2019 年 12 月 20 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)盟主辦的為期兩天的「新一代人工智能院士高峰論壇」在深圳開(kāi)幕，本次論壇以「云腦匯智，鵬城先行」為主題，聚焦 AI 最前沿技術(shù)動(dòng)態(tài)，將重點(diǎn)關(guān)注人工智能在開(kāi)源開(kāi)放平臺(tái)、高端芯片、類(lèi)腦研究、智能應(yīng)用的動(dòng)態(tài)。

延續(xù)去年強(qiáng)大的院士陣容，今年邀請(qǐng)了多達(dá) 10 位院士，匯聚一堂，現(xiàn)場(chǎng)點(diǎn)評(píng)、深度剖析人工智能領(lǐng)域的發(fā)展現(xiàn)狀和未來(lái)值得探索的方向。與此同時(shí)，來(lái)自學(xué)術(shù)界、企業(yè)界的國(guó)內(nèi)人工智能領(lǐng)域頂尖專(zhuān)家也分享了關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)變革與技術(shù)創(chuàng)新的見(jiàn)解，一起探尋 AI 的邊界。

關(guān)于首日上午的精彩報(bào)告，大家可回看《「新一代人工智能院士高峰論壇」開(kāi)幕，五大院士鎮(zhèn)場(chǎng)、另有湯曉鷗、王海峰精彩報(bào)告》。

下午精彩繼續(xù)。

騰訊 AI Lab & Robotics X 主任，ACM、IEEE Fellow 張正友博士作為下午場(chǎng)的首位報(bào)告嘉賓，帶來(lái)了主題為《機(jī)器人的智能演進(jìn)》的報(bào)告。

騰訊 AI Lab & Robotics X 主任，ACM、IEEE Fellow 張正友

正式進(jìn)入報(bào)告前，他回憶起去年同樣是高文院士邀請(qǐng)他人工智能院士高峰論壇做報(bào)告，而今年高文院士再度邀請(qǐng)他時(shí)，還強(qiáng)調(diào)了一句話「一定要做最新的研究報(bào)告」。他笑著打趣：「我估計(jì)他是想來(lái)考考我，想看看我這一年多來(lái)到底有沒(méi)有取得一些研究進(jìn)展?！?/p>

「人工智能目前還是初春，還不是非常智能，存在很多問(wèn)題?！乖捖湎?，他便以攝像機(jī)無(wú)法識(shí)別遮擋鏡頭的假圖像為例指出目前人工智能還只是從大量標(biāo)注數(shù)據(jù)學(xué)習(xí)，泛化能力較差。

他認(rèn)為，隨著傳感器技術(shù)發(fā)展與充分應(yīng)用，人與智能化機(jī)器人共存的時(shí)代必然會(huì)來(lái)臨，這也是他選擇回國(guó)加入騰訊創(chuàng)建 Robotics X 機(jī)器人實(shí)驗(yàn)室的重要原因。

張正友博士接著介紹了機(jī)器人的 6 個(gè)組成部分，包括本體、感知、執(zhí)行器、動(dòng)力系統(tǒng)、交互系統(tǒng)、決策。機(jī)器人的未來(lái)趨勢(shì)是自動(dòng)化、智能化，要在不確定的環(huán)境中自主決策。針對(duì)機(jī)器人的自主決策，他提出了 SLAP 范式，即傳感器和執(zhí)行器要緊密結(jié)合，在學(xué)習(xí)和計(jì)劃模塊的幫助下提升能力、做出決策。

針對(duì)智能機(jī)器人技術(shù)未來(lái)的突破點(diǎn)，他再度提及去年分享過(guò)的「A2G 理論」，其中 ABC 是代表了機(jī)器人的基礎(chǔ)能力，A 是指機(jī)器人能看、說(shuō)、聽(tīng)以及理解，B 是機(jī)器人本體，C 是自動(dòng)控制；而 DEF 是指更高一層的機(jī)器人能力，D 是進(jìn)化學(xué)習(xí)，E 是情感理解，F(xiàn) 是靈活操控；最后一層——G 則是表示守護(hù)人類(lèi)。這對(duì)更先進(jìn)、更智慧的機(jī)器人提出了要求，而機(jī)器人的最終目標(biāo)是要服務(wù)于人。

