雷鋒網(wǎng) AI 科技評(píng)論按：2018 年 12 月 17 日，由鵬城實(shí)驗(yàn)室、新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟共同舉辦的「新一代人工智能院士高峰論壇」在深圳隆重開幕。本次論壇持續(xù)兩天，由 17 日的主論壇和 18 日的醫(yī)療專題論壇組成。

17 日的主論壇的演講嘉賓包括眾多國(guó)內(nèi)一線科技企業(yè)的技術(shù)負(fù)責(zé)人、多位高校教授，以及論壇的關(guān)鍵嘉賓：高文、趙沁平、俞大鵬、吳建平、桂衛(wèi)華、廖湘科六位院士。演講嘉賓做了精彩的報(bào)告，院士們也在現(xiàn)場(chǎng)討論中分析解答了觀眾們提出的許多問題（人工智能開源開放平臺(tái)的技術(shù)挑戰(zhàn)，人工智能核心技術(shù)及關(guān)鍵應(yīng)用落地）。

ACM / IEEE Fellow，騰訊 Robotics X 實(shí)驗(yàn)室張正友博士也是 17 日主論壇的演講嘉賓之一。他的報(bào)告題目是《人工智能和智能機(jī)器人》。張正友博士曾任微軟人工智能及研究事業(yè)部首席研究員和研究經(jīng)理，是世界著名的計(jì)算機(jī)視覺和多媒體技術(shù)的專家，在立體視覺、三維重建、運(yùn)動(dòng)分析、圖像配準(zhǔn)、攝像機(jī)自標(biāo)定、人臉表情識(shí)別等方面都有開創(chuàng)性的貢獻(xiàn)。他發(fā)明的平板攝像機(jī)標(biāo)定法在全世界被普遍采用，被稱之為「張氏方法」。

雷鋒網(wǎng) AI 科技評(píng)論根據(jù)現(xiàn)場(chǎng)速記把演講全文整理如下。

張正友：各位領(lǐng)導(dǎo)、各位院士、各位同學(xué)，大家好！首先感謝高文老師邀請(qǐng)，給我一個(gè)機(jī)會(huì)跟大家分享一下我對(duì)人工智能和智能機(jī)器人的一些想法。

在此之前我想介紹一下我自己，因?yàn)槲沂亲罱呕氐絿?guó)內(nèi)的，我從 1986 年就離開了祖國(guó)，我是 1985 年從浙大畢業(yè)的，當(dāng)時(shí)第一次接觸計(jì)算機(jī)，用的是大型計(jì)算機(jī)，可能大家都沒用過，我當(dāng)時(shí)用的是打孔的卡片，和電腦交互。畢業(yè)以后就去了法國(guó)，在法國(guó)之后用的電腦就越來越小，剛開始我學(xué)的是語音識(shí)別，后面轉(zhuǎn)到計(jì)算機(jī)視覺，當(dāng)時(shí)覺得語音識(shí)別太簡(jiǎn)單了，只有一維性，所以開始做立體視覺。我參與開發(fā)了世界上第一個(gè)用三維視覺做機(jī)器人導(dǎo)航的。然后我還參與了歐洲 Mars Rover，也就是航天機(jī)器人，還有海底機(jī)器人。在法國(guó)十幾年之后，我去了日本，在日本待了一年，開發(fā)了世界上第一個(gè)用人工神經(jīng)網(wǎng)絡(luò)做人臉表情識(shí)別的設(shè)備。1998 年加入了微軟研究院，在微軟工作了 20 年，開發(fā)「張氏標(biāo)定法」，就是攝像機(jī)標(biāo)定的方法，現(xiàn)在全世界都在用這個(gè)方法，無論是無人駕駛、機(jī)器人還是視覺方面都在使用，我也開發(fā)了 Kinect 深度傳感器，還有遠(yuǎn)程操控機(jī)器人的研究工作。

我介紹這些，主要是講我為什么有現(xiàn)在的這些想法，這是和我的經(jīng)歷有關(guān)系的。

下面我講一下人工智能，人工智能是一個(gè)多學(xué)科的交叉研究，現(xiàn)在大家可能都覺得人工智能都是和計(jì)算機(jī)有關(guān)，其實(shí)它是和腦神經(jīng)、認(rèn)知科學(xué)、數(shù)位科學(xué)有緊密關(guān)系的，它主要包括識(shí)別、分析和決策等等方面。

