今天，AIoT 應(yīng)用在生活的各個方面持續(xù)和顯著增加。AIoT 通過智能傳感器采集各類信息存儲在云端、邊緣端，再經(jīng)由大數(shù)據(jù)分析、人工智能技術(shù)對海量信息進行處理，建筑起一個萬物智聯(lián)的數(shù)字世界。

據(jù) Gartner 預(yù)測，到 2022 年結(jié)束，將有超過 80% 企業(yè)級 IoT 設(shè)備與 AI 聯(lián)動。其中，無線傳感器（WSN）的部署總量也呈迅猛增長態(tài)勢，貝哲斯咨詢預(yù)計到 2028 年，全球無線傳感器市場規(guī)模預(yù)計將達 7841.98 億元。

然而，隨著連接性和自動化水平的提高，惡意用戶能夠?qū)鞲衅鬏p松實施不同類型的攻擊，每個漏洞都可能成為安全隱患，威脅到網(wǎng)絡(luò)系統(tǒng)中每個節(jié)點，進而威脅到整個 AIoT 生態(tài)的安全性。

作為深耕 AIoT 領(lǐng)域的華人學(xué)者之一，宋厚冰在物聯(lián)網(wǎng)領(lǐng)域的研究始于 2012 年，博士畢業(yè)后，宋厚冰就一直從事 CPS（網(wǎng)絡(luò)物理系統(tǒng)）、物聯(lián)網(wǎng)方面的研究，當前谷歌學(xué)術(shù)引用量已超過2萬次。今年，他憑借在大數(shù)據(jù)分析和人工智能與物聯(lián)網(wǎng)集成的貢獻當選 IEEE Fellow，其近年來的研究主要聚焦在網(wǎng)絡(luò)物理系統(tǒng)、網(wǎng)絡(luò)安全和隱私等問題上。

宋厚冰

宋厚冰指出，物聯(lián)網(wǎng)是 CPS 的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，系統(tǒng)從計算和物理組件的無縫集成構(gòu)建并依賴于它們的工程系統(tǒng)，其中，物聯(lián)網(wǎng)中的安全性問題，特別是 WSN 在被委托執(zhí)行關(guān)鍵任務(wù)時、其安全性問題至關(guān)重要，而此前大多數(shù)使用的系統(tǒng)并未能嵌入可以保護患者隱私的強大安全服務(wù)。

基于 AIoT 存在的漏洞和安全問題，宋厚冰帶領(lǐng)團隊探索并提出了反無人機 CPS 和“旋轉(zhuǎn)記憶”。近日，AI 科技評論沿該方向與宋厚冰教授進行了一次深入對話。

應(yīng)對攻擊的三個組件：預(yù)防、檢測、緩解

由于容易部署且成本低廉的特點，WSN 在 AIoT 中具有廣泛的應(yīng)用：采集人類相關(guān)活動和行為觀察的信息，例如智慧醫(yī)療、居家養(yǎng)老，工業(yè)環(huán)境現(xiàn)場檢測，例如智能制造、工業(yè)自動化，環(huán)境事件檢測，例如地震、水污染、光污染等......但無線傳感網(wǎng)絡(luò)也是一個非常復(fù)雜的系統(tǒng)，容易遭受的攻擊點更是不計其數(shù)。

針對無線傳感器的相關(guān)安全攻擊類型，可分為主動攻擊和被動攻擊兩大類。

被動攻擊可分為竊聽、節(jié)點故障、節(jié)點篡改/破壞、節(jié)點中斷和流量分析等多個類型。在被動攻擊中，攻擊者通常以隱藏或偽裝的方式，對網(wǎng)絡(luò)功能組件進行破壞。以竊聽為例，竊聽可以很容易地偵聽 WSN 中傳感器節(jié)點之間的無線通信，并且不需要對任何傳感器節(jié)點進行捕捉。

而在主動攻擊類別中，攻擊者會影響目標網(wǎng)絡(luò)的功能和操作；主動攻擊者發(fā)出可以被 WSN 元素感知的無線電發(fā)射或動作，例如在物理層或網(wǎng)絡(luò)層中的 DoS （拒絕服務(wù)）攻擊，就會導(dǎo)致網(wǎng)絡(luò)元素丟棄數(shù)據(jù)包。宋厚冰教授認為，這種不良影響的結(jié)果可能才是攻擊者的真正目標。主動攻擊可進一步劃分為干擾、泛洪、DoS、黑洞、蟲洞等類型，可以通過安全機制的入侵檢測來發(fā)現(xiàn)。

