《评人工智能如何走向新阶段》后记（再续18）

273.人工智能与人脑智能

近年来人工智能取得了巨大进步，受人脑神经元调节机制启发的人工智能新颖算法层出不穷！但人工智能离人脑智能（或称人类智能）还差得很远，而人脑（神经元）自身的开发远未充分！

274.人工智能将成为抗击新冠肺炎疫情最大希望————英国《每日电讯报》网站2月22日报导

该报提到近日获知AI在开发一种强大新型抗生素，以对付世界上最危险的细菌方面发挥了核心作用。

该报还刊载几位医学科学家的评论和建议：
人工智能在应对正在持续的新冠病毒疫情应该有所作为，可利用人工智“虚拟隔离”（MIT研究人员），建议伦敦某地区居民在某一特定时间按特定路线出行，以减少与他人接触的机会（某流行病学专家），利用人工智能ML模型帮助发现新药（牛津初创企业埃克赛恩希亚公司），使用新算法探索新疗法（某医学专家，他们正在作临床试验）。

275.智能疫情机器人

阿里达摩院智能疫情机器人已落地全国27个省市自治区，自1月27日上线至今（2月24日）累计为40座城市拨打1100万通防控摸排电话（为有关省市开展地毯式调研摸排、医学跟踪及外呼工作）。

阿里达摩院以全国最大的智能呼叫平台免费支援疫情防控，用人工智能技术等手段，有效缓解一线人力不足问题。机器人智能采用达摩院前沿的语音识别（包括各地方言识别）、语义理解、自然语音合成等技术。

276.中国大企业应强化人工智能应用

《华尔街日报》网站2月18日报导调研公司Cognilytica的一份报告（对各国AI发展指标的比较），调研5个指标：
①国家AI战略；②政府资金；③研究活动；④大企业的AI应用⑤风险资本和初创活动。

被该报告列为拥有最强AI战略第一梯队国家——美国、法国、英国和以色列，在全部5个指标中都获得了高分，位列第二梯队的国家——中国、加拿大、德国、日本和韩国，在5个指标中有一个指标落后。报告认为中国在其中有一个指标落后，即大型企业的AI应用。

该报告作者之一Cognilytica首席分析师罗纳德-施梅尔策说，就AI而言，企业的投资和应用非常重要，影响企业国际竞争力，进而对国家经济产生影响。他说，在中国，政府和初创企业正在采取相关行动。中国唯一没有美国那么竞争力的领域就是中国的大型企业——银行、制造业、航运公司——对AI的应用程度。

277.人机交互的NLP与其子集NLU、NLG

NLP——自然语言处理，是人类与机器沟通的中介，需要靠它来理解、处理和运用自然语言。
NLU——自然语言理解，指的是机器的语言理解能力，将人类语言转化为机器可理解的内容。
NLG——自然语言生成，指的是机器通过一系列的分析处理后，把计算机数据转化生成为自然语言内容，让人类可理解。

人机通过中介（NLP及NLU及NLG）沟通、交互（发送及回馈）：
机器：从中介接收来自人的表达，或通过中介向人反馈因应、表达
人：从中介接收来自机器的表达，或通过中介向机器反馈表达

278.机器人抗击新冠肺炎价值凸显

国家卫健委在新闻发布会上透露，截止2月11日全国共报告医护人员确诊病例达1716例（其中6人死亡）。由于新冠肺炎有人传人特点，身处一线的医护人员需与患者“亲密接触”，增加了被感染风险。

如何运用科技手段，减少医护人员“接触”几率，让机器人参与检测、护理、治疗和服务，成为当务之急！

在国内，医疗机器人（如外科手术、骨科、神经外科、康复机器人等）开始应用，但用量很少！在这次疫情中，催生人工智能和辅助机器人（如物流、消毒、导诊、护理机器人等）。

279.海信研发AI语言呼叫无接触乘电梯方案

近日，从应对新冠肺炎疫情起步，海信智慧家居推出AI语音呼叫（自动点亮目的楼层，0.3秒响应）的无接触乘电梯方案

280.开源与人工智能

开源的主要特征是开放、共享、协同。

人工智能框架即人工智能开发工具，它是整个AI技术体系的核心，大多数人工智能框架都采用开源的方式。
基于开源框架的开源软件支持AI系统建立完善的生态系统，开源支持AI技术突破发展瓶颈，提高AI研发效率，支持AI技术维护升级。

281.2月26日中国工程院院士、清华大学临床医学院院长董家鸿在答央视记者提问，谈到对武汉新冠肺炎重症病人采用的治疗模式时，他们采用自创的治疗模式，即利用人工智能技术（机器学习/深度学习算法），采集大量数据，进行智能化分析，实行快速诊断和精准治疗。