1843

人工智能技術(shù)是有很多層次的，從基礎(chǔ)設(shè)施到硬件計(jì)算能力、算法、技術(shù)方向，包括計(jì)算機(jī)視覺、語音處理、語言處理等等，到最后運(yùn)用到具體的技術(shù)，解決行業(yè)的各個(gè)問題。

人工智能技術(shù)其實(shí)已經(jīng)發(fā)展了好多年，從最開始基于規(guī)則，慢慢的基于統(tǒng)計(jì)，現(xiàn)在開始做一些數(shù)據(jù)方面的研究，應(yīng)用也是很多的。

最近人工智能經(jīng)過幾個(gè)高潮和低潮，現(xiàn)在火起來了，這里面很大的原因就是深度學(xué)習(xí)，深度學(xué)習(xí)讓我們的識(shí)別率在很多方面得到很大提高，超出了我們?cè)趯?shí)際應(yīng)用中需要的精確度。比方說以前很長(zhǎng)時(shí)間，語音識(shí)別可能只達(dá)到77%，現(xiàn)在已經(jīng)能達(dá)到97%了，其實(shí)是可以用了。所以催生了很多公司，包括大公司和小公司，還有創(chuàng)業(yè)的很多公司。這里我列了一些國(guó)內(nèi)的公司。

騰訊有一個(gè)騰訊AI開放平臺(tái)，網(wǎng)址是 ai.qq.com，它依托騰訊的三個(gè)實(shí)驗(yàn)室，騰訊 AI 實(shí)驗(yàn)室、微信 AI 實(shí)驗(yàn)室，以及騰訊優(yōu)圖實(shí)驗(yàn)室。我加入騰訊創(chuàng)建了一個(gè)機(jī)器人實(shí)驗(yàn)室 Robotics X，目前需要的不是這些AI技術(shù)。騰訊 AI 開放平臺(tái)現(xiàn)在已經(jīng)開放了100多項(xiàng) AI 能力的接口，大家需要的話可以去試一試，歡迎大家使用。

下面就回到我今天要講的主題，我加入騰訊就是想創(chuàng)建機(jī)器人實(shí)驗(yàn)室，為什么我要參與這項(xiàng)工作？因?yàn)槲矣X得我們?cè)诓痪玫膶硪M(jìn)入到人與機(jī)器人共生的時(shí)代。為什么我這樣講？剛才我講了好多方面，一是從計(jì)算的演變，計(jì)算從最初的大型計(jì)算機(jī)到PC的普及，到互聯(lián)網(wǎng)的興起，到智能手機(jī)的普及，到現(xiàn)在可穿戴式或者陪伴的設(shè)備，這些都說明了這個(gè)計(jì)算能力從最初的固定的時(shí)間、固定的程序、固定的地方慢慢變得移動(dòng)化、無處不在，還有連續(xù)化，你隨時(shí)隨地可以拿到你要的信息。另外計(jì)算也變得非常個(gè)人化，無論是GPS還是信息，都是在你的手機(jī)、PC上，所以得到無微不至的關(guān)注。

另外從感知技術(shù)上看，剛才講到我最早用的是打孔的卡片，慢慢有了鍵盤、鼠標(biāo)，后面又有了攝像頭、觸摸器等等?，F(xiàn)在我們的智能手機(jī)上有很多的傳感器，除了攝像頭以外，還有很多其它的傳感器，現(xiàn)在設(shè)備變得越來越主動(dòng)、個(gè)人化和多模態(tài)，我們現(xiàn)在還沒有充分地把這些感知技術(shù)用起來，我們大部分人都是把手機(jī)放在口袋里的，女士可能都是放在包里的，這些就是我們的技術(shù)還沒有得到充分的應(yīng)用，所以我認(rèn)為我們應(yīng)該把這些傳感器從口袋里面或者是從女士的包里面解放出來，這是我們以后需要追求的機(jī)器人的方向，就是要從非常發(fā)達(dá)的感知技術(shù)里面把這些能力用起來。所以我覺得隨著技術(shù)發(fā)展和感知技術(shù)發(fā)展，機(jī)器人必然會(huì)出現(xiàn)，但是目前還不夠，所以我們還要繼續(xù)研發(fā)。

接下來講一下機(jī)器人的現(xiàn)在與未來?？梢园褭C(jī)器人分成6個(gè)部分，

• 第一部分是機(jī)器人本體?？赡芎芏嗳硕纪浟?，說到人工智能，人家都以為就是一個(gè)算法就夠了，但是它還要一個(gè)本體，這樣才能實(shí)現(xiàn)真正的智能，本題就包括它的手臂、腿等等。