基于所面臨的網(wǎng)絡(luò)安全攻擊問題，宋厚冰教授指出，可預(yù)防、檢測、緩解三個基本組成部分，來提出對應(yīng)的解決方案：

預(yù)防，旨在防患于未然。通過設(shè)計路由協(xié)議，使對方無法破壞節(jié)點/消息、或是使路由方案功能失調(diào)，就安全方案的成本和無線傳感器在抵御威脅的有效性上來說，這是最有效的方法。

保護 WSN 免受 DoS 攻擊的解決方案

但要注意的是，入侵防御機制雖然可以抵御外部攻擊者對無線傳感器網(wǎng)絡(luò)和物聯(lián)網(wǎng)的攻擊，但機制不是專門為抵御內(nèi)部攻擊者而設(shè)計的，可能無法有效應(yīng)對新威脅。

因此，檢測就是應(yīng)對內(nèi)部攻擊提出的解決方案。

在攻擊事件中，當對方開始設(shè)法為推進預(yù)防組件采取措施，這意味著針對攻擊的防御已經(jīng)失敗。目前，為相關(guān)攻擊的檢測組件設(shè)計的安全解決方案將負責和工作，尤其是對識別被攻擊的節(jié)點。應(yīng)對持續(xù)攻擊，內(nèi)部攻擊的唯一方法是使用入侵檢測系統(tǒng)（IDS）。經(jīng)檢測系統(tǒng)搜索發(fā)現(xiàn)入侵后，可發(fā)布緩解機制，以最大程度地減少正在進行的攻擊的不利影響。

緩解是發(fā)生在最后一部分的機制，旨在緩解攻擊發(fā)生后，為保護網(wǎng)絡(luò)所采取安全措施，例如在襲擊中使用了“關(guān)閉網(wǎng)絡(luò)中受影響的節(jié)點”或“禁用計算機的端口”等。

通過預(yù)防、檢測、緩解這三個組件，構(gòu)成一個完整的安全結(jié)構(gòu)，以防御 WSN 以及物聯(lián)網(wǎng)可以應(yīng)對各種攻擊時多方面入侵。

對話宋厚冰：CPS 研究之路

AI 科技評論：能否請您分享一下您從求學(xué)、工作到成為資深教授的歷程？

宋厚冰：從 2012 年 8 月博士畢業(yè)到 2022 年 11 月入選 IEEE Fellow，一路走來我花了 10 年多一點（時間）。這一路算是比較順利，但是此前我的求學(xué)過程有點曲折。

我有 1 個學(xué)士學(xué)位，2 個碩士學(xué)位和 1 個博士學(xué)位，拿到 2 個碩士學(xué)位后都短期工作過，不像其他很多人本碩博一口氣讀完。我本科學(xué)自動化，第一個碩士學(xué)控制，第二個碩士學(xué)交通，讀博士期間先在土木工程系讀了 2 年交通，然后又轉(zhuǎn)換專業(yè)到電子工程主攻光通信，3 年后畢業(yè)。

可能很多人好奇，為什么我會在專業(yè)上繞了一個大圈、浪費時間。

我本科學(xué)的是自動化，第一個碩士學(xué)控制，在西安交通大學(xué)跟隨蔡遠利教授學(xué)習(xí)，將控制科學(xué)與技術(shù)用于交通系統(tǒng)以保障交通安全、提高交通效率和改善環(huán)境。2004 年，我在西安交大獲得碩士學(xué)位后，回到了山東老家，在山東省科學(xué)院短暫工作過一段時間。

之后我開始考慮出國留學(xué)的事情，并在 2005 年 8 月毅然辭掉了工作赴美留學(xué)。我先是在德克薩斯大學(xué)埃爾帕索分校土木工程系，用了 16 個月拿到我的第二個碩士學(xué)位。2007 年 1 月，我進入德克薩斯 A&M 交通研究院擔任工程研究員。

