目錄

• 簡(jiǎn)介

• 主持人致辭

• 主旨報(bào)告

• 劉紹中：人工智能相關(guān)技術(shù)研究與發(fā)展

• 討論與交流

• 主要專家簡(jiǎn)介：

• 展開

【簡(jiǎn)介】

人工智能（AI — Artificial Intelligence）是研究用計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的一門新的技術(shù)科學(xué)，是計(jì)算機(jī)科學(xué)的一個(gè)分支。它的目標(biāo)是使計(jì)算機(jī)完成類似人類智能的工作，實(shí)現(xiàn)更高層次的應(yīng)用。近年來人工智能技術(shù)有了很大發(fā)展，世界上一些主要大國(guó)都把人工智能納入國(guó)家戰(zhàn)略給予高度重視。2015年，我國(guó)制定的《中國(guó)制造2025》制造強(qiáng)國(guó)戰(zhàn)略中，“智能制造”被定位為中國(guó)制造的主攻方向。2017年，國(guó)務(wù)院印發(fā)的《“互聯(lián)網(wǎng)+”行動(dòng)指導(dǎo)意見》中，人工智能領(lǐng)域被列為重點(diǎn)發(fā)展領(lǐng)域。人工智能技術(shù)成為國(guó)際競(jìng)爭(zhēng)新的制高點(diǎn)。本次沙龍討論了人工智能的發(fā)展現(xiàn)狀和未來的發(fā)展展望，為人工智能的研究和發(fā)展提出了建議。

[返回]

【主持人致辭】

趙永濤：今天的沙龍是我們成都分院老科協(xié)舉辦的第五次學(xué)術(shù)沙龍，主題是“人工智能相關(guān)技術(shù)研究與發(fā)展”。人工智能是當(dāng)前一個(gè)熱門話題，我們邀請(qǐng)了中科院成都信息技術(shù)股份有限公司（原中科院成都計(jì)算所）劉紹中研究員作主旨報(bào)告。劉紹中研究員長(zhǎng)期從事計(jì)算機(jī)技術(shù)的研究開發(fā)，對(duì)人工智能有深入研究。我們還邀請(qǐng)了川大、西南交大、電子科大、西南民院等單位人工智能研究領(lǐng)域的老師，希望大家進(jìn)行交流討論。今天參加沙龍活動(dòng)的還有院離退休干部工作局、院老科協(xié)的有關(guān)領(lǐng)導(dǎo)以及省老科協(xié)、分院的有關(guān)領(lǐng)導(dǎo)，我們表示熱烈歡迎。下面有請(qǐng)劉紹中研究員作報(bào)告。

[返回]

【主旨報(bào)告】

劉紹中：人工智能相關(guān)技術(shù)研究與發(fā)展

一、從AlphaGo（阿爾法狗）談起

AlphaGo是人工智能里程碑式的進(jìn)步。近年來人工智能給人們帶來的沖擊，莫過于AlphaGo戰(zhàn)勝世界圍棋大師的事件。AlphaGo是一款計(jì)算機(jī)下圍棋的程序。大家都知道，圍棋的棋盤是一個(gè)由縱橫各19條線組成的正方形網(wǎng)格，共有361個(gè)格點(diǎn)。它的規(guī)則很簡(jiǎn)單：對(duì)弈雙方分別持黑白棋子，黑子181枚，白子180枚，共361枚；雙方輪流把棋子落在棋盤的格點(diǎn)上，落子后不能移動(dòng)，如果一方的棋子被另一方的棋子圍住，即為“死子”，可以被提走。這樣下去，直至局終，以盤面上的活子圍地多少來定勝負(fù)。

為了寫出計(jì)算機(jī)下圍棋的程序，需要進(jìn)行一些形式化處理。我們把棋盤定義為一個(gè)“類”,棋盤上每個(gè)格點(diǎn)的“狀態(tài)”用一個(gè)三維數(shù)組表示,前兩項(xiàng)定義格點(diǎn)的坐標(biāo)位置,第三項(xiàng)定義當(dāng)前格點(diǎn)的狀況(黑、白、空)。再把棋盤上內(nèi)部連通的格點(diǎn)集合且集合中格點(diǎn)具有相同狀態(tài)（黑、白）定義為棋盤類的“子類”。子類的實(shí)例就是圍棋的塊。塊中不完全與其塊內(nèi)格點(diǎn)連通的格點(diǎn)是塊的邊界格點(diǎn)。邊界格點(diǎn)要不自己就是棋盤邊界，要不就是與它相連的外部與塊本身對(duì)象顏色不同的格點(diǎn)（另外一種顏色、或空），如果所有與塊相鄰的外部格點(diǎn)都是另外一種顏色的話，那么這個(gè)塊就沒氣了，就死掉了。所以可以定義它的幾個(gè)操作。塊的連通或“增操作”就是要把它增加或者合并。如果它被吃掉了，定義它的操作就是顏色變成空了，黑的變成空的或者是白的變成空了。

由于圍棋的規(guī)則并不復(fù)雜，一般說來，一個(gè)初等的程序員就可以寫出一個(gè)圍棋游戲的程序。問題在這兒，如果要機(jī)器下圍棋，如果不計(jì)算死活，一方一步，圍棋的狀態(tài)空間是361的階乘這樣一個(gè)數(shù)量級(jí)。如果是加上下棋過程中被吃掉的，被替掉的塊，狀態(tài)空間的數(shù)量級(jí)還要增加很多，它的數(shù)量實(shí)在太大了。我們平時(shí)下棋實(shí)際上就是在這樣一個(gè)大的狀態(tài)空間去搜索它的路徑，從一個(gè)狀態(tài)到另一個(gè)狀態(tài)、現(xiàn)在這個(gè)狀態(tài)和下面一個(gè)狀態(tài)的搜索。我們知道以前在搜索的時(shí)候，采用的是廣度搜索和深度搜索（所謂暴力搜索）。現(xiàn)在這么巨大的量，如果完全是暴力搜索方式的話，肯定是處理不了的。怎么樣減少它的搜索呢？人們?cè)趲浊甑牟┺臍v史中，總結(jié)了很多經(jīng)驗(yàn)性的知識(shí)，比如棋譜、比如定式、比如各種棋經(jīng)之類等等。棋手就是參考這些知識(shí)來判斷局勢(shì)、幫助自己做出路徑設(shè)計(jì)。

圖1  圍棋

1997年，IBM的深藍(lán)（Deep Blue）跟卡斯巴羅夫下國(guó)際象棋，深藍(lán)就是以這樣的巨量暴力搜索形式，取勝了卡斯巴羅夫，而且贏得他心服口服。當(dāng)時(shí)我們認(rèn)為人工智能搜索方式是：它總結(jié)所有國(guó)際象棋的棋手經(jīng)驗(yàn)，在此基礎(chǔ)上來進(jìn)行啟發(fā)式的暴力搜索，也就是在已有的知識(shí)基礎(chǔ)上進(jìn)行搜索。

而現(xiàn)在的AlphaGo，我們看到是另外一個(gè)方式。它與李世乭對(duì)弈的時(shí)候，下到第四盤輸了。當(dāng)時(shí)國(guó)內(nèi)的棋手界，包括聶衛(wèi)平后來評(píng)價(jià)說，這個(gè)棋是多少臺(tái)機(jī)器在運(yùn)算，其中有一臺(tái)機(jī)器斷電了，因?yàn)椴幌袷菣C(jī)器在其余幾盤中應(yīng)有的水平。給李世乭下的是AlphaGo-Lee，這個(gè)版本是建立在兩個(gè)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，一個(gè)策略網(wǎng)絡(luò)，還有一個(gè)是評(píng)價(jià)網(wǎng)絡(luò)。一個(gè)網(wǎng)絡(luò)評(píng)價(jià)輸贏的概率。然后另一個(gè)網(wǎng)絡(luò)來決定它下一步怎么走。

后來出了一個(gè)改進(jìn)版本，叫AlphaGo-Master，與柯杰下，完敗柯杰。Alpha-Lee和李世乭下的時(shí)候，說它輸入了很多既有的知識(shí)。但是到AlphaGo-Master的時(shí)候，它已經(jīng)基本上完全不需要前面的知識(shí)了。

當(dāng)AlphaGo再升級(jí)的時(shí)候，叫AlphaGo-zero，AlphaGo-zero是什么呢？它自己跟自己下，開始它只知道圍棋的規(guī)則，它完全沒有圍棋所有幾千年累計(jì)的知識(shí)，完全沒有。它就自己同自己下，很快它就掌握了我們幾千年的知識(shí)，AlphaGo-Zero顯示的就是自學(xué)習(xí)功能，它自己學(xué)會(huì)了怎么樣積累圍棋的知識(shí)。

棋譜是幾千年累計(jì)下來的，AlphaGo-Zero完全不知道，它通過自學(xué)習(xí)就學(xué)會(huì)了，太厲害了，所以我覺得它給我們帶來一種全新的考慮。我們以前做程序的時(shí)候都知道，要讓程序靈活的話，可以用參數(shù)來改變它，讓它自己在運(yùn)行過程中修改參數(shù)。AlphaGo不僅修改參數(shù)，而且還修改神經(jīng)網(wǎng)絡(luò)本身。AlphaGo-Master和AlphaGo-zero只用圍棋規(guī)則作為輸入，一點(diǎn)也沒有用其他的圍棋知識(shí)輸入。

AlphaGo-master還包括了少量的設(shè)計(jì)者掌握的知識(shí)特征。AlphaGo-zero不用這些知識(shí)，隨機(jī)地扔幾個(gè)棋子下去，看它的結(jié)果。它是先來評(píng)估，評(píng)估當(dāng)前的狀況是什么樣的，再來預(yù)測(cè)下一個(gè)落子的位置。它在運(yùn)行的時(shí)候，AlphaGo根據(jù)它應(yīng)用的對(duì)象，然后積累對(duì)象的知識(shí)，這很厲害。算法定了，AlphaGo神經(jīng)網(wǎng)絡(luò)就已經(jīng)有了，它也用這個(gè)神經(jīng)網(wǎng)絡(luò)來計(jì)算別的東西。前幾天才公布的一件成果，他們用Alpha-Fold 來預(yù)測(cè)蛋白質(zhì)的空間結(jié)構(gòu)，3維空間的折疊，就是用這個(gè)算法來做的。這個(gè)算法與物理的東西沒有關(guān)系，跟蛋白質(zhì)的空間折疊的物理基礎(chǔ)沒什么關(guān)系，它用這個(gè)算法來做，非常讓人震驚。

