Fccebook 开源三款 AI 软件，解决机器视觉「人和物傻傻分不清」的问题
深度特稿
|
2016-08-30
等着被人工智能的风口吹起？跟随院士的这份报告，了解 10 大事件 6 大趋势
北派多学术，南派多实践
编者按：8 月 26 日~8 月 27 日，由中国科学技术协会、中国科学院指导、中国人工智能学会主办、中国科学院自动化研究所和 CSDN 承办的中国人工智能大会（CCAI 2016）在北京召开。大会邀请了 40 多位国内外顶级专家，围绕当前关注度较高的人工智能与自然语言处理、深度学习与人机交互、类脑智能与机器人等主题，分享学术观点、解析产业技术路线。
中国科学院副院长、中国科学院院士、中国人工智能学会副理事长谭铁牛，在大会开场向大家解读了人工智能近一年发展的 10 大事件，对学术研究和产业实践进行了反思，并预测了人工智能发展的未来大趋势。
本文的文字内容绝大部分来自于现场速记和笔记。考虑到看院士的长篇报告会需要读者花一些耐心，深圳湾（微信公众号 ID：shenzhenware）对文字进行了校对和编辑整理，并根据内容特别做了配图和说明。
温馨提示：最后大疆创新董事长李泽湘那一段，不要错过！
· 2001 年拍摄的一部电影『人工智能』，豆瓣电影 TOP250，故事让人很感动，机器男孩有着人类的一切特征，又比人类忠诚千万倍。
1956 年就被提出的「人工智能」概念，60 年经历了漫长的发展
- 1956~1960，起步发展期：人工智能诞生，出现机器定理、智能跳棋程序。
- 1960~1970，反思发展期：机器翻译笑话百出，定理证明发展乏力，任务失败，目标落空。
- 1970~1985，应用发展期：医疗专家系统 MYCIN、化学专家系统 DENDRAL、地质专家系统 PROSPECTOR 等，遍地开花，人工智能转向实用。
- 1985~1995，低速发展期：专家系统发展乏力，神经网络研究受阻，多项研究发展缓慢。
- 1995~2010，稳步发展期：互联网推动人工智能不断创新和实用。
- 2010 至今，蓬勃发展期：深度学习与物联网、云计算、大数据的兴起，带来了人工智能的爆发。
经历了 60 年的发展，人工智能到了一个令人兴奋激动的新高潮。人工智能产业化应用蓬勃发展，2015 年全球人工智能市场规模为 1270 亿美金，今年预计将达到 1650 亿美金，2018 年预计超过 2000 亿美元。人工智能已经成为西方国家「再工业化」战略的核心内容，美国的「工业互联网」，德国的「工业 4.0」，日本的「工业智能化」，英国的「工业 2050 战略」。
在从去年到今年的这一年里，人工智能领域都发生了哪些大事？
1. 竞技：人工智能 AlphaGo 在围棋大赛中取胜
2016 年 3 月，Google DeepMind 团队的 AlphaGo 在围棋人机大战中，以 4:1 的比分战胜了李世石，震惊了全世界。DeepMind 团队 2016 年 1 月在『Nature』发表论文，介绍深度神经网络与强化学习等方法结合的围棋博弈方法。
· Alphabet co-founder Sergey Brin 与李世石的新闻画面。
2. 政府：美国、日本、中国等各国政府高度重视人工智能发展
2016 年 5 月，美国白宫计划组织 4 场研讨会讨论人工智能，还成立了人工智能委员会。日本提出要实现「超智能社会」即「Society 5.0」。2016 年 5 月，我国的几个部委也发布了『互联网+人工智能三年的行动实施方案』。
3. 计算能力：IBM 发布类脑超级计算机平台 IBM TrueNorth
IBM 基于前几年发布的芯片，在今年 4 月，发布了一款用于深度学习的类脑超级计算平台 IBM TrueNorth，其处理能力相当于 1600 万个神经元和 40 亿个神经键，消耗的能量只需 2.5 瓦。
4. 收购：软银 320 亿美元收购 ARM
2016 年 7 月，软银以 320 亿美元的高溢价收购 ARM，抢占人工智能和物联网生态的制高点。而早在 2014 年 7 月，软银就成了软银机器人子公司，研发和销售 Pepper 人形机器人。