最后，張正友表達(dá)了對(duì)機(jī)器人發(fā)展的愿景，那就是人機(jī)共存、共創(chuàng)、共贏，為此，需要從「用機(jī)器人增強(qiáng)人的智力、關(guān)懷人的情感、發(fā)揮人類(lèi)體能潛力、實(shí)現(xiàn)人機(jī)協(xié)作」四個(gè)方面來(lái)創(chuàng)建這種未來(lái)。

同樣是二次出席人工智能院士高峰論壇的報(bào)告嘉賓還有依圖科技首席技術(shù)官，IEEE、IAPR Fellow 顏水成博士。他在主題為《Transform AI into Affordable Intelligence》演講中，指出了讓人工智能變?yōu)椤窤ffordable Intelligence」所面臨的挑戰(zhàn)，并從芯片和模型的角度分享了一些工作進(jìn)展。

依圖科技首席技術(shù)官，IEEE、IAPR Fellow 顏水成

一開(kāi)場(chǎng)，他提到，一個(gè) AI 創(chuàng)業(yè)公司以及大廠 AI 實(shí)驗(yàn)室的核心使命是實(shí)現(xiàn) AI 的真正落地，這就需要解決兩個(gè)方面的問(wèn)題：

• 第一個(gè)是算法，一方面是要保證算法「可以用」，即精度足夠高，能夠真正解鎖一個(gè)場(chǎng)景；另一方則是算法要「足夠用」，因?yàn)楝F(xiàn)在很多場(chǎng)景僅憑單模態(tài)的算法已經(jīng)無(wú)法提供用戶滿意的解決方案。

• 第二是算力，一方面是要讓用戶「買(mǎi)得起」，比如用于支撐計(jì)算的 AI 芯片，它的并發(fā)性能要足夠高；另一方面是要讓用戶「用得起」，即這種算力要保證功耗足夠低，不然即便用戶買(mǎi)回家也可能因?yàn)閿?shù)據(jù)中心的電費(fèi)過(guò)高而無(wú)法使用。

隨著人工智能在越來(lái)越多的場(chǎng)景中得到使用，而隨著技術(shù)上已經(jīng)達(dá)到可以用的階段，現(xiàn)在除了對(duì)算力和算法的要求越來(lái)越高，也更多地從「Affordable」的角度去考量。

顏水成博士進(jìn)一步指出，研究表明，訓(xùn)練和測(cè)試人工智能模型所需要的算力，每三個(gè)半月就會(huì)翻一番，這個(gè)比摩爾定律已經(jīng)快了很多。正如今年剛開(kāi)完的 NeurIPS 會(huì)議上，大家比較關(guān)注的一件事情就是：當(dāng) AI 應(yīng)用得越來(lái)越多，其帶來(lái)的電力消費(fèi)也越來(lái)越高，這會(huì)不會(huì)對(duì)環(huán)境產(chǎn)生影響呢？

所以要真正讓 AI 在一個(gè)場(chǎng)景落地，最關(guān)鍵的兩個(gè)引擎是：

• 第一個(gè)引擎是高效能的 AI 模型，這是算法的維度。要想獲得一個(gè)高效能的 AI 模型有兩種做法，一種是基于不同 Motivation 的模式，另一種是基于 NAS（神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索）的模式。針對(duì)這一點(diǎn)，主要是希望能夠解決研究和應(yīng)用中的「Affordable」問(wèn)題。

• 第二個(gè)引擎是高效能的 AI 芯片，這是算力的維度。針對(duì)這一點(diǎn)，芯片廠商首先要遵循算法和芯片原則，確保芯片在足夠大的使用場(chǎng)景中達(dá)到很高的效能；其次要預(yù)測(cè)領(lǐng)域中最前沿的算法發(fā)展趨勢(shì)，確保接下來(lái)幾年時(shí)間這款芯片能「發(fā)揮所長(zhǎng)」；最后要讓用戶的建設(shè)成本足夠低并用得起。

