作者 | 維克多

編輯 | 青暮

2021年12月9日，由粵港澳大灣區(qū)人工智能與機器人聯(lián)合會、雷峰網(wǎng)合辦的第六屆全球人工智能與機器人大會（GAIR 2021）在深圳正式啟幕，140余位產(chǎn)學(xué)領(lǐng)袖、30位Fellow聚首，從AI技術(shù)、產(chǎn)品、行業(yè)、人文、組織等維度切入，以理性分析與感性洞察為軸，共同攀登人工智能與數(shù)字化的浪潮之巔。

大會次日，思爾實驗室主任、前深圳市人工智能與機器人研究院執(zhí)行院長、國際歐亞科學(xué)院院士、IEEE Fellow李世鵬在GAIR大會上做了《人工智能與機器人前沿研究之思考》的演講。

李世鵬博士，IEEE Fellow，國際歐亞科學(xué)院院士。歷任深圳市人工智能與機器人研究院首席科學(xué)家和執(zhí)行院長、科大訊飛集團副總裁及訊飛研究院聯(lián)席院長、微軟亞洲研究院創(chuàng)始成員與副院長。李院士在多媒體、IoT及AI等領(lǐng)域頗具影響力。他擁有203項美國專利并發(fā)表了330多篇被引用了的論文（H指數(shù)：82）。被Guide2Research列為世界頂尖1000名計算機科學(xué)家之一。培養(yǎng)出四位MIT TR35創(chuàng)新獎的獲得者。是（科技部）新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟發(fā)起人之一及聯(lián)合秘書長。

在演講中，李世鵬介紹并展望了人工智能與機器人前沿研究方向，他指出：未來機器學(xué)習(xí)突破深度學(xué)習(xí)的數(shù)據(jù)瓶頸或許可以借助認(rèn)知科學(xué)的方法得到突破，學(xué)習(xí)范式可從依靠“大數(shù)據(jù)”轉(zhuǎn)變成依靠“大規(guī)則”；人機協(xié)作也要進化為人機“諧”作，只有將耦合、交互、增強、互補等目標(biāo)納入研究方向，才能實現(xiàn)人機的無縫連接。

以下是演講全文，AI科技評論做了不改變原意的整理：

今天的演講題目是《人工智能與機器人前沿研究之思考》，分為三個部分，先談人工智能和機器人研究全景，然后聚焦研究方向，包括機器學(xué)習(xí)、運動智能、人機諧作、群體協(xié)作；最后進行總結(jié)。

人工智能相關(guān)研究的關(guān)鍵元素有三個：人、機器人/物聯(lián)網(wǎng)以及AI。之所以將機器人和物聯(lián)網(wǎng)歸為一類，是因為這兩者是物理世界和虛擬世界的接口。如果三個元素兩兩之間發(fā)生聯(lián)系就會形成一個新的學(xué)科，例如機器人和AI相結(jié)合會產(chǎn)生智能體，AI和人類相結(jié)合會產(chǎn)生人機耦合以及增強智能，而機器人和人類相融合會形成增強機體。隨著人工智能與機器人領(lǐng)域的發(fā)展，研究對象不再局限在單個智能體，而是越來越多地對多個智能體的協(xié)作進行研究，例如人類社會群體如何更好地相融合？如何設(shè)計出能夠精妙協(xié)作的機器群體？

總體而言，我認(rèn)為重要的基本研究方向是：機器學(xué)習(xí)、運動智能、人機諧作、群體協(xié)作。

1

聚焦方向之機器學(xué)習(xí)

機器學(xué)習(xí)的發(fā)展離不開深度學(xué)習(xí)加持，它給行業(yè)帶來許多研究成果，并賦能了語音識別、人臉識別、物體識別、自動駕駛等方面，推動人工智能產(chǎn)業(yè)高速發(fā)展。

雖然成果頗豐，但成也蕭何敗也蕭何。深度學(xué)習(xí)依賴于大數(shù)據(jù)，其瓶頸也在于大數(shù)據(jù)。例如國內(nèi)的智能語音技術(shù)盡管處于行業(yè)領(lǐng)先，但仍依賴技術(shù)積累和數(shù)據(jù)積累?，F(xiàn)在想要讓深度學(xué)習(xí)發(fā)揮巨大威力，仍然需要大量數(shù)據(jù)的加持，如果想讓深度學(xué)習(xí)從一個領(lǐng)域擴展到另一個領(lǐng)域，也少不了數(shù)據(jù)支撐。