今年还有其他「大」的收购案：截止到 2016 年 7 月 15 日，美的已收购取得 72.18% 的库卡股份；2016 年 8 月，英特尔以 4.08 亿美元收购人工智能创业公司 Nervana Systems。
5. 开源：Google、Microsoft、Facebook 等纷纷开源了人工智能基础平台
2015 年 11 月，Google 开源了人工智能基础平台 Tensor Flow，微软开源了机器学习平台 SystemML。2016 年 6 月 24 日，Facebook 宣布开源深度学习平台 Torchnet。
6. 公益：创建公益性的人工智能机构 OpenAI
2015 年 12 月，马斯克等人投资 10 亿美金启动非盈利人工智能机构 OpenAI，目标是在没有创造财务回报的约束下，推动数字化智能的发展，造福人类社会。
· 伟大的马斯克除了发射火箭，还成立了 OpenAI 非盈利组织，旨在阻止人工智能毁灭世界。
7. 学术：『Science』发表论坛介绍认知模拟新方法
2015 年 12 月，麻省理工学院、纽约大学和多伦多大学的研究者在『Science』发表『Bayesian Program Learning』论文，介绍认知模拟新方法，能够从少量样本生成与识别字符，并通过「视觉图灵测试」。
8. 机器视觉：微软深层残差网络夺冠 2015 ImageNet
2015 年 12 月，微软亚洲研究院的 152 层 Deep Residual Networks 在 2015 ImageNet 计算机视觉挑战赛中，获得图像分类、图像定位、以及图像检测全部三个主要项目的冠军。
9. 计算设备：Google 量子计算机取得重要的突破，为人工智能计算搭建平台
2015 年 12 月，Google 量子人工智能实验室的量子计算机 Wave2X 的运行速度，比传统计算机芯片上运行的模拟装置快 1 亿倍，为人工智能发展提供了先进的计算设备。
10. 伦理研究：剑桥大学成立人工智能伦理研究所
2015 年 12 月，英国剑桥大学新建研究中心，研究在人工智能的发展过程中带给人类的机遇和挑战，并旨在影响其道德伦理发展，从而防止人工智能在 21 世纪会控制世界。
· Goole I/O 2016 上发布的 Google AI 语音助手。
对于人工智能领域发展状态，我们如何解读？
1. 人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，都掀起了热潮。
美国：美国计划组织 4 场研讨会讨论人工智能，白宫还成立了人工智能委员会，旨在协调全美各界人工智能领域的行动。美国交通部宣布历时 10 年投资 40 亿美元的提案，旨在实现无人驾驶汽车上路。
日本：在日本从 2016 年开始执行的「第五期科技技术基本计划」中，日本政府将投入总额约 26 万亿日元（约合 1.5 万亿人民币）的研究经费，重点研发物联网及人工智能系统。提出要领先于世界的「超智能社会」即「Society 5.0」。
中国：国家四部委发布了『互联网+人工智能三年的行动实施方案』，到 2018 年形成千亿级的人工智能市场应用规模。2016 年 8 月 8 日发布的『十三五国际科技创新规划』多次提到人工智能。
2. 人工智能产业竞争白热化，巨头纷纷投入重金收购并购、人才招聘、核心技术，企业之间的竞争非常激烈。
机器学习专家 Pedro Domingos 曾经表示：「赢得人工智能竞赛就可以主导信息时代的下一阶段。」
Google、IBM、Microsoft、Facebook、Amazon 等企业巨头充分认识到人工智能技术引领新一代信息产业发展的重大意义，纷纷投入重金收购企业、招募人才和研发核心技术，力图掌握人工智能时代的主动权，引发人工智能产业竞争白热化。
3. 投资并购密集化，过去一年大的小的收购、投资，数不胜数，从几百亿到几个亿
这里仅提几起大的案子：
- 软银 310 亿美元收购 ARM；
- 美的 40 亿欧元收购库卡；
- 马斯克等人投资 10 亿美元成立 OpenAI；
- 丰田 10 亿美元在美国成立人工智能公司发展机器人和无人驾驶；