總結(jié)一下：在AlphaGo-Master基礎(chǔ)上，DeepMind利用了一種新的強(qiáng)化學(xué)習(xí)方式，開發(fā)了更進(jìn)一步的AlphaGo-zero。AlphaGo-zero 自己成為自己的老師。從一個(gè)對(duì)圍棋游戲完全沒有任何知識(shí)的神經(jīng)網(wǎng)絡(luò)開始。通過將這個(gè)神經(jīng)網(wǎng)絡(luò)與一種強(qiáng)大的搜索算法相結(jié)合，就可以自己和自己下棋了。在它自我對(duì)弈的過程中，神經(jīng)網(wǎng)絡(luò)被調(diào)整、更新，以預(yù)測(cè)下一個(gè)落子位置以及對(duì)局的最終贏家。

這個(gè)更新后的神經(jīng)網(wǎng)絡(luò)又將與搜索算法重新組合，進(jìn)而創(chuàng)建一個(gè)新的、更強(qiáng)大的 AlphaGo-zero 版本，再次重復(fù)這個(gè)過程。在每一次迭代中，系統(tǒng)的性能都得到一點(diǎn)兒的提高，自我對(duì)弈的質(zhì)量也在提高，這就使得神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)越來越準(zhǔn)確，得到更加強(qiáng)大的 AlphaGo-zero 版本。這種技術(shù)使得它不再受限于人類知識(shí)的局限。相反，它可以從一張白紙的狀態(tài)開始，從世界上最強(qiáng)大的圍棋玩家AlphaGo 自身進(jìn)行學(xué)習(xí)。

AlphaGo-zero與之前的版本不同的是：

AlphaGo-zero只使用圍棋棋盤上的黑子和白子作為輸入，而之前版本的的輸入包含了少量人工設(shè)計(jì)的特征。

AlphaGo-zero只使用一個(gè)神經(jīng)網(wǎng)絡(luò)。之前的版本使用兩個(gè)神經(jīng)網(wǎng)絡(luò)，一個(gè)是“策略網(wǎng)絡(luò)”（policy network），用來選擇下一個(gè)落子位置；另一個(gè)是“評(píng)價(jià)網(wǎng)絡(luò)”（value network），用來預(yù)測(cè)游戲的贏家。在AlphaGo-zero 中這些是聯(lián)合進(jìn)行的，這使得它能夠更有效地進(jìn)行訓(xùn)練和評(píng)價(jià)。

AlphaGo-zero不使用“走子演算”（rollout）——這是其他圍棋程序使用的快速隨機(jī)游戲，用來預(yù)測(cè)哪一方將從當(dāng)前的棋局中獲勝。相反，它只依賴于高質(zhì)量的神經(jīng)網(wǎng)絡(luò)來評(píng)估落子位置。

在進(jìn)行了三天的自我訓(xùn)練后，AlphaGo-zero在100局比賽中以100：0擊敗了上一版本的 AlphaGo——而上一版本的 AlphaGo 擊敗了曾18次獲得圍棋世界冠軍的韓國(guó)九段棋士李世乭。經(jīng)過 40 天的自我訓(xùn)練后，AlphaGo-zero變得更加強(qiáng)大，超越了曾擊敗世界上最優(yōu)秀、世界第一的柯潔的AlphaGo-Master。

在經(jīng)過數(shù)以百萬計(jì)的自我對(duì)弈后，從零開始，Alpha-zero在短短幾天內(nèi)積累了人類數(shù)千年積累的知識(shí)。Alpha-zero也發(fā)現(xiàn)了新的知識(shí)，開發(fā)出非常規(guī)的策略和創(chuàng)造性的新下法，這些新下法超越了它在與柯潔和李世乭比賽時(shí)發(fā)明的新技巧。DeepMind 聯(lián)合創(chuàng)始人兼 CEO Demis Hassabis 評(píng)論稱：“AlphaGo短短兩年里取得了如此令人驚嘆的成果?，F(xiàn)在，Alpha-zero是我們項(xiàng)目中最強(qiáng)大的版本，它展示了我們?cè)诟俚挠?jì)算能力，而且完全不使用人類數(shù)據(jù)的情況下可以取得如此大的進(jìn)展。

二、人工智能（AI）技術(shù)的回顧

我們來討論一下人工智能發(fā)展過程中間涉及到哪些技術(shù)，以前我們做過一些什么事。

1. 專家系統(tǒng)

我記得以前有一段時(shí)間“專家系統(tǒng)”很流行，現(xiàn)在好像不太時(shí)興了。1982年在我們所，朱學(xué)曾和中醫(yī)學(xué)院搞了一個(gè)中醫(yī)痺癥的專家系統(tǒng)，后來我們?cè)?982巴基斯坦伊斯蘭堡“The 7th nassalgali international summer college on physics and contemporary needs”會(huì)議上，公布了我所開發(fā)的中醫(yī)痺癥專家系統(tǒng)?，F(xiàn)在看來它就是一個(gè)簡(jiǎn)單的if…then…的判別程序，其中判別條件就是預(yù)先設(shè)定的專家的知識(shí)。

專家系統(tǒng)主要研究：怎么收集專家知識(shí)，怎樣把專家知識(shí)把它表達(dá)出來，知識(shí)表達(dá)方式，怎么樣存儲(chǔ)，怎么檢索。當(dāng)時(shí)專家系統(tǒng)就包括知識(shí)庫(kù)，知識(shí)庫(kù)。知識(shí)表示方式有產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、框架、狀態(tài)空間、邏輯模式、腳本、過程、面向?qū)ο蟮取；谝?guī)則的產(chǎn)生式系統(tǒng)是目前實(shí)現(xiàn)知識(shí)運(yùn)用最基本的方法。主要就是專家的知識(shí)怎么樣進(jìn)去，就是把專家的知識(shí)數(shù)字化。我們做了很多這種項(xiàng)目，讓專家對(duì)某一個(gè)問題打分，完全把它數(shù)字化，然后把專家的設(shè)計(jì)到的各方面的東西集中起來，用數(shù)學(xué)的方法找出最優(yōu)的結(jié)果。

專家系統(tǒng)通常由人機(jī)交互界面、知識(shí)庫(kù)、推理機(jī)、解釋器、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取等6個(gè)部分構(gòu)成。

其中推理機(jī)（又稱規(guī)則解釋器）的任務(wù)是運(yùn)用控制策略找到可以應(yīng)用的規(guī)則。推理機(jī)針對(duì)當(dāng)前問題的條件或已知信息，反復(fù)匹配知識(shí)庫(kù)中的規(guī)則，獲得新的結(jié)論，以得到問題求解結(jié)果。推理方式可以有正向和反向推理兩種。正向鏈的策略是尋找出前提可以同數(shù)據(jù)庫(kù)中的事實(shí)或斷言相匹配的那些規(guī)則，并運(yùn)用沖突的消除策略，從這些都可滿足的規(guī)則中挑選出一個(gè)執(zhí)行，從而改變?cè)瓉頂?shù)據(jù)庫(kù)的內(nèi)容。這樣反復(fù)地進(jìn)行尋找，直到數(shù)據(jù)庫(kù)的事實(shí)與目標(biāo)一致即找到解答，或者到?jīng)]有規(guī)則可以與之匹配時(shí)才停止。逆向鏈的策略是從選定的目標(biāo)出發(fā)，尋找執(zhí)行后果可以達(dá)到目標(biāo)的規(guī)則；如果這條規(guī)則的前提與數(shù)據(jù)庫(kù)中的事實(shí)相匹配，問題就得到解決；否則把這條規(guī)則的前提作為新的子目標(biāo)，并對(duì)新的子目標(biāo)尋找可以運(yùn)用的規(guī)則，執(zhí)行逆向序列的前提，直到最后運(yùn)用的規(guī)則的前提可以與數(shù)據(jù)庫(kù)中的事實(shí)相匹配，或者直到?jīng)]有規(guī)則再可以應(yīng)用時(shí)，系統(tǒng)便以對(duì)話形式請(qǐng)求用戶回答并輸入必需的事實(shí)。

2. 大數(shù)據(jù)

AI的另一技術(shù)基礎(chǔ)依賴大數(shù)據(jù)。大數(shù)據(jù)怎么來的呢？最早我們所里搞關(guān)系數(shù)據(jù)庫(kù)（32位微小型機(jī)上的關(guān)系數(shù)據(jù)庫(kù)，獲得四川省軟件一等獎(jiǎng)），是定義和管理早期結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫(kù)。以后發(fā)展到現(xiàn)在的大型關(guān)系數(shù)據(jù)庫(kù)，起初數(shù)據(jù)庫(kù)只能處理同源的結(jié)構(gòu)化的數(shù)據(jù)，以后擴(kuò)展到異構(gòu)的結(jié)構(gòu)化數(shù)據(jù)。再以后由于處理多媒體信息和網(wǎng)絡(luò)數(shù)據(jù)的需要，進(jìn)入網(wǎng)絡(luò)多媒體數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、……的時(shí)代，數(shù)據(jù)存儲(chǔ)、檢索、挖掘和分析的技術(shù)獲得飛速發(fā)展。

數(shù)據(jù)檢索，就是給一個(gè)條件，然后從數(shù)據(jù)庫(kù)找出來滿足這一條件的數(shù)據(jù)。后來到網(wǎng)絡(luò)數(shù)據(jù)的時(shí)候，網(wǎng)絡(luò)數(shù)據(jù)和非結(jié)構(gòu)化的數(shù)據(jù)，比如說文本、圖像這種數(shù)據(jù)的時(shí)候，這種數(shù)據(jù)檢索就發(fā)展成了數(shù)據(jù)挖掘。實(shí)際上我們?cè)诰W(wǎng)絡(luò)檢索數(shù)據(jù)時(shí)就是發(fā)出很多代理，發(fā)到網(wǎng)上，讓它去找相應(yīng)的數(shù)據(jù)。到網(wǎng)絡(luò)數(shù)據(jù)的階段，就給非結(jié)構(gòu)化的數(shù)據(jù)與提供了很大的空間的。

