什么是智能感知技术
本文引自：《智能制造装备基础》。作者：吴玉厚、陈关龙、张珂、赵德宏、巩亚东、刘春时。由清华大学出版社「智造苑」原创首发，数字化企业经授权发布。01智能感知技术的定义智能感知技术是指将物理世界的信号通过摄像头、麦克风或者其他传感器的硬件设备，借助语音识别、图像识别等前沿技术，映射到数字世界，再将这些数字信息进一步提升至可认知的层次，如图1，比如记忆、理解、规划、决策等。图1 人工智能[1]智能感知中的智能指的是事物在网络、大数据、物联网和人工智能等技术的支持下，所具有的智慧能动地满足人类各种需求的属性。比如无人驾驶汽车，它将传感器物联网、移动互联网、大数据分析等技术融为一体，达到减轻或一定程度上取缔人们手动的操纵车辆的目的，从而能动地满足人的出行需求。而在媒体行业中，相对传统媒体，智能化是建立在数据化的基础上的媒体功能的全面升华。它意味着新媒体能通过智能技术的应用，逐步具备类似于人类的感知能力、记忆和思维能力、学习能力、自适应能力和行为决策能力，在各种场景中，以人类的需求为中心，能动地感知外界事物，按照与人类思维模式相近的方式和给定的知识与规则，通过数据的处理和反馈，对随机性的外部环境做出决策并付诸行动。智能感知由应用层、感知层与信息层三个层次组成[2]，如图2所示。图2人工智能与信息感知框架其中，应用层面向实际应用对象，涵盖了安防监控、环境监测、智能制造、智慧城市等被测的物理环境对象；感知层基于传感网与物联网对应用层的物理环境对象进行信息的感知，信息感知涵盖了数据融合的基础理论，采用了协作感知、自适应融合、统计与估计、特征推理的理论和方法；信息层基于信息感知的数据，采用神经网络、深度学习、进化计算、粒群智能、模糊逻辑、支持向量机等人工智能的理论和方法，实现了智能感知。02智能感知技术与人工智能的关系人工智能主要分为三个阶段[3]：第一阶段为运算智能，即计算机能够快速运算和记忆存储的功能；第二阶段为智能感知，即计算机具有通过各种传感器来获取物理世界的信息的能力；第三阶段为认知智能，即计算机具有了像人一样理解、分析、推理等能力。当前社会正处于智能感知快速发展的阶段，并朝着认知智能的终极目标进军。智能感知是人工智能与现实世界交互的基础和关键，是人工智能服务于工业社会的重要桥梁，它对于信息进行智能化的感知及测量，将有助于人工智能对信息进行识别、判断、预测和决策，对不确定信息进行整理挖掘，实现高效的信息感知，使得物理系统更加智能，智能感知涉及诸多工程领域，如海洋船舶、航空航天、土木建筑、生物化学等，这些领域都离不开对于信息的智能感知和处理。人工智能包括信息感知和计算智能两个重要组成部分[4]。信息感知是实现人工智能的基础，计算智能是实现人工智能的关键。信息感知利用传感系统对被测对象的变化进行测量，是信息处理的首要环节，智能感知技术具有“感、知、联”一体化的功能，涉及数据采集、数据传输与信息处理等过程，涵盖信息采集、过滤、压缩、融合等环节。其中，信息采集是获取所需事物的测量信息，必须要确保信息的准确性；信息过滤是对所采集的信息进行有效的特征提取；信息压缩是对冗余数据的去除；信息融合是指对传感器感知的信息进行融合处理、识别或判别。计算智能由贝兹德克于1922年提出的，他认为计算智能取决于制造者提供的数值数据，不依赖于知识。要实现智能感知，就必须完成信息的感知与数据的融合。由此可知，智能感知是面向感知信息，并基于先验知识模型进行融合处理的过程。传感系统实时采集的数据信息通过感知处理，得到测量对象的状态信息。感知系统综合来源于各类传感系统和计算云等的数据，分析、提取、感知数据源的有效信息。采用感知测量网络协作获取的多传感器系统测量数据通过计算智能的方法，提取有效的特征信息，从而提高系统的感知能力。智能感知与人工智能已成为当今世界高度关注的热门领域，如何将两者进行有机地结合，具有重要的理论和实际应用价值[5]。