如何突破？研究者已經(jīng)探索了多條路徑，其中一個解決方案是：擴展深度學(xué)習(xí)框架。例如優(yōu)化深度學(xué)習(xí)算法、知識圖譜+深度學(xué)習(xí)、專家系統(tǒng)+深度學(xué)習(xí)等等。另一條路徑是因果推理，其目標(biāo)是借助人類舉一反三的能力，期望超越數(shù)據(jù)之間的相關(guān)性，進而探索數(shù)據(jù)之間的因果性，從而得到數(shù)據(jù)之間的邏輯推理。

第三條路徑是類腦計算，從生物學(xué)角度，探索人腦認(rèn)知元素和機制，以仿真方法再現(xiàn)人類大腦。

個人認(rèn)為認(rèn)知科學(xué)是突破深度學(xué)習(xí)框架的著力點。理由是人類認(rèn)知過程有兩點需要我們?nèi)ミM一步借鑒：生而知之、學(xué)而知之。

生而知之是指部分認(rèn)知能力與生俱來，新生兒的腦神經(jīng)有很多先天的連接。它給我們的啟示是：現(xiàn)在的大多深度學(xué)習(xí)算法，大部分都是從零開始訓(xùn)練，而沒有充分或者高效利用先驗知識或者已有模型。如何利用“現(xiàn)有知識”是深度學(xué)習(xí)的下一個熱門方向。

學(xué)而知之是指大部分認(rèn)知能力是后天學(xué)習(xí)到的，尤其是早期學(xué)習(xí)。通過學(xué)習(xí)腦神經(jīng)建立了更多的連接。孩子很多能力，包括感知、應(yīng)對、語言、讀寫和理解，甚至分析問題和解決問題的思路和能力在很小時候已經(jīng)基本定型；以后基本都是知識的積累。這意味著腦神經(jīng)元很早的時候就連接定型成一個元模型，剩下的是只是利用這個元模型去解決具體領(lǐng)域的問題。這個與當(dāng)前的大規(guī)模預(yù)訓(xùn)練模型有著驚人的相似之處。

學(xué)而知之的另一層次是：人類學(xué)習(xí)過程依靠多源的、多傳感的、多模態(tài)的、多角度的數(shù)據(jù)，例如視覺、聽覺、嗅覺、觸覺和語境等聯(lián)合信息，而今天的深度學(xué)習(xí)依靠大都是一段語音、一張照片，因此，未來AI模型的輸入數(shù)據(jù)可能不僅是單一的數(shù)據(jù)，而是多個信號源的融合。如何模仿人類學(xué)習(xí)的過程，這是認(rèn)知科學(xué)對深度學(xué)習(xí)的另一個啟示。

再者，人類學(xué)習(xí)過程是一個從樣本示例到原理歸納的過程，而不是僅停留在樣本示例層面；目前深度學(xué)習(xí)卻都是停留在樣本層面。那么，未來是否能夠構(gòu)造類人的機器學(xué)習(xí)框架，無論輸入什么樣的數(shù)據(jù)，只要邏輯相通，都會收斂到一致的模型？

突破深度學(xué)習(xí)的數(shù)據(jù)瓶頸，可以嘗試構(gòu)建規(guī)則的眾包系統(tǒng)，讓人類教機器學(xué)習(xí)過程，其目的不是輸入數(shù)據(jù)，而是讓機器學(xué)習(xí)規(guī)則。由于我們試圖從日常的活動中學(xué)習(xí)規(guī)則，這種規(guī)則普通人都可以標(biāo)注示教，這就打破了以前專家系統(tǒng)地需要“專家”的局限。這種從“大數(shù)據(jù)”過渡到“大規(guī)則”模型構(gòu)建方式顯然也更符合人類的認(rèn)知。

2

聚焦方向之運動智能

眾所周知，在機器人領(lǐng)域，波士頓動力公司的產(chǎn)品最“像人”，如上動圖，機器人跳舞絲毫看不出生硬的感覺。但受計算資源、能量、運動控制的限制，它只能運行幾十分鐘。其實，波士頓動力機器人的運行方式是基于電機驅(qū)動，存在很多缺點，例如剛性運動、自重比較大、反應(yīng)速度和靈活性的矛盾以及耗能大。

對比人類和其他動物的運行方式，肌肉、骨骼、傳感和神經(jīng)的結(jié)合可以在低能耗情況下，實現(xiàn)靈活運行。這給研究者的啟示是，機器人的運行系統(tǒng)應(yīng)該像人一樣滿足：高效、靈活、精確、魯棒、剛?cè)岵⑤p量、自適應(yīng)等指標(biāo)。當(dāng)前的運動智能可能在某一個維度表現(xiàn)優(yōu)秀，但綜合考量仍然有很多缺點。