最后，他總結(jié)道，AI 在越來(lái)越多的場(chǎng)景得到應(yīng)用，并且追求的精度和目標(biāo)越來(lái)越高，這就對(duì)算法和算力提出了越來(lái)越高的要求。而這時(shí)，AI 的「Affordable」問(wèn)題就會(huì)變得越來(lái)越重要。

并且，如果要把 AI 轉(zhuǎn)換成「Affordable Intelligence」的話，高性能的 AI 模型和高性能 AI 芯片則是推動(dòng)這一轉(zhuǎn)換的雙引擎，只有這樣才能讓我們最終的用戶能夠「買(mǎi)得起」和「用得起」。

曠視首席科學(xué)家、何梁何利基金獎(jiǎng)獲得者孫劍博士以《視覺(jué)計(jì)算的前沿進(jìn)展》為題，重點(diǎn)從卷積神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)視覺(jué)技術(shù)本身介紹了計(jì)算機(jī)視覺(jué)的研究歷程與進(jìn)展。

曠視首席科學(xué)家、何梁何利基金獎(jiǎng)獲得者孫劍

卷積神經(jīng)網(wǎng)絡(luò)開(kāi)始得比較早，上世紀(jì) 80 年代日本就有教授提出這樣的概念，并得以發(fā)展。而后續(xù)針對(duì)卷積神經(jīng)網(wǎng)絡(luò)的研究工作，主要圍繞四個(gè)問(wèn)題開(kāi)展：

• 第一個(gè)是神經(jīng)網(wǎng)絡(luò)的卷積問(wèn)題?，F(xiàn)在大家用的比較多的是 3×3 或 5×5 的卷積，而卷積此前經(jīng)歷了 AlexNet 網(wǎng)絡(luò)、GoogleNet 網(wǎng)絡(luò)、Facebook 提出的 faster R-CNN、曠視科技提出的 ShuffleNet V1/V2 等等，當(dāng)前最新的研究進(jìn)展則是動(dòng)態(tài)卷積/條件卷積。

• 第二個(gè)是神經(jīng)網(wǎng)絡(luò)的寬度問(wèn)題。這是困惱神經(jīng)網(wǎng)絡(luò)多年的問(wèn)題，當(dāng)網(wǎng)絡(luò)的深度不夠大時(shí)，就很難實(shí)現(xiàn)網(wǎng)絡(luò)的訓(xùn)練。神經(jīng)網(wǎng)絡(luò)最開(kāi)始的深度是 8 層，過(guò)了兩年后增加到了 20 層，再之后微軟提出的深度殘差網(wǎng)絡(luò)將深度增加到了 152 層，其采用殘差網(wǎng)絡(luò)的思想能夠得到好的訓(xùn)練結(jié)果。

• 第三個(gè)是神經(jīng)網(wǎng)絡(luò)的深度問(wèn)題。當(dāng)深度學(xué)習(xí)復(fù)雜度超過(guò)一個(gè)點(diǎn)時(shí)，模型越大，訓(xùn)練和測(cè)試的錯(cuò)誤率反而會(huì)同時(shí)下降，跟我們傳統(tǒng)機(jī)器學(xué)習(xí)的認(rèn)知不同，這其實(shí)跟網(wǎng)絡(luò)的寬度有關(guān)。目前比較新的兩個(gè)方向：一個(gè)是從 Kernel 的角度著手，另一個(gè)是嘗試剪枝的方法，例如 MetaPruning。

• 第四個(gè)是神經(jīng)網(wǎng)絡(luò)的大小問(wèn)題。一般來(lái)說(shuō)，在訓(xùn)練過(guò)程中神經(jīng)網(wǎng)絡(luò)的大小是不變的，然而研究發(fā)現(xiàn)，當(dāng)在訓(xùn)練中讓神經(jīng)網(wǎng)絡(luò)的大小變化時(shí)，能夠?qū)崿F(xiàn)更好的網(wǎng)絡(luò)性能。