03智能感知技术的特点和关键技术1）智能感知技术特点（1）要能够更加准确地获得被测对象或环境的信息，而且比任何单一传感器所获得信息具有更高的精度与准确性。（2）能通过各个传感器性能的互补，获得单一传感器所不能获得的独立的特征信息。（3）和传统的单一的传感器系统相比，能够以更少的时间、更小的代价获得同样的信息。（4）能根据系统的先验知识，通过对多传感器信息的融合处理，完成分类、判决、决策等任务。2）智能感知关键技术（1）智能感知器。感知传感器是智能感知技术的核心之一，根据所完成任务的不同，一般可分为内部感知器和外部感知器。在应用中都应该具有以下性质：①测量范围。传感器应能对所测信息的输入信号的最大值最小值都有显像。②灵敏度。一般来说，在任何应用中的传感器应该具有足够的灵敏度，这样才可以在输入信号作用下有正确的信息输出。灵敏度就是输入和输出之间的关系，它表示输出相对于非测量参数输入（比如环境参数的变化）所发生的变化。当环境参数变化时，理想的情况是传感器的灵敏度变化为零或者很小，这样环境变化就很容易忽略。如果环境参数的影响比较大，是不能忽略不计的，需进一步采用补偿的方法改进。③精确度。用来衡量传感器的实际输出与理想输出的接近程度。它说明测量结果的错误程度。任何可能的错误都会发生，这也取决于调校的方法。精确度可以用绝对值表示或者输出满量程的百分比表示。④稳定性。通常情况下，应用于实际领域的传感器往往需要使用较长时间。因此传感器要有足够的稳定性。即传感器能在一定时间内，在相同的输入时能够有稳定的输出。对于稳定性而言，常用术语“漂移”来描述输出是随着时间而变化的，它可用输出满量程的百分比来表示。⑤重复性。重复性对于任何传感器都非常重要，特别是用于关键应用场合的传感器。它是指传感器在重复应用中有相同量输入的情况下，有着相同数量的输出，它也被称为“可重复性”。⑥静态和动态特性。当为某个应用领域选择传感器时，传感器的静态和动态特性都要考虑到，如上升时间、时间参数和响应建立时间。例如利用压力传感器测量动态气流速度变化的风洞应用中，传感器的信号输出必须随着风速变化，此时就需要快速的响应时间，否则达不到监测要求。但是响应时间也不是越快越好，过快的传感器响应会引入未过滤和不需要的系统噪声或者湍流压力波动等，造成对系统监测的干扰。因此，在设计中理解传感器的静态和动态特性需求是十分重要的。⑦能量收集。传感器已广泛用于无线传感网络（WSN）中，为保证网络传感器能量持续供应，可采用能量收集技术实现网络传感器部件长效供电。能量收集是利用环境中的能量进行收集并实现应用。目前能量收集可利用机械振动、光能、温度变化、电磁场、风能、热能、化学能等。其中以机械振动和光能的应用最为广泛。⑧温度变化以及其他环境参数变化的补偿。由于环境温度、湿度和其他环境参数的变化，传感器的响应也会受到影响。为了减少外部因素而造成的影响，传感器的信号调整部分必须要有合适的补偿机制。（2）多传感器数据融合。数据融合是20世纪80年代诞生的信息处理技术[6]，主要解决多传感器信息处理问题，多传感器数据融合研究如何充分发挥各个传感器的特点，把分布在不同位置的多个同类或不同类型传感器所提供的局部、不完整的观察信息加以综合，利用其互补性、冗余性，克服单个传感器的不确定性和局限性，提高整个传感器系统的有效性能，以形成对系统环境相对完整一致的感知描述，提高测量信息的精度和可靠性，从而提高智能识别系统识别、判断、决策、规划、反应的快速性和准确性，同时也降低其决策风险（如图3所示）。图3数据融合的过程智能感知需要多种人工智能方法的综合集成应用。人工智能方法主要涵盖神经网络、深度学习、模糊计算和进化计算等方面，以实现复杂系统的智能应用。04智能感知技术应用智能感知技术要求因应用领域不同，各有侧重[7]。1）在军用领域的应用在军用领域，要求智能感知以及导航系统具有更强的自主性和可靠性。例如：卫星导航系统凭借其全球性、连续性、高精度，是目前应用最广的导航系统，比如美国的GPS，我国的北斗。