主要分享了自己對人工智能的看法，并簡單探討了智慧城市的話題。
他認為，人工智能從某種意義上來說可以從識別認知、形象思維和抽象思維三個維度來了解，而當今人工智能第三次浪潮的核心突破點是在識別認知方面。他提到，根據《自然》近期的一篇評論，在基礎理論和算法創新層面，中國同英美尚且有五到十年差距。關于智慧城市，徐雷教授認為，我國智慧城市的發展應該結合不同城市的情況，畢竟每個城市的痛點和優勢不同，而在 4G/5G 網絡的支撐下，地理距離已經不再重要，每個城市也沒有必要進行重復建設；從這個角度出發，我國應當大力發展智慧城市集群。
我的演講題目內容分為兩個部分：人工智能發展和智慧城市。
人工智能有沒有定義？我們來看大腦，若從內在機制的角度看，看它整個結構，很復雜，基本上面對的是失敗，這一次歐洲腦計劃也基本上是失敗了。從外在表現的角度看，目前主要有兩個方向。一個剛才陳老師從認知科學研究與應用的角度。再一個就是從經典的計算機信息處理，可以泛泛地認為智能就是大腦的信息處理活動。
不過，現在最簡單而常用的是圖靈測試，就是說，若分不出是人和還是機器干的，機器就是有了智能，那么大概要多少？30%還是50%，有不同做法。但這樣可能太泛了，所以我還想把各種各樣的人工智能，稍微歸納一下，為此把1975年錢學森先生關于思維科學的一些思路拿過來，并整理修改推廣一下。
人工智能有三個主要的部分。第一個俗稱為“刷臉識別”，這個后頭會講，是這一波人工智能發展的主要突破點。
第二個，早在1975年，錢學森先生就認為，常用而重要的智能部分其實是在形象思維。而那時候，人工智能界主要都在研究抽象思維。粗略地講，形象思維就是比較具象、根據關聯性就具體模式或其映象進行的推斷。而抽象思維則是根據邏輯、因果條理進行的推理，大概是這個狀況。
很有意思，這兩種不同方式，中國人和西方人正好分別擅長其一。中國文字基本是象形的，思維發展偏重形象思維，而西方文字抽象成符號，抽象到26個字母加標點符號，拼寫組合成符號串，并包括A+B=C等數學抽象，注重相互關系、注重形式語法。實際上，圖靈機以及后來的計算機就是基于對西方自然語言的簡化，發展變成了當今的計算機能力，可以說幾乎達到從這個角度模擬智力發展的頂峰，只不過通常已經不把它算進人工智能了。
而我們的古文是沒有語法，沒有標點。就是現在，至少要認3000個字，差不多才算懂中文。我們就沒有發展到符號抽象的這一步。很有意思的是，西方其實按照歷史（如果我是對的話，這方面不在行），大概5000年前古埃及的形象文字走向古希臘符號文字。 是什么促使它走向了這種抽象，而我們的文字卻沒有，值得從智能發展的角度去探討。正是因為它高度的抽象，西方學者把抽象思維叫高級智能，高度抽象以后才有科學在那里生長發展。中國文字沒有這種抽象，可能很大程度致使中國沒有發展出科學。
解析確定若干獨立的基本單元（如語文中字母符號集或數學體系中的公理），先是考慮它們兩兩之間的二元關系（如邏輯、因果、以及某種依賴關系），再像搭積塊似的，按一定的規則或規律，循理擇優，由底朝上逐步組合，搭出一個體系或世界來。它有利于抓住主要脈絡，解釋所看到的現實世界。但是，有限的基元數，有限的組合規則，只能描述相對簡單的人工世界。如何從自然世界獲得這些基元和規則，且自然事物的復雜性導致組合可能性的龐大，導致用抽象思維的方式針對“刷臉識別”這類智能，反而遇到很大困難。
而中國的學問是從整體開始，混沌分陰陽，陰陽和諧說其實就是一分為二的系統構成論，然后五行說就是定性描述這個系統的動力學，這兩個學說，其實像西方科學一樣，是經得起恒常律和普適律檢驗的，這里就不細說了。若往下再分，八卦就比較玄了。不管如何，這種從頂往下、具體具象的思維方式，正好與抽象思維的方式互補，反映了智能的兩面，也反映了文化的兩面，應該中西融合和諧發展，不應對立互打。
這次人工智能浪潮就是在形象思維的部分突破的，“耳聰目明“ 就是形象思維的基礎。做法其實很簡單，就是數學上完成一個X到Y的一個整體性的映射，用一個深度神經網絡結構來實現。在目明的角度上大概超過了人，耳聰的角度上接近人。
大概是我們的文化偏好形象思維，也很巧了，不僅這次的推波助瀾的引起主要發展都是華人，過去一路走來致力于推動“耳聰目明“，華人也是主角之一部分。