大數(shù)據(jù)現(xiàn)在的定義需要新的處理模式，需要更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化的能力來適應(yīng)海量的高增長(zhǎng)率的多樣化的數(shù)據(jù)信息。多樣化的信息資產(chǎn)包括結(jié)構(gòu)化的數(shù)據(jù)，非結(jié)構(gòu)化的數(shù)據(jù)，還有圖像、聲音等各種媒體。什么結(jié)構(gòu)的信息都能夠檢索，而且都是在網(wǎng)絡(luò)上面數(shù)據(jù)。這種數(shù)據(jù)的檢索在挖掘的過程中間，就會(huì)產(chǎn)生很多新的知識(shí)，比如最早的數(shù)據(jù)挖掘，在挖掘數(shù)據(jù)的過程中，發(fā)現(xiàn)信息之間有一些以前你不知道的關(guān)聯(lián)性，關(guān)聯(lián)規(guī)則。一個(gè)著名的例子，男的到超市去買東西，啤酒和尿布的關(guān)聯(lián)就是在挖掘過程中發(fā)現(xiàn)的。這個(gè)關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)就是產(chǎn)生知識(shí)的來源，不斷產(chǎn)生新的知識(shí)。所以大數(shù)據(jù)是我們新的知識(shí)的來源之一。從技術(shù)上看，大數(shù)據(jù)與云計(jì)算的關(guān)系就像一枚硬幣的正反面一樣密不可分。大數(shù)據(jù)必然無法用單臺(tái)的計(jì)算機(jī)進(jìn)行處理，必須采用分布式架構(gòu)。它的特色在于對(duì)海量數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘。但它必須依托云計(jì)算的分布式處理、分布式數(shù)據(jù)庫(kù)和云存儲(chǔ)、虛擬化技術(shù)。大數(shù)據(jù)通常用來形容一個(gè)公司創(chuàng)造的大量非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)分析常和云計(jì)算聯(lián)系到一起，實(shí)時(shí)的大型數(shù)據(jù)集分析需要建立有效的框架來向數(shù)十、數(shù)百或甚至數(shù)千的電腦分配工作。適用于大數(shù)據(jù)的技術(shù)，包括大規(guī)模并行處理（MPP）數(shù)據(jù)庫(kù)、數(shù)據(jù)挖掘、分布式文件系統(tǒng)、分布式數(shù)據(jù)庫(kù)、云計(jì)算平臺(tái)、互聯(lián)網(wǎng)和可擴(kuò)展的存儲(chǔ)系統(tǒng)。

由于大數(shù)據(jù)技術(shù)的發(fā)展，各類以前看似完全不搭界的事物潛在的關(guān)聯(lián)、規(guī)則正在不斷的發(fā)掘出來，新的知識(shí)正在不斷發(fā)現(xiàn)。

3. 神經(jīng)網(wǎng)絡(luò)

還有一個(gè)AI的重要技術(shù)就是神經(jīng)網(wǎng)絡(luò)。原理來自動(dòng)物的神經(jīng)系統(tǒng)，輸入相當(dāng)于給系統(tǒng)一個(gè)刺激，然后根據(jù)神經(jīng)的生理模式的模擬它的刺激傳遞方式，離它遠(yuǎn)的地方，神經(jīng)源對(duì)刺激的反映就要弱一些，一直到最后得到一個(gè)輸出。根據(jù)你現(xiàn)有的知識(shí)，對(duì)它進(jìn)行訓(xùn)練，然后讓它能夠符合人在遇到問題的時(shí)候的判斷方式，讓它更能符合實(shí)際，這就是神經(jīng)網(wǎng)絡(luò)的大概原理。

更嚴(yán)格的定義應(yīng)該是：神經(jīng)網(wǎng)絡(luò)（Neural Networks,NN）是由大量的、簡(jiǎn)單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)習(xí)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問題。神經(jīng)網(wǎng)絡(luò)的發(fā)展與神經(jīng)科學(xué)、數(shù)理科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、人工智能、信息科學(xué)、控制論、機(jī)器人學(xué)、微電子學(xué)、心理學(xué)、光計(jì)算、分子生物學(xué)等有關(guān)，是一門新興的邊緣交叉學(xué)科。

神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)是神經(jīng)元。神經(jīng)網(wǎng)絡(luò)模型是以神經(jīng)元的數(shù)學(xué)模型為基礎(chǔ)來描述的。人工神經(jīng)網(wǎng)絡(luò)(Artificial NuearlNewtokr)是對(duì)人類大腦系統(tǒng)的一階特性的一種描。簡(jiǎn)單地講,它是一個(gè)數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)模型由網(wǎng)絡(luò)拓?fù)洌?jié)點(diǎn)特點(diǎn)和學(xué)習(xí)規(guī)則來表示。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度非線性動(dòng)力學(xué)系統(tǒng)。雖然，每個(gè)神經(jīng)元的結(jié)構(gòu)和功能都不復(fù)雜，但是神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)行為則是十分復(fù)雜的；因此，用神經(jīng)網(wǎng)絡(luò)可以表達(dá)實(shí)際物理世界的各種現(xiàn)象。

人工神經(jīng)網(wǎng)絡(luò)的模型現(xiàn)在有數(shù)十種之多，應(yīng)用較多的典型的神經(jīng)網(wǎng)絡(luò)模型包括BP神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、ART網(wǎng)絡(luò)和Kohonen網(wǎng)絡(luò)。下圖是一種簡(jiǎn)單的線性神經(jīng)網(wǎng)絡(luò)模型：

圖2 線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

4. 自學(xué)習(xí)

學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)一種最重要也最令人注目的特點(diǎn)。在神經(jīng)網(wǎng)絡(luò)的發(fā)展過程中,學(xué)習(xí)算法的研究有著十分重要的地位。目前,人們所提出的神經(jīng)網(wǎng)絡(luò)模型都是和學(xué)習(xí)算法相應(yīng)的。所以,有時(shí)人們并不去祈求對(duì)模型和算法進(jìn)行嚴(yán)格的定義或區(qū)分。有的模型可以有多種算法。而有的算法可能可用于多種模型。在神經(jīng)網(wǎng)絡(luò)中,對(duì)外部環(huán)境提供的模式樣本進(jìn)行學(xué)習(xí)訓(xùn)練,并能存儲(chǔ)這種模式,則稱為感知器;對(duì)外部環(huán)境有適應(yīng)能力,能自動(dòng)提取外部環(huán)境變化特征,則稱為認(rèn)知器。神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)中,一般分為有教師和無教師學(xué)習(xí)兩種。感知器采用有教師信號(hào)進(jìn)行學(xué)習(xí),而認(rèn)知器則采用無教師信號(hào)學(xué)習(xí)的。在主要神經(jīng)網(wǎng)絡(luò)如Bp網(wǎng)絡(luò),Hopfield網(wǎng)絡(luò),ART絡(luò)和Kohonen網(wǎng)絡(luò)中;Bp網(wǎng)絡(luò)和Hopfield網(wǎng)絡(luò)是需要教師信號(hào)才能進(jìn)行學(xué)習(xí)的;而ART網(wǎng)絡(luò)和Khonone網(wǎng)絡(luò)則無需教師信號(hào)就可以學(xué)習(xí)。所謂教師信號(hào),就是在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中由外部提供的模式樣本信號(hào)。

神經(jīng)網(wǎng)絡(luò)的算法與傳統(tǒng)的問題求解方式完全不一樣。我們經(jīng)典的處理問題的辦法，比如說我們處理力學(xué)的問題，首先根據(jù)物理定律（牛頓定律），和介質(zhì)材料的性質(zhì)，建立物理模型。然后就可以推出一大堆公式，建立數(shù)學(xué)的模型，最后求解。但是神經(jīng)網(wǎng)絡(luò)求解方式就可能就跟物理模型沒關(guān)系，完全是一個(gè)數(shù)學(xué)的試探過程。我們以前幾百年來的求解方式是把所有的影響因素逐步孤立化，比方說力的因素、電的因素，把它分開來建立它的模型，最后才來匯總綜合考慮整體的影響。然而現(xiàn)在AI解決問題的方式就可能不是這樣了?，F(xiàn)在是把所有的影響的因素、約束條件、目標(biāo)需求數(shù)字化。比方說電流，從一安到多少安，反正按電流的因素把它數(shù)字化。然后力學(xué)的因素，光學(xué)的因素，或者別的什么因素全部數(shù)字化以后，就變成一個(gè)很多維的狀態(tài)空間。所以問題求解就是在這樣一個(gè)多維的狀態(tài)空間去搜索尋找它的滿足條件的結(jié)果。而這樣的狀態(tài)空間中，相關(guān)的因素（即其中某些維）跟物理模型隔得有點(diǎn)遠(yuǎn)了，有的可能有嚴(yán)格的物理模型、也可能只有一些經(jīng)驗(yàn)的數(shù)學(xué)模型、甚至只有一些零星的參考數(shù)據(jù)。AI就可以在這樣的狀態(tài)空間中，通過搜索、評(píng)估、預(yù)測(cè)來進(jìn)行路徑探索，最終向與其結(jié)果逼近。就像AlphaGo現(xiàn)在這樣。AlphaGo做蛋白質(zhì)的空間折疊跟下圍棋一樣，用基本類似的一個(gè)網(wǎng)絡(luò)Alpha-Fold在做。很奇怪的，我也不知道我們將來會(huì)不會(huì)也有類似的這樣一個(gè)結(jié)果。

以AlphaGo-zero為例，其自學(xué)習(xí)機(jī)制可以描述為：

AlphaGo-zero 的神經(jīng)網(wǎng)絡(luò)使用自我對(duì)弈數(shù)據(jù)做訓(xùn)練，這些自我對(duì)弈是在一種新的強(qiáng)化學(xué)習(xí)算法下完成的。在每個(gè)位置 s，神經(jīng)網(wǎng)絡(luò) fθ都會(huì)進(jìn)行蒙特卡洛樹搜索（MCTS）。MCTS 輸出下每步棋的落子概率 π。這樣搜索得出的概率通常比神經(jīng)網(wǎng)絡(luò) fθ（s） 的原始落子概率 p 要更加強(qiáng)一些；MCTS 也因此可以被視為一個(gè)更加強(qiáng)大的策略提升運(yùn)算。這一新的強(qiáng)化學(xué)習(xí)算法的核心思想是，在策略迭代的過程中，反復(fù)使用這些搜索運(yùn)算，神經(jīng)網(wǎng)絡(luò)的參數(shù)就不斷更新，讓落子概率和評(píng)價(jià) （p，v）= fθ（s） 越來越接近改善后的搜索概率和自我對(duì)弈贏家 （π， z）。這些新的參數(shù)也被用于下一次自我對(duì)弈的迭代，讓搜索越來越強(qiáng)。

這里的自學(xué)習(xí)功能表現(xiàn)為：1、數(shù)據(jù)和算法參數(shù)的自動(dòng)更新；2、策略的迭代和更新。顯然策略更新還有更多的想象空間。

一般而言，常規(guī)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能包括：三層神經(jīng)網(wǎng)絡(luò)、K近鄰、Adaboost、貝葉斯、決策樹等常規(guī)方法。深度學(xué)習(xí)方法包括：深度置信網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、受限波爾茲曼機(jī)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。此外，常見的涉及利用既有知識(shí)的算法還有：遷移學(xué)習(xí)、主動(dòng)學(xué)習(xí)、演化學(xué)習(xí)等。