針對(duì)計(jì)算機(jī)視覺(jué)技術(shù)本身，孫劍博士則重點(diǎn)選擇了目標(biāo)檢測(cè)這一方向，分享了目前研究中所存在的一些問(wèn)題和進(jìn)展：第一，當(dāng)圖像中的物體隔得很近時(shí)，檢測(cè)技術(shù)就無(wú)法精確檢測(cè)到單個(gè)物體；第二，計(jì)算架構(gòu)的設(shè)計(jì)問(wèn)題，對(duì)此，曠視提出了輕量級(jí)的兩階段目標(biāo)檢測(cè)器——ThunderNet，設(shè)計(jì)了多尺度架構(gòu)的融合，在 ARM 設(shè)備上的運(yùn)行速度非?？臁?/p>

最后，孫劍還指出了計(jì)算機(jī)視覺(jué)應(yīng)用中的幾個(gè)最重要并且投入最多的關(guān)鍵問(wèn)題：

• 第一，火災(zāi)等特殊場(chǎng)景的數(shù)據(jù)非常難收集，并且很難通過(guò)數(shù)據(jù)增強(qiáng)的方式獲得；

• 第二，對(duì)于新的研究方法如自監(jiān)督方法的需求；

• 第三，遮擋問(wèn)題，雖然現(xiàn)在對(duì)此也有一些工作進(jìn)展，但是深度學(xué)習(xí)還無(wú)法完全解決這個(gè)問(wèn)題；

• 第四，深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)還無(wú)法很好連續(xù)追蹤同時(shí)處于動(dòng)態(tài)的多個(gè)物體；

• 第五，視覺(jué)控制問(wèn)題，比如說(shuō)現(xiàn)在還無(wú)法通過(guò)視覺(jué)反饋來(lái)連續(xù)控制機(jī)器人或機(jī)械臂；

• 第六，現(xiàn)實(shí)應(yīng)用中要實(shí)現(xiàn)低成本、易部署以及安全面臨的挑戰(zhàn)還很大；

• 第七，現(xiàn)有方法還無(wú)法實(shí)現(xiàn)高精度的預(yù)測(cè)問(wèn)題。

中科院計(jì)算所研究員，ACM、IEEE、IAPR Fellow 陳熙霖本次也作為報(bào)告嘉賓，帶來(lái)了主題為《邁向可理解的計(jì)算機(jī)視覺(jué)》的報(bào)告。他在報(bào)告中也從他的視角分享了計(jì)算機(jī)視覺(jué)領(lǐng)域存在的一些問(wèn)題以及針對(duì)這些問(wèn)題自己所做的一些探索工作，并對(duì)于計(jì)算機(jī)視覺(jué)的未來(lái)發(fā)展給出了自己的想法。

中科院計(jì)算所研究員，ACM、IEEE、IAPR Fellow 陳熙霖

他指出，計(jì)算機(jī)視覺(jué)從提出概念到現(xiàn)在已有差不多半個(gè)世紀(jì)，主要?dú)v經(jīng)了馬爾計(jì)算視覺(jué)、主動(dòng)和目的視覺(jué)、多視幾何與分層三維重建、基于學(xué)習(xí)的視覺(jué)這四個(gè)階段。該領(lǐng)域雖然取得的進(jìn)展很明顯，然而也帶來(lái)了一些問(wèn)題，就比如評(píng)測(cè)基準(zhǔn)的出現(xiàn)。

「之前大家在研究上彼此之間沒(méi)有比較，即便發(fā)了論文，但是結(jié)果可能在原地踏步，于是后來(lái)有了評(píng)測(cè)基準(zhǔn)，然而帶來(lái)的一個(gè)壞處就是，現(xiàn)在的研究者尤其是學(xué)生就只顧著去「刷榜」了，這其實(shí)并不是在做真正的研究。所以這是一個(gè)很大的問(wèn)題?！?/p>