2007 年 8 月，我選擇進入弗吉尼亞大學(xué)土木與環(huán)境工程系攻讀博士。起初，我希望能夠?qū)⒂嬎銠C的知識應(yīng)用到交通研究上，但這個想法很快被打破了，當時的那位導(dǎo)師是純粹的交通專業(yè)背景出生，對計算機并不了解，這也導(dǎo)致了在課題上我們出現(xiàn)了一些分歧。兩年后，當我的課程全部上完后進入研究階段，這個問題也依然沒有解決。為此他建議我嘗試換一個專業(yè)，選擇自己感興趣的方向。

幸運的是，我遇到了我的第二位導(dǎo)師 Ma?té Brandt-Pearce 教授。她接收了我作為她的學(xué)生，所以在2009 年 8 月，我又轉(zhuǎn)入同校電子與計算機工程專業(yè)攻讀博士學(xué)位。

讀博期間，我最主要的課題是研究光纖通信領(lǐng)域中的非線性薛定諤方程的化簡問題。那會我經(jīng)?？障緯r間都呆在圖書館里，不僅是電子工程系，數(shù)學(xué)系和物理系的圖書館我都會去逛逛，很快我發(fā)現(xiàn)，在數(shù)學(xué)問題上，化簡問題可以用數(shù)學(xué)公式表達出來，將公式應(yīng)用到光纖通信領(lǐng)域時，可以很好地解決非線性薛定諤方程的化簡問題。

這里我很感謝我的導(dǎo)師有充足的耐心，還容許我提出跟她完全相悖的技術(shù)路線，我們在國際上首先破解了困擾光纖通信領(lǐng)域長達 15 年之久的非線性薛定諤方程的化簡問題。我也因此只用了 3 年就博士畢業(yè)。

2012 年 8 月，我獲得博士學(xué)位，加入美國西弗吉尼亞大學(xué)理工學(xué)院電子與計算機工程系任教，先是做了 2 年的訪問助理教授，又做了 3 年的終身制助理教授。期間我創(chuàng)建了網(wǎng)絡(luò)化全球安全與優(yōu)化實驗室（Security and Optimization for Networked Globe Laboratory，簡稱“SONG Lab”）。2013 年 2 月，在西弗吉尼亞州高等教育政策委員會的資助下，我創(chuàng)建了西弗吉尼亞信息物理融合系統(tǒng)（CPS，Cyber-Physical Systems）卓越研究中心并擔任首任主任。

2014 年 1 月，西弗吉尼亞州埃爾克河化工廠泄露后，我領(lǐng)導(dǎo)團隊開發(fā)了一套 CPS 應(yīng)用于實時水質(zhì)監(jiān)測和水污染快速檢測，這項研究獲得時任美國西維吉尼亞州的資深聯(lián)邦參議員 John Davison "Jay" Rockefeller IV 的高度贊賞。在 2017 年西弗吉尼亞大學(xué)設(shè)立最高研究獎“金熊學(xué)者獎”中，我很榮幸成為了首屆的獲獎?wù)摺?/p>

2017 年 8 月，我加入美國安柏瑞德航空航天大學(xué)（這所高校也被譽為“天空中的哈佛”）電子工程與計算機科學(xué)系任教。SONG Lab 發(fā)展迅速，目前已有三位優(yōu)秀博士畢業(yè)生從 SONG Lab 走出，先后加入美國高校擔任終身制教職，我們團隊也先后在主要國際會議上拿到11個最佳論文獎。

宋厚冰（左三）和學(xué)生合照

2023 年 1 月，我將入職美國馬里蘭大學(xué)巴爾的摩縣分校信息系統(tǒng)系，擔任終身教職。

AI 科技評論：數(shù)十年的學(xué)術(shù)生涯中，有哪些重要的人與事？

宋厚冰：數(shù)十年的學(xué)術(shù)生涯中，我非常感激三個人。

第一個是我在西安交大的碩士導(dǎo)師蔡遠利教授，他治學(xué)嚴謹，言傳身教，為人師表，領(lǐng)我進入科研的大門。我在美國培養(yǎng)出的前三個博士生全部一畢業(yè)即在美國高校找到終身制教職，就得益于當年他培養(yǎng)我的路數(shù)。

第二個是我在弗吉尼亞大學(xué)的博士導(dǎo)師 Ma?té Brandt-Pearce 教授，現(xiàn)任弗吉尼亞大學(xué)副教務(wù)長。她在我校內(nèi)轉(zhuǎn)換專業(yè)時毅然接收我作為她的博士生，對我讀博第一年沒有任何科研產(chǎn)出沒有任何怨言。在她的悉心指導(dǎo)下，我得以在3年內(nèi)順利拿到博士學(xué)位畢業(yè)。