三、AI未來發(fā)展展望

下面講一點(diǎn)我們對(duì)AI的一些展望。

1. 新知識(shí)的產(chǎn)生

1）完全依靠公理和邏輯推理的科學(xué)領(lǐng)域未來將可能沒有人類領(lǐng)先的空間。數(shù)學(xué)就是這樣一門科學(xué)，數(shù)學(xué)的基礎(chǔ)建立在一系列公理之上，通過邏輯推理向各個(gè)方向無限延伸。構(gòu)成數(shù)學(xué)推理的語言是一套符號(hào)運(yùn)算系統(tǒng)，在基本公理的基礎(chǔ)上，人們可以依靠邏輯遞歸地推導(dǎo)出一系列毋庸置疑的結(jié)論。按照哥德爾不完備定理，通過添加任意多與之前的公理獨(dú)立且自洽的公理，就可以得到更多全新的知識(shí)。建立在公理系統(tǒng)的邏輯推理的領(lǐng)域，就是一個(gè)符號(hào)系統(tǒng)，它的所有的符號(hào)推理的東西，比如說我們楊路老師以前搞過多項(xiàng)式的辨別式，給出了任意多項(xiàng)式的判別式，建立在一個(gè)新的符號(hào)系統(tǒng)基礎(chǔ)上。該符號(hào)系統(tǒng)除了+、-、×、/，它加上了一個(gè)程序判別。AlphaGo-zero三天的自我訓(xùn)練得到的圍棋知識(shí)就遠(yuǎn)遠(yuǎn)超過了人類幾千年得到的圍棋知識(shí)?？梢韵胂?，如果我們建立了一個(gè)公理系統(tǒng)和邏輯推理規(guī)則，將會(huì)有機(jī)器來自動(dòng)產(chǎn)生所有的推論。很難的問題，它都會(huì)給你推出來。將來肯定是這樣的。因此在這些領(lǐng)域，未來將可能沒有人類領(lǐng)先的空間。

2）大批跨領(lǐng)域的新知識(shí)將不斷出現(xiàn)。幾千年來的實(shí)證科學(xué)研究方法，講究盡可能研究單一因素對(duì)結(jié)果的影響，在此基礎(chǔ)上考慮各種可能的影響。所以在很多領(lǐng)域需要根據(jù)物理定律建立數(shù)學(xué)模型，進(jìn)而求解。而AI提供了以前看似完全無關(guān)領(lǐng)域的關(guān)聯(lián)研究方法，使用的方法就是搜索、評(píng)估、調(diào)整等看似與物理模型關(guān)系不強(qiáng)的方法，卻可以得到相對(duì)最優(yōu)的結(jié)果。我們以前學(xué)應(yīng)用數(shù)學(xué)的時(shí)候，首先我們要把方程列出來，再把它的數(shù)據(jù)解求出來。現(xiàn)在不是這樣的，現(xiàn)在就是把這些可能的這些因素?cái)?shù)據(jù)化，然后去搜索，全部一個(gè)點(diǎn)一個(gè)點(diǎn)去找它的結(jié)果，這個(gè)跟我們?cè)鹊姆匠滩灰粯恿恕?/p>

3）由于計(jì)算機(jī)的信息可以永久儲(chǔ)存，所有的既有的知識(shí)將永久存在，不再需要重新發(fā)現(xiàn)。這會(huì)對(duì)人類的學(xué)習(xí)和創(chuàng)造新知識(shí)產(chǎn)生巨大影響。

4）由于AI系統(tǒng)的廣泛應(yīng)用，由此將產(chǎn)生大量新的符號(hào)系統(tǒng)。這意味著人類的知識(shí)系統(tǒng)會(huì)產(chǎn)生巨大變化。

5）語言、文字、及所有的人類交流方式將出現(xiàn)根本性變化。比如，據(jù)說臉書定義了一種語法和簡(jiǎn)單的單詞，讓AI系統(tǒng)自己在類似實(shí)際的環(huán)境中進(jìn)行訓(xùn)練。最后產(chǎn)生了一種誰也不懂得語言，嚇得開發(fā)者趕快拔電源關(guān)機(jī)。

2. 新方法的產(chǎn)生

1）新的符號(hào)系統(tǒng)及符號(hào)運(yùn)算方法。這是必然的趨勢(shì)。

2）新的趨勢(shì)評(píng)估方法 。以前我們?cè)u(píng)估趨勢(shì)的方法是生成一個(gè)曲面，然后在曲面上面找這些點(diǎn)?，F(xiàn)在不是這樣，這個(gè)點(diǎn)比這個(gè)點(diǎn)高，我們就往這個(gè)方向走，這個(gè)點(diǎn)比這個(gè)點(diǎn)低，我覺得這個(gè)方向我就放棄了，或者說幾個(gè)點(diǎn)它的梯度什么的，它前進(jìn)的方向不一樣。它的路徑，搜索的路徑不一樣。

3）新的路徑搜索算法。就是怎么樣使你搜索的路徑優(yōu)化，減少你的無效的搜索，還有就是你的算法的并行性，盡量并行處理。

4) 新的優(yōu)化算法。算法的框架和參數(shù)的迭代優(yōu)化，這個(gè)優(yōu)化過程，這個(gè)是從AlphaGo-zero來的，它在自己學(xué)習(xí)過程中間，會(huì)把它的參數(shù)，甚至框架都優(yōu)化了。我覺得現(xiàn)在還沒看到我們這個(gè)領(lǐng)域里面有人在做這個(gè)東西，怎么樣去把整個(gè)框架迭代優(yōu)化，AlphaGo就做這些?？赡苓@個(gè)東西涉及到它的技術(shù)秘密，但是這個(gè)東西是很有意思的，不光是參數(shù)優(yōu)化。

5) 跨學(xué)科領(lǐng)域的綜合集成算法。由于神經(jīng)網(wǎng)絡(luò)本身并不去祈求對(duì)模型和算法進(jìn)行嚴(yán)格的定義或區(qū)分。有的模型可以有多種算法。而有的算法可能可用于多種模型。而采用神經(jīng)網(wǎng)絡(luò)對(duì)于現(xiàn)有的各類模型和算法進(jìn)行評(píng)價(jià)顯然會(huì)產(chǎn)生新的方法。

3. 新的應(yīng)用

新的應(yīng)用會(huì)很多，這里舉一些例子：

1) 自動(dòng)駕駛。新應(yīng)用第一個(gè)方面就是自動(dòng)駕駛。自動(dòng)駕駛現(xiàn)在很熱，實(shí)際上飛機(jī)的自動(dòng)駕駛肯定是最成熟的，民航飛行員上天以后基本上不再人工駕駛了，都是自動(dòng)駕駛。它的環(huán)境是相對(duì)要簡(jiǎn)單一些。汽車的自動(dòng)駕駛的環(huán)境要復(fù)雜一些，要估計(jì)許多其他的環(huán)境因素，人工智能就是專門處理這些問題的。比方說路邊有一個(gè)人，你圖像采集到了，他站在那兒，他有一些什么動(dòng)作，你就能夠估計(jì)出他的下一步動(dòng)作，這個(gè)就是AlphaGo的用法。原先覺得這個(gè)很難，現(xiàn)在看起來還會(huì)出問題，肯定最終會(huì)把這個(gè)問題處理好。

2）自然語言理解。新應(yīng)用的第二個(gè)方面是自然語言的理解和翻譯。原先覺得這是很難的，現(xiàn)在已經(jīng)有非常大的進(jìn)步了。一般的自然語言，AI不但能夠理解，能夠越來越細(xì)膩的理解，原來它要求很標(biāo)準(zhǔn)的輸入，它現(xiàn)在能夠理解到你很獨(dú)特的口音。你的表達(dá)的很細(xì)微的地方它會(huì)找出來，這種表達(dá)和那種表達(dá)的中間的差別也會(huì)找出來，這是發(fā)展方向。而且現(xiàn)在實(shí)用的東西已經(jīng)很多了。

3）基因的研究。現(xiàn)在這個(gè)比較熱，尤其是國(guó)外很熱門，我目前還不清楚我們中國(guó)怎么樣。最近我看到很多材料，生物醫(yī)學(xué)的靶向治療已經(jīng)精準(zhǔn)到必須要跟你基因進(jìn)行匹配，原來的靶向治療根據(jù)你的病的位置來確定它的靶向，而現(xiàn)在它要精確到你的基因，用AI分析你的基因來確定你的靶向，這個(gè)是很厲害的，一家波士頓的醫(yī)療研究機(jī)構(gòu)在進(jìn)行這方面的臨床研究。當(dāng)然現(xiàn)在很貴，它要去分析你的基因，這是生物技術(shù)的尖端科技應(yīng)用。

4）語言、文字、及所有的人類交流方式將出現(xiàn)根本性變化?，F(xiàn)在人類文明所有的東西，包括語言，包括文字，包括各種文物的東西，將來都會(huì)數(shù)字化。數(shù)字化以后，各種文明因子就變成了數(shù)字因素，加上時(shí)間的因素，就會(huì)構(gòu)造一個(gè)文明的進(jìn)化圖。據(jù)此是否可以算出目前是不是最優(yōu)的？它中間還包含了一些其他的東西，肯定可以研究出很多東西來，這就是一個(gè)人類的文明的進(jìn)展密碼破譯過程。

5） 各種智能決策支持。以前我們是決策支持系統(tǒng)，決策支持系統(tǒng)是什么呢？我提供決策的數(shù)據(jù)支持和方案，制定一串方案以供決策者選擇。而現(xiàn)在能夠自動(dòng)決策。像AlphaGo決策完全是自動(dòng)的，不用人來選擇的。

6） 信用系統(tǒng)的全覆蓋 。區(qū)鏈塊和AI技術(shù)的發(fā)展將最終可以使每個(gè)人的價(jià)值完全由個(gè)人信用決定，完全由算法提供保證，與任何其它人為因素?zé)o關(guān)。

7）情緒的數(shù)字化。情緒表現(xiàn)在你的人的肢體的語言，你的面部表情，這些都可以數(shù)字化。數(shù)字化就可以判斷你的情緒，情緒細(xì)化到什么程度，表示你這個(gè)人是一個(gè)什么情緒狀態(tài)。人和機(jī)器的關(guān)系都可以把它細(xì)化到那種程度，人與人之間的關(guān)系，通過你自己肢體的語言全部數(shù)字化以后，全部細(xì)化了以后，你可以研究出你這個(gè)人你的喜好，或者你對(duì)它的這種感覺什么的，都可以讓機(jī)器算出來，這個(gè)挺可怕的。

4. AI發(fā)展帶來的思考

情緒表達(dá)的數(shù)字化。當(dāng)所有外在的知識(shí)表達(dá)都可以由機(jī)器獲得以后，自然人的情感是否可以由其外部表現(xiàn)（比如面部表情、姿態(tài)語言、所處環(huán)境、等等）的數(shù)字化完全表達(dá)，這成為AI的終極問題。一些數(shù)學(xué)家認(rèn)為人類具有“直覺”，而計(jì)算機(jī)沒有，所以計(jì)算機(jī)永遠(yuǎn)不可能具有人腦的能力。人工智能無論如何發(fā)展，也無法具備人類的智慧。但另外一些研究指出人類思維也是不完備的，人腦的“思考”和電腦的“運(yùn)算”基本原理一致。這種相似的聯(lián)系直接導(dǎo)致人腦的思考也是符合哥德爾不完備定理的條件的，因此人類的思維系統(tǒng)也是不完備的。