- 日本 NEC 与日本国立研究开发法人产业技术研究所（产总研）成立人工智能联合实验室；
……
· 软银 2012 年投资的 Pepper 人形机器人，已经成为机器人的「超模」。
4. 人工智能应用普适化，在各个领域渗透。
Watson 是 IBM 的认知计算技术平台，具有 Understanding（理解）、Reasoning（推理）、Learning（学习）等功能，已经在咨询、医疗、制造、服务、媒体和教育等领域广泛应用。
Microsoft 在操作系统 Windows 10 和办公软件 Office 中嵌入人工智能基础软件，聊天机器人小冰和人工智能助理「微软小娜」成为人性化的智能界面，云平台 Microsoft Azure 也增加了人工智能，利用机器学习软件帮助客户在海量数据中识别模式、进行预测。
Amazon Machine Learning 提供云端的模式识别和预测分析能力，用于欺诈侦测、文档分类、内容个性化、客户不良表现预测、营销广告活动、自动化解决方案推荐等。
· Amazon 说：Machine Learning 其实很难。
5. 人工智能的服务专业化，逐渐形成「通用化人工智能研究」和「专业化人工智能研究」两条未来发展的路径。
- 通用化人工智能：研究通用化智能方法与系统，实现像人脑一样的一脑百用。
- 专业化人工智能：在细分领域实现智能算法与系统，提供专业化的智能服务。
专用人工智能在某种程度上是通用人工智能的基石。无论是多任务学习、迁移学习、在线学习、增强学习，都是专用人工智能向通用人工智能的有益尝试。
在攻克通用人工智能会前，专业化智能服务成为主流模式：
- 2015.7，Google 推出智能终端手机翻译应用；
- 2015.9，佐治亚理工研究人员研究通过人工智能创作小说；
- 2016.4 MIT 推出人工智能算法，预测网络攻击；
- 2016.5 IBM 推出人工智能律师 Ross，就职于纽约 Baker & Hostetler 律师事务所；
- NASA 希望人工智能能够帮助在航空航天领域解决优化问题；
- 波音公司希望大数据 + 人工智能能够改善航空技术。
· IBM 的人工智能律师 Ross 基于 IBM Watson 认知计算机，律师用自然语言与 Ross 辩论。
6. 巨头引领，人工智能基础平台纷纷开源化。
- Google 开源了人工智能基础平台 Tensor Flow；
- Facebook 开源了深度学习基础平台 Torchnet；
- Microsoft 开源了机器学习平台 SystemML；
- IBM 开源了人工智能基础平台 SystemML。
7. 关键技术硬件化。
IBM 的类脑计算平台。
· IBM TrueNorth 类脑超级计算机平台，看样子蠢蠢的、笨笨的，却拥有了「超人」的能力。
8. 技术方法集成化，集成创新势在必行。
单一的人工智能计算理论和方法不可能包打天下，将多个模型、方法与技术在不同层面上进行有机集成，在实战应用中取得良好效果。
比如 AlphaGo 系统集成了蒙特卡洛树搜索方法、深度学习方法、强化学习方法，引入了专家知识，在技术方法上实现了集成创新，让围棋这一经典难题取得重大突破。
9. 学科创新协同化，多学科跨界融合、交叉协同，探索人工智能创新途径。
类脑智能被认为是实现通用人工智能的重要途径，已成为人工智能的研究热点。类脑智能=脑科学+人工智能。
欧美国家纷纷启动类脑智能研究计划，IBM 研制成功神经计算芯片，并上市类脑计算机。
此外，量子技术跟人工智能也有了更新的结合。
10. 人工智能的影响的社会化大众化。
思考人工智能下一个 60 年应该怎么走？
1. 保持警醒：人工智能热潮下的冷思考
热潮下面尤其需要冷思考，AlphaGo 在围棋上的表现，提高了人们对人工智能的期望，但是切记对人工智能提出更高的期望，希望太高。如果没有实现会非常的失望，甚至绝望，这不是一个好思想。
根据最新的 Gartner 新兴技术成熟度曲线，我们可以看到，「智能机器人」、「认知专家顾问」、「机器学习」、「自动驾驶汽车」等人工智能热门技术正处于「期望膨胀期」，接下来可能是「幻灭期」，所以需要我们冷静的思考。