282.AAAI学会主席YolandaGil谈到20年来AI取得的重大成就：可执行多种语言翻译，识别图像和视频中的物体，优化生产流程，控制汽车等。

谈到未来20年AI的走向：人们对公平的、可解释的、可信任的、安全的AI系统的需求，谈到建设智慧集成（Integrzated Intelligence），其中包括制定基础规范，建立机器可理解的开放世界知识库，理解人类的智慧建立人类认知的模型）
有意义的交互（Meaningful Interaction），其中包括合併多种不同沟通模态（语言、视觉、感情等）
自我认知学习，其中包括发展鲁棒的、可信赖的学习，量化不确定性和可持续性，建立因果模型和可操作模型
他还谈及认知科学和AI生态问题

283.由人工智能控制的全球第一架六代机亮相

据《强武精兵》网站报导，全球第一架六代机——英国“暴风雨”亮相。

目前在五代机尚未全部普及之时，全球六代机的竞争已经悄无声息的展开了，作为当前人类科技和最高智慧的结晶，全球第一架六代机亮相了，超过目前所有美俄战斗机。

所谓六代战斗机指由人工智能控制的吸气式高超音速战斗机。

284.思考：人工智能如何走向新阶段？

回答：能否让人工智能像人脑一样思考？或如何实现通用人工智能（AGI）？

焦点：赋予因果关系推理能力

近日DeepMind（为Google母公司Alphabet收购仍独立运作）在ICLR2020会议上发表《MEMO：一种用于情景记忆灵活组合的深度网络》的论文，提出了模拟人脑神经网络机制的方法，走通向AGI的一条道路。该文也提出，不是摒弃另择、而是基于增强机器学习/深度学习模型，赋予其因果关系推理能力，找到一条通向AGI的道路，该文指出人类如何在认知的复杂性中形成认知的环节和过程。

文中指出，目前的机器学习及深度神经网络算法，只是利用对于输入数据的相关性关系的拟合，不理解因果关系，缺乏推理能力，难以将人工智能推向更高水平。文中推荐一种增强深度神经网络算法推理能力的新架构——MEMO（具有长距离推理能力，能够发现在记忆中的多个事实之间的距离的关系）。文中指出，为了讨论长距离推理，要知道感知、记忆、命名、事实、判断及推理、行动的内涵和关系，文中还指出人类独有、作为人脑神经网络机制的虚构能力：想象、推理、计划的能力。

文中简述人类在认知的复杂性中如何形成认知的过程：

人类通过感官认知外界形成感知（这时只是一些时空中的感性要素）；然后由人类大脑区分后，对其中特别注意的要素（其他大量信息沦为识的背景）进行命名，从而形成一个事实；再通过大脑的联接能力，把命名通过逻辑词连接起来形成判断；然后通过经验的总结和对未来的想象，形成相应的推理；并据此形成计划和实施步骤，最后形成行动。从而完成人类的认知过程。

285.OpenAI于2019年11月公布用于生成自然语言处理（NLP）的神经网络GPT2（1.5B）版本。该版本神经网络在生成NLP文本时具有惊人能力，并使NLP成为迄今为止最强的迭代。

286.据美股研究社2020年3月3日消息，在全球自然语言处理领域顶级赛事Glue benchmark中，阿里巴巴达摩院以平均90.3分刷新了自然语言理解技术世界记录，获第一名。

自然语言理解是人工智能的核心技术之一，而Gluebenchmark比赛排名是衡量自然语言理解技术水平的重要指标。在此次比赛中，与阿里达摩院同台竞技的还有来自谷歌、微软、脸书、斯坦福大学等企业和高校的团队。

谷歌于2018年推出BERT模型是业界广泛使用的自然语言训练模型，达摩院NLP团队在BERT基础上提出优化模型StructBERT，能让机器更好地掌握人类语法，加深对自然语言的理解（大大提高机器对词语、句子以及语言整体的理解力）。

287.脸书采用先进的机器学术技术（用现有数百万3D图像训练深度卷积神经网络CNN），为几乎所有2D格式的照片（静态）生成3D照片（丰富、立体感）。

288.AI2.0时代

有人指出，人工智能从前期的AI1.0向未来的AI2.0发展时，将从算法创新过渡到体系重构，并注重AI技术大规模落地。

在国内外跟贴第54条留言中，钟义信教授推荐潘云鹤院士的谈话：人工智能走向2.0的本质原因是人类世界由二元空间（P、H）变成三元空间（P、C、H）。我们理解谈话中的三元空间（P、C、H）指现实的物理空间（P）和虚拟的数字空间（C）再加上人的互动，如果按“基于知识社会的创新2.0”模式来看，采用跨时代颠覆性的算法创新技术，才能促使在规定场景中的解决方案实现O→1的变化。