第三個是我在 IEEE 通信學(xué)會的 mentor，IEEE Fellow、美國亞利桑那州立大學(xué)薛國良教授，他曾任 IEEE 通信學(xué)會副主席。他是我最敬重的學(xué)術(shù)前輩，也是我的山東老鄉(xiāng)。薛教授治學(xué)嚴謹，提攜后進，甘為人梯，是我們?nèi)A人在美國學(xué)術(shù)界的杰出代表和學(xué)習(xí)的榜樣。沒有他的指導(dǎo)和鼓勵，我不可能在博士畢業(yè) 10 年內(nèi)成長為 IEEE Fellow。

AI 科技評論：您的主要研究方向是什么？從什么時候開始關(guān)注 CPS、IoT 或工業(yè)互聯(lián)網(wǎng)這些方向？

宋厚冰：SONG Lab 的研究宗旨是在三個熱門領(lǐng)域的交叉結(jié)合部發(fā)現(xiàn)與創(chuàng)新，其分別是CPS（包括無人系統(tǒng) nmanned systems，自主系統(tǒng) Autonomous Systems）/IoT、人工智能/機器學(xué)習(xí)/大數(shù)據(jù)分析，以及網(wǎng)絡(luò)空間安全。

我入門 CPS 是在 2012 年的春天，那是我博士畢業(yè)前最后一學(xué)期，當時恰好看到 John A. Stankovic 開設(shè)的一門課程 Cyber-Physical Systems，我非常感興趣，就選了這門課，也是在這個時候我才真正接觸到 CPS 。上課期間，我發(fā)現(xiàn)，交通是 CPS 中的一個重要應(yīng)用領(lǐng)域，如果將交通 CPS 作為切入點，或許我有別人無法比擬的優(yōu)勢。因此很自然地，當我 2012 年秋天前往西弗吉尼亞大學(xué)任教時，我就瞄準了 CPS。

2013 年 2 月，我很幸運地拿到了一筆資助，創(chuàng)建了西弗吉尼亞 CPS 卓越研究中心，并擔任首任主任。這也是我從事 CPS 研究的真正起點。研究中心針對智能電網(wǎng)、車聯(lián)網(wǎng)、緊急響應(yīng)、礦井監(jiān)控、橋梁監(jiān)控、山體滑坡預(yù)警等開發(fā)了多個 CPS。

2016 年，我與德國亞琛工業(yè)大學(xué)的 Sabina Jeschke、Christian Brecher 兩位教授合作編輯出版了《Industrial Internet of Things》一書，截至目前該書已被引用 1300 余次。同年，我還出版了 《Cyber-Physical Systems》。2006 年，趙偉教授（IEEE Fellow、時任澳門大學(xué)校長）在美國國家科學(xué)基金會計算機與網(wǎng)絡(luò)系統(tǒng)分部主任任內(nèi)領(lǐng)導(dǎo)科技界，主持并開創(chuàng)了 CPS 領(lǐng)域的研究，建立了第一個 CPS 的科技計劃并撥付科研經(jīng)費予以實施?！禖yber-Physical Systems》的出版恰逢 CPS 提出十周年，這本書也很幸運地邀請到趙偉教授來作序。此后三年，我還陸續(xù)出版了《智慧城市》《CPS 安全》等多本書。

宋厚冰已出版書籍

AI 科技評論：據(jù)說許多研究 CPS 的人都不愿意稱自己是做 IoT 的，是這樣嗎？CPS 與 IoT 這兩塊的發(fā)展脈絡(luò)是怎樣的？

宋厚冰：我覺得不存在這種情況。美國科技界喜歡用 CPS，而歐洲和亞洲、尤其是中國科技界喜歡用IoT，但其實 CPS 與 IoT 密切相關(guān)。

IoT 是 CPS 的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，用一個網(wǎng)絡(luò)將所有的物體進行連接，在網(wǎng)的基礎(chǔ)上去開發(fā)不同的應(yīng)用和服務(wù)。而 CPS 的核心研究領(lǐng)域還包括自主性，控制，數(shù)據(jù)分析和機器學(xué)習(xí)，安全，設(shè)計與驗證等，IoT 這張網(wǎng)只是當中的一個部分，因此 CPS 相比 IoT，它的范圍也要廣泛很多。

