0
| 本文作者： 我在思考中 | 2021-12-27 10:17 | 專題：GAIR 2021 |
在今年的GAIR2021大會(huì)上，一個(gè)論壇人潮涌動(dòng)。在這里觀眾和演講者的思想激烈碰撞，一起探討著人工智能和機(jī)器人的發(fā)展方向，這就是——IEEE Fellow 論壇。
本次論壇由IEEE Fellow李世鵬博士擔(dān)任主席，邀請(qǐng)到了來自國(guó)內(nèi)外高校和研究所的多位IEEE Fellow：來自清華大學(xué)的王昭誠(chéng)教授，香港科技大學(xué)的熊輝教授，京東集團(tuán)的梅濤博士，香港中文大學(xué)的邢國(guó)良教授。
踏入2021年，國(guó)際上風(fēng)云依舊，生活中疫情未了，不管是AI、科技企業(yè)還是傳統(tǒng)企業(yè)，都面臨進(jìn)一步的挑戰(zhàn)，也迎來未知的機(jī)會(huì)。今年的主題為“加速自主創(chuàng)新，重構(gòu)數(shù)智轉(zhuǎn)型”，設(shè)立多個(gè)有前瞻性的高峰論壇以探討創(chuàng)新方向，其中IEEE Fellow論壇也在12月10日如約而至。
IEEE Fellow是IEEE授予成員的最高榮譽(yù)，在學(xué)術(shù)科技界被認(rèn)定為權(quán)威的榮譽(yù)和重要的職業(yè)成就。為幫助科研人員了解最新的科學(xué)成果，助力學(xué)術(shù)界和企業(yè)界獲取研發(fā)的關(guān)鍵信息，往屆GAIR大會(huì)已邀請(qǐng)了數(shù)十位Fellow做分享。
在今年的IEEE Fellow 論壇中，每位嘉賓的發(fā)言依然精彩：
王昭誠(chéng)教授結(jié)合了多年的科研及工業(yè)落地經(jīng)驗(yàn)，為我們展現(xiàn)了人工智能技術(shù)在未來6G移動(dòng)通信中的重要作用。
毫米波通信熱度很高，但有很多因素阻礙了其廣泛應(yīng)用，其中功耗、魯棒性、成本等原因最為明顯。如何使用人工智能技術(shù)降低功耗、提高魯棒性、解決成本問題，就是毫米波技術(shù)突圍的核心所在。
從感知智能過度到認(rèn)知智能是一種宏觀統(tǒng)籌的期望，希望算法達(dá)到從視覺遷移到知覺、觸覺、聽覺等方面的能力。在未來，這是AI發(fā)展的大方向。
注意力機(jī)制Attention、聚類Clustering、規(guī)則化Regularization等等都是簡(jiǎn)易工具。它們都是簡(jiǎn)易的過程，其目的就是讓我們聚焦到事物的本質(zhì)——不易。
以智慧燈柱為代表的路邊基礎(chǔ)設(shè)施輔助的自動(dòng)駕駛挑戰(zhàn)在于有效使用燈柱的傳感器輔助車輛的感知。這需要精準(zhǔn)的點(diǎn)云配準(zhǔn)技術(shù)來利用路邊的激光雷達(dá)擴(kuò)展車輛的視野。這就像連接了燈柱上的傳感器一樣，開了“天眼”。
人工智能在很大程度上是在模仿人類的認(rèn)知過程。認(rèn)知科學(xué)的很多觀察和結(jié)論，目前還沒有充分被人工智能所借鑒。比如說人有些智能是生而知之；人的學(xué)習(xí)認(rèn)知過程在早期就會(huì)收斂到一個(gè)“思路”模型；人是從多源多模態(tài)的輸入中學(xué)習(xí)和進(jìn)化認(rèn)知的；人的歸納總結(jié)能力往往通過人類示教獲得和完善的等等。因此在未來的機(jī)器學(xué)習(xí)過程中，其可能的發(fā)展方向可能是多源和多模態(tài)的輸入，加上考慮示教和歸納能力的學(xué)習(xí)模型。
