读人工智能全球格局：未来趋势与中国位势17专家视角(上)

1. 加大对人工智能基础理论的探索

1.1. 刘海滨

• 1.1.1. 中国航天系统科学与工程研究院总工程师

1.2. 人工智能的发展不会一帆风顺，技术进展缓慢、伦理道德冲击、根技术储备不足、应用不满足实际需求等，都将给中国人工智能的发展带来挑战

• 1.2.1. 我国仍然是一个追随者，不完全是一个创新突破的国家

• 1.2.2. 60%的论文作者是华人，工业界出现的众多公司中也有很多来自中国

1.3. ​“新一代”有两个标志

• 1.3.1. 一是2006年7月加拿大多伦多大学杰弗里·辛顿教授在《科学》(Science)上发表有关深度学习算法相关理论的论文

• 1.3.2. 第二个标志是在2016年3月，AlphaGo战胜人类围棋世界冠军李世石，引发了轰动效应，继而引发了人工智能发展的高潮

1.4. 人工智能的勃兴主要有三个方面的原因

• 1.4.1. 深度学习算法的应用

• 1.4.2. 硬件资源的强力支撑

• 1.4.3. 大数据技术的成熟，这是“旧人工智能”时代特别是神经网络应用时代所达不到的

1.5. 投资重点

• 1.5.1. 网络安全

• 1.5.2. 检测人工智能生成的虚假视频、音频

• 1.5.3. 针对人机交互的人机共生项目，就是人和机器如何协调共处

1.6. 促进高端高效的智能经济发展

• 1.6.1. 大力发展人工智能新兴产业，包括智能软硬件、智能机器人、智能运载工具、虚拟现实与增强现实、智能终端、物联网基础器件

• 1.6.2. 从追求智能机器到高水平人机、脑机相互协同的融合

• 1.6.3. 从分类推理处理的界面到跨媒体的认知、学习和推理

• 1.6.4. 从聚焦个体智能到聚焦基于互联网和大数据的群体智能，把更多的人的智能聚集结合起来，变成群体智能

• 1.6.5. 从拟人化的机器人转向更加广阔的智能自主系统，如智能工厂、智能无人机系统等

1.7. 重点发展领域

• 1.7.1. 农业是人工智能可以大力施展拳脚的领域，包括农业的智能生产、智能农机装备等

• 1.7.2. 在工业方面，制造业、工业机器人和智能家居是最受关注的

• 1.7.3. 在交通运输业方面，当前对智能汽车、智能物流的研究与应用较多，但是对智能船舶和智能航空航天设备还需要重点关注

• 1.7.4. 在社会服务与保障方面，目前最受关注的是医疗领域，这一领域成果也比较显著

• 1.7.4.1. 在智慧医院、人工智能治疗设备、医药监管和流行病智能监测等方面还需要进行深入研究和应用，包括养老、智能健康、健康管理可穿戴设备等

1.8. 思考和建议

• 1.8.1. 两个创新

• 1.8.1.1. 第一，是网络结构上，由三层结构发展至多层结构

• 1.8.1.2. 第二，是算法方面，以BP算法为基础，建立了各种类型的算法，如卷积神经网络等

• 1.8.2. 相较于人类发现飞行的原理，目前人工智能研究还没有找到智能原理，还处于黑盒子状态

• 1.8.2.1. 正是由于飞行原理的伯努利方程的发现，我们建造的飞行器性能才大大超越了目前地球上所有能飞行的生物的性能

• 1.8.3. 需要在人工神经网络结构上进行创新，比如改变层次结构为“场”​（人工神经场）结构，将量子力学和神经网络结合等

• 1.8.4. 在算法方面，在机器学习机理上进行创新，能够用非线性数学理论建立可证明的数学模型等

• 1.8.5. 应加大投入，认真研究人工智能发展历史中的一些经典理论模型（如McCulloch和Pitts的神经元模型、Hodgkin和Huxley的神经生理学模型等）​，融合生理学、脑科学、认知科学等最新的研究成果，突破现有的条条框框，开展多学科交叉和融合的研究