第三波人工智能元年：神經(jīng)符號 AI

AI 科技評論：據(jù)您觀察，國內(nèi)外這幾年的物聯(lián)網(wǎng)研究在趨勢、側(cè)重點與特色上分別有什么不同？物聯(lián)網(wǎng)經(jīng)歷過哪些低潮期與輝煌期？在大環(huán)境下，您個人的選擇是怎樣的？

宋厚冰：2014 年，智慧城市研究熱開始升溫，此后一年里，CPS 研究社區(qū)開始意識到大數(shù)據(jù)分析是從物聯(lián)網(wǎng)邁向?qū)崟r控制的關(guān)鍵，大數(shù)據(jù)分析開始熱了起來。2017 年左右，CPS 研究社區(qū)的關(guān)注點開始轉(zhuǎn)到物聯(lián)網(wǎng)的可靠性和可控性上，到 2018 年左右，CPS 研究社區(qū)開始轉(zhuǎn)向 Artificial Intelligence of Things（AIoT）。

目前，AIoT 市場正處于迅猛發(fā)展階段，預(yù)計到 2028 年將達到千億美元以上規(guī)模，AIoT 技術(shù)的發(fā)展也將會延續(xù) AI 的發(fā)展。

AI 的發(fā)展實際上也是四種信息處理能力，即感知、學(xué)習(xí)、抽象和推理的發(fā)展。

AI 發(fā)展可分為三波：第一波 AI 是手工知識（Handcrafted Knowledge），大概發(fā)生在上世紀七十年代至九十年代，人們創(chuàng)建規(guī)則集表示已有知識，以專家系統(tǒng)為代表，四種信息處理能力中，只存在感知和推理，沒有學(xué)習(xí)和抽象；第二波 AI 是從本世紀初到現(xiàn)在的統(tǒng)計學(xué)習(xí)（Statistical Learning），近年來以深度學(xué)習(xí)為主，人們建立統(tǒng)計模型并在大數(shù)據(jù)上進行訓(xùn)練，其中感知、學(xué)習(xí)、抽象得到提高，但推理仍然有限，而且沒有情境適應(yīng)能力；第三波 AI 的特征是情境適應(yīng)（Context Adaptation），今年是第三波 AI 的元年。

為什么 AI 在今年發(fā)展到了第三波？原因在于第二波 AI 的發(fā)展遇到了根本挑戰(zhàn)：統(tǒng)計上表現(xiàn)出色，但是就個體而言結(jié)果可能不可靠。這就需要建立與現(xiàn)實生活一致的情境解釋模型、以解釋和驅(qū)動決策，這一挑戰(zhàn)不可避免地被 AI 帶進了 AIoT 中，因此 AIoT 也必須具備情境適應(yīng)能力，方能實現(xiàn)即時正確決策。我認為，從現(xiàn)在到 2030 年左右，AIoT 技術(shù)進步的核心將聚焦在如何解決這一挑戰(zhàn)上。

目前來看，神經(jīng)符號 AI（neurosymbolic AI）是最有希望的。神經(jīng)符號 AI 是神經(jīng)網(wǎng)絡(luò)（第二波 AI）和符號 AI（第一波 AI）的組合，擁有三大優(yōu)勢：精度更高，數(shù)據(jù)效率更高，高透明度和可解釋性。借助神經(jīng)符號 AI，人工智能將變得越來越智能，AIoT 也將會變得越來越強大。但是，我們不得不承認，神經(jīng)符號 AI 仍然存在多重挑戰(zhàn)，比如表示學(xué)習(xí)、場景感知和理解、強化學(xué)習(xí)和規(guī)劃等。在攻克這一挑戰(zhàn)的征途中，并不排除有神經(jīng)符號 AI 之外的顛覆性技術(shù)騰空出世。

站在我個人的角度上，我的研究方向選擇同物聯(lián)網(wǎng)研究的大趨勢密切相關(guān)。SONG Lab 主要在大數(shù)據(jù)分析和 AI+IoT 集成兩方面發(fā)力。我在 2017 年出版了《智慧城市》一書，邀請到 John A. Stankovic 作序，該書曾于 2018 年 4 月登上 IEEE Xplore 首頁；2019 年還出版了《大數(shù)據(jù)分析》一書，由愛立信公司 CTO Christoph Bach 先生作序。

