新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]机器人论文参考文献,参考文献
机器人论文参考文献一：[1]姚伟. 自主吸尘机器人的“基于行为”设计[D].辽宁工程技术大学2008[2]张文辉，齐乃明，尹洪亮. 自适应神经变结构的机器人轨迹跟踪控制[J].控制与决策.2011（04）[3]鲍敦桥. 仿真类人机器人设计及高层决策方法的研究[D].合肥工业大学2009[4]余婷. 多机器人队列曲线运动研究[D].上海交通大学2009[5]韩雪峰. 导盲机器人[D].哈尔滨工程大学2009[6]马斌奇. 多机器人协作与控制策略研究[D].西安电子科技大学2009[7]张文辉，齐乃明，尹洪亮. 不确定机器人的神经网络轨迹控制[J].自动化与仪表.2010（05）[8]胡守仁主编，沈清等编着.神经网络应用技术[M].国防科技大学出版社，1993[9]蒋莹. 多机器人协同探测的任务分配和避碰方法研究[D].中南大学2008[10]杨柳. 未知环境下的多机器人协调合作的研究[D].华北电力大学（北京）2009[11]鲍敦桥. 仿真类人机器人设计及高层决策方法的研究[D].合肥工业大学2009[12]韩雪峰. 导盲机器人[D].哈尔滨工程大学2009[13]余婷. 多机器人队列曲线运动研究[D].上海交通大学2009[14]王洪瑞，冯玉东，刘秀玲，冯展芳. 基于反演设计的机器人自适应动态滑模控制[J].计算机工程与应用.2010（08）[15]马斌奇. 多机器人协作与控制策略研究[D].西安电子科技大学2009[16]谢箭，刘国良，颜世佐，徐文福，强文义. 基于神经网络的不确定性空间机器人自适应控制方法研究[J].宇航学报.2010（01）[17]喻佳，李静，王校锋，韩艳丽. 基于RBF神经网络的机器人鲁棒自适应控制器设计[J].海军航空工程学院学报.2009（03）[18]石宗英，钟宜生，徐文立. 参数不确定机器人分散鲁棒跟踪控制[J].控制与决策.2004（07）[19]陈卫东，唐得志，王海涛，王洪瑞. 基于Backstepping的机器人鲁棒跟踪控制[J].系统仿真学报.2004（04）[20]Rong-JongWai. Trackingcontrolbasedonneuralnetworkstrategyforrobotmanipulator[J].Neurocomputing.2002[21]D.M.Dawson,Z.Qu,F.L.Lewis,J.F.Dorsey. Robustcontrolforthetrackingofrobotmotion[J].InternationalJournalofControl.1990（3）机器人论文参考文献二：[1]李俊彩，孟庆浩，梁琼. 基于进化梯度搜索的机器人主动嗅觉仿真研究[J].机器人.2007（03）[2]张政. 手臂延伸与抓取运动时间协调小脑控制模型的研究[D].南京邮电大学2014[3]刘迪. 足底按摩机器人机构设计与分析[D].东北大学2011[4]苏青. 多机器人路径规划与协同避碰研究[D].南京邮电大学2014[5]杨正瓴，段志峰，王晶晶，王腾，宋延文，张军. QuadraticRadicalFunctionBetterThanFisherzTransformation[J].TransactionsofTianjinUniversity.2013（05）[6]路光达，张明路，张小俊，陈枭. 机器人仿生嗅觉研究现状[J].天津工业大学学报.2010（06）[7]李飞，孟庆浩，李吉功，曾明. 基于P-PSO算法的室内有障碍通风环境下的多机器人气味源搜索[J].自动化学报.2009（12） [8]周鸣川. 脉宽调制（PWM）变量喷雾及视觉辅助对靶植保技术研究[D].浙江大学2015[9]孟庆浩，李飞，张明路，曾明，魏小博. 湍流烟羽环境下多机器人主动嗅觉实现方法研究[J].自动化学报.2008（10）[10]邵长勉. 动态环境下移动机器人定位及地图创建[D].南京邮电大学2014[11]陈建科. 海洋平台钻机自动抓管吊机的动力学分析[D].西安石油大学2014[12]逄淑伟. 沈阳机器人产业发展模式研究[D].沈阳大学2015[13]王元，主编.数学大辞典[M].科学出版社，2010[14]中国大百科全书总编辑委员会《经济学》编辑委员会，中国大百科全书出版社编辑部编.中国大百科全书[M].中国大百科全书出版社，1988[15]QianLiao,EdwinA.Cowen. TheInformationContentofaScalarPlume-APlumeTracingPerspective[J].EnvironmentalFluidMechanics.2002（1-2）[16]W.J.Cody. RationalChebyshevapproximationsfortheerrorfunction[J].MathematicsofComputation.1969（107）[17]高亚军. 