卫星导航系统属于无线电导航方式，通过太空中的卫星对地发射无线电信号，载体通过接收信号并对自身进行定位，这种导航方式易受到外界干扰。在现代战争中，卫星导航系统这种弱点容易被利用，造成严重后果。例如在2011年与2017年，伊朗通过干扰与模拟卫星导航信号，诱捕了美国两架无人机。所以随着战争对抗性的增强，就要求智能导航系统具有更强的自主性与可靠性。近年来DARPA（DefenseAdvancedResearchProjectsAgency，美国国防高级研究计划局）制定了多项卫星导航阻止环境下的导航发展计划（指的是由于自然或人为因素，卫星导航系统无法使用的环境）。2014年DARPA启动了轻质小型自动化（fastlightweightautonomy，FLA）计划，Udine提高了小型无人机在GPS阻止环境中执行自主飞行任务的能力。2016年麻省理工学院完成了FLA项目首飞，其研发的小型旋翼飞行器达到了20m/s的飞行速度。2017年，FLA项目进行了避障飞行测试。试验飞行器中搭载了惯性传感器、激光雷达、视觉传感器等多类传感器，实现了自主避障飞行。2018年，FLA项目进行了室内自主感知、路径规划飞行测试。2）在民用领域的应用在民用领域[8]，随着现代化社会的发展，各类行业对智能感知也提出了许多方面的需求。特别是在环境感知方面应用较为广泛，又可进一步分为：（1）室外环境感知。室外环境感知应用最多的两方面是无人驾驶车辆和无人机。无人车的技术结构主要分为环境感知、导航定位、路径规划和运动控制四个方面[9-10]。（图4）图4大疆T20植保无人飞机（2）室内环境感知。在智能制造领域室内环境感知的应用在特种工作机器人上得到了充分体现。机器人环境感知技术伴随着机器人的出现而产生。机器人的环境一般是指机器人所处的空间环境，机器人通过对环境的认知来定位、避障和导航。随着机器人技术的进步，机器人环境的概念也在拓宽，除了它的运动空间环境，还包括其它一些自然环境因素，例如气体环境、气候参数等。在煤矿、化工场等场所，人类已经在利用机器人动态感知危险气体的浓度，或者通过气味搜索危险源。（图5）图5 气源探测机器人参考文献[1]高金吉.机器故障诊治与自愈化[M].北京：高等教育出版社，2012.[2]赵升吨.高端锻压制造装备及其智能化[M].北京：机械工业出版社，2019.[3]黄志坚.机械设备振动故障监测与诊断[M].北京：化学工业出版社，2017.[4]杨芙,鞠洪涛，贾征，路林，等.焊接新技术[M].北京：清华大学出版社，2019.[5]田锋.制造业知识工程[M].北京：清华大学出版社，2019.[6][美]李杰（JayLee）.从大数据到智能制造[M].上海：上海交通大学出版社，2019.[7][美]李杰（JayLee），邱伯华，刘宗长，等.CPS：新一代工业智能[M].上海：上海交通大学出版社，2017.[8][美]李杰（JayLee）.工业人工智能[M].上海：上海交通大学出版社，2016.[9][德]杰伊·塔克（JayTuck）.无人的演进人工智能会杀死我们吗？[M].薛原，凌复华，译.上海：上海交通大学出版社，2020.[10]高金吉.中国高端能源动力机械健康与能效监控智能化发展战略研究[M].北京：科学出版社，2017.特别声明：以上文章内容仅代表作者本人观点，不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。人工智能如何“向善”
一段时间以来，以ChatGPT为代表的人工智能大模型搅动了全球人工智能技术发展的浪潮。从写代码到讲故事，从撰写文章到自动制作数据表格……人工智能正在给人类的工作、学习、生活带来诸多变化。
我们距离“无所不能”的通用人工智能还有多远？人工智能的发展带来哪些安全隐患和挑战？近日召开的2023北京智源大会上，来自全球的人工智能专家学者围绕相关话题展开探讨。
通用人工智能路途尚远