他認(rèn)為，在做計(jì)算機(jī)視覺(jué)研究上，不僅要知道 What 和 Where，還需要知道 How、Why、When 等等。除了研究方法上的問(wèn)題，當(dāng)前計(jì)算機(jī)視覺(jué)研究還面臨著兩大嚴(yán)峻問(wèn)題，一是研究處于一個(gè)「封閉的世界」，這既體現(xiàn)新數(shù)據(jù)無(wú)法得到及時(shí)更新，無(wú)法從其他領(lǐng)域借用知識(shí)，也無(wú)法真正理解物體之間的真正聯(lián)系；二是無(wú)法很好地處理開(kāi)放世界的問(wèn)題，比如說(shuō)無(wú)法區(qū)分現(xiàn)實(shí)世界的語(yǔ)言和語(yǔ)義上的區(qū)別等。

針對(duì)這些問(wèn)題，陳熙霖在可解釋性決策模式，概念空間、語(yǔ)義空間、可視空間之間的相似性，可遷移的對(duì)比學(xué)習(xí)以及利用上下文方面進(jìn)行了一系列探索和工作。

最后他總結(jié)道，過(guò)去 50 多年時(shí)間里，計(jì)算機(jī)視覺(jué)在應(yīng)用上實(shí)現(xiàn)了很多成功，那未來(lái)將如何呢？——未來(lái)計(jì)算機(jī)視覺(jué)研究會(huì)朝著可理解的方向發(fā)展，即技術(shù)背后的知識(shí)會(huì)扮演更加重要的作用。

國(guó)際歐亞科學(xué)院院士、深圳市人工智能與機(jī)器人研究院副院長(zhǎng)、IEEE Fellow 李世鵬在題為《萬(wàn)物互聯(lián)，集智過(guò)人》的演講中，重點(diǎn)回顧了 IoT（智能物聯(lián)網(wǎng)）到 AIoT（人工智能物聯(lián)網(wǎng)）再到 IIoT（智物聯(lián)網(wǎng)）的發(fā)展歷程。

國(guó)際歐亞科學(xué)院院士、深圳市人工智能與機(jī)器人研究院副院長(zhǎng)、IEEE Fellow 李世鵬

他認(rèn)為，拋開(kāi)其他因素，現(xiàn)在的人工智能時(shí)代主要包括四個(gè)基本因素：AI、人、機(jī)器人和 IoT。其中，人是處于中心的因素，人跟智能的交互叫人機(jī)耦合或者是人機(jī)協(xié)作，人跟 IoT 結(jié)合在一起是物理的智能，人跟 AI 放在一起就是虛擬的場(chǎng)景。

而整個(gè) IoT 的發(fā)展歷程可分為三個(gè)階段：

• 第一個(gè)階段是 IoT 最基本的階段。所有能連上網(wǎng)、能傳送數(shù)據(jù)的設(shè)備都叫 IoT 設(shè)備，主要是關(guān)注在設(shè)備之間的連接問(wèn)題、數(shù)據(jù)的采集跟通訊的問(wèn)題。人則主要通過(guò)指令命令或者遙控跟 IoT 設(shè)備進(jìn)行交互。這個(gè)階段的智能程度很低，基本上只能做 IFDtt 這種類(lèi)型的條件控制。

• 第二個(gè)階段叫做 AIoT，這個(gè)名詞并不是國(guó)際提出來(lái)的，是一個(gè)中國(guó)特色的概念。上一階段的 IoT 基本沒(méi)有智能，對(duì)數(shù)據(jù)的應(yīng)用也很簡(jiǎn)單或者只停留在表面，而這個(gè)階段則對(duì) IoT 產(chǎn)生數(shù)據(jù)進(jìn)行智能處理。一方面，用戶對(duì) IoT 設(shè)備的交互變得越來(lái)越智能；另一方面，對(duì)采集的數(shù)據(jù)不僅僅停留在原始數(shù)據(jù)的解釋方面，而是把數(shù)據(jù)結(jié)合在一起，然后形成一些新的知識(shí)。在這個(gè)階段，AIoT 總有一個(gè)集中的控制器來(lái)控制所有的 IoT 設(shè)備，因?yàn)樗枰@樣一個(gè)大腦來(lái)進(jìn)行總體的控制。