基于季风特性的风电空间相关性预测的基础研究[D].天津大学2014[18]任尧喜. 安全信息闭环管理系统在煤矿安全生产中的研究与应用[D].天津大学2013[19]赵文彬. 基于Agent的服装信息服务系统的设计与实现[D].天津大学2013[20]张程. 5-DOF上肢康复机器人AHP-模糊综合康复评价方法研究[D].东北大学2012机器人论文参考文献三：[1]高阳. 微网短期负荷预测“机理+辨识”策略中的白噪声分离[D].天津大学2009[2]张程. 5-DOF上肢康复机器人AHP-模糊综合康复评价方法研究[D].东北大学2012[3]苏青. 多机器人路径规划与协同避碰研究[D].南京邮电大学2014[4]郜永涛. 公路短时交通流“机理+辨识”预测策略的样本容量研究[D].天津大学2009[5]曹东波. “机理+辨识”预测策略在电力短期负荷预测中的应用[D].天津大学2007[6]张广涛. 基于特征子空间方法的人脸识别技术研究[D].天津大学2006[7]田勇. 地热利用远程智能监测与管理系统的研究与开发[D].天津大学2004[8]李栋. 基于交通流分析的交通事件检测[D].天津大学2012[9]王渭巍. 公路交通流预测中“机理+辨识”策略的若干基本问题[D].天津大学2007[10]周鸣川. 脉宽调制（PWM）变量喷雾及视觉辅助对靶植保技术研究[D].浙江大学2015[11]张政. 手臂延伸与抓取运动时间协调小脑控制模型的研究[D].南京邮电大学2014[12]邵长勉. 动态环境下移动机器人定位及地图创建[D].南京邮电大学2014[13]陈建科. 海洋平台钻机自动抓管吊机的动力学分析[D].西安石油大学2014[14]张云秀. 机械人自动分拣鲜肉夹持器的研究[D].哈尔滨商业大学2014[15]张云秀. 机械人自动分拣鲜肉夹持器的研究[D].哈尔滨商业大学2014[16]史恩姣. 基于三自由度微光测试实验台的细长火箭内壁曲面重建研究[D].东北大学2012[17]AxelBücher,HolgerDette,GabrieleWieczorek. Testingmodelassumptionsinfunctionalregressionmodels[J].JournalofMultivariateAnalysis.2011（10）[18]PawelPyk,SergiBermúdeziBadia,UlyssesBernardet,PhilippKnüsel,MikaelCarlsson,JingGu,EricChanie,BillS.Hansson,TimC.Pearce,PaulF.M.J.Verschure. Anartificialmoth:Chemicalsourcelocalizationusingarobotbasedneuronalmodelofmothoptomotoranemotacticsearch[J].AutonomousRobots.2006（3）
微生物+人工智能：开启新一代生物制造
光明图片/视觉中国
新闻事件
近期，中国科学院微生物研究所的吴边团队通过使用人工智能计算技术，构建出一系列的新型酶蛋白，实现了自然界未曾发现的催化反应；并在世界上首次通过完全的计算指导，获得了工业级微生物工程菌株，取得了人工智能驱动生物制造在工业化应用层面的率先突破。成果发表在学术期刊《自然·化学生物学》杂志上。
该项研究不仅降低了传统化学合成中对反应条件的苛刻要求，更重要的是解决了化学合成带来的污染问题。这是人工智能技术在工业菌株设计方向的成功案例，验证了其科学理论基础，也将为人工智能与传统生物产业的互作融合打开新局面。
现代生物制造已经成为全球性的战略性新兴产业，在化工、材料、医药、食品、农业等诸多重大工业领域得到了广泛的应用，根据OECD预测，到2030年约有35%的化学品和其他工业产品来自生物制造。欧、美、日等主要发达国家都将绿色生物制造确立为战略发展重点，并分别制定了相应的国家规划。我国正处于建设创新型国家与加快生态文明体制改革的决定性阶段，紧随并引领世界科技前沿，发展新型绿色生物制造技术，支撑传统产业升级变革，关乎资源、环境、健康，符合国家重大战略需求。
近年来，人工智能技术迅猛发展，其影响开始推广到绿色生物制造领域，尤其是在其核心元件蛋白质的设计方面，发挥了巨大的作用。通过人工智能技术，预测蛋白质结构、设计蛋白质功能，可以极大地扩展人工改造生命体的应用场景，变革性地推动绿色生物制造的发展。蛋白质的工程改造正在经历了从传统实验进化到计算机虚拟设计的演变过程，计算机辅助蛋白结构预测以及新功能酶设计策略得到了前所未有的重视和发展，成为了生物学、化学、物理学、数学等多学科交叉的热点前沿领域。