“想象一下，未来10年，通用人工智能（AGI）几乎在每一个领域都超过人类的专业知识，最终可能超过所有大型公司的总体生产力，这将提高人们的生活水平。”OpenAI首席执行官山姆·阿尔特曼展现了一幅人工智能的未来图景。
所谓AGI，是指能够像人类一样在各种领域进行智能任务的人工智能系统。这与目前人工智能应用只聚焦于特定任务或领域（如图像识别、语音识别、自然语言处理等）不同，对人工智能技术提出了更高要求。
“通用人工智能可以比人类更好、更快地学习和执行任务，包括人类无法处理的任务。由于机器在速度、内存、通信和带宽方面的巨大优势，未来通用人工智能几乎在所有领域都将远超人类的能力。”美国加州大学伯克利分校计算机科学教授斯图尔特·罗素说。
尽管人工智能已经有了“超越”人类的“时间表”，但在很多专家看来，目前的人工智能距离AGI还有不小的距离。
罗素认为，当下火热的大语言模型并不“理解世界”，只是通用人工智能的一块“拼图”——“我们并不了解如何将它与其他部分连接起来，甚至还有一些缺失的拼图还没有找到。”
北京智源人工智能研究院院长黄铁军指出，要实现通用人工智能，有3条技术路线：第一是大模型，通过海量高质量数据，让人工智能具备智能涌现能力；第二是具身智能，通过强化学习方法，训练出具身模型；第三是类脑智能，让机器达到或类似于人脑能力。
对于人工智能的发展，图灵奖得主、纽约大学教授杨立昆提出了“世界模型”的概念——人工智能系统可以通过这一模型理解世界的运转方式，并以最优化、成本最小的方式来行动。
加强安全治理领域国际合作
根据普华永道会计师事务所预测，到2030年，人工智能将创造15.7万亿美元的经济价值。人工智能为经济发展提供了重要机遇，但也引发了安全性方面的担忧和争议。
图灵奖得主、多伦多大学教授杰弗里·辛顿认为，目前的人工智能已经可以通过学习，掌握“欺骗”人类的方式。“一旦人工智能具备了‘欺骗’的能力，就有了‘控制’人类的能力。这样的超级智能可能会比预想中发生得更快。”
在通用人工智能时代到来之前，人工智能的安全风险主要来自于“人”。“我们不应该假设机器是公正的，因为机器可能会试图改变人类的行为。更准确地说，是机器的所有者想要改变其他人的行为。”图灵奖得主、中国科学院院士姚期智说，当前人工智能的发展处于重要窗口期，各国应共同合作，搭建人工智能的治理结构。
随着人工智能的本事越来越大，人工智能的“对齐”问题浮上水面。所谓“对齐”，即人工智能系统的目标要和人类的价值观与利益“对齐”，保持一致。
如何让人工智能与人类“对齐”？阿尔特曼认为，人们应当负责任地将人工智能应用到世界中，重视和管理好安全风险。他建议在人工智能技术研发过程中建立平等、统一的国际规范和标准，并通过国际合作，以可验证的方式建立人工智能系统安全开发的信任体系。
黄铁军认为，人工智能虽然会产生预料之外的新能力，但这并不意味着人类无法对人工智能进行管理。“如何管理人工智能这样一个创造性极强的系统，社会学、历史学等学科都能提供很好的借鉴意义。”
今年2月，中国在《全球安全倡议概念文件》中提出加强人工智能等新兴科技领域国际安全治理，预防和管控潜在安全风险。在此次智源大会上，专家学者积极评价中国在推动人工智能国际治理上的贡献。
阿尔特曼说，中国在人工智能领域拥有大量优秀的人才和产品系统，在人工智能的安全方面应发挥关键作用。
麻省理工学院人工智能与基础交互研究中心教授马克斯·泰格马克表示，中国在塑造全球人工智能议程上的能力日益增长，可以在人工智能安全治理领域发挥领导作用。
推动大模型共建共享
当下，全球人工智能领域的科技竞赛日趋白热化。2023中关村论坛上发布的《中国人工智能大模型地图研究报告》显示，全国已发布了79个参数在10亿规模以上的人工智能大模型。
从全球来看，中国和美国已发布的大模型数量超过全球总数的80%。中国自2020年起进入大模型快速发展期，在大模型方面已建立起涵盖理论方法和软硬件技术的体系化研发能力，形成了紧跟世界前沿的大模型技术群，涌现出多个具有行业影响力的预训练大模型。