大家可能知道，Hinton團隊在2006年發現深度學習網絡可以顯著改善識別性能后，就是微軟的鄧力，也是我的一個朋友，把Hinton請到微軟，將語音識別顯著推進。接著李飛飛搞image-net，建立超大規模的頭像數據庫，使刷臉識別大大推進， 導致工業界和資本的廣泛介入“耳聰目明“行業。你再看這張圖，我國目前的公司分布情況，基本上也主要在這一塊。
這是人工智能的盤山式發展圖，它是立體向上的。我們的機遇不是彎道超車，而是有機會實現跨越。還有，大家都覺得人工智能這次是第三次浪潮，其實不盡然。抽象思維發展到了馮諾依曼機以后，其實已經是機器模擬智能的巨大成功了，不過刻意不算它了。
再走到自然語言和視覺，受阻了，推不動了。但人工智能還在發展，熱潮移到了另外一批人，走形象思維，攻“耳聰目明”。類似地，然后又轉移到了再下一批人。盡管早在57年就有華人介入字符識別，主要是70年代中期到80年代中期，主攻“耳聰目明“的模式識別，開始了它第一個十年的發展期，頭號領袖是左圖的傅京孫先生（1930-85）。圖上的另外五位百歲級已故院士，都是中國人工智能發展的先驅。左邊另外兩位是常迥先生和程民德先生，領導了中國模式識別的發展，建立了我國智能科學的第一批三個國家重點實驗室，其中兩個主攻模式識別與機器認知，并在我國學科設置上正式開出了模式識別的相關專業，近年來我國 “耳聰目明“方面的人才濟濟，可回溯到當年他們打下的根基。
人工智能發展的“1”，我們到此為止。接著簡單地講講”2“，也即人工智能可能發展的兩條道路。
一條是自主裝置，俗稱機器人。在工業生產線上的機器人這方面，我國已經很領先。但是，就這視頻上波士頓動力的類人機器人來說，問過我國的一個這方面專家，我們卻可能差10年到20年。希望這次機器人大賽里頭有些年青人有志沖著這個東西去，不要老是都搞一些大家都在重復的玩意。這種類人機器，隨著其硬實力和軟實力的不斷加強，最終會發展到什么程度？答案是我不知道。
另一條路看這張圖，是腦機交互增強的所為“超機超人”。這條路我不太以為然。幫助少數殘疾生病的還行。借助電極或可穿戴，追求正常人以外的信息交換通道， 然后人非人，機器非機器、這種混搭起來的怪物是我們要的嗎？這條路現在馬斯克也居然插手了，也來搞這個玩意。好在這條路現在還只是開頭而已。
下面繼續來講“3”，談談一開始提到的人工智能三個維度的支撐，即識別認知、形象思維和抽象思維的基礎研究。這張圖左邊反映的是1981年的諾貝爾獎，頒發給這兩人提出特征檢測理論。粗略地講，識別認知過程基本上類似由底向上搭積木塊的過程。在突破點“1”中起重要作用的卷積神經網絡，基本上就是體現了這樣一個精神，是這個理論的一個范例。不過，用的是有標簽樣本的教師學習。對于無標簽樣本，怎么辦？這就要雙向學習。
深度學習的反向傳播算法出來后一年即1987年，早期的雙向學習就開始了，叫自編碼學習。如ppt上的右上角圖示, 網絡中間層的兩邊結構對稱，把它們對折，就成了雙向。先是輸入由底向上進行特征抽取，抽象成一代碼，代表一個或一類模式，然后頂向下重建這個輸入，重建誤差小就支持得到的代碼的合理性。我在1991年也提出了Lmser學習，如圖中左下角所示。一方面，往上退化一步，得到類似近幾年出現的基于跨越連接的U網和D網的變種。而再退化一步就回到自編碼。另一方面，往左退化一步，得到類似回饋網的變種，再退化一步又回到自編碼。
我們可以將頂向下去重建輸入，改成去近似其他不同的模式，實現形象思維。圖像到圖像的一個例子，就是最近很火的換臉術。不僅如此，還可以進行圖像到文本、文本到圖像、文本到草圖、草圖到圖像、語言翻譯、 過去到未來，實現一個事物和另外一事物的具象性的關聯和推理，類似做夢或腦子里過電影一樣，還可以顯示到屏幕上。這就突破了人們的“眼見為實”，可以造出虛的，現實中沒有的圖片。形象思維的輸出還可以用語言對外交流，或驅動執行控制。