人工智能“计算”新酶已成为国际热点
酶是生物催化技术中的核心“发动机”，其本质是一种蛋白质。蛋白质的生物学功能很大程度上由其三维结构决定，结构预测是了解酶功能的一种重要途径。《科学》杂志将蛋白质折叠问题列为125个最为重大的科学问题之一。
近年来，随着计算机科学、计算化学、生物信息学等多学科的联合进步，这一问题的解决看到了曙光。尤其是在CASP竞赛推动下，蛋白质结构预测方法和新功能酶计算设计策略得到了迅猛的发展。
设计蛋白质一方面可以揭示蛋白质结构与功能关系的规律，另一方面可以创造具有潜在应用价值的蛋白质。2016年，《自然》杂志发表了题为《全新蛋白质设计时代来临》的重要综述。同年，《科学》杂志也将蛋白质计算机设计遴选为年度十大科技突破之一。2017年，美国化学会将人工智能设计新型蛋白质结构列为化学领域八大科研进展之首。多个来自美国、瑞士等国的科研团队活跃在这个领域，文章发表在《自然》、《科学》等顶级学术期刊上。
我国在工业化应用上率先获得突破
目前，全球微生物酶制剂市场主要由几家跨国企业垄断。与之相比，国内企业在市场竞争中仍然处于不利的位置，以大宗普通微生物催化剂（如淀粉酶、糖化酶）为主，行业呈现出竞争白热化的态势。但我国已经注意到这个问题，并着力改善。2017年5月，《“十三五”生物技术创新专项规划》在坚持创新发展、着力提高发展质量和效益层面，提出拓展产业发展空间、支持人工智能技术等具有重大产业变革前景的颠覆性技术发展要求。
在此规划的指引下，我国的多个研究团队在该领域取得了不俗成绩。例如，中国科学院微生物研究所的吴边团队通过人工智能计算技术，赋能传统微生物资源，在世界上首次完成了工业级工程菌株的计算设计，获得人工智能驱动生物制造工业化的率先突破。该团队不仅设计了β-氨基酸这一类具备特殊生物活性的非天然氨基酸的最优合成途径，还借助人工智能计算手段，成功设计出一系列的β-氨基酸合成酶，并据此构建出能够高效合成β-氨基酸的工程菌株。
不仅如此，微生物研究所还积极推进成果的落地转化。通过与企业的合作，已经建成千吨级的生产线，相关产品潜在市场规模超过30亿，有望在紫杉醇、度鲁特韦与马拉维若等抗癌与艾滋病治疗药物的生产过程中大幅度降低生产成本。中国科技大学的刘海燕团队则提出了一种新的统计能量模型，为搭建具有高“可设计性”的蛋白质主链结构提供了可行性解决方案。2017年，该团队与中科院脑科学与智能技术卓越创新中心杨弋团队合作，设计出了新一代细胞代谢荧光蛋白质探针，并将其应用于活体动物成像与高通量药物筛选，相关成果发表于《自然·方法学》。
除此之外，中国科学院天津工业生物技术研究所的江会锋团队，通过使用人工智能技术进行关键合成酶的发掘，在国际上首次实现了重要中药活性成分灯盏花素的人工生物合成，相关成果发表于《自然·通讯》，引起强烈反响。
建立适合人工智能驱动生物技术的科研环境
开展人工智能设计元件的核心算法与策略研究。人工智能技术应用于生物制造领域最为基础的部分是核心算法与设计策略的创造。考虑到基础研究的难度与特点，建议选拔一批在该领域的拔尖科学家，提供相对稳定的支持，让他们潜心研究、长期攻关、实现更多原创发现，提出更多原创理论，开辟更多领域发展方向。将人工智能技术与蛋白质结构与功能理论、合成化学理论、量子化学理论有机交叉融合，发展新型算法，搭建“高可设计性”系统策略，把控底层核心技术源头，力争实现人工智能关键技术驱动生物制造的国际领跑地位。
拓展人工智能设计元件在生物制造领域的应用场景。在发展算法的基础上，我国还应积极推进人工智能设计在生物制造领域的应用拓展。建议由优势单位组织重大项目，协同全国相关单位联合攻关；发展系统、科学的新型化学应用拓展策略，利用新型生物催化反应改造和优化现有自然生物体系，从头创建合成可控、功能特定的人工生物体系，在创造研究工具和技术方法的基础上，推动化学、生物、材料、农业、医学等多学科的实质性交叉与合作，为天然化学品与有机化工原料摆脱对天然资源的依赖，促进可持续经济体系形成与发展奠定科学基础，全面提升我国生物制造产业的核心竞争力。
推进人工智能驱动生物制造技术的产业发展。创新驱动发展战略需要落实创新成果，创造新的经济增长点。人工智能驱动的生物制造技术的最终价值也应该体现在实实在在的产业活动上，如果没有与上下游的良好生态，再出色的技术或产品也只能是死路一条。建议在技术发展与市场需求的耦合驱动下，坚持产学研多方位的开放联合，消除成果转化过程执行层面仍然广泛存在的种种屏障；重视资本对于技术和产业发展的催化作用，探索设立专项产业发展基金等市场调控手段；在国家层面，协调沟通行业监管机构，破除不合时宜的陈旧政策限制，尽快建立有利于新兴生物技术的政策法规体系；实现资源、能源的节约与替代，加快转变经济增长模式，加速推进绿色与高效低碳生物经济的产业基础格局。
（作者：向华，系中国科学院微生物研究所副所长、微生物资源前期开发国家重点实验室主任）