在此次大会上，全面开源的智源“悟道3.0”系列大模型及算法正式发布。据了解，“悟道3.0”涵盖了一系列领先成果，包括“悟道·天鹰”（Aquila）语言大模型系列、天秤（FlagEval）开源大模型评测体系与开放平台，“悟道·视界”视觉大模型系列以及一系列多模态模型成果等。
黄铁军认为，人工智能大模型有3个特点：一是规模大；二是有“涌现性”，即能够产生预料之外的新能力；三是通用性，不限于解决专门问题或者专门领域。他表示，大模型不是任何一家机构或者一家公司垄断的技术，应当共建共享，推出一套智力社会所需的基础的算法体系。
（实习生张伟纳对本文亦有贡献）
(责编：杨光宇、牛镛)关注公众号：人民网财经分享让更多人看到
加快发展新一代人工智能
理解提问，快速给出回答；训练声音，翻唱经典歌曲；根据描述，绘出趣味画作……近期，基于大模型研发的生成式人工智能，展示了在语言理解和内容生成等方面的出色能力，引发社会关注。
大模型赋能，生成式人工智能正在引发新一轮智能化浪潮。得益于拥有庞大的数据、参数以及较好的学习能力，大模型增强了人工智能的通用性。从与人顺畅聊天到写合同、剧本，从检测程序安全漏洞到辅助创作游戏甚至电影……生成式人工智能本领加速进化。随着技术迭代，更高效、更“聪明”的大模型将渗透到越来越多的领域，有望成为人工智能技术及应用的新基座，变成人们生产生活的基础性工具，进而带来经济社会发展和产业的深刻变革。人工智能大模型强大的创新潜能，使其成为全球竞争的焦点之一。
经过多方努力，我国人工智能大模型已具有一定基础。在2023中关村论坛上发布的《中国人工智能大模型地图研究报告》显示，中国人工智能大模型正呈现蓬勃发展态势。据不完全统计，截至目前，10亿级参数规模以上的大模型全国已发布了79个。我国在大模型方面已建立起涵盖理论方法和软硬件技术的体系化研发能力。也应看到，人工智能大模型离不开多项技术的融合创新。在前沿基础理论和算法上，我国与国际先进水平还存在差距。筑牢智能时代的根基，需要瞄准短板，着力推动大模型领域生成式算法、框架等原创性技术突破。同时，还应发挥我国应用场景优势，进一步深耕垂直领域，以行业专有训练数据集为基础，打造金融、医疗、电力等领域的专业大模型。要以高质量应用和数据反馈技术优化，帮助大模型迭代升级。
数据质量影响大模型“智商”。国际上一些大模型之所以领先，与大量公开高质量数据的训练息息相关。我国有海量数据和丰富应用场景，应逐步开放共享优质数据，通过制定共享目录和共享规则等方式，推动数据分级分类有序开放，让流动数据激发创新活力。例如，前不久印发的《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》提出，“建立多模态公共数据集，打造高质量中文语料数据”。期待各地各行业从实际出发，加强高质量数据供给，为大模型成长提供充足“养料”。
人工智能大模型研发周期长、投入大、风险高。经过数年持续研发，国际领先的大模型聚集了较好的资源和人才。当前，我国不少高校院所、企业正在做研发工作，在大模型、大数据、大算力等方面各有侧重，研发力量较为分散。作为追赶者，有必要进一步强化企业科技创新主体地位，整合优势创新资源，推动形成大模型产学研攻坚合力。
人工智能大模型带来的治理挑战也不容忽视。营造良好创新生态，需做好前瞻研究，建立健全保障人工智能健康发展的法律法规、制度体系、伦理道德。为促进生成式人工智能技术健康发展和规范应用，今年4月，国家互联网信息办公室发布《生成式人工智能服务管理办法（征求意见稿）》。新技术应用往往先于规范。着眼未来，在重视防范风险的同时，也应同步建立容错、纠错机制，努力实现规范与发展的动态平衡。
人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。从战略高度着手，凝聚合力、攻坚克难、勇于创新，努力拓展理论和技术应用空间，必能更好培育壮大新动能，构筑发展新优势。（喻思南）