1991年的計算能力，沒法對多層的Lmser進行計算實驗，只對算單層做了計算，確認了其獨立分量抽取的特征檢測能力。最近我的學生，對多層的Lmser進行計算，發現不僅相比自編碼和U網，性能明顯優越，尤其是樣本較少、攻擊強的情況下。而且1991年分析預想的若干認知功能，如聯想、概念形成、心像、注意等，也都能成功得到驗證。沿著Lmser的路子發展，引入概率理論，在1995年進一步發展成為所謂貝葉斯陰陽學習理論，發表在1995年的NIPS會議上，也被收入了世紀末麻省理工出版的經典匯集《腦理論和神經網絡方法》。帶起人工智能這一波的興起，就是NIPS會議。近些年有一些說法，說中國學者的論文進入IJCAI和IAAA是1997年以后，而進入NIPS頂會則是在跨入本世紀幾年后，其實這與歷史不符，而是80年代就已經進入IJCAI，1995年前本人就在NIPS上發表了四篇論文。
接著再來談抽象思維，實現搜索、規劃、推理。近年的典型代表就是AlphaGo。它的成功，通常的解釋是由于蒙特卡洛樹搜索，尤其是其中的前探偵察（有如老鄧搞特區先試探路）。但是，只有這點是不夠的。其實，這一思路在八十年代中后期，中國學者在研究啟發式搜索就提出過。成功原因還來自用深度學習網絡來看到棋盤，猶如開了天眼，認清了狀態并由此聯想出，一是告訴你具體有幾種走法、走哪最好的策略（猶如孫子相助），二是評斷你這盤棋贏的可能性有多大（猶如老子點頭與否）。實際上就是抽象思維加上形象認知，雙向協同互補。過去，純用抽象思維所遇到的問題求解困難，都有望如此獲得改進。
最后，來討論人工智能賦能智慧城市。看這張圖，列了那么多涉及民生、政務、產業的智慧城市要素。不少城市都在相互參考，結果考慮的大同小異。再看這張，是上海剛剛評出來的二十幾個智慧城市場景，那邊叫人工智能創新場景。不過上海城市的情況跟珠海的那些可能很不一樣，不要都搞同樣的東西。能不能每個城市不要重復建設，每個城市重點優勢都不同，地理距離也因為4G/5G已經不再重要，能不能共同的部分可以集中式或分布式的來分工，而不同的部分則協同互補，這是我想跟珠海建議的考慮策略。
人工智能到底能給智慧城市賦什么能？賦能前提首先是大數據要多，還得要允許犯點錯不是很要緊，因為學習出來的是統計規律。還有一些其他具體要求，這里就不細講了。可以賦能的維度基本上就是前面講的三個。
第一個，就是刷臉、會話和它派生出來的各種各樣場景，例如金融風控、施工監控、各種量的預測。從這個維度賦能，相對已經比較成熟了。
第二個，就是我們剛才講的，換臉派生出來的各種各樣的賦能。
第三，城市里可能有好多規劃搜索問題，需要將老子孫子老鄧綜合起來，雙向協同互補，類似AlphaGo那樣賦能。
再有一個賦能場景就是在手機上玩智能，尤其是物聯網大發展后，手機的作用也更重要，智能也相對容易玩，因為比較環境可控。
還有一個場景是涉及大數據分析，數據挖掘、知識圖譜實際上涉及的是相關關系，看圖表中這個例子，只看相關關系，吃了藥比不吃藥，好像是有改變、有點用，但是，分成男女再來看，得到的結論卻恰好相反。也就是說，相關關系不一定反映事實，故用大數據一定要小心。怎么辦？要找因果關系。發現因果關系的研究，經過很多年，已積累了一些方法，可以為大數據賦能。最近，我們自己也發展了發現因果關系的新方法。
最后，我覺得珠海是個年輕人的城市，具體場景可以考慮智能旅游，智能家居，與智能園區。還有就是在海洋邊，考慮發展海陸空一體化的智能項目，會有獨特的特點。 謝謝大家。
附演講嘉賓介紹：徐雷是上海交大致遠講席教授、認知機器和計算健康研究中心主任、張江實驗室腦與智能科技研究院神經網絡計算研究中心主任，香港中文大學榮休教授。哈工大77本科，82年到清華師從常迥院士讀博士，87年到北大師從程民德院士和石青云院士做博后，次年破格升副教授。其后四年在芬蘭Oja、哈佛Yuille、MIT Jordan等團隊做博后；93-96年任香港中文大學高級講師和教授、02年升講席教授。16年加入上海交大。從事智能領域研究逾37年，有多個被廣為引用的先驅性成果。01年當選IEEE Fellow（從計算智能學會當選之首位中國學者）、02年當選國際模式識別學會 Fellow（最早獲選的幾個華人之一），03年當選歐洲科學院院士。獲93年國家自然科學獎、95年國際神經網絡學會領袖獎、06年亞太神經網絡學會最高獎（首位獲獎華人）。
相關文章：
智匯珠海！2019嶺南大數據國際論壇在珠海圓滿落幕 院士專家共謀5G智慧城市變革
5G應用大賽、智慧城市院士論壇，這一屆“珠海綻放杯”的6大看點！
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