目前，SONG Lab 在神經(jīng)符號 AI 領(lǐng)域已深耕一年有余，我們也將會推出神經(jīng)符號 AI 及其在 AIoT 應(yīng)用的系列研究成果。

AI 科技評論：您在 AIoT 這塊的研究與成果分別有哪些？

宋厚冰：AIoT 是我的核心研究領(lǐng)域之一。在這個領(lǐng)域，我主要是回答兩個根本性問題：第一個問題是如何開發(fā) AI 策略與技術(shù)快速檢測異常事件，對于檢測各種各樣的異常包括入侵、威脅、漏洞、惡意軟件、AI 中的偏見等問題，我都非常感興趣；第二個問題，如何設(shè)計、建造和驗證既可靠又安全的 AI 系統(tǒng)，比如自主系統(tǒng)。

SONG Lab 在 AIoT 中有兩個成果，一個是我們開發(fā)的反無人機 CPS。2017 年，我們關(guān)注到美國機場出現(xiàn)的無人機干擾問題，當時恰好進入我組內(nèi)的兩名訪問學(xué)生劉永鑫同學(xué)和王健同學(xué)此前都是從事無人機研究的，因此有了做反無人機 CPS 的想法。

在以往的機場解決無人機干擾問題時，常用的方法是將其打下來，這就很容易帶來糾紛問題。為此我們在反無人機 CPS 中，通過對無人機頻率和協(xié)議解碼，向無人機發(fā)送假的協(xié)議，當無人機進入機場范圍時，用協(xié)議牽引無人機遠離機場，在安全環(huán)境中降落，有效解決了機場無人機干擾問題，同時也大大減少和避免了糾紛的出現(xiàn)。

反無人機 CPS

另一個成果就是“旋轉(zhuǎn)記憶”。所謂“旋轉(zhuǎn)記憶”，簡單來說，就是為了在不相互干擾的情況下、同時表示當前和過去的刺激，大腦本質(zhì)上是“旋轉(zhuǎn)”感覺信息以將其編碼為記憶。這個成果被譽為“AI 模型新革命”，是 SONG Lab 和美國普林斯頓大學(xué)神經(jīng)科學(xué)家 Timothy Buschman 實驗室?guī)缀跬阶龀鰜淼模卟煌牡胤皆谟?，SONG Lab 完成了數(shù)學(xué)證明，而 Buschman 實驗室則是通過做老鼠實驗。

AI 科技評論：在 AIoT 或工業(yè)互聯(lián)網(wǎng)一塊，您覺得國內(nèi)的研究社區(qū)可能忽略了哪些重要方向？您個人的看法是怎樣的？

宋厚冰：其實我對國內(nèi)的研究社區(qū)不熟悉。不過根據(jù) exaly.com，在 AIoT 或工業(yè)互聯(lián)網(wǎng)頂尖期刊 IEEE Internet of Things Journal 或 IEEE Transactions on Industrial Informatics，看總體的引用量，中國并不比美國差，但在世界 Top 100 被引用最多的作者里面，來自國內(nèi)的學(xué)者為數(shù)不多，這當中可能存在的一個原因就是缺乏原創(chuàng)性科技創(chuàng)新。

今天無論是在物聯(lián)網(wǎng)、還是聚焦在工業(yè)互聯(lián)網(wǎng)中，出現(xiàn)了不少趨同的現(xiàn)象，可能某個研究先提出來后，很快就會有別的跟上，因此像在業(yè)界，就很容易存在某些研究投入、名氣很大，但最后并沒有好的結(jié)果能出來。這當中原創(chuàng)性的科技創(chuàng)新還是很重要。

AI 科技評論：在學(xué)術(shù)研究中，您比較秉承的原則是什么樣的？有哪些您欣賞的人與團隊？

宋厚冰：我的原則是獨一無二。在發(fā)掘和挑戰(zhàn) AI 研究難題時，獨特性是第一位的。我經(jīng)常挑戰(zhàn)自己和我的學(xué)生：什么是我們的秘密武器？什么是我們的獨特優(yōu)勢？如果其他研究團隊可以做出跟我們同樣或類似的結(jié)果，那么我們的研究就是沒有意義的，必須立刻停止，否則就是浪費時間。