2. 类脑人工智能及其伦理

2.1. 曾毅

• 2.1.1. （中国科学院自动化研究所研究员

2.2. 数据智能

• 2.2.1. 基于数据的人工智能(data-based artificial intelligence)，简称数据智能

• 2.2.2. 基于数据构建的看似智能的模型，其实质只是信息处理，是大规模的数据分析，与“智能”的本质无关

2.3. 人工智能研究从开始至今不过短短几十年，而真正人类的智能已经经过了数亿年的演化，在演化过程中通过基因突变等获得了不同的尝试，生成了不同物种的脑

2.4. 数亿年的演化使得人类大脑把人体系统的结构和机制有机地组合起来，使得人体系统表现出更好的鲁棒性和抗噪能力

• 2.4.1. 在目前最理想的状况下，深度学习系统在有足够多的数据训练，并且测试数据与训练数据都理想的状况下，能够获得与人类大脑同等水平的鲁棒性和抗噪能力

• 2.4.2. 在任何客观的现实世界中，理想的状态都不存在

• 2.4.3. 脑结构与机制的结合使得高度鲁棒性和抗噪性可以从我们构建的类脑模型中涌现出来，这并非特定的函数设计所能实现的

2.5. 人的决策是通过若干脑区的协同来实现的

• 2.5.1. 人脑至少可以分成近250个脑区

• 2.5.2. 这些脑区是自组织协同的，可以去应对不同的任务，也就是说，人脑的自组织原理才是最重要的

• 2.5.3. 人类的认知功能至少有150项，到目前为止，全世界的人工智能顶多挑战了其中的30项，剩余的绝大多数很少有人去研究

2.6. 所有的规则都是在线学习的，机器人学习的速度刚开始跟人类似，后面则比人快，因为其计算能力比人强

2.7. 传统镜像测试判断物种是否具有自我意识的假设实际上是不严谨的

• 2.7.1. 实现机器的自我意识是我们重要的努力方向，很显然这还只是初步自我感知的开始

2.8. 未来智能的两个方向

• 2.8.1. 从机器向拟人化发展

• 2.8.1.1. 机器的拟人化(humanization)使得机器越来越像人，使它能够与未来的人类更好地交互

• 2.8.2. 从人类向机械化方向发展，扩展人类的智能

• 2.8.2.1. 人类也在通过延展认知能力提升着自身，所以这部分工作叫作mechanization，就是机械化

2.9. 两个方向需要回答的科学问题出发点是不一样的

• 2.9.1. 从机器智能的角度出发，我们需要回答它们到底是谁、我们到底怎么构建一个具有智能的生命的问题

• 2.9.2. 从人类的角度出发，问题是我们人的大脑是怎么工作的、我们是谁

• 2.9.3. 未来，有意识的超级智能生命体的发展不是割裂的，不是两个方向无关的努力，而是两个方向朝着统一的目标深度融合探索的未来

2.10. 未来的超级智能体很显然会超越现代人类智力水平，其风险和伦理问题将是非常关键的一环

2.11. 看似智能的大数据分析、大规模信息处理，那我们就应该老老实实地讲和做这件事情，而不是去冒充人工智能，否则的话，会对我国人工智能的科学发展造成本质干扰和深远影响

2.12. 没有一定程度自我意识的智能模型才是最危险的

• 2.12.1. 具有自我意识的类脑模型具有自我识别的能力、拥有动机与价值观的能力、区分自己和他人的能力、看待他人和看待自己一样的能力，以及与他人共情的能力

• 2.12.2. 机器人如果不能识别自己、不能为他人建模，那么它为了完成任务就可以牺牲所有人类的意义，因为它根本不理解人类和它们之间的关系

2.13. 人工智能的模型可以演化，你可以植入，它就可以构建一个接口，使得你植入的部分被包围，未来这个被植入的部分就不能正常工作

• 2.13.1. 可以自组织出一个网络，在输入和输出的层面掩盖一切变化，使得判断模块仍在继续工作，但实际上从整体的模型角度，它已经不再符合人类的规定了

2.14. 未来生命研究所(Future of Life Institute, FLI)阿西洛马会议制订的23条原则，看上去覆盖得比较全面，但仍有很多重要的要素被遗漏

2.15. 中国在人工智能伦理方面的研究的问题

• 2.15.1. 缺乏相对全面和长远的考量，没有对全方位风险的预测

• 2.15.2. 中国准则如何与国际上各版本协同

2.16. 提出的伦理准则在技术上是不可行的，而伦理与治理研究人员对技术上的潜在风险又不理解，就会对未来社会形成潜在危险与严峻的挑战

2.17. 未来的人工智能系统构建于我们人类的智能之上，它的机制与人类是一致的，它从演化的角度可以出现更多的利他行为

• 2.17.1. 从人类基础之上发展起来的，那么它至少已经有了很多的利他行为基础及协同发展的动机

3. 生态系统构建极为重要

3.1. 汪玉

• 3.1.1. 清华大学电子工程系副教授、党委副书记

• 3.1.2. 北京深鉴科技有限公司联合创始人

3.2. 一开始的互联网，个人电脑(personal computer, PC)需要连线才能接到网络里，所以PC的数量不会超过全球人口

3.3. 在移动互联网端，目前全球手机的量已差不多接近或超过全球人口，这得益于中国的很多手机公司在印度、非洲、拉美等地区的大力推广

3.4. 当前最通用的一种做法，是用CPU或GPU去实现各种功能，因为它们（CPU或GPU）是一种通用处理器

3.5. 当前的人工智能，并不是造出一个新的行业，而是一个外加(plus)的过程，即“人工智能＋”​

3.6. 数据不可能在一家做算法的公司或做芯片的公司，只有做应用的人才掌握所有的数据

3.7. 高层次人才的稀缺

3.8. 风投资本对创业公司的选择盲目跟风

3.9. 数据中心和辅助驾驶

• 3.9.1. 未来所有人的数据都在云上，所有的数据都放在App背后的数据中心，因此数据中心的竞争将会非常激烈

• 3.9.2. 数据中心可用的芯片种类必将是非常非常多的，无疑，这将是人工智能领域的兵家必争之地

3.10. 对硬科技创新型小企业，需要不一样的扶植态度，这里不仅包括政府的扶植，还包括大企业对小企业的容忍度与合作

3.11. 长期稳定的产业投资策略

• 3.11.1. 人工智能本身就是长周期的项目，要真正做出与大脑类似的东西，需要十年甚至几十年持续的投入

• 3.11.2. 产业资本、政府、研究机构能不能做到长期的稳定投入，也是至关重要的