電腦用電子元件的“開、閉”和電信號(hào)的傳遞，人腦則相應(yīng)表現(xiàn)為神經(jīng)原的“沖動(dòng)、抑制”和化學(xué)信號(hào)的傳遞。在生活實(shí)踐中，人們是通過思考來建立對(duì)世界的客觀認(rèn)識(shí)和描述的，而語言則是人們彼此交流思考結(jié)果的有力工具。對(duì)人腦而言，思維推理系統(tǒng)的不完備也就意味著存在不能用思維證實(shí)的題。簡(jiǎn)而言之，現(xiàn)實(shí)中總有那么一些問題或者想法，我們無法用思維來證實(shí)或者否定它，從而也就無法用語言來完全準(zhǔn)確的表達(dá)我們的思想。由于思維是客觀實(shí)在的近似反映，語言則是思維的近似表達(dá)。這就是我們“只可意會(huì)、不可言傳”背后的數(shù)學(xué)原因。

人工智能的發(fā)展將帶來人與人的關(guān)系、人與機(jī)器的關(guān)系深刻的變化，將對(duì)人類社會(huì)的發(fā)展產(chǎn)生巨大影響?，F(xiàn)在人工智能已經(jīng)可以在許多事情上超過人類，可以在許多工作上幫助或是取代人類，為人類造福；但是它的發(fā)展也帶來人們對(duì)AI安全和未來走向的擔(dān)憂。因此，人工智能倫理的問題已經(jīng)引起學(xué)界和政府的高度關(guān)注。

這是從AlphaGo出來以后，我對(duì)人工智能的一些想法和感覺。有人說人工智能是不是開啟了什么魔鬼，打開魔鬼的瓶子，放出了什么東西來？誰知道呢？人工智能可以將人的所有的東西模仿出來，包括人的智慧、情緒，人類的表達(dá)……人工智能是未來發(fā)展的必然趨勢(shì)，但是人工智能最終將要走向哪里，是值得大家思考的問題。以上是我的一些體會(huì)，希望大家覺得有興趣的話一起研究討論。謝謝！

[返回]

【討論與交流】

趙永濤（主持人）：劉教授從人工智能的概念和技術(shù)，以及發(fā)展前景三個(gè)方面給大家作了精彩的報(bào)告。下面我們請(qǐng)大家討論。

彭德中（四川大學(xué)）：人工智能現(xiàn)在已有廣泛應(yīng)用。一個(gè)例子是核磁共振的影像資料的識(shí)別。新生兒視網(wǎng)膜病變是一種常見病，新生兒早產(chǎn)了，要放到氧艙里面，后期發(fā)育會(huì)對(duì)他的視網(wǎng)膜產(chǎn)生影響，可以通過核磁影像來識(shí)別?，F(xiàn)在我們?nèi)∧軌蜃鲞@件事的醫(yī)生并不是很多，主要集中在華西和省醫(yī)院。在很多邊遠(yuǎn)地區(qū)，雖然有這樣的影像的設(shè)備，但是它識(shí)別不了。我們通過一個(gè)神經(jīng)網(wǎng)絡(luò)就能夠進(jìn)行影像資料的識(shí)別，能夠判別出視網(wǎng)膜病變。

在視頻的監(jiān)測(cè)和識(shí)別方面，我們和中科院光電所合作，用神經(jīng)網(wǎng)絡(luò)做了無人機(jī)的識(shí)別。我們用視頻實(shí)時(shí)地進(jìn)行監(jiān)測(cè)、跟蹤，然后判別它的類型，識(shí)別哪些地方是電池，哪些地方有故障，對(duì)故障進(jìn)行定位。

在自然語言處理方面，我們做了客戶機(jī)器人，可以根據(jù)用戶的問題，判斷他的意圖，識(shí)別他的情感，然后自動(dòng)生成一個(gè)回答，而不像以前進(jìn)行抽取式的回答。這種應(yīng)答對(duì)客戶更為友好，能夠更準(zhǔn)確地理解用戶的意圖，取得很好的用戶體驗(yàn)。

我們?cè)谌斯ぶ悄芙鉀Q實(shí)際問題時(shí)也遇到一些問題，最主要的就是小樣本學(xué)習(xí)。例如在無機(jī)人的探測(cè)和識(shí)別中，由于各種空管限制，無人機(jī)多次都不能飛。我們只好在大廠房里面讓無人機(jī)試飛，利用多部攝像機(jī)捕捉它的影像資料，為機(jī)器學(xué)習(xí)提供素材。

現(xiàn)在神經(jīng)網(wǎng)絡(luò)被看成一個(gè)黑盒子，輸入被映射到輸出上，它是怎么進(jìn)行影射的，它是怎么進(jìn)行工作的，目前還有許多理論問題有待探討。AlphaGo是一種機(jī)器博弈，但是它屬于具有完備性系統(tǒng)的博弈，就是我可以看到對(duì)方的牌，對(duì)方的棋譜是怎么樣的。還有一種博弈，非完備信息的博弈，就像打撲克打麻將，我不知道對(duì)方手上是什么樣的牌，下什么樣的局。在這種情況下像兵器推演，像在電子空間對(duì)抗里面，很多時(shí)候都涉及非完備信息的博弈。所以目前一個(gè)主要研究對(duì)象就是針對(duì)新一代的神經(jīng)網(wǎng)絡(luò)針對(duì)小樣本學(xué)習(xí)，非完備信息博弈。

吳  曉（西南交大）：剛才劉教授已經(jīng)說了，人工智能發(fā)展比較好的，第一個(gè)是自然語言處理?，F(xiàn)在的問答機(jī)器人，其實(shí)是在智能回答。問答機(jī)器人首先需要語音識(shí)別，科大訊飛的語音識(shí)別已經(jīng)做得很好了。其次是機(jī)器人的機(jī)械手臂監(jiān)測(cè)等等，包括圖像和視頻，包括現(xiàn)在的攝像頭，這塊兒的需求非常強(qiáng)勁。剛才彭老師說了醫(yī)學(xué)圖像處理，包括輔助的智能醫(yī)生，還包括智能像閱讀這些，其實(shí)已經(jīng)有很大發(fā)展，所以很多技術(shù)已經(jīng)實(shí)用化了。

存在的主要問題，許多是數(shù)據(jù)樣本的問題。剛才彭老師也說過了，許多異常事件都是小樣本，包括監(jiān)控的視頻。在深度學(xué)習(xí)的過程中，缺少樣本，就造成一系列的問題，造成了不準(zhǔn)，出現(xiàn)了誤報(bào)。另外是小目標(biāo)的問題。在監(jiān)控視頻里面，有很多是小樣本，在監(jiān)控過程中還有其他一些抖動(dòng)，都可能造成我們的準(zhǔn)確性下降的問題。

在深度學(xué)習(xí)中，還有一個(gè)科學(xué)問題是，對(duì)我輸入問題最后得出的結(jié)果，我無法判斷為什么這個(gè)結(jié)果好，為什么這個(gè)結(jié)果差，為什么我們不能解釋它，原因在哪里？人工智能還有許多問題的研究，包括圖像生成技術(shù)，原來沒有樣本，我們可以自動(dòng)圖像生成。但是這個(gè)技術(shù)怎么用，能不能彌補(bǔ)樣本比較少的情況，我們還不清楚。

符紅光（電子科大）：在座很多都是我的老領(lǐng)導(dǎo)。最近幾年，我跟張景中院士研發(fā)高考機(jī)器人。當(dāng)前這次人工智能的浪潮主要是靠數(shù)據(jù)推動(dòng)，算法推動(dòng)。整個(gè)世界本質(zhì)是數(shù)，數(shù)據(jù)的重要性是基本的，只要你有數(shù)據(jù)你就會(huì)有發(fā)展前景。中國(guó)和美國(guó)人工智能的優(yōu)勢(shì)在于數(shù)據(jù)和計(jì)算能力，兩國(guó)都很強(qiáng)。但我們的計(jì)算能力的芯片還是用國(guó)外的，我們目前的算法還有差距。這次人工智能浪潮主要靠數(shù)據(jù)和算力推動(dòng)，機(jī)器實(shí)際上沒有懂意思。下一步競(jìng)爭(zhēng)的制高點(diǎn)在認(rèn)知智能，像人一樣學(xué)會(huì)學(xué)習(xí)，要學(xué)會(huì)邏輯推理，不僅僅是模擬?，F(xiàn)在的神經(jīng)網(wǎng)絡(luò)還是模擬，但是已經(jīng)取得非常不錯(cuò)的效果了。

顛覆性技術(shù)不得了，顛覆性技術(shù)一出來，以前都不用了。深度學(xué)習(xí)就是顛覆性技術(shù)。以前我們的翻譯做了很多，現(xiàn)在深度學(xué)習(xí)用上后，以前做的都沒用了。普通一個(gè)大學(xué)生都可以做以前非常難的事情。張?jiān)菏课覀儓F(tuán)隊(duì)一直在堅(jiān)持做認(rèn)知智能，我們做的高考機(jī)器人，讓機(jī)器參加高考，這幾年成績(jī)都是在100多分左右。語文文字表達(dá)，叫機(jī)器人寫作文，由人類來判斷。我相信未來競(jìng)爭(zhēng)還是數(shù)據(jù)，是0和1，不僅僅再做一個(gè)AlphaGo，沒意義，我們要在認(rèn)知智能方面取得突破，首先得突破自然語言。所以有句話叫做“得自然語言者得天下”，誰把自然語言徹底解決了，人工智能就控制住了。

另外劉老師也說得非常好，用AlphaGo預(yù)測(cè)3D結(jié)構(gòu)。最近我們跟華西重點(diǎn)實(shí)驗(yàn)室合作，把深度學(xué)習(xí)用在基因編輯上，基因優(yōu)化是基因編輯中的一步，國(guó)外有很多在做，包括一些頂級(jí)公司。他們以前都是用規(guī)則做的，這次用深度學(xué)習(xí)做，數(shù)據(jù)一比試，一下就超過了他們。還有化學(xué)反應(yīng)，大家知道的很難的，比方給一個(gè)化學(xué)物質(zhì)你怎么做它的反應(yīng)，新藥怎么設(shè)計(jì)出來做出來，上海的一家公司就是為全球做小分子的生成的，外包，是個(gè)大工廠?，F(xiàn)在我們有深度學(xué)習(xí)，機(jī)器就可以在很短時(shí)間內(nèi)給你找?guī)资畻l合成路線，專家判斷，準(zhǔn)確率已經(jīng)超過人類專家。人類專家都是行內(nèi)的專家了，至少是博士以上水平。我們的系統(tǒng)現(xiàn)在已經(jīng)能達(dá)到博士水平，隨著數(shù)據(jù)越來越多，還能進(jìn)一步提高，因?yàn)槭Ｏ戮褪菙?shù)據(jù)問題。我們國(guó)家在數(shù)據(jù)方面積累不夠，我非常擔(dān)心，如果人家真的把數(shù)據(jù)庫(kù)一卡，我們就無法工作了。我們國(guó)家要抓緊數(shù)據(jù)建設(shè)，數(shù)據(jù)太重要了，有數(shù)據(jù)你就好辦事了。