以下是每位嘉賓的演講要點(diǎn)精編：
王昭誠(chéng)：AI賦能毫米波波束管理
首先由王昭誠(chéng)教授帶來題為《AI賦能毫米波波束管理》的演講。
王昭誠(chéng)教授是清華大學(xué)長(zhǎng)聘教授，IEEE Fellow/IET Fellow，2020年科睿唯安全球高被引科學(xué)家，而波束管理正是王教授的個(gè)人學(xué)術(shù)標(biāo)簽。王教授的研究方向包括面向6G的毫米波/太赫茲無線通信、面向智能交通的可見光通信和AI賦能的智能通信。
在演講中，王教授結(jié)合了多年的科研及工業(yè)落地經(jīng)驗(yàn)，為我們展現(xiàn)了人工智能技術(shù)在未來6G移動(dòng)通信中的重要作用。6G移動(dòng)通信作為未來爆發(fā)的焦點(diǎn)話題之一，成為學(xué)術(shù)和工業(yè)界的兵家必爭(zhēng)之地，而AI賦能的智能通信成為其核心關(guān)鍵技術(shù)。
王教授介紹了毫米波在未來6G移動(dòng)通信中的重要意義，并著重介紹了融合低頻/毫米波終端的技術(shù)挑戰(zhàn)和未來發(fā)展趨勢(shì)。
毫米波通信熱度很高，但有很多因素阻礙了其廣泛應(yīng)用，其中功耗、魯棒性、成本等原因最為明顯。如何使用人工智能技術(shù)降低功耗、提高魯棒性、解決成本問題，就是毫米波技術(shù)突圍的核心所在。
王教授介紹了基于深度學(xué)習(xí)的低頻輔助毫米波波束預(yù)測(cè)。在使用毫米波進(jìn)行通訊時(shí)，存在著多方面的問題，比如損耗大、成本高、功耗大、魯棒性差等問題。
在王教授的工作中，核心思想為利用毫米波和低頻的直射徑/反射徑達(dá)到角的一致性解決上述困難。
首先，在入網(wǎng)的階段，王教授提出可以利用低頻和高頻信道的一致性降低終端功耗：當(dāng)終端設(shè)備需要利用毫米波鏈路進(jìn)行高速信息傳輸時(shí)，其功耗較大。因此可以使用低頻估計(jì)直射徑是否存在，如果有直射徑的條件下才開啟毫米波服務(wù)。
其次，在開啟毫米波服務(wù)后，使用低頻預(yù)測(cè)毫米波波束的到達(dá)方向。由于任務(wù)的復(fù)雜性和多模態(tài)特征，需要使用AI尋找最佳的到達(dá)角。王教授通過使用專門設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)、實(shí)部/虛部預(yù)處理、以及降采樣等組合技術(shù)解決上述問題并得到極佳的實(shí)驗(yàn)效果。
隨后，王教授介紹了基于深度學(xué)習(xí)的低頻輔助毫米波波束跟蹤。利用低頻信道估計(jì)信息，實(shí)現(xiàn)毫米波終端的動(dòng)態(tài)跟蹤。特別地，利用LSTM網(wǎng)絡(luò)來進(jìn)行平滑跟蹤，LSTM可以估計(jì)出通信中隱藏的重要中間變量，實(shí)現(xiàn)快速跟蹤。
最后，王教授介紹了基于深度學(xué)習(xí)的毫米波快速波束訓(xùn)練，可以使用功率泄露的寬波速來進(jìn)行最優(yōu)波束的估計(jì)和掃描。
未來毫米波和人工智能的應(yīng)用廣泛，比如無線環(huán)境感知和工業(yè)物聯(lián)網(wǎng)，王教授總結(jié)了當(dāng)前的應(yīng)用進(jìn)展，并提出了多項(xiàng)技術(shù)挑戰(zhàn)。
梅濤：感知智能到認(rèn)知智能的關(guān)鍵蛻變