· Gartner 新兴技术成熟度曲线 2016 年 8 月最新发布。
2. 切忌跟风：跟风难有大作为
这几年风口热说的很多，站在风口上猪都会飞起来，台风一过摔死的是被风吹起来的猪。找风口不如找关口，找到风口是「跟班发展」，找到关口是「引领发展」。找到发展的瓶颈在哪里，突破那个瓶颈，就可能开创一个新天地。
3. 不忘初心：回归人工智能的本原
人工智能是信息科技与脑认知科学的交汇点，人工智能机理的挖掘孕育着信息科技的重大变革。脑科学研究为类脑智能研究提供生理学原理与数据、启发全新计算模式；类脑智能研究则为脑科学研究提供仿真模拟手段、系统与平台，支持科学假设的验证。两者相互支撑、相互促进、共同发展。
不忘初心继续探索，回归人工智能的本原，信息科技与脑类科技的交汇，从研究的内容到研究的目的，都要回归。
4. 苦练内功：重视前沿基础理论研究
重视前沿基础理论是人工智能技术突破、应用创新和可持续发展的基石。
- 20 世纪 40 年代，人工智能处于萌芽期，研究理论包括：MP 模型、阙值加和模型、Hebb 学习规则。
- 20 世纪 50 年代，人工智能出现第一次高潮，研究理论包括：感知器模型、自适应线性单元。
- 20 世纪 80 年代，人工智能出现第二次高潮，研究理论包括：Hopfield 网络Bolzman 机、BP 算法。
- 进入 21 世纪，人工智能进入了第三次高潮期，研究理论包括：深度网络、DBN、DBM、DeepCNN、RUU。
重视前沿基础理论研究，这样的说法现在是家喻户晓，但是我们不能被当下的热点一叶障目。
深度学习不等于人工智能，深度学习只是人工智能领域机器学习方向的一种方法。
深度学习的成功不是理论方法的突破，而是在大数据和大规模计算资源驱动下、基于基础理论的技术突破，其本质是通过映射对复杂函数进行逼近。
深度学习依旧存在明显的局限性，尤其在任务的切换、知识迁移、对环境变化的适应和自身完善，对小样本的举一反三等方面，深度学习与人类学习能力还相差甚远。
5. 以史为鉴：人工智能 60 年需要总结回顾
丘吉尔说：「你能看到多远的过去，就能看到多远的未来。」
人工智能 60 年需要总结回顾。你过去看的有多深，你对未来才能看的有多准。纵观过去 60 年，人工智能的研究经历了 6 个发展时期，其中的成功经验、失败教训、发展瓶颈、技术趋势、社会影响，值得我们反思。
预测人工智能未来发展的 6 大趋势
1. 从浅层智能到深层智能，对通用人工智能的思考
曾经有四句话描写了人工智能目前的水平：目前人工智能是有智能没智慧，有智商没情商，会计算不会算计，有专才无通才。人工智能的深层智能还远远不够。
浅层智能是指，视觉听觉等感知信号的计算分析和模式识别；深层智能是指，模拟人脑认知机理，实现自主学习、推理、思考、预测、决策。
浅层智能止于知其然，深层智能始于知其然，归于知其所以然。深层智能需要更强的自我更新和自我完善的学习能力，以及举一反三的泛化能力。
「人类将在 10 年内研发出具有常识的机器。」
—— Geoffrey Hinton，深度学习鼻祖
「通用人工智能最快 15 年可以实现。」
—— Jeffery Dean，Google X 实验室 Google 大脑负责人
· MIT 的人工智能系统 ConceptNet 以「韦氏学前及学初智力量表」为标准，从信息词汇的分析与理解上测试，ConceptNet 的智商答题相当于四岁儿童的水平。
2. 从专用人工智能到通用人工智能，专用人工智能在做通用化尝试
专用人工智能与通用人工智能之间没有明确的界限；人工智能算法的专用性是相对的。
目前深度学习能够解决的任务越来越多，其模型和学习算法越来越趋同，DeepMind 的强化学习能够学习多种多样的游戏，都可以认为是专用人工智能的通用化尝试。
在现阶段，实现机器智能的自主性（自我更新、自我完善、举一反三）是值得首先思考和解决的问题。
人工智能学者从未放弃迈向通用人工智能的尝试，从人脑中寻求启发，在机理层实现自然智能，是从专用人工智能走向通用人工智能的重要途径。