王  鵬（西南民族大學(xué)）：劉教授是我們的老前輩了，今天我聽了劉教授的報(bào)告，使我非常感動(dòng)的是他在退休以后還關(guān)注著學(xué)科的前沿，他在報(bào)告里回顧了人工智能的發(fā)展歷史，對(duì)現(xiàn)在的各個(gè)熱點(diǎn)也進(jìn)行了展望。我有一個(gè)問題想請(qǐng)教一下劉教授。我以前是學(xué)物理的，剛才劉教授談到了優(yōu)化算法，我們整個(gè)團(tuán)隊(duì)正在研究?jī)?yōu)化算法，我們的研究思路是想用以前我們發(fā)現(xiàn)的優(yōu)化算法模型來做，雖然說取得了一些成果，但是我們對(duì)這個(gè)方向是不是今后能夠長(zhǎng)期發(fā)展，能不能走到一定的高度，我們還有一點(diǎn)點(diǎn)沒數(shù)。希望劉教授站在戰(zhàn)略的高度幫我們把關(guān)。

劉紹中：優(yōu)化算法現(xiàn)在是把問題數(shù)據(jù)化以后全部是試，看這種算法對(duì)不對(duì)，不是說給一個(gè)概率。原則上是這個(gè)概念吧。

王  鵬：量子計(jì)算要用概率，用波函數(shù)來優(yōu)化它的算法。

劉教授：整個(gè)算法是數(shù)字化以后，我找來一個(gè)方向，然后計(jì)算可能成功的方向，是這樣的吧。效果怎么樣不敢說。

桂文莊：還是基于物理的規(guī)律。純粹用神經(jīng)網(wǎng)絡(luò)，拋掉了物理規(guī)律恐怕不行。

王  鵬：非常感謝劉教授。

朱學(xué)增：人工智能技術(shù)，現(xiàn)在有個(gè)趨勢(shì)是集成。有很多方法，現(xiàn)在都用來研究針對(duì)一個(gè)問題，現(xiàn)在一個(gè)主要的思維是集成的思維。我就想問在座的各位專家，你們有的是專注于針對(duì)一個(gè)對(duì)象用人工智能技術(shù)。能不能說人工智能發(fā)展到今天已經(jīng)不是單一的東西，是長(zhǎng)遠(yuǎn)的去開發(fā)人的腦力，需要各種人工智能的集成，不是單一，靠單一去帶動(dòng)不行。對(duì)不對(duì)？

符紅光：人工智能有通用人工智能，通用人工智能很遙遠(yuǎn)，我覺得集成是可以的。比方說符號(hào)學(xué)派，現(xiàn)在是連接主義，還有控制學(xué)，現(xiàn)在做機(jī)器人的都是控制學(xué)派，人工智能是反饋，現(xiàn)在就是集成的問題。但是不能要求太高，現(xiàn)在人工智能離通用人工智能還很遙遠(yuǎn)，都是端對(duì)端的，沒有真正理解。對(duì)話機(jī)器人，能讓它回答你的話，但是它并沒有理解你的話的意思，而是純粹從概率的角度找了一個(gè)最匹配你的話，不管你的感受和情感，但是可以通過上下文找到概率最大的結(jié)果，所以本質(zhì)是數(shù)據(jù)。從應(yīng)用的角度，比方說翻譯機(jī)器，涉及到硬件，速度問題，芯片，人工智能計(jì)算能力要起來，另外還有很多是邏輯問題。一是深度學(xué)習(xí)要用，二是傳統(tǒng)的規(guī)則，傳統(tǒng)的圖像也可以用，不是說你有了一個(gè)深度學(xué)習(xí)，就像AlphaGo就可以解決很多的問題，AlphaGo解決的問題是邊界清晰問題，對(duì)邊界不清晰的問題，對(duì)那些信息非常不對(duì)稱的，常識(shí)的問題，道理非常難的問題，還是沒辦法。

朱學(xué)增：“批量”提高效益，“定制”適應(yīng)個(gè)性，“批量定制”這種生產(chǎn)模式我認(rèn)為是不管對(duì)任何行業(yè)都是一個(gè)發(fā)展趨勢(shì)。教學(xué)也是這樣，個(gè)性化教育。我想問，人工智能的技術(shù)，哪一項(xiàng)能解決“批量定制”？在國(guó)外叫組裝器，實(shí)際上就是講的平臺(tái)，我搞一個(gè)平臺(tái)，搞一個(gè)開發(fā)環(huán)境，站在這個(gè)開發(fā)平臺(tái)上有一個(gè)環(huán)境，提供各種數(shù)據(jù)包和格式，達(dá)到的目的不外乎就是功能的集成，數(shù)據(jù)的集成，過程的集成。任何事情都是這樣，不是講的兩個(gè)空間狀態(tài)，有一些操作，一個(gè)狀態(tài)經(jīng)過一個(gè)操作就變了。不是這么簡(jiǎn)單，比如說網(wǎng)絡(luò)化，互聯(lián)網(wǎng)時(shí)代的網(wǎng)絡(luò)，框架早就有了，僅僅是圖譜的概念。美國(guó)就不講，就講組裝器。我們國(guó)內(nèi)有沒有人搞組裝器呢？包括我們的電子科大、川大，你們對(duì)組裝感不感興趣，組裝就是集成的概念，裝備的概念。既然一談組裝，談集成，談裝備，就必然有拆分，就必然有模塊，必然是模塊化的，必然涉及到系統(tǒng)工程。

符紅光：已經(jīng)開始模塊化了。

左  齊：劉教授講了很多好的方向，我從應(yīng)用工作者的角度來補(bǔ)充一下。第一個(gè)是關(guān)于情感。我覺得現(xiàn)在人工智能在情感研究上面，大家非常關(guān)注的是人在情緒上的反應(yīng)或者說視覺的反應(yīng)；另一方面，我們很關(guān)心輿情里面所包含的情感。我覺得現(xiàn)在自然語言識(shí)別里面也是包含兩個(gè)部分，一個(gè)是語音識(shí)別，還有一個(gè)情感識(shí)別。這個(gè)輿情到底是正面輿情還是負(fù)面輿情？從一段文字里面能不能反應(yīng)游客的評(píng)價(jià)？我是搞旅游的，游客的評(píng)價(jià)到底是好的評(píng)價(jià)還是差的評(píng)價(jià)？實(shí)際上不是簡(jiǎn)單根據(jù)語音就能夠識(shí)別，需要通過一些自學(xué)習(xí)或者一些規(guī)則的提取，然后建立新的規(guī)則對(duì)這個(gè)做出一個(gè)判斷。我覺得這是一個(gè)方向。

第二個(gè)說到醫(yī)學(xué)，醫(yī)學(xué)里面，我知道加拿大這塊兒做得很好，但是他們的電子數(shù)據(jù)積累了幾十年的經(jīng)驗(yàn)。我非常贊成符教授剛才說的，現(xiàn)在的人工智能是建立在大數(shù)據(jù)的基礎(chǔ)上的。我們國(guó)家最重要的問題就是大數(shù)據(jù)的基礎(chǔ)建設(shè)。到現(xiàn)在為止，有的地方花了很多錢，實(shí)際上并不知道大數(shù)據(jù)是什么，他們要求數(shù)據(jù)展示出來的界面，做幾個(gè)大屏就是大數(shù)據(jù)，他不知道數(shù)據(jù)本身。因?yàn)闆]有數(shù)據(jù)基礎(chǔ)，我們現(xiàn)在在醫(yī)學(xué)人工智能上面，不管是臨床還是治療，現(xiàn)在要做的難度其實(shí)非常大。我覺得現(xiàn)在有一個(gè)方向，特別適合于機(jī)器深度學(xué)習(xí)去做，就是康復(fù)訓(xùn)練。界于治療和常規(guī)健身之間的，又要專業(yè)性，又要輔助，是一個(gè)長(zhǎng)期的過程。很多病人偏癱以后在家康復(fù)訓(xùn)練，沒有專業(yè)支持，我覺得這件事特別適合于人工智能的研究。這個(gè)方面我們現(xiàn)也非常關(guān)注，因?yàn)槲覀儸F(xiàn)在做大健康，特別是今后老齡化時(shí)代，這種康復(fù)訓(xùn)練的需求會(huì)越來越大。

第三，我們進(jìn)入5G時(shí)代以后，交通還是一個(gè)核心問題。現(xiàn)在景區(qū)里面最大的一個(gè)問題就是交通和出行。我們?cè)诰皡^(qū)上面的智能化投入非常大，但是應(yīng)用的效果非常差，可以說基本上沒有發(fā)揮作用，花了非常多的冤枉錢。我們?nèi)ミ^很多景區(qū)，景區(qū)里面最大的關(guān)注點(diǎn)，一定要看它的痛點(diǎn)，基本上每個(gè)景區(qū)的交通都是一個(gè)問題，但是感覺好像束手無策。我感覺傳統(tǒng)技術(shù)做不到，一定要有新技術(shù)。這里面我認(rèn)為交通的引導(dǎo)很重要，這是人工智能能夠發(fā)揮很大作用的地方。到現(xiàn)在為止，我們所有的交通引導(dǎo)系統(tǒng)都是基于高德、百度，基于大數(shù)據(jù)做的，實(shí)際上計(jì)算出來的結(jié)果，實(shí)時(shí)性很差，準(zhǔn)確度還不很高。這就是我們迫切的需求。我就補(bǔ)充這三點(diǎn)。

張文敬：我是搞科普的。比如像前不久的《流浪地球》，制作非常恢弘，中國(guó)科普科幻的大家們思維非常巧妙，他們的內(nèi)容試圖用很多智能東西。劉教授講的AlphaGo，對(duì)我的啟發(fā)非常深。我們四川未來準(zhǔn)備打造科幻科普大省，準(zhǔn)備在新機(jī)場(chǎng)附近建立一個(gè)具有國(guó)際影響力的科幻城。但是目前就我所知道的科普科幻，有很多東西屬于魔幻?？苹脩?yīng)該是用科學(xué)的東西，用文學(xué)的東西寫未來的東西，但是我們寫的是未來達(dá)不到的東西，容易把我們年輕一代引向一些歧途。盡管《流浪地球》票房達(dá)到驚人的高度，但是里面的科學(xué)不是我們未來所預(yù)期的。這里引出一個(gè)問題，希望有機(jī)會(huì)請(qǐng)劉教授團(tuán)隊(duì)，還有今天到會(huì)的川大、科大等專家，有機(jī)會(huì)能夠?yàn)槲覀兯拇ù蛟炜苹贸亲鲂┴暙I(xiàn)，把中國(guó)的科幻和未來的科學(xué)結(jié)合起來，而不是魔幻的東西。