因此，運動智能的一個重要研究方向是：仿生。仿照動物的運動智能，例如運動控制采用逼近反饋式，運動過程視變化隨時靈活調(diào)整。

如果說機器人是靠“內(nèi)力”驅(qū)動，而醫(yī)療微納米機器人是“外力”研究方向的代表。例如依靠磁力，小機器人精確地將藥物從一個管道運送到另一個管道。

3

聚焦方向之人機諧作

在人機諧作層面，區(qū)別于協(xié)作，“諧作”代表人機協(xié)作中的耦合、交互、增強、互補、協(xié)作、和諧等意思。人機諧作的目標(biāo)是：不需要告訴機器人類的意圖，機器就能領(lǐng)會，從而達到人機的無縫連接。

在達成人機諧作的過程中，重點研究人機自然交互、感知及增強。具體可能包括：生物特征檢測和識別、人機接口、腦機接口、語音識別、動作識別、表情識別、語言理解、意圖理解、體態(tài)感知、無隙增強，以及在擴展現(xiàn)實與遠程現(xiàn)實的延伸等等。

人機增強智能方面，今天的機器學(xué)習(xí)框架大都是基于大數(shù)據(jù)的深度學(xué)習(xí)框架，肯定會遇到機器智能處理不了的情景。這對于某些高風(fēng)險領(lǐng)域，例如自動駕駛、金融等來說是致命的。

針對這一問題，當(dāng)前的解決方案是“人類接管”。這會涉及三個核心問題：

• 核心問題1：機器智能如何感知自己處理不了一些情況，而主動要求人來接管？
• 核心問題2：什么時候人類可以完全放手給機器自主完成任務(wù)？
• 核心問題3：什么樣的人機交互設(shè)計能充分發(fā)揮人和機器各自的長處，同時又無需非必要地麻煩對方？

三個核心問題如果無法解決，會導(dǎo)致一些困境。例如，以自動駕駛為例，目前安全員并不是開了“自動”功能就一勞永逸，仍然需要時時監(jiān)測路況與路線，一刻都不能分神。這其實增加了安全員的負(fù)擔(dān)，因為在沒有自動駕駛的時候，人類對自己的駕駛環(huán)境會有一定的預(yù)測，而機器駕駛的情況人類無法預(yù)測。

人機增強機體也屬于人機諧作的一個領(lǐng)域，能夠幫助人類增強物理機體能力，完成一些人類自身體力完不成的事情。但機器可能過于復(fù)雜，需要人類培訓(xùn)后才能操作。人機增強機體的未來目標(biāo)是實現(xiàn)人與機器和諧共處，操控起來如同人類的自己的器官一樣自然。其中，涉及的核心研究課題包括：機器感知人的意圖、人的姿態(tài)、理解人的自然語言命令、肢體語言等等，從而讓機器以最適合人類接受、恰到好處的平滑方式幫助人解決問題。

4

聚焦方向之群體協(xié)作

目前單智能體已經(jīng)可以完成許多任務(wù)，但如何發(fā)揮每個智能體集合起來的威力？這涉及群體協(xié)作的研究方向。在倉儲場景下，存在許多抓取分類的機器人，如果能夠有效調(diào)度，那么必將大大提高工作效率。

當(dāng)前主流的調(diào)度方式是中心化的控制方式，但面對成千上萬的規(guī)模的智能體，則需要非中心化的控制，允許智能體之間存在自主行為，在相互協(xié)作的同時，還能“做自己的事”。即單獨的有智能可獨立行動的智能體，通過協(xié)作而達到的更高效的群體/系統(tǒng)智能和行為。

智能體群體協(xié)作目前涉及的規(guī)則包括，群體行為模型和激勵機制、群體智能協(xié)同決策。這一方面，螞蟻是我們的學(xué)習(xí)對象。另外，在自動駕駛方面，越來越多自主駕駛機器人出現(xiàn)，它們之間如何做到協(xié)同感知和協(xié)同控制也是當(dāng)今熱門話題。

上述四個方面屬于基礎(chǔ)性的研究，任何一個領(lǐng)域出現(xiàn)了突破，那將對其領(lǐng)域以及下游應(yīng)用而言都是革命性的突破，也將帶來工業(yè)數(shù)智化原創(chuàng)技術(shù)的創(chuàng)新，會讓我們在競爭中占領(lǐng)優(yōu)勢地位!

---

雷峰網(wǎng)(公眾號：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。