0
| 本文作者： 汪思穎 | 2018-05-14 18:16 |
雷鋒網 AI 科技評論按，2018 年 5 月 11 日，中國工程院院士「智能與網絡前沿問題與應用」論壇于惠州召開，本次大會由中國工程院指導，香港中文大學（深圳）、鵬城實驗室（深圳網絡空間科學與技術省實驗室）承辦，惠州仲愷（國家級）高新區管委會、星河控股集團協辦。
會上，中國工程院院士、香港中文大學（深圳）校長徐揚生，中國工程院院士、鵬城實驗室主任高文，百度副總裁、研究院院長王海峰，中國科技大學信息科學技術學院執行院長吳楓帶來了四場精彩的主題報告，他們的演講涉及到機器人、智能城市、AI 應用、類腦計算、視頻編解碼等多個領域，各位學術大?；蛟敿毜貓蟾媪俗钚碌膶W術進展，或幽默地展示了自己最新的研究，現場座無虛席。
機器人與人工智能時代的教育
作為第一位演講的嘉賓，徐揚生院士開場即表示，現在已經到了人工智能時代，這一時代人工智能對社會的發展會產生諸多影響，同時人工智能也將影響到教育。在報告中，他先是列舉了他們研制的各種機器人和智能機器，之后談到機器人從動作到智能的發展，在演講的最后，他提到了智能革命以及心腦解放對人類社會的影響，以及人工智能時代應該進行什么樣的教育。
他表示，機器人即感知、認知再加上動作。之后，他展示了他們研制的一系列機器人，比如單輪機器人、爬樹機器人、爬衫機器人、家庭服務機器人、安全監控機器人、救災機器人、智能交互機器人、智能帽控輪椅、智能鞋等等。
在他看來，機器人技術有四大特征：
一是智能化技術，即自主識別判斷能力；
二是綜合性技術，這是典型的交叉學科；
三是實時性技術，需要能對不可預知的突發情況進行快速處理；
四是交互性技術，這里涉及到與人與機的各種交互。
他表示，這里面存在很多科學問題，比如圖像的理解、智能的描述、實時深度學習、人與機器的交互、普適性感知。
他表示，在之前的幾十年，機器人基本上圍繞著動作在發展，而現在得益于大數據的支撐，是時候考慮機器人的智能了?！钢悄鼙葎幼鞲匾??！顾麖娬{。他以人來舉例，他說道，人的骨骼、皮膚、腸胃等等一直處于更新換代中，但人的腦部中樞和神經細胞終身不變，大腦和「心靈」，遠比肉體重要。引申到技術，他表示，現在越來越多的機械代替人肉體的勞動，但是，大腦與心靈的解放遠比肉體要重要。
他強調，心腦解放將帶來一場智能革命，人類將重新進行社會分工，許多行業會面臨消失的困境。機器人的強項是記憶、邏輯、精準、快速，人的強項是直覺、感情、想象、創造，所以人應該發揮自己的強項。這就引出人工智能時代的教育問題，他認為，應該培養學生的想象力和創造力，引入非知識型的教育和考試。
深度剖析智慧城市大腦
接下來是高文院士的精彩報告，高文院士講了智慧城市的應用，并從技術層面對智慧城市大腦進行了剖析。
他提到城市現存的交通問題、安保問題，對于交通堵塞問題，目前一般的做法只是根據每個路口的交通狀況做出分析，解決能力很差。他提到杭州的案例，他表示，杭州由于車輛、路口眾多，經常存在堵車現象，他們通過云計算重新規劃信號燈，控制紅路燈的時間，達到了平均 17% 的駕駛速度優化。他們稱這一系統為城市大腦。之后，他詳解了城市大腦系統的構造，最底層是數據庫，中間是數據交換平臺，上層是算法，再往上是操作和服務的平臺，外圍是各種各樣傳感器。所有信號都會匯總到這個系統里，進行統一優化。
但他表示，雖然用以上系統根據以往的數據來做調度規劃表現不錯，但對突發事件無法及時做出判斷。主要原因如下：現在在設計系統的時候，是為存儲而設計，不是為了實時響應而設計，不夠智能；系統里沒有統一的時間戳；沒有準確的地理位置信息；無法在壓縮數據上直接解碼分析。