李榮佳：我提一點(diǎn)建議。我更關(guān)心人工智能技術(shù)的應(yīng)用前景和實(shí)際應(yīng)用的案例，比如剛才川大老師提到的，現(xiàn)在的疾病診斷，還有剛才那位說到的現(xiàn)在的些實(shí)際應(yīng)用方面的成效，還有張文靜老師提高的信息化的應(yīng)用。作為學(xué)術(shù)方面的討論交流以外，我覺得今后是不是在沙龍內(nèi)容里面可以注入一些實(shí)際應(yīng)用和應(yīng)用前景的討論，以及實(shí)際應(yīng)用反過來對(duì)我們?nèi)斯ぶ悄芗夹g(shù)的推動(dòng)。

姚漢民：大家都在搞研究。應(yīng)用前景在哪兒？現(xiàn)在主攻什么樣的目標(biāo)？這些事情是應(yīng)該探討的?，F(xiàn)在大家看到人工智能正在進(jìn)入家庭，各種家庭電器包括電視、洗衣機(jī)，都可以有人工智能，這個(gè)應(yīng)用前景是相當(dāng)大的。各研究所也好，大學(xué)、企業(yè)也好，肯定是做了很多工作。但是現(xiàn)在要把它深化，要高端化。比如我們光電所，那么復(fù)雜的光學(xué)技術(shù)，光刻機(jī)，也有很多人工智能技術(shù)，但是現(xiàn)在把它提高，要深化。所以我昨天參加了光電所新班子的講話，光電技術(shù)，光電所今后如何向人工智能發(fā)展，創(chuàng)新發(fā)展，我覺得現(xiàn)在所長(zhǎng)有思路，我很支持這個(gè)事情。

朱學(xué)增：這種沙龍的形式非常好，希望以后形式要多樣化，專業(yè)性一定要強(qiáng)，要同行在一起才講得起來。所以我希望以后我們建立一些聯(lián)系，有企業(yè)的公司，有研究所的人，大家一起討論。我可以介紹一下斯坦福的企業(yè)跟學(xué)校的情況，他們的企業(yè)跟學(xué)校相當(dāng)緊密，有時(shí)企業(yè)就提出了很好的意見。所以我希望院里面組織沙龍形式要多樣化，專業(yè)性一定要強(qiáng)，我們只要一杯咖啡和一個(gè)房間，就談起來了，越談越有勁。

鐘  勇：第一次參加科學(xué)院科技沙龍，我談幾點(diǎn)感受：

第一，沙龍?bào)w現(xiàn)了我們科學(xué)院和科學(xué)家的精神，在座的很多科學(xué)家不在崗位以后，還在科技領(lǐng)域發(fā)揮了重要作用。

第二，我覺得這種沙龍還是非常重要，因?yàn)閷?duì)我們的年輕人和中年人還是有很好現(xiàn)實(shí)指導(dǎo)意義。從2017年國(guó)家發(fā)布人工智能發(fā)展規(guī)劃以后，到今年中國(guó)政府工作報(bào)告，又把智能+作為重要內(nèi)容，打造數(shù)據(jù)經(jīng)濟(jì)。我認(rèn)為這種情況下人工智能已在國(guó)家、地方層面全面地爆發(fā)，從這個(gè)角度上講我們每個(gè)人都離不開。今天的沙龍就有許多別的領(lǐng)域的老教授在場(chǎng)，說明與我們每個(gè)人都相關(guān)。

今天劉教授的報(bào)告做得非常精彩，從AlphaGo這個(gè)案例出發(fā)，對(duì)整個(gè)人工智能的相關(guān)技術(shù)，包括大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、以及深度學(xué)習(xí)等等做了比較系統(tǒng)的介紹。我覺得非常好。當(dāng)然從我的認(rèn)識(shí)角度，我也從自己的認(rèn)識(shí)談點(diǎn)看法。

人工智能發(fā)展到現(xiàn)在，新一代人工智能已經(jīng)不太一樣了。人工智能發(fā)展到現(xiàn)在有幾十年歷史了，為什么現(xiàn)在引起大家這樣的關(guān)注，我想有幾個(gè)原因：一是是思維模式變了，以前科學(xué)研究最多的是機(jī)械思維的模式，現(xiàn)在的新模式是數(shù)據(jù)模式或者大數(shù)據(jù)思維模式，從數(shù)據(jù)中發(fā)現(xiàn)一些客觀規(guī)律，包括用數(shù)據(jù)來表示確定性，用數(shù)據(jù)關(guān)系表示因果關(guān)系?，F(xiàn)在是用數(shù)據(jù)來說話，或者用數(shù)據(jù)發(fā)現(xiàn)新知識(shí)規(guī)律。二是相關(guān)技術(shù)發(fā)生了巨大變化，這里面包括三個(gè)方面技術(shù)：一個(gè)是算力，第二個(gè)是算法，第三個(gè)是大數(shù)據(jù)。AlphaGo只是一個(gè)引爆點(diǎn)，我認(rèn)為是這么一個(gè)概念，詳細(xì)的不談了。從人工智能發(fā)展的角度看，人工智能不是一個(gè)點(diǎn)，它的范圍越來越大，而且是多科學(xué)的融合，我覺得這是一個(gè)發(fā)展趨勢(shì)。神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)明很久了，深度學(xué)習(xí)出現(xiàn)以后，許多事情，包括圖像識(shí)別的確達(dá)到了非常好的效果。例如說人民幣識(shí)別，用深度學(xué)習(xí)以后準(zhǔn)確率提高了一個(gè)級(jí)別。這個(gè)過程如何理解，實(shí)際上就是大數(shù)據(jù)處理的思維問題?，F(xiàn)在人工智能發(fā)展已經(jīng)深入到我們國(guó)家社會(huì)生活的方方面面，而且產(chǎn)生了一種融合的效果。剛才朱老師談到一個(gè)很關(guān)鍵的問題，集成，我認(rèn)為實(shí)際上是融合。比如說現(xiàn)在工業(yè)互聯(lián)網(wǎng)，不只是單純的軟件，傳感等問題，而是多種技術(shù)的融合?，F(xiàn)在互聯(lián)網(wǎng)向邊緣計(jì)算和云計(jì)算發(fā)展，人工智能、物聯(lián)網(wǎng)和大數(shù)據(jù)、智能、理解等等融合以后，就可以解決我們現(xiàn)實(shí)生活中存在一些比較大的問題。比如說自動(dòng)駕駛，現(xiàn)在5G出現(xiàn)了，以后到了6G，自動(dòng)駕駛就可能廣泛應(yīng)用。比如說，我不會(huì)駕車，想到南京去，我小孩又不能陪我，我可以自己駕駛過去。半自動(dòng)可以完全實(shí)現(xiàn)，比如說我小孩在辦公室或者家里就可以把那部車開到南京去。傳輸加快了，我們?cè)谲嚿峡吹绞峭耆恢碌?，沒有延時(shí)，包括醫(yī)療和健康，包括辦公，家用電器，都有非常好的應(yīng)用前景。所以人工智能的發(fā)展一定對(duì)全人類有巨大貢獻(xiàn)。

最后，感謝老教授對(duì)智能開發(fā)、社會(huì)服務(wù)等等方面的努力，你們的精神值得我們中年或年輕一代學(xué)習(xí)。謝謝你們！祝你們身體健康！小孩在辦公室或者家里就可以把那部車開到南京去。傳輸加快了，我們?cè)谲嚿峡吹绞峭耆恢碌?，沒有延時(shí)，包括醫(yī)療和健康，包括辦公，家用電器，都有非常好的應(yīng)用前景。所以人工智能的發(fā)展一定對(duì)全人類有巨大貢獻(xiàn)。

劉紹中：大家對(duì)我報(bào)告給了很高的評(píng)價(jià)，我是關(guān)心這個(gè)事情，到底不是直接在一線工作，所以肯定很多地方顯得很膚淺。在座的專家在第一線工作，考慮問題很深，接觸到很深的東西，我也很有啟發(fā)。謝謝大家！

翟占一：今天的沙龍是一次很好的學(xué)習(xí)機(jī)會(huì)，很受益。我也談點(diǎn)體會(huì)。

現(xiàn)在人工智能進(jìn)入了尋常百姓家，觸手可即，我覺得現(xiàn)在已經(jīng)進(jìn)入到人工智能的時(shí)代，這也是我們科學(xué)技術(shù)發(fā)展到一定時(shí)期的一個(gè)產(chǎn)物。人工智能是一種集成技術(shù)。過去廣泛應(yīng)用于軍事、醫(yī)藥，還有科學(xué)，現(xiàn)在更多是造福人類，服務(wù)我們尋常的百姓。比如說，最近巴黎圣母院發(fā)生了火災(zāi)，我注意一個(gè)細(xì)節(jié)，火撲滅以后，三分之二都已經(jīng)燒毀了，但是中樓還保存好了。其中是用了兩個(gè)機(jī)器人，到大樓中間去進(jìn)行噴灑消滅液，因?yàn)槿诉M(jìn)不去的，也不容易從空中澆水，這樣容易破壞文物。

人工智能是造福人類的東西。這里我作為一個(gè)消費(fèi)者提一個(gè)建議，我覺得現(xiàn)在人工智能的一些產(chǎn)品接地氣不夠。我們現(xiàn)在人工智能要說多高端，航母、大飛機(jī)、衛(wèi)星上天都需要它；但是生活中小產(chǎn)品，有一些不接地氣，我家里買了個(gè)掃地機(jī)器人，原來的一款很復(fù)雜，除了掃地、吸附灰塵，還可以拖地，但是價(jià)格高，不太方便，老年人不會(huì)用。后來買的一臺(tái)機(jī)器人很方便，5公分高，可以到你的床下面去掃，但是用了一年就壞了。我最近買了一臺(tái)，專門去找，我就說要最簡(jiǎn)單的，就掃地，不要遙控板，不要自動(dòng)充電，結(jié)果幾百塊，我現(xiàn)在一直用得很好。以前遙控的老人根本不會(huì)用，拖地現(xiàn)在還不現(xiàn)實(shí)，吸附灰塵很好，吸滿了打開蓋沖一沖就好。我們的人工智能還是要根據(jù)不同消費(fèi)群體去做，因?yàn)橹袊?guó)人口太多了，農(nóng)村很大的消費(fèi)市場(chǎng)。我原來地方工作有一家搞洗衣機(jī)的廠，它的產(chǎn)品很好，就是瞄準(zhǔn)了低端市場(chǎng)農(nóng)村，簡(jiǎn)單，能洗干凈，而且當(dāng)時(shí)還不是現(xiàn)在觸摸式的開關(guān)，是按紐，開關(guān)就是下面的要粗一些，用2萬次就行了，但它用10萬次都沒問題。所以我覺得還是要接地氣，要考慮怎么樣服務(wù)家庭。當(dāng)然也要服務(wù)我們尖端的科學(xué)，但是我們更多的是要搞一些服務(wù)大眾的，這樣我們?nèi)斯ぶ悄芗夹g(shù)才能更好地服務(wù)社會(huì)，更好發(fā)揮它的作用。我做過一些調(diào)查，我們的大專院校專利很多，但是真正轉(zhuǎn)化的可能不到三分之二，要做好轉(zhuǎn)化這篇文章。我希望我們的科學(xué)家能夠更多地利用自己的知識(shí)去造福社會(huì)，去對(duì)接社會(huì)，讓人工智能更多進(jìn)入我們的尋常百姓家。