梅濤博士（線上演講）
第二位演講者是梅濤博士，他的演講題目是《從感知智能到認(rèn)知智能的視覺計(jì)算》。
梅濤是IEEE/IAPR Fellow，京東集團(tuán)副總裁，京東探索研究院副院長(zhǎng)。 在演講中，梅博士結(jié)合了自己在大型科技公司多年的工作經(jīng)驗(yàn)，從生活和應(yīng)用的角度為我們生動(dòng)地總結(jié)了AI的各種成功應(yīng)用，也以此由淺入深地介紹了從感知智能到認(rèn)知智能的必要性。認(rèn)知智能面臨著多方面的挑戰(zhàn)，而這正是學(xué)術(shù)和工業(yè)界未來的發(fā)展方向。相信終有一天，AI能夠脫離領(lǐng)域的束縛，達(dá)到像人類一樣多模泛化的程度。
當(dāng)前的計(jì)算機(jī)視覺領(lǐng)域發(fā)展飛快，多項(xiàng)技術(shù)已經(jīng)可以達(dá)到媲美人類甚至超越一般人類的能力。例如圖像分類識(shí)別、目標(biāo)定位。同時(shí)AI在內(nèi)容合成（圖像生成、圖片描述生成）上進(jìn)步飛速。但是這畢竟知識(shí)感知智能（學(xué)標(biāo)），并非具有“認(rèn)知能力”的真正人工智能（學(xué)本）。
在梅濤博士的演講中，他分別介紹了視覺認(rèn)知技術(shù)上的最新技術(shù)及應(yīng)用情況、算法從感知智能到認(rèn)知智能的必要，以及視覺領(lǐng)域的未來發(fā)展方向。
在過去的50年中，計(jì)算機(jī)視覺領(lǐng)域經(jīng)歷了巨大的變革。從最初的特征工程到目前的深度學(xué)習(xí)，其性能和精度都在同步的提升。最新的計(jì)算機(jī)視覺技術(shù)可以分為標(biāo)簽識(shí)別、目標(biāo)跟蹤、視頻流行為識(shí)別、語義分割、文字生成圖像、3D視覺感知等領(lǐng)域。
在細(xì)粒度的視覺識(shí)別研究中，基于各種模型結(jié)構(gòu)技術(shù)（例如自注意力機(jī)制）已經(jīng)可以實(shí)現(xiàn)精細(xì)物體、標(biāo)簽的識(shí)別。而在3D圖像處理領(lǐng)域，很多技術(shù)能夠輔助將日趨成熟的2D技術(shù)遷移至3D領(lǐng)域。在圖像的文字描述方法中，很多商品圖片的描述、根據(jù)文字自動(dòng)生成模擬換裝效果的技術(shù)也已經(jīng)大規(guī)模使用。
隨后，梅博士結(jié)合實(shí)際的產(chǎn)品為我們介紹了視覺AI的各種有趣應(yīng)用，包括基于圖片的商品搜索、搭配推薦、智能導(dǎo)播、智能客服等。這些技術(shù)已經(jīng)深入到我們生活的方方面面。
梅博士介紹道，從感知智能過度到認(rèn)知智能是一種宏觀統(tǒng)籌的期望，希望算法達(dá)到從視覺遷移到知覺、觸覺、聽覺等方面的能力。在未來，這是AI發(fā)展的大方向。
在這個(gè)過程中，魯棒性、數(shù)據(jù)偏見等方面的挑戰(zhàn)十分嚴(yán)峻。從目標(biāo)的角度上來說，傳統(tǒng)人工智能能夠增強(qiáng)人們的認(rèn)知并且提供輔助。而感知智能則是希望能夠理解人類的行為，并且擬人進(jìn)行推理等功能。在能力方面，以前的人工智能方法希望能夠找到模式，而感知智能是想將人類的意識(shí)和理解進(jìn)行建模，并且找到解決事情的思路和邏輯。
在這個(gè)前進(jìn)的過程中，需要解決三個(gè)核心問題：對(duì)結(jié)構(gòu)知識(shí)進(jìn)行建模，模型的可解釋性，以及推理能力的集成。