如此看来，AI1.0向AI2.0发展时，不但要从单一算法上做文章过渡到体系重构，而且还要将算法作颠覆性提升。

289.从人脸识别到城市大脑，旷视科技拔得“AI四小龙”上市头筹

2020年1月6日港交所批准旷视科技的IPO申请。

作为“AI四小龙”之一的旷视科技成立于2011年，以研发机器视觉AI技术为核心，并持续打造在城市大脑、供应链大脑、个人设备大脑三大场景的数字化解决方案。

在城市大脑场景下，旷视城市管理数字化解决方案已在全国260余个城市落地运行，已智能升级改造3000余个楼宇园区，实现人车通行智能化。

而城市大脑最早提出是作为未来城市可持续发展的全新基础设施，其核心是利用实时全景的城市数据，来全局优化城市公共资源。

290.图灵奖得主朱迪亚-珀尔著文《为什么：关于因果关系的新科学》谈到：

对于人的三种不同层级的认知能力的区分：观察（Seeing）、行动（doing）和想象（imagining），即第一层是观察能力（依靠强大的判断能力形成经验，目前的深度学习算法仍处于这三层认知能力的第一层），第二层是干预能力（只有理解因果关系才能从第一层认知上升到第二层级），第三层是反事实能力（涉及人类的想象和反思能力，构建人类大脑的思考体系）。

291.有人提出：人脸识别加上声纹识别，“多模态”会是下一个风口吗？

我们回答：“多模态”肯定会是人工智能下一个风口，尤其在视觉、听觉领域。

292.维也纳科技大学Charles.Q.Choi团队在最近一期（3月4号）《nature》上发表一篇研究报告，指出今天手机上的摄像头（已经做到了1亿像素）及感光处理芯片等这类精密器件，可用来取代神经网络，其纳秒级运算速度比传统的基于卷积神经网络的深度学习算法快上千倍。

293.自动驾驶行业迎来新一轮爆发

3月2日Alphabet旗下Waymo获得22.5亿美元融资，同时Waymo宣布将推出第五代自动驾驶系统（配备激光雷达，深入感知和理解汽车周围环境，开发保护道路行人技术，消除车辆盲点，能看到500米外行人，在高速公路上可提前几百米发现道路碎片），在本轮将部署投入2万辆自动驾驶汽车。

Waymo志在从百度手中夺回全球自动驾驶年度（2019）实力榜排名第一的位置。

294.AlphaFold抗疫

谷歌旗下DeepMind3月15日公布：利用深度学习算法训练并预测6种新冠病毒蛋白质的抗体结构，可能推动新冠病毒疫苗研究。这也是DeepMind推出的AlphaFold人工智能一基因医疗计划的组成部分。

295.人工智能与开源

①开源平台可加快人工智能研发进度（通过例举）

AT&T、GE向LF-AI研发团队贡献开源平台，可将垂直分布的AI系统各层次（芯片和基础层、网络层、应用层）串联起来，解决在封闭环境中垂直方向的兼容问题，从而加快AI研发进度。

谷歌向云原生（CNCF）基金会捐献Kubernetes容器编排工具，有助于在研发AI技术时，有利于促进AI系统横向的兼容性，可提高AI在异构云间迁移的性能。

②人工智能开源可突破其发展瓶颈（通过例举）

2015年当时美国人工智能四巨头：谷歌、微软、脸书、IBM，发现他们研发的人工智能遇到了发展瓶颈，为突破瓶颈，他们于2015年纷纷对自已开发的人工智能（含框架）全部实行开源，并鼓励全球志愿开发者（黑客）协同对其源代码进行BugFix，Patch，并支持其运维升级。

③开源支持AI系统建立、完善生态系统（通过例举）

2019年1月百度在拉斯维加斯CES会展上发布自动驾驶Apollo3.5版本，其自动驾驶技术取得重大进展。举此为例，百度将其研发的AI技术进行开源，Apollo已成为全球最活跃的自动驾驶平台，15000多位全球志愿开发者（黑客）支持开发、修改、纠错其自动驾驶软件，经过百度多次迭代，开发、修改的开源代码超过40多万行，汇集包括奔驰、宝马、红旗在内140多家合作伙伴，协同建立、完善其自动驾驶生态系统。

296.也谈IBM Watson研发的认知学习

自《评人工智能如何走向新阶段》一文发表后，大量跟贴留言不期而至，现已近300条。其中对IBM沃森研发的AI的讨论尤其热烈，有赞扬，有抨击，有质疑。

在跟贴中有人赞扬：IBM沃森真正把知识推理和数据结合起来，取得认知学习重大成果；有跟贴中有人抨击：七年多来沃森的医疗AI攻关以失败告终。

本人一直关注这些讨论，近来我看到一则谈论IBM沃森超级计算机的文章，摘要与大家共享：

该超级计算机利用深度自然语言处理技术（理解深度人类语言和语义）模拟大脑思考，展现了人工智能的强大能力，并具有强大的深度学习能力，IBM与苹果公司合作，收集、分析来自苹果的大量数据，沃森的AI研发适合于医疗领域，可为病人提供治疗方案。

文中指出，这标志着IBM Watson人工智能的新进展。

更多推荐

《评人工智能如何走向新阶段》后记

《评人工智能如何走向新阶段》后记（再续1）

《评人工智能如何走向新阶段》后记（再续2）

《评人工智能如何走向新阶段》后记（再续3）

《评人工智能如何走向新阶段》后记（再续4）