• 第二是感知，因?yàn)闄C(jī)器人需要了解周圍的環(huán)境，才能做決策。

• 第三是執(zhí)行器，如果沒有執(zhí)行器的話，機(jī)器人本體動(dòng)不起來。

• 第四是動(dòng)力系統(tǒng)。

• 第五是交互系統(tǒng)，機(jī)器人需要跟機(jī)器人交互，還需要和人交互，所以交互系統(tǒng)也是非常重要的。

• 第六是決策，機(jī)器人要識(shí)別、規(guī)劃，還要學(xué)習(xí)。

講到機(jī)器人，大家都會(huì)想機(jī)器人很早就存在了，以前我們講的是工業(yè)機(jī)器人，它更多的是有關(guān)自動(dòng)化的，預(yù)先設(shè)計(jì)好了之后做重復(fù)的運(yùn)動(dòng)?，F(xiàn)在我們開始慢慢往自主方向發(fā)展，自主的目的就是要在有很大不定性的動(dòng)態(tài)的環(huán)境里面，它要自主地決策需要做的事情，然后完成任務(wù)。

我們把自主分成兩部分，一部分是反應(yīng)式自主，它不需要很多深度思考，比方說我們走路的時(shí)候可能絆了一跤，我們很快獲得平衡，或者是機(jī)器你踹它一腳，它馬上獲得平衡，這是反應(yīng)式自主。第二個(gè)是有意識(shí)的自主，需要你決策路徑。

怎么識(shí)別這兩種自主呢？我用了一個(gè)叫做 SLAP 的范式來描述它，這是講一個(gè)機(jī)器人的結(jié)構(gòu)，SLAP 是什么意思呢？就是 Sense（感知）和 Act（行動(dòng)）之間要緊密結(jié)合，它幫助我們實(shí)現(xiàn)了反應(yīng)式的自主，然后在這上面有一個(gè) Plan，它是做規(guī)劃的，這個(gè)規(guī)劃是幫助我們?nèi)?shí)現(xiàn)有意識(shí)的自主。在這個(gè)周圍我們需要另外一個(gè)能力，就是 Learn，我等會(huì)兒還會(huì)繼續(xù)強(qiáng)調(diào)。機(jī)器人需要通過和外界交互，不斷地提升自己的能力。當(dāng)你有了智能以后，機(jī)器人就可以在很多場(chǎng)景里面，比方說在智能制造、老年陪伴等等很多方面都有應(yīng)用。

機(jī)器人本體目前有 6 個(gè)趨勢(shì)，第一個(gè)是仿生的機(jī)器人，比如說蛇形機(jī)器人，它可以進(jìn)入到比較復(fù)雜的環(huán)境里面，比方說在地震或者其它環(huán)境里面搜尋有沒有人還活著。第二是靈巧的操控，第三個(gè)是觸覺技術(shù)，第四個(gè)是多機(jī)器人協(xié)同，第五個(gè)是人機(jī)交互，包括安全交互和物理交互，第六是醫(yī)療輔助。

剛才講到，我認(rèn)為我們?cè)诓痪玫膶砟軌蜻M(jìn)入到人和機(jī)器人共生的時(shí)代，但是目前的技術(shù)還沒到那個(gè)地步，所以無論是在工業(yè)界還是學(xué)術(shù)界，都需要努力地做更多的研發(fā)。我認(rèn)為機(jī)器人領(lǐng)域有一些技術(shù)需要突破，才能使得機(jī)器人真正能夠?yàn)槿朔?wù)。

我把它的技術(shù)突破點(diǎn)總結(jié)成 A2G 理論。A2G （A to G）是什么理論呢？就是 ABCDEFG 剛好對(duì)應(yīng)了機(jī)器人技術(shù)相關(guān)的一些方面，A 代表的是 AI，B 是 Body（機(jī)器人本體），C 是 Control（控制），D 是 Developmental（發(fā)育學(xué)習(xí)），E 是 EQ（情商），F(xiàn) 是 Flexibe  Manipulator（靈活操控），G 是 Guardian Angel（守護(hù)天使）。A、B、C是代表了人工智能的集合能力，D、E、F、G 是相當(dāng)于它們需要更高的智能或者是系統(tǒng)。

A 就是 AI（智能），因?yàn)闄C(jī)器人必須要能看、能說、能聽，能夠理解，這樣才能跟外界交互，能夠?qū)崿F(xiàn)它要做的事情。B 是 Body（本體），這是非常重要的，不同的本體決定了機(jī)器人的能力，比方說剛才講的蛇形機(jī)器人，它能夠穿過很狹窄的通道，到一個(gè)很復(fù)雜的環(huán)境，所以本體也是需要研究的。C 是 Control（控制），這是比較清楚的需要繼續(xù)努力的方向。