最后，梅博士介紹了視覺領(lǐng)域的未來發(fā)展方向。他認(rèn)為計(jì)算機(jī)視覺目前已經(jīng)行進(jìn)到技術(shù)谷的第四階段尾聲，意味著它可以在未來的兩三年間被工業(yè)界大量應(yīng)用，從而影響我們的生活。
熊輝：AI思想在人性和社會(huì)性中的體現(xiàn)
熊輝教授
第三位演講者是熊輝教授，他的演講題目是《人工智能算法中的人性和社會(huì)性》。
熊輝教授現(xiàn)為香港科學(xué)技術(shù)大學(xué)（廣州）講席教授，人工智能學(xué)域主任；曾在學(xué)術(shù)休假期間擔(dān)任百度研究院副院長(zhǎng)并主管5個(gè)實(shí)驗(yàn)室。
熊輝教授一直致力于數(shù)據(jù)挖掘、大數(shù)據(jù)分析等領(lǐng)域的科學(xué)研究。在熊教授的演講中，他深入淺出的將人工智能經(jīng)典算法進(jìn)行更高層級(jí)的審視和回顧。他用清晰的思路和生動(dòng)的比喻為我們介紹了人工智能和人類社會(huì)的關(guān)系。如果想真正做好算法，一定要知道領(lǐng)域知識(shí)和專業(yè)知識(shí)的結(jié)合，明白什么是不易。領(lǐng)域知識(shí)能夠告訴我們不易在哪、是什么。然后做到藝術(shù)和哲學(xué)的有機(jī)平衡，才能做好算法的應(yīng)用。
熊教授首先介紹了GAN算法與人性以至于社會(huì)性的關(guān)聯(lián)。在GAN的世界中，有目標(biāo)驅(qū)動(dòng)的辨別式學(xué)習(xí)方法，就像為了考試而背題。還有以學(xué)習(xí)問題根源為目標(biāo)的生成式學(xué)習(xí)方法，即學(xué)習(xí)問題背后的本質(zhì)。
而站在個(gè)人的層面，我們也需要一個(gè)很好的辨別器。不同的人有不同的經(jīng)歷和選擇。他們有的成功，有的失敗，主要的區(qū)分在于自己所使用或經(jīng)歷的辨別器。好的匡正你的未來，來讓你的人生走在正確的方向上，讓你的資源用在正確的方向上。人生就是一場(chǎng)漫長(zhǎng)的算法，二者一一對(duì)應(yīng)。算法之所以有用，很大的原因就是它從生活中來，抽象了我們的經(jīng)驗(yàn)和哲理。
站在一個(gè)系統(tǒng)的宏觀角度來觀察所有的人工智能算法，可以將其用易經(jīng)的理論進(jìn)行梳理。它們可以分成三個(gè)主要類別，不易、簡(jiǎn)易和變易。
事物的本質(zhì)就是不易，是萬事萬物中那些恒定不變的東西。我們最重要的失去學(xué)習(xí)事物中那些不易的知識(shí)樹。那么如何去把握住這些根本性的不變的東西，就是我們學(xué)習(xí)的難點(diǎn)。
熊教授介紹道，CNN其實(shí)就是一個(gè)通過簡(jiǎn)易尋找不易的過程。而集成學(xué)習(xí)Ensemble learning就是民主投票，少數(shù)服從多數(shù)，讓多數(shù)人認(rèn)可的結(jié)果作為最終輸出，這也是一種尋找不易的過程。
而后，熊教授介紹了簡(jiǎn)易的過程。注意力機(jī)制Attention、聚類Clustering、規(guī)則化Regularization等等都是簡(jiǎn)易工具。它們都是簡(jiǎn)易的過程，其目的就是讓我們聚焦到事物的本質(zhì)——不易。