• 第三個(gè)階段也就是 IIoT（智物聯(lián)網(wǎng)）。在上個(gè)階段，獨(dú)立的智能物體本身有一定的智能，而且在很多時(shí)候可以獨(dú)立運(yùn)作。而這個(gè)階段要探討怎樣把有智能和獨(dú)立的智能體之間的智能聯(lián)合起來(lái)以及聯(lián)合在一起又能形成什么智能呢？人和機(jī)器之間的關(guān)系成為了比較平等的合作關(guān)系。

李世鵬認(rèn)為，IIoT 帶來(lái)的聚合智能的演變正在發(fā)生，這一趨勢(shì)可能會(huì)打破人工智能行業(yè)的一些現(xiàn)有障礙，并最后可能為未來(lái)基于因果關(guān)系的 AI 框架鋪平道路。

華為海思首席芯片規(guī)劃師、海思圖靈產(chǎn)品管理部部長(zhǎng)夏勤以《云大為美——高性能計(jì)算芯片的現(xiàn)在和未來(lái)》為題，分享了關(guān)于高性能計(jì)算芯片的現(xiàn)在與未來(lái)的思考，并以華為的昇騰芯片和鯤鵬芯片為例，探討了高性能芯片設(shè)計(jì)方面的問(wèn)題。

 華為海思首席芯片規(guī)劃師、海思圖靈產(chǎn)品管理部部長(zhǎng)夏勤

她表示，高性能計(jì)算芯片已成為芯片領(lǐng)域非常熱門(mén)的方向，這個(gè)領(lǐng)域也產(chǎn)生了很多新的理論和新的技術(shù)，現(xiàn)在該領(lǐng)域的工程師無(wú)非在解一個(gè)三元方程，包括三個(gè)維度：性能、成本、易用性。如果從單一維度來(lái)看很容易解，但是如果要實(shí)現(xiàn)真正的量產(chǎn)，則必須同時(shí)解決好以下三個(gè)問(wèn)題：

• 第一，核設(shè)計(jì)問(wèn)題，可以往提升主頻、多核以及微架構(gòu)（指令集）三個(gè)方向探索。比如在多核方向上，華為目前已經(jīng)推出了從 8 核到 16 核再到 64 核的芯片；在微架構(gòu)上，華為的鯤鵬 920 芯片對(duì)指令集做了一些像亂序、指令預(yù)取這樣的措施去提升性能，獲得了比較好的結(jié)果。

• 第二，片內(nèi)設(shè)計(jì)問(wèn)題，對(duì)此，華為在芯片上做的優(yōu)化工作包括采用最新工藝減小芯片面積，提高良率，進(jìn)而降低成本。

• 第三，外圍接口問(wèn)題，在這個(gè)方面，華為在芯片的內(nèi)存通道接口，包括接口速率、多 IP 互聯(lián)、加速器上都做了非常多的創(chuàng)新。

除此之外，AI 芯片的設(shè)計(jì)在軟件方面也面臨著前所未有的挑戰(zhàn)：首先，基于 AI 的計(jì)算要求更大的并行處理能力；其次，AI 芯片和 CPU 芯片非常大的差異點(diǎn)在于前者是真正意義上的異構(gòu)計(jì)算；最后在 AI 軟件棧的建設(shè)上也面臨很大挑戰(zhàn)，例如華為鯤鵬軟件棧到昇騰軟件棧的開(kāi)發(fā)過(guò)程，復(fù)雜度和難度就非常高。

她進(jìn)一步總結(jié)了未來(lái)芯片設(shè)計(jì)的趨勢(shì)：

• 第一，未來(lái)單線程和單核性能會(huì)不斷提升，同時(shí)針對(duì)指令集會(huì)有更多的定義出現(xiàn)，此外隨著 ARM 的蓬勃發(fā)展，也會(huì)為未來(lái)的用戶自定義提供了很大的空間，從而較大地改善芯片的整體性能；