我剛到騰訊的時(shí)間不長(zhǎng)，現(xiàn)在我做了三個(gè)機(jī)器人，大家去騰訊新大樓的展廳都可以看到。第一個(gè)是絕藝圍棋機(jī)器人，第二是桌上冰球機(jī)器人，第三是一個(gè)機(jī)器狗。

大家知道騰訊 AI 做了一個(gè)絕藝圍棋 AI，但是無論是絕藝圍棋 AI 還是 AlphaGo，都需要有一個(gè)人去下子。絕藝圍棋 AI 告訴一個(gè)人應(yīng)該下哪個(gè)子，他會(huì)下。我們現(xiàn)在加了一個(gè)機(jī)械臂，它自動(dòng)去完成下子的任務(wù)，這是從本體來做的。從感知角度來講，它要做一個(gè)棋盤和機(jī)械臂之間的標(biāo)定，絕藝要通過后臺(tái)通訊，知道要下哪一步，控制方面就是機(jī)械臂的軌跡控制。

這是桌上冰球的機(jī)器人，它的感知是一個(gè)高速的攝像頭，它能夠高速的跟蹤冰球的位置，然后預(yù)測(cè)下一步這個(gè)冰球在什么地方出現(xiàn)。它有一個(gè)決策，就是到底采用攻擊的方法還是防衛(wèi)的方法，控制就是路徑規(guī)劃和快速控制。

機(jī)器狗，它的本體是我們和浙大合作的。它的感知系統(tǒng)是我們自己做的，感知系統(tǒng)能夠識(shí)別不同的場(chǎng)景和地面，能夠避開固定的或者動(dòng)態(tài)的障礙物，控制方面就是針對(duì)不同的場(chǎng)景，它能夠有不同的步態(tài)和平衡控制。

機(jī)器狗有 3D 激光傳感器，同時(shí)周圍有四個(gè)廣角的攝像頭，前面還有一個(gè)立體的視覺系統(tǒng)。

當(dāng)看到前面有一個(gè)比較高的障礙物，它能夠匍匐前進(jìn)。

當(dāng)看到前面有人的話，它會(huì)蹲下來跟人交互。

這只是簡(jiǎn)單的幾個(gè)系統(tǒng)，是最近我們做的，大家下次有機(jī)會(huì)參觀騰訊的展廳的時(shí)候，可以去跟這些機(jī)器人互動(dòng)一下。

我們對(duì)機(jī)器人 ABC 的評(píng)估標(biāo)準(zhǔn)，要從力量、靈巧、快速、準(zhǔn)確和優(yōu)美的角度評(píng)估這些機(jī)器人的能力。

這里還想講一下本體，因?yàn)闄C(jī)器人領(lǐng)域里面很多人都強(qiáng)調(diào)是人形機(jī)器人。對(duì)這個(gè)問題我有一點(diǎn)思考，人形機(jī)器人是不是我們需要追求的機(jī)器人的目標(biāo)？人之所以有直立雙足，是經(jīng)過幾百萬年演化出來的，是要在荒野里面、大草原里面生存下來，所以我們有了直立雙足。但是目前機(jī)器人的工作環(huán)境，大部分情況下都是平的地方，再加上幾個(gè)臺(tái)階，而且沒有生存淘汰的壓力。所以我們現(xiàn)在去研究機(jī)器人，不一定是一個(gè)人形機(jī)器人，而是應(yīng)該思考什么樣的最佳的機(jī)器人本體，在現(xiàn)在的環(huán)境里面要去實(shí)現(xiàn)你需要的任務(wù)。

下面講一下 D—G 。D 是進(jìn)化學(xué)習(xí)，目前盡管人家說我這個(gè)機(jī)器人是通過深度學(xué)習(xí)出來的，但是學(xué)習(xí)出來的能力還是固定的，放到一個(gè)機(jī)器人身上，它永遠(yuǎn)是這樣的，但是我們?nèi)藦某錾_始就跟父母、跟周圍人交互，能力越來越強(qiáng)大，所以我們?cè)趺醋寵C(jī)器人也具備進(jìn)化的能力，這是我們需要研究的。

E 是 EQ，因?yàn)槿撕蜋C(jī)器人是要共存的，它必須對(duì)人有一個(gè)深刻的理解，包括感情的理解，同時(shí)要用適當(dāng)?shù)姆绞桨堰@個(gè)感情表達(dá)出來，讓人理解，所以情感交互是非常重要的。