大數(shù)據(jù)帶來的最好的本質(zhì)提升是讓其“不易”的本質(zhì)更容易被識(shí)別和捕獲，也就是帶來概率本質(zhì)上的一些信息的凸顯。其中，分層級(jí)的聚類方法類似于資本主義，而k-means方法類似于社會(huì)主義。當(dāng)我們?cè)趯?shí)際中將兩者結(jié)合起來，便是我們的“中國(guó)特色社會(huì)主義”。它既能堅(jiān)固市場(chǎng)經(jīng)濟(jì)的靈活性，又能融合社會(huì)主義的大局領(lǐng)導(dǎo)力。這便是聚類算法的社會(huì)性表現(xiàn)。
最后熊教授介紹“變易”。這里面的代表性算法是強(qiáng)化學(xué)習(xí)。
強(qiáng)化學(xué)習(xí)算法的Agent能夠感知環(huán)境的狀態(tài)，之后可以采取一些動(dòng)作，比如動(dòng)作就是砍樹。當(dāng)樹砍光，環(huán)境變差，就要通過Reward來懲罰我們的Agent。如此一來，人類就知道這樣做不好。因此，人類不光不要砍樹，還要去植樹。如此，就能形成一個(gè)良性閉環(huán)。人類不斷感知環(huán)境并采取行動(dòng)，這就是強(qiáng)化學(xué)習(xí)算法的人性化特點(diǎn)。
在總結(jié)階段，熊教授說，只有當(dāng)我們了解了算法人性和社會(huì)性，我們才能發(fā)揮算法的藝術(shù)性。而且做算法一定要有“中庸之道”。我們知道機(jī)器學(xué)習(xí)要在bias和variance之間取得平衡。前者導(dǎo)致過擬合，后者導(dǎo)致欠擬合，任何一種都是我們不能接受，也無法使用的。
邢國(guó)良：物聯(lián)網(wǎng)與AI的新時(shí)代碰撞
邢國(guó)良教授（線上演講）
第三位分享者是邢國(guó)良教授，他的演講題目是《支持車路協(xié)同自動(dòng)駕駛的實(shí)時(shí)邊緣系統(tǒng)》。
邢國(guó)良現(xiàn)任香港中文大學(xué)信息工程系教授，IEEE Fellow，2006年獲美國(guó)圣路易斯華盛頓大學(xué)博士學(xué)位，并曾在美國(guó)密歇根州立大學(xué)任助理教授、終身副教授。他領(lǐng)導(dǎo)了多項(xiàng)人工智能項(xiàng)目，在智慧城市城市、智能駕駛等領(lǐng)域有著深入的研究。
在演講中，邢教授介紹了支持車路協(xié)同自動(dòng)駕駛的實(shí)時(shí)邊緣系統(tǒng)。物聯(lián)網(wǎng)、自動(dòng)駕駛和智慧城市作為AI落地的沃土，其蘊(yùn)含的潛力十分龐大。從邢老師的精彩分享中，我們看到了物聯(lián)網(wǎng)+AI+視覺+自動(dòng)駕駛的新型融合模式，并且為未來的智慧城市、自動(dòng)駕駛輔助駕駛等領(lǐng)域開拓了新的方向和可能。
自動(dòng)駕駛在近些年大熱，也成為了未來市場(chǎng)的爆發(fā)點(diǎn)。在世界的各大城市中，為了支持自動(dòng)駕駛也逐漸開始了城市智能化的升級(jí)，包括利用電線桿和燈柱等設(shè)施輔助自動(dòng)駕駛。如此的設(shè)計(jì)可以提高自動(dòng)駕駛的安全性，并且降低自動(dòng)駕駛的成本，這是一個(gè)很有意義的方向。
邢教授介紹道，智能城市中的智慧燈柱，可以在不侵犯用戶隱私的前提下，使用激光雷達(dá)等下一代智能傳感器實(shí)現(xiàn)行人車輛的識(shí)別。這樣的設(shè)備也可以用在輔助駕駛和自動(dòng)駕駛場(chǎng)景中。然而其計(jì)算資源通常十分有限。