3. 从机器智能到混合智能
人工智能是指人为操作的智力能力，机器智能则是指已脱离了人为操作而由机器独立施放出的智力能力。
微软、苹果、谷歌等科技巨头竞相开发机器智能，欲通过挖掘海量的数据（涉及搜索、邮件、社交网络、网络浏览习惯等）来获得有助其产品满足甚至预测用户需求的价值信息。随着时间的推移，计算机本身（不管是哪一类设备）都将成为能够全天候给你提供各种帮助的智能助手。
随着人工智能的发展，各种智能技术的研究都取得了不少的成果。但这些技术本身都存一些局限性，因此目前出现了不少将不同的智能技术结合起来、组成多种新的能够解决复杂问题混合型智能系统。
混合智能系统是在解决现实中复杂问题的过程中，从基础理论、支撑技术和应用视角，为了克服单个技术的缺陷，而采用不同的混合方式，使用至少一种各种智能技术，以及非智能技术，从而获得运行效率更高、知识表达能力和推理能力更强的智能系统。（来自百度百科）
4. 从数据驱动到数据和知识协同驱动
对于人脸检测、关键点定位、特征表达等人工智能需要解决的课题，经历了以下三种人工智能的进阶式发展：
经验型的人工智能：依赖经验，手工设计模型，手工调整参数，各个模块独立，数据规模小，识别精度低，泛化能力差。
数据型的人工智能：依赖数据，自动选择，手工调整参数，各个模块独立，数据规模大，识别精度高，但泛化能力差。
知识型的人工智能：依赖数据的同时，依赖知识，调参可以达到自适应，各模块融合，数据规模大，识别精度高，泛化能力强。
5. 从线下智能到云上智能，智能在云上，使用在端上
云端智能可以广泛应用在视觉检测、客户服务、研发支持、智能控制、错误诊断、大数据分析。
6. 从网下到网上，以互联网为中心的人工智能
互联网是多终端的分布式互联，有大数据、有知识、有交互、有众包。互联网是人类智能与机器智能的混合载体。研究以互联网为中心的人工智能，具有重要前景和意义。
中科院自动化所人工智能研究的一些产业化成果
院士举了一个中科院自动化研究所走出来的团队的例子。银河水滴科技（北京）有限公司由智能感知与计算研究中心团队发起成立。2016 年 6 月，获得 6000 万 A 轮融资。
公司专注于人工智能和计算机视觉技术，引领作为人工智能核心的深度学习技术的突破与革新，提供世界领先的视觉大数据分析技术。目前，公司以复杂场景下远距离非受控身份识别技术为突破口，自主研发了远距离步态识别技术，突破传统生物特征识别的局限性，将成就身份识别领域高通量、全视角、远距离等终极形态。该技术可广泛用于智能家居、机器人、无人机和安防监控等应用场景。
一直走产业化路线的大疆创新，对于人工智能有什么观点？
在院士报告之后，大疆创新科技公司董事长、香港科技大学教授、美国电子电气工程师协会会士李泽湘上台发言，他主要介绍了香港科技大学机器人研究所（原自动化技术研究中心）的基础研究，以及如何基于理论研究设计和研发产品级的智能机器人，包括智能装备、无人机、地面移动机器人、水下机器人、服务机器人等。
李泽湘从机器人现代数学理论的角度，重点解析了机器人微分几何学，其核心就是在欧式空间下怎么样做优化的问题。作为一个严谨的统一的数学工具跟数学模型，微分几何理论对于处理机器人千变万化的一些应用提供了平台，不需要针对每个不同的东西去建立一个不同的数学模型。
在演讲中，李泽湘「自嘲」当初自动化所未能给他发展机会，他才在香港开辟了一片新天地。而当他播放了大疆无人机在农业领域应用的那一段视频时，全场都能感受到，在产业化和研究成果落地方面，李泽湘所取得的耀人成绩。
· 大疆农业植保无人机。
北派多学术，南派多实践。深圳湾（微信公众号 ID：shenzhenware）意在将南北结合，将软件（software）与硬件（hardware）结合，助力人工智能与机器人产业的蓬勃发展。
图文编辑：陈壹零
● ● ●
我们将邀请人工智能领域的专家和实践者，与大家一起探讨人工智能大趋势。点击「阅读原文」提交话题，湾星人将在活动当天晚上「出现」，集中回答大家的问题。
如果你也希望成为「连线湾星人」的做客嘉宾，请联系人我们的工智能机器人小炫（微信 ID：warexx）。
「连线湾星人」