我在弗吉尼亞大學(xué)讀博士期間，面對困擾著光纖通信領(lǐng)域長達15年之久的薛定諤方程的化簡問題時，將該方程從基于 Vloterra 級數(shù)的三重積分化簡成一重積分，進而推導(dǎo)出描述長距離光纖通信系統(tǒng)的二維離散時間模型，并開發(fā)出一系列數(shù)字信號處理技術(shù)改進系統(tǒng)性能，這些技術(shù)包括限制編碼技術(shù)和均衡技術(shù)等，是國際上首次。

我的偶像是“人工智能之父” Herbert A. Simon ，曾獲圖靈獎（1975 年），諾貝爾經(jīng)濟學(xué)獎（1978 年）和美國國家科學(xué)獎（1986 年）。Herbert A. Simon 作為認知科學(xué)與人工智能的創(chuàng)始人之一，在計算機科學(xué)與心理學(xué)的結(jié)合方面做出了卓越的貢獻，使認知心理學(xué)和計算機科學(xué)相結(jié)合產(chǎn)生了人工智能這一新學(xué)科，他也是認知心理學(xué)、符號學(xué)、經(jīng)濟管理等數(shù)十個學(xué)科的先驅(qū)和巨匠，是唯一一位獲得了諾貝爾經(jīng)濟學(xué)獎和圖靈獎及世界人工智能終身成就獎的科學(xué)家。

他是我的榜樣，因此我一直堅持的信條就是，在學(xué)術(shù)研究上，要做，就要做別人做不到的，否則就不要做。

AI 科技評論：從不知名的求學(xué)小卒到 IEEE Fellow，您覺得您做對了哪些選擇、做對了什么事情？未來五到十年的目標是什么？

宋厚冰：回首成長歷程，我覺得我在三個人生關(guān)鍵時刻做出了正確的選擇。

第一個是赴美留學(xué)，這是個很重要的節(jié)點，如果當初我沒有做出這個選擇，那我的終身都會發(fā)生改變。我花了一整年時間去挑戰(zhàn)非線性薛定諤方程的化簡問題，破解這個困擾光纖通信領(lǐng)域長達15年之久的難題是我引以為豪的科研成果之一。

第二個是換專業(yè)回歸到電子與計算機領(lǐng)域。如果我沒有轉(zhuǎn)回電子計算機領(lǐng)域，或許我會有一份穩(wěn)定的職業(yè)，但我極有可能后悔終生，因為我將是 AI 領(lǐng)域的一個看客，而不是一個積極的創(chuàng)新貢獻者。

第三個選擇是任教初期即徹底轉(zhuǎn)換研究方向到 IoT、CPS、大數(shù)據(jù)分析和 AI。我的博士論文做的是光通信，但在畢業(yè)后，我還是毅然決然地選擇了 CPS，因為我很確定自己對這個領(lǐng)域是感興趣的。當然邁出這一步需要極大的勇氣，但今天看來，我覺得這一步的話非常重要、也是個正確的選擇，否則我就沒有機會為 AI 領(lǐng)域發(fā)展作出貢獻。

當選 IEEE Fellow 是一個新起點，意味著在科學(xué)家成長三個階段“吸納、證明、輸出”中，前兩個階段我已經(jīng)走完，開始步入第三階段：輸出。

未來五到十年，在研究上，我準備瞄準 AI 領(lǐng)域的高可信與可解釋兩個根本挑戰(zhàn)，發(fā)力神經(jīng)符號 AI（neurosymbolic AI），在應(yīng)用 AI 到網(wǎng)絡(luò)安全和 AI 系統(tǒng)的安全兩方面做出原創(chuàng)突破，回饋世界；在人才培養(yǎng)上，計劃培養(yǎng)若干名博士生成為杰出科學(xué)家，無論是進入世界一流研究型大學(xué)擔任終身制教職或進入工業(yè)界工作或創(chuàng)業(yè)，努力在博士畢業(yè)后八年內(nèi)當選 IEEE Fellow；在技術(shù)轉(zhuǎn)移上，計劃推出幾款 AI 產(chǎn)品商業(yè)化，造福人類。

（雷峰網(wǎng)雷峰網(wǎng)(公眾號：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。