為了解決這些問題，邢教授提出了基于模型壓縮和優(yōu)先級(jí)調(diào)度的實(shí)時(shí)AI系統(tǒng)。這種方法針對(duì)不同的深度網(wǎng)絡(luò)進(jìn)行多級(jí)壓縮，而后通過聯(lián)合優(yōu)化壓縮級(jí)別和優(yōu)先級(jí)來優(yōu)化執(zhí)行策略。在經(jīng)過模型多變體壓縮融合、優(yōu)先級(jí)聯(lián)調(diào)等技術(shù)后，實(shí)際效果十分良好。
邢教授介紹道，以智慧燈柱為代表的路邊基礎(chǔ)設(shè)施輔助的自動(dòng)駕駛挑戰(zhàn)在于有效使用燈柱的傳感器輔助車輛的感知。這需要精準(zhǔn)的點(diǎn)云配準(zhǔn)技術(shù)來利用路邊的激光雷達(dá)擴(kuò)展車輛的視野。這就像連接了燈柱上的傳感器一樣，開了“天眼”。
為了實(shí)現(xiàn)這樣的目的，邢教授團(tuán)隊(duì)設(shè)計(jì)了一個(gè)可以找到點(diǎn)云語義信息（如路邊的交通標(biāo)志）的輕量化方法等。其優(yōu)點(diǎn)在于精簡(jiǎn)了配準(zhǔn)所需的數(shù)據(jù)量，僅需進(jìn)行語義級(jí)別的配準(zhǔn)，而不需要傳輸原始激光雷達(dá)圖像，從而降低車輛的算力要求。以上技術(shù)已經(jīng)在邢教授團(tuán)隊(duì)部署的大型智慧燈柱平臺(tái)上進(jìn)行了驗(yàn)證。
李世鵬：機(jī)器人中的人工智能何去何從？
李世鵬博士現(xiàn)場(chǎng)照片
最后進(jìn)行演講的是李世鵬博士，他的演講題目是《人工智能與機(jī)器人前沿研究思考》。
李世鵬博士，IEEE Fellow，國(guó)際歐亞科學(xué)院院士 。李院士歷任深圳市人工智能與機(jī)器人研究院首席科學(xué)家和執(zhí)行院長(zhǎng)、科大訊飛集團(tuán)副總裁及訊飛研究院聯(lián)席院長(zhǎng)、微軟亞洲研究院創(chuàng)始成員與副院長(zhǎng)。
在演講中，李博士介紹了人工智能和機(jī)器人前沿研究的深入思考。機(jī)器人作為人類未來社會(huì)中不可缺少的重要組成部分，其發(fā)展與我們的生活、隱私和便利息息相關(guān)。李老師為我們?cè)敿?xì)介紹了人工智能和機(jī)器人領(lǐng)域上的發(fā)展方向，分別從機(jī)器學(xué)習(xí)能力提升、運(yùn)動(dòng)智能的發(fā)展、人機(jī)諧作的未來以及人群體協(xié)作四個(gè)方面進(jìn)行了綜述和展望，具有很強(qiáng)的導(dǎo)向意義。
首先李博士帶我們了解了人工智能和機(jī)器人研究的全景圖。而后對(duì)其中的關(guān)鍵技術(shù)，即機(jī)器學(xué)習(xí)、運(yùn)動(dòng)智能、人機(jī)諧作、群體協(xié)作進(jìn)行了介紹。
在這個(gè)全景圖里，核心的三元素是人、人工智能和與物理世界接口的機(jī)器人/物聯(lián)網(wǎng)；他們兩兩之間的交互和作用，形成了一個(gè)個(gè)人工智能與機(jī)器人領(lǐng)域的不同學(xué)科和方向；而這些智能體變得眾多時(shí)，群體之間的協(xié)作就變的很重要。在AI+機(jī)器人領(lǐng)域中，最重要和核心的一個(gè)主題便是研究人、機(jī)器和環(huán)境之間的交互和協(xié)作的哲學(xué)和方法。李博士介紹說，該領(lǐng)域的研究方向可以分成機(jī)器學(xué)習(xí)、運(yùn)動(dòng)智能、人機(jī)諧作和群體協(xié)作等基本方向。