• 第二，在記憶存儲(chǔ)上，雖然現(xiàn)在還沒(méi)有出現(xiàn)比較好的技術(shù)，但在內(nèi)存接口以及整個(gè)內(nèi)存架構(gòu)的重新定義還有很多探索空間；

• 第三，新的標(biāo)準(zhǔn)和接口技術(shù)的突破，這個(gè)方面會(huì)有新的技術(shù)嘗試，但是成果會(huì)出來(lái)得慢一些；

• 第四，靈活的電源管理，未來(lái)隨著異構(gòu)計(jì)算的到來(lái)，低負(fù)載、低功耗的調(diào)優(yōu)技術(shù)會(huì)變得非常重要。

「AI 未來(lái)有很多可以發(fā)展的方向，并且不是單維度的發(fā)展方向，雖然現(xiàn)在我們還不知道真正的 AI 時(shí)代何時(shí)會(huì)到來(lái)，但是我認(rèn)為算力、協(xié)同、應(yīng)用是整個(gè) AI 技術(shù)未來(lái)能夠走向全面商用的三個(gè)關(guān)鍵維度?！?/p>

第二場(chǎng)院士圓桌會(huì)在當(dāng)日下午舉行，由中國(guó)工程院院士、同濟(jì)大學(xué)校長(zhǎng)陳杰主持。

中國(guó)工程院院士、廣播電視技術(shù)專(zhuān)家丁文華，中國(guó)工程院院士、通信與信息系統(tǒng)專(zhuān)家王沙飛，中國(guó)科學(xué)院院士、激光與光電子技術(shù)專(zhuān)家王立軍，德國(guó)漢堡大學(xué)信息學(xué)科學(xué)系教授、德國(guó)漢堡科學(xué)院院士張建偉四位院士，結(jié)合當(dāng)日主題演講內(nèi)容各抒對(duì)未來(lái)中國(guó)人工智能發(fā)展的展望與建議。

丁文華院士：此次大會(huì)內(nèi)容豐富，體現(xiàn)出中國(guó)人工智能在各領(lǐng)域都有了非常大的進(jìn)展。今年的演講內(nèi)容涉及算法、應(yīng)用、資源，大家都在各自研究方向上實(shí)現(xiàn)了突破。我相信通過(guò)鵬城實(shí)驗(yàn)室這個(gè)平臺(tái)，能夠聚集全國(guó)乃至全球的人工智能領(lǐng)域的高端專(zhuān)家和人才共同交流和推進(jìn)整個(gè)人工智能技術(shù)的發(fā)展。

王沙飛院士：我認(rèn)為現(xiàn)在整個(gè)人工智能的發(fā)展還需要經(jīng)過(guò)一個(gè)漫長(zhǎng)的階段，有這么幾個(gè)方面的挑戰(zhàn)和問(wèn)題：

• 第一，現(xiàn)在人工智能的技術(shù)在落地應(yīng)用場(chǎng)景時(shí)，在智能推理方面還存在很多問(wèn)題，人工智能還很難像人一樣對(duì)未知的場(chǎng)景或者目標(biāo)進(jìn)行智能推理。

• 第二，可解釋性問(wèn)題?，F(xiàn)在 AI 可以計(jì)算海量大數(shù)據(jù)并且能夠?qū)崿F(xiàn)一定的感知，但是得出的結(jié)果是否正確呢？或許未來(lái)我們可以通過(guò)加入人的經(jīng)驗(yàn)來(lái)改善這個(gè)問(wèn)題。

今天聽(tīng)各位專(zhuān)家的報(bào)告很受啟發(fā)，我認(rèn)為通過(guò)各位同仁的努力，可以讓人工智能突破基礎(chǔ)研究上的難點(diǎn)并獲得更好的應(yīng)用。

王立軍院士：我主要研究激光芯片，近幾年隨著人工智能、信息感知的發(fā)展，也向通訊和信息感知（光電集成芯片）開(kāi)展研究。我研究激光芯片幾十年，有一些自己的體會(huì)。