之后他提出數字視網膜的概念，這一系統可以解決數據和算法利用率低的問題。他提到其中的核心技術，
一是高效的編碼；
二是視頻特征的緊湊表達；
三是視頻編碼與特征編碼的聯合優化；
四是聯合 R-D 和 R-A 優化。
他表示，數字視網膜結合了視頻編碼+特征編碼，既能精細編碼視覺內容，又具備面向識別理解的功能。之后，他提到數字視網膜的整體框架，詳細描述了構建方案以及效果，例如可以進行無牌車搜索、遮擋車輛搜索等。
在演講最后，他總結道，要想真正做好智慧城市，僅僅依靠現有的攝像機和系統是不行的，需要提升到帶有數字視網膜的攝像機。他表示，技術上的標準已經完成了，接下來就是產品和系統開發。
雷鋒網此前對高文院士的城市大腦進行過相關報道，詳情參見：高文院士50張PPT，帶你看懂城市大腦的瓶頸與重大突破點
百度在人工智能上的布局
隨后上臺演講的是百度副總裁、研究院院長王海峰，王海峰的演講主題是《智能時代的機遇與挑戰》，演講伊始，他說道，前面兩位院士不約而同都講到了人工智能，他今天的主題也是智能。他表示，互聯網近年來快速發展，帶來一系列強大的算法、大數據以及計算平臺，這是人工智能得以高速發展的基礎。
他說道，人工智能正在影響各行各業，為行業帶來更高的效率，更高的生產力。
接下來他講了百度在人工智能上的布局，他表示，百度成立之初即布局人工智能，在 2010 年開始全面布局，目前已經形成相對比較完整的生態。
百度人工智能技術布局主要有四個層面：
一是基礎層，這里就是前面提到的大數據、算法、大計算；
二是感知層，這里包括語音、圖像、視頻、AR/VR；
三是認知層，這里包括自然語言處理、知識圖譜、用戶畫像；
四是平臺層，即AI開放平臺與生態。
他表示，百度所建立的平臺一方面服務于百度的業務，比如做搜索，另一方面也可以讓各行各業受益。
接下來他講了百度的智能搜索，現在用戶需求越來越復雜，越來越多的內容線上化，設備和場景越來越豐富，因此，搜索要改變。他將傳統搜索與智能搜索進行對比，傳統搜索只存在網頁數據，抓取之后進行需求匹配、排序。
智能搜索依賴龐大的知識圖譜構建計算，還有基于深度學習的搜索排序與應答、基于知識圖譜和深度語義分析的需求理解。在交互層，除了搜索框里的文字，更多是用麥克風進行語音交互，同時也可以利用攝像頭進行視覺交互。
之后他為大家展示了百度知識圖譜的一小部分以及如何構建這一知識圖譜，他也談到需求理解中幾項典型技術如語義排序、多模交互問題等等。
在百度AI整體戰略布局上，主要有底層的智能云，中間的百度大腦，最上層的阿波羅自動駕駛平臺，DUER OS 對話平臺等。
他表示，第三方企業可以用他們開放出來的平臺解決問題，比如充電樁故障、生鮮商品銷售預測、制冷設備智能調控、人力資源篩選等。他也舉了很多語音技術應用的典型案例，例如語音搜索、同聲傳譯、語音播報、語音交互、有聲閱讀、語音指令、語音質檢。之后，他提到 OCR、視頻比對以及 AR 技術等。他表示，數據分析非常重要，可以解決很多問題，他也提到一些解決方案，例如數據倉庫解決方案、日志分析解決方案、數據挖掘解決方案、物聯網行業解決方案等。
最后他講了自己對技術趨勢的理解，他表示，深度學習技術是AI的核心技術，但這一技術在理論基礎上存在三個問題——小樣本、低能耗、可解釋性。從應用技術上講，他表示感知技術在深度學習技術的推動下得到了非常好的發展，很多地方已經可以超過人了。但認知技術雖然發展很快，但整體還沒有到超過人的程度。未來認知技術到底怎么樣發展，還有很多要探討的地方。