F 是靈活操控，我們看到電視、電影里面都是高科技的鋼盔鐵甲的機(jī)器人，但是在人和機(jī)器人共存的時(shí)代，這些機(jī)器人往往對(duì)人造成傷害，所以我們要研發(fā)不會(huì)對(duì)人造成傷害的機(jī)器人，所以這里面有人造皮膚，或者是高精度觸感的傳感器，這樣能夠靈活操控。

G 是 Guardian Angel（守護(hù)天使），機(jī)器人最終的目的是要服務(wù)人、保護(hù)人，不能把它當(dāng)做一個(gè)獨(dú)立的個(gè)體，它應(yīng)該跟周圍的環(huán)境和周圍的傳感器結(jié)合，同時(shí)還要和云結(jié)合，這樣即使你的家庭成員或者朋友不在邊上，你也能夠很快地跟他們?nèi)〉酶星榈慕涣鳌?/p>

我們也有一個(gè)用于進(jìn)化學(xué)習(xí)研究的機(jī)器人。我們 Robotics X 實(shí)驗(yàn)室的目的就是要為人機(jī)共存、共創(chuàng)和共贏的未來準(zhǔn)備的，這里面包括了增強(qiáng)人的智力、關(guān)懷人的情感，發(fā)揮體能的潛力，還有推進(jìn)人機(jī)協(xié)作。

前面講了很多機(jī)器人，現(xiàn)在我要給大家潑點(diǎn)冷水，人工智能和機(jī)器人還有很長(zhǎng)的路要走，現(xiàn)在僅僅是人工智能和機(jī)器人的初春。講寒冬不太合適，初春比較準(zhǔn)確。

舉個(gè)例子，幾周前在寧波街頭的一個(gè)街頭的系統(tǒng)識(shí)別到「董明珠過馬路闖紅燈了」。但事實(shí)上董明珠并不在那邊，而是卡車的車身廣告上有董明珠頭像的廣告，公交車從旁邊經(jīng)過，識(shí)別系統(tǒng)發(fā)現(xiàn)了，認(rèn)為是董明珠闖紅燈了，這說明它的識(shí)別率是很高的，認(rèn)出了這個(gè)圖片是董明珠，但是也說明它是很傻的，它不知道這個(gè)不是真人?，F(xiàn)在很多東西都非常單一，不接地氣，這里面還有很大的工作要做，這是從計(jì)算機(jī)視覺方面舉的一個(gè)例子。

第二個(gè)例子是自然語言的，「前門到了，請(qǐng)從后門下車」，我們都明白是什么意思。然后我們看看現(xiàn)在的機(jī)器翻譯能不能理解對(duì)。我們用谷歌翻譯，它把「前門」翻譯的是「Front Door」，它的翻譯是錯(cuò)的，我覺得可能谷歌不懂中國(guó)的國(guó)情，所以我用了百度的翻譯，它還是翻譯「Front Door」，所以百度對(duì)中國(guó)還是不了解。

我想可能是我的語法不對(duì)，我改成了「前門車站到了，請(qǐng)從后門下車」，百度的翻譯仍然不對(duì)。人工智能語義理解方面還有很大提升空間。

還有機(jī)器人方面的例子，大家知道有一個(gè)叫索菲亞的機(jī)器人，被阿聯(lián)酋封為他們的榮譽(yù)公民，他們說可以和人交互，但是它還遠(yuǎn)遠(yuǎn)達(dá)不到這樣的水平，它的對(duì)話都是通過預(yù)先設(shè)計(jì)好的場(chǎng)景來對(duì)話的。

人家說人工智能會(huì)消滅人類，我已經(jīng)從事了30多年的人工智能研究，我覺得是不用擔(dān)心的。但是確實(shí)人工智能已經(jīng)發(fā)展了很多，有很多應(yīng)用的地方，所以我們需要繼續(xù)往前推進(jìn)人工智能的應(yīng)用。但是還要繼續(xù)投入更多的研究，無論是視覺、語音還是自然語言，或者是機(jī)器人，還有認(rèn)知等等，都需要繼續(xù)努力，不光是應(yīng)用，還要有基礎(chǔ)的研究，所以我覺得有鵬城實(shí)驗(yàn)室這樣一個(gè)平臺(tái)是非常好的，我也非常樂意回到祖國(guó)，和大家一起為人工智能的發(fā)展貢獻(xiàn)我自己的一份力量。謝謝大家！

雷鋒網(wǎng) AI 科技評(píng)論編譯

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。