在機(jī)器學(xué)習(xí)方面，由于深度學(xué)習(xí)等算法對(duì)標(biāo)記數(shù)據(jù)的嚴(yán)重依賴性，模仿人類認(rèn)知的建模研究成為未來的突破口，因此，認(rèn)知科學(xué)啟發(fā)的機(jī)器學(xué)習(xí)或成為人工智能未來的發(fā)展方向。
李博士介紹到，人工智能在很大程度上是在模仿人類的認(rèn)知過程。認(rèn)知科學(xué)的很多觀察和結(jié)論，目前還沒有充分被人工智能所借鑒。比如說人有些智能是生而知之；人的學(xué)習(xí)認(rèn)知過程在早期就會(huì)收斂到一個(gè)“思路”模型；人是從多源多模態(tài)的輸入中學(xué)習(xí)和進(jìn)化認(rèn)知的；人的歸納總結(jié)能力往往通過人類示教獲得和完善的等等。因此在未來的機(jī)器學(xué)習(xí)過程中，其可能的發(fā)展方向可能是多源和多模態(tài)的輸入，加上考慮示教和歸納能力的學(xué)習(xí)模型。
而在機(jī)器人的運(yùn)動(dòng)智能方面，李博士介紹說，雖然目前的最先進(jìn)機(jī)器人已經(jīng)可以執(zhí)行靈活絲滑的運(yùn)動(dòng)控制，但是其計(jì)算資源消耗嚴(yán)重，因?yàn)樗陔姍C(jī)的控制。但是人類是基于肌肉-骨骼-傳感-神經(jīng)的系統(tǒng)中進(jìn)行低能耗的運(yùn)動(dòng)，此時(shí)自適應(yīng)、低耗能、魯棒性、靈活性都得到了體現(xiàn)。
人機(jī)諧作也是未來的重要方向。我們目前總是希望AI能夠完成所有任務(wù)，完全解放人類。但是就算算法再?gòu)?qiáng)大，仍然有一些邊界情況無法完成。那么人機(jī)協(xié)作——“AI不行，UI來補(bǔ)”則是很好的解決方案。即機(jī)器只需要知道什么情況是它無法解決的，此時(shí)交給人類即可。
更遠(yuǎn)一點(diǎn)，隨著各種智能機(jī)器走進(jìn)人們的生活，人和機(jī)器如何和諧相處，更高效地協(xié)同完成任務(wù)，又是一個(gè)重要的研究課題。在人機(jī)增強(qiáng)機(jī)體方面，李博士認(rèn)為，我們可以希望機(jī)器人能夠自動(dòng)感知到人們的需求，恰到好處地執(zhí)行輔助功能。
最后在群體協(xié)作方面，李博士認(rèn)為算法可以借鑒人類、動(dòng)物群體的群體智能經(jīng)驗(yàn)，脫離單獨(dú)智能體的局限性，做到1+1>>2的卓越效果。
總結(jié)
聆聽五位IEEE Fellow的前沿布道，讓我們對(duì)當(dāng)前人工智能、物聯(lián)網(wǎng)、視覺和機(jī)器人領(lǐng)域有了更加深入的理解和認(rèn)識(shí)。在這里，人工智能不再變得冰冷，它被賦予了社會(huì)性、人性，它的發(fā)展聚焦到了生活的每個(gè)角落，包括每輛車、每個(gè)燈柱、每座樓宇和每臺(tái)手機(jī)電腦。相信在不遠(yuǎn)的未來，AI和機(jī)器人的有機(jī)結(jié)合將會(huì)為我們的生活帶來巨大的驚喜！
讓我們期待下一屆的IEEE Fellow 論壇。
2021-12-10
2021-12-09
2021-12-12
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