從產業角度來看，他表示這里涉及到軟硬件、深度學習框架、AI 芯片的發展。他表示，深度學習會成為未來產業很核心的部分。
最后他做出總結，真正想將人工智能技術應用于各行各業，帶來各行各業生產力提升，更多不是單點技術，而是多種人工智能技術綜合應用，同時也要結合應用場景進行系統化創新。
在他的報告結束之后，吳楓教授帶來了以《類腦人工智能及應用》為主題的報告，這也是今天的最后一場報告。
類腦人工智能以及利用 AI 進行視頻編碼
他帶來的內容涉及三方面，一是深度學習，二是類腦計算，三是人工智能的應用。
報告伊始，他談到人工智能這幾年取得了很多突破，這些突破實際上是基于深度學習技術，通過強大的計算能力，對大規模的數據進行學習，然后得到深度神經網絡的模型。他提到目前深度學習和人腦主要有兩個相似度：第一，深度學習的神經元模型是由人腦神經元推導出來的。第二，從早期的淺層神經網絡發展至今，現在的深度學習有很多層次，這和腦比較相似。
他提到目前深度學習的局限性：
一是離不開大數據、高質量的標注；
二是自學習、遷移學習等能力弱；
三是消耗大量計算資源；
四是現有機器沒有形成概念和知識，缺少邏輯分析和推理。
接下來，他談到類腦人工智能，在國家去年發布的人工智能發展規劃里，明確提到類腦智能計算理論，他表示，歐盟、美國和中國都在發展腦計劃，進行腦認知和模擬方面的研究。他談到中科大的類腦智能技術及應用國家工程實驗室，實驗室的使命就是要建立腦科學研究和人工智能研究的橋梁，把腦科學研究得到的成果應用到人工智能發展里。
接下來是類腦智能的發展瓶頸：
第一，對腦機理的認知不夠清楚，在這里，他對腦結構與功能進行解析，其中涉及到數據存儲、數據重構、數據可視化、量化分析多個層面。
第二，類腦計算模型和算法不準確。他提到 2014 年網格細胞的發現以及 2018 年 DeepMind 發表的一篇 nature 論文。他表示，腦科學研究會給人工智能發展帶來啟發。
第三，計算架構和能力的制約，他表示，現在的計算系統是計算與存儲分離，這樣的系統功耗高、并行度低、規模有限。而借鑒人腦的計算模式，可以提出高密度、低功耗的計算系統。
他提到現在亟需借鑒腦網絡結構，發展低功耗計算，從電路、架構層次等方面展開研究，實現存算一體的網絡化計算。他們也在模擬神經元計算上做了一些嘗試，比如實現了基于 180nm 標準 CMOS 工藝的低功耗數?；旌仙窠浽酒?，實現了多種高精度、低功耗的模數轉換器。
演講最后，他提到人工智能的相關應用——視頻編碼。他表示，現在的智能編碼框架可以用學習的方法從大規模數據中獲得模型，替代原來基于經驗或者少量數據統計出來的模型。他也詳解了智能視頻編碼的框架，以及基于學習的后處理技術、基于學習的熵編碼，在對比中，可以看到基于學習的編碼方案名列前茅。
雷鋒網 AI 科技評論總結：以上為中國工程院院士「智能與網絡前沿問題與應用」論壇內容介紹。在半天會議中，徐揚生院士的報告普及了人工智能與機器人的相關知識， 并讓我們對教育問題進行重新思考；高文院士的匯報了目前城市大腦的突破，該如何發展城市大腦；王海峰院長讓我們了解到深度學習的各種應用，以及百度在人工智能上的布局；吳楓院長則帶來了對于計算的前沿思考——借鑒腦網絡結構來發展計算系統，以及深度學習在視頻編碼上的應用。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