桂文莊：今天到這兒來確實(shí)學(xué)了很多東西，劉教授講得很深刻。今天來還有一點(diǎn)，使我非常感動(dòng)，我見了很多老同志，特別是我們的張禮堂老所長(zhǎng)，今年已經(jīng)85歲高齡了，仍然積極參加我們的沙龍。我在這兒談?wù)劯邢氚伞?/p>

劉教授從AlphaGo開始談，AlphaGo一出來，全世界轟動(dòng)，我們中國(guó)也是非常轟動(dòng)。我記得最清楚的是什么呢？有人提出來是不是人工智能快要發(fā)展到奇點(diǎn)了？到奇點(diǎn)后，機(jī)器人可能會(huì)超過人類，不受人類控制，最后把人類消滅了。這個(gè)問題帶來了人工智能發(fā)展會(huì)毀滅人類這樣一個(gè)危險(xiǎn)前景，各方面議論很多。這些議論對(duì)我們搞人工智能的人來說，第一是這個(gè)東西不大現(xiàn)實(shí)，因?yàn)楝F(xiàn)在的人工智能和真正人的智能還是有差別。有一些東西它是行的，比方說是由于它可以用非?？焖俚挠?jì)算，所以在一些模型之下進(jìn)行決策判斷或者搜索可能比人快很多。但是人還是很特別的，人的智能有些時(shí)候是一種頓悟，目前人工智能還沒有辦法解釋和處理。人有一些依靠靈感的事情，人工智能恐怕也很難實(shí)現(xiàn)?，F(xiàn)在人工智能還不能像人的大腦一樣去思考，因?yàn)槿祟愡€沒有明白人的大腦是怎么思考的，你怎么能說人工智能像人一樣呢？但是人工智能處理一些事情確實(shí)比大腦快。飛機(jī)是人學(xué)鳥的發(fā)明，我們知道鳥的飛行是撲翼，翅膀搧著飛，但是速度比我們飛機(jī)差遠(yuǎn)了。人工智能在某些方面能夠超過人，包括下圍棋，但是不是全面。所以我認(rèn)為，在某些點(diǎn)上它會(huì)比人強(qiáng)，會(huì)有很多發(fā)展和應(yīng)用的前景，會(huì)給人帶來非常重大的應(yīng)用，成為人的智能的延伸和補(bǔ)充沒有問題。

今天討論的主題，大家非常關(guān)心，是社會(huì)熱點(diǎn)，同時(shí)大家都知道現(xiàn)在人工智能已經(jīng)上升到國(guó)家戰(zhàn)略，已經(jīng)成為世界上先進(jìn)國(guó)家之間競(jìng)爭(zhēng)的一個(gè)制高點(diǎn)了。過去咱們提互聯(lián)網(wǎng)+，現(xiàn)在咱們講人工智能+，就是說人工智能要應(yīng)用到各種各樣的領(lǐng)域去，促使我們各種各樣的處理模式發(fā)生顛覆性的變革，使得我們能夠在各種領(lǐng)域里面上一個(gè)新層次。我覺得人工智能的重要性在這兒。所以我們今天討論的內(nèi)容既有戰(zhàn)略意義又有社會(huì)意義。

另外，人工智能還是正在發(fā)展中，不是像人腦那樣，因?yàn)閷?duì)腦的理解現(xiàn)在還早著呢。人的大腦復(fù)雜程度非常不得了。有人形容人的大腦像一個(gè)宇宙，里面的東西太多，現(xiàn)在能理解和知道的東西還是非常少。人工智能的發(fā)展空間非常大。人工智能在某些方面的發(fā)展，比方說深度學(xué)習(xí)的帶來的進(jìn)步，大家都知道，深度學(xué)習(xí)有非常好的應(yīng)用，而且產(chǎn)生新的效果。但是將來會(huì)不會(huì)有新的模式發(fā)現(xiàn)呢，會(huì)不會(huì)有新的算法出現(xiàn)呢？剛才有專家講，我們國(guó)家在數(shù)據(jù)處理方面做得比較好，但是在算法方面還是有差距。我覺得這兩個(gè)方面都不可偏廢。為什么深度學(xué)習(xí)這樣的先進(jìn)算法在中國(guó)沒有出現(xiàn)，這是值得我們科技人員深思的問題。我們現(xiàn)在要講創(chuàng)新驅(qū)動(dòng)發(fā)展，講自主創(chuàng)新的能力，那就要看我們?cè)趯?duì)人類的知識(shí)進(jìn)步中，我們中國(guó)人到底有多少貢獻(xiàn)？我們可以很自豪地講我們古代中國(guó)人的貢獻(xiàn)很多，但是在近代，只要一看教科書，有幾樣?xùn)|西是我們中國(guó)人的？這是我們未來科技界未來發(fā)展非常重要的目標(biāo)。

人工智能怎么發(fā)展？一方面我們知道了人工智能還有很多很多的問題沒有解決，還有很多很多的發(fā)展空間，還有很多很多的前沿的事情，今天劉教授談了很多。但是另一方面人工智能應(yīng)用會(huì)帶來非常多的應(yīng)用，自動(dòng)駕駛是一個(gè)，還有很多的應(yīng)用出來。想想國(guó)家的戰(zhàn)略，我們?cè)趺醋?？科學(xué)院怎么做？剛才有兩位老師都提到了要我們科技人員加強(qiáng)人工智能在應(yīng)用領(lǐng)域的工作，我覺得兩方面不可偏廢：一方面，我們要把很大的力量放在人工智能的應(yīng)用上去，解決我們很多現(xiàn)在沒有解決的問題；同時(shí)，至少要有一部分人一定要在前沿工作，進(jìn)行理論和方法的研究和創(chuàng)新，我們中國(guó)人將來一定要給世界知識(shí)寶庫(kù)貢獻(xiàn)我們獨(dú)特的東西，這個(gè)不搞研究不行，兩方面不可偏廢。最近國(guó)家在科研基礎(chǔ)研究方面也制定了發(fā)展規(guī)劃，我覺得在這個(gè)時(shí)候提出來非常正確，我們已經(jīng)在經(jīng)濟(jì)上達(dá)到世界的第二位，我們做很多方面都變成世界第一了，但是我們?cè)谥R(shí)創(chuàng)新上，在原創(chuàng)技術(shù)創(chuàng)新上還是很少，雖然我們已經(jīng)有很大進(jìn)步?；A(chǔ)研究是發(fā)展原創(chuàng)技術(shù)的源泉，國(guó)家在這個(gè)時(shí)候提出加強(qiáng)基礎(chǔ)研究，我覺得是非常適當(dāng)?shù)摹?/p>

人工智能現(xiàn)在發(fā)展起來了，也是一個(gè)社會(huì)熱點(diǎn)，同時(shí)也成為某些商業(yè)炒作的賣點(diǎn)，什么都是“智能”的，包括配鑰匙的也是智能配鑰匙。還有納米、量子，都成了商業(yè)炒作的內(nèi)容，什么納米水、量子水，等等，打上這個(gè)符號(hào)以后就好賣東西了。這說明我們需要對(duì)人工智能進(jìn)行更加廣泛和深度的宣傳，好好搞科普。張老師提出科普的問題，我贊成人工智能是非常好的科普的題目。還有些科幻故事非常玄妙，像張老師說的可能會(huì)誤導(dǎo)。我們要用真用科學(xué)的東西來引導(dǎo)青年，所以科普工作非常重要。我們老科協(xié)的一個(gè)重要的任務(wù)就是做好科普。所以在這方面，我們希望我們的分院的老同志，特別是計(jì)算所的老同志，能夠在人工智能科普方面做出我們應(yīng)有的貢獻(xiàn)。

另外，大家還談到了一些非常重要的事情。比方說加強(qiáng)人工智能研究應(yīng)用的基礎(chǔ)設(shè)施建設(shè)，就是數(shù)據(jù)庫(kù)的問題。我們國(guó)家的數(shù)據(jù)庫(kù)，實(shí)際上已經(jīng)搞很多年了，科學(xué)院搞數(shù)據(jù)庫(kù)40年，我們現(xiàn)在的數(shù)據(jù)庫(kù)也不少了，但是在有些領(lǐng)域里面數(shù)據(jù)庫(kù)還是非常薄弱的。國(guó)家科技部有專門的項(xiàng)目支持科技基礎(chǔ)設(shè)施建設(shè)，其中也有科學(xué)數(shù)據(jù)庫(kù)，包括醫(yī)療大數(shù)據(jù)。但是這些東西都需要很大的努力來發(fā)展，而且需要數(shù)據(jù)保密、數(shù)據(jù)共享等等這些數(shù)據(jù)應(yīng)用的政策和法規(guī)。其實(shí)現(xiàn)在數(shù)據(jù)應(yīng)用有很多問題，就是因?yàn)樵跀?shù)據(jù)共享、數(shù)據(jù)保密、數(shù)據(jù)產(chǎn)權(quán)等問題上產(chǎn)生的，隱私的問題也是一大問題。所以怎樣發(fā)展數(shù)據(jù)還是一個(gè)比較大的事情，但是無論如何數(shù)據(jù)確確實(shí)實(shí)是我們將來人工智能發(fā)展的一個(gè)非常重要的基礎(chǔ)設(shè)施。

今天的沙龍非常好，大家討論很熱烈，時(shí)間好像不是太夠，希望下去以后能夠繼續(xù)交流。我贊成除由分院直接組織的沙龍以外，我們分院各研究所可以組織一些小型的專題化的沙龍，解決一些大家特別感興趣的問題。像今天這樣規(guī)模的沙龍很難深入進(jìn)行專業(yè)討論，但是大家可以談很多想法，可以碰撞新的火花，可以為我們國(guó)家為我們?cè)禾岢鱿敕ê徒ㄗh。今天沙龍題目大了一點(diǎn)，核心問題不是新的應(yīng)用和研究，而是宏觀了解人工智能技術(shù)，討論它應(yīng)該怎么看待和發(fā)展，我覺得今天沙龍的目的達(dá)到了。

主持人：今天我們的沙龍討論會(huì)就這里結(jié)束，感謝我們省里和院里各位領(lǐng)導(dǎo)和專家，我們今天沙龍開展比較圓滿和成功。會(huì)議到此結(jié)束，謝謝！