國(guó)內(nèi)芯片這些年發(fā)展比較緩慢，并且還處于受限于人的階段，為什么會(huì)出現(xiàn)這樣的局面？有以下幾個(gè)原因：

• 第一，芯片在研制過(guò)程中需要的設(shè)備費(fèi)非常巨大，一般單位承受不起；

• 第二，在時(shí)間上，做芯片需要踏踏實(shí)實(shí)幾年甚至是十幾年的功夫才能搞定的；

• 第三，我們最近幾年都追求盡快出成果，當(dāng)然本意是好的，但是有些東西要尊重事實(shí)，像這種大投入、見(jiàn)效慢的，很多政府機(jī)關(guān)的官員在心里其實(shí)是不愿意投的；

• 第四，做芯片的研究者尤其是年輕人也更愿意去投入一些見(jiàn)效快，馬上能出成果、出文章的研究。

現(xiàn)在我們國(guó)家意識(shí)到這些問(wèn)題，國(guó)家也組織了幾個(gè)部委聯(lián)合攻克芯片問(wèn)題。我相信幾年后，我們國(guó)內(nèi)在芯片這一塊會(huì)有重大的突破。

另外針對(duì)信息感知，我個(gè)人認(rèn)為下一步在光電、混合集成芯片方面是一個(gè)很重要的方向，它既把集成電路的技術(shù)和集成光學(xué)的技術(shù)進(jìn)一步集成，還把感知的軟件和光學(xué)的東西集成到一起，進(jìn)一步提高了可靠性，會(huì)對(duì) AR 產(chǎn)業(yè)有很大的推動(dòng)。

張建偉院士：首先熱烈祝賀鵬城實(shí)驗(yàn)室在一年多內(nèi)取得這么大的成就，定義了未來(lái)幾個(gè)重要的方向之后，組織各方各業(yè)的研究者從交叉的角度來(lái)解決國(guó)際民生的重大問(wèn)題，已經(jīng)成為了吸引產(chǎn)學(xué)研最高端人才聚集交流和頭腦碰撞的很重要的平臺(tái)。

今天聽(tīng)了各位的報(bào)告后，我還想再?gòu)?qiáng)調(diào)幾點(diǎn)：

• 第一，打基礎(chǔ)。今天有專(zhuān)家談到了多模態(tài)的技術(shù)，從腦科學(xué)多模態(tài)的處理、芯片多模態(tài)的處理、圖像識(shí)別、圖片理解等等，多模態(tài)信息處理成為人工智能一個(gè)核心技術(shù)，也非常值得我們進(jìn)一步開(kāi)發(fā)和研究。我 5 年前組織的跨模態(tài)學(xué)習(xí)項(xiàng)目就是中、德之間最大的研究項(xiàng)目，從腦科學(xué)、心理學(xué)、人工智能、機(jī)器人等多方面來(lái)組織研究人的多模態(tài)學(xué)習(xí)機(jī)制，然后做新的算法，最后用機(jī)器人來(lái)實(shí)現(xiàn)。

• 第二，人工智能下一步如何落地。我認(rèn)為除了提供人工智能基礎(chǔ)平臺(tái)之外，下一步要真正融入需求和垂直領(lǐng)域，深度融合，把加工鏈做深做長(zhǎng)，做成世界級(jí)的知識(shí)產(chǎn)權(quán)和世界級(jí)的市場(chǎng)，使人工智能的價(jià)值更快產(chǎn)生。

• 第三，公共平臺(tái)交流、生態(tài)打造以及社會(huì)影響?，F(xiàn)在地方政府也對(duì)開(kāi)源和為企業(yè)提供平臺(tái)越來(lái)越重視，我認(rèn)為在深圳這塊創(chuàng)業(yè)熱土上一定能作出新的世界級(jí)的人工智能 Demo 樣機(jī)。

雷鋒網(wǎng) AI 科技評(píng)論報(bào)道。雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。