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:]人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]研究与成果
研究与成果近四年来，本学科服务国家重大需求，推进产学研结合，以信息技术支撑引领教育普及、文化传承与保护、心理健康监测与干预等领域持续向高端化、国际化迈进。我校计算机学科教师凭借计算机科学的理论与关键技术，搭建的供全球孔子学院使用的“国际汉语教材编写指南”的网络服务平台；提出基于通信技术的移动云课堂解决方案实现教育资源共享；运用虚拟现实技术服务于我国文化遗产保护；等等。在上述工作中，我校的计算机相关学科已经在中国文化传播、教育信息化等相关领域起到了排头兵的引领作用，产生了广泛的社会影响和良好的国际声誉。
四年来，本学科共获得国家自然科学基金、国家863计划、国家科技攻关等国家级重要项目逾60项，其中重点重大项目5项，2016-2019四年时间科研经费8000余万元；教师及研究生在国内外学术期刊与会议发表论文400余篇，其中SCI收录期刊近150篇；出版著作、教材逾15部（本），获省部级以上教学成果奖2项、省部级以上科研成果奖5项。学生在国际ACM竞赛中屡创佳绩，为本学科在国内外塑了良好的知名度和美誉，教师与国内外顶级科研机构及大型公司企业构建了多渠道多层次的合作项目体系，已融入国内前沿计算机科学与技术活动圈，本学科的学术带头人和知名学者的主体作用日益明显，在国内外学术组织中任职并发挥积极作用。
过去几年，学院在中文信息处理，教育信息化，脑科学与心理健康，空间信息处理等领域取得了国内外具有重要影响力的成果。主要的特色研究有：
1、图形图像与虚拟现实：运用计算机图形学、图像处理、人工智能、虚拟现实等领域的理论、方法及应用，形成了计算机辅助的颅骨面貌复原、虚拟文化遗产保护等研究特色,曾获得多项国家级、省部级科研成果奖。
2、神经信息与神经工程：以神经信号获取、检测与处理为核心，形成了认知神经计算、脑机接口与神经反馈、计算机医学影像处理与医学影像辅助诊断等研究特色，支撑了“认知神经科学与学习”国家重点实验室在神经信号采集与数据分析的研究大繁荣与大发展。
3、数据科学与智能计算：围绕网络大数据，以知识表示与推理，并行智能信息感知与处理为核心技术、形成了面向古籍的中文信息处理、图像压缩与感知、空间信息处理等研究特色，在国际汉语教学等应用上取得良好的社会效益。
4、计算机教育应用：结合教育应用，形成了教育过程中情感计算和过程数据的智能感知与分析、移动学习平台与支持终身学习的智慧学习环境和平台等研究特色。产学研结合取得了初步成功，相关研究奠定了未来教育中计算机学科的核心地位。
未来学院将围绕人工智能的核心科学问题和关键技术布局科研方向，与合作伙伴共同建立科研方向的创新、攻坚科研团队。重点在以下研究方向开展科学研究：
脑机交互与生物信息识别：理论研究有神经活动时间序列信号的处理理论与方法、人脑与电脑间的信号载体提取、脑状态监测，应用研究包括面向情绪感知的人机交互、复杂背景下目标检测，面向特殊认知与技能能力的神经反馈训练等。
VR/AR与计算机视觉：理论研究上有自然物体表示、人与环境仿真、基于生理信号的VR/AR中的人机交互，应用研究包括医学图像处理、计算机动画、智能化高效场景建模、数字文化资源保护与传播等。
知识图谱与自然语言处理：理论研究上研究知识图谱(KnowledgeGraph)以结构化的形式描述客观世界中概念、实体及其关系；应用研究包括大规模的知识图谱被构建和应用：语义检索、智能问答、实体链接、阅读理解等。
机器学习与类脑研究：理论研究有多源数据特征提取与融合，稀疏表达与重构、人工神经网络构建，应用研究包括面向神经影像数据的多源特征提取、分类与预测，脑网络的稀疏表达与结构重建等。
智能技术与教育应用：将依托智能技术与教育应用教育部工程研究中心，采用人工智能领域中的机器学习、自然语言处理、知识图谱、生物特征提取、虚拟现实、区块链等关键技术，有效融合脑科学、学习科学等领域相关研究，聚焦解决个性化教育中的关键问题。
人工智能领域科技成果
智能遥感脑
利用脑信息处理的稀疏特性，构建遥感影像的稀疏描述模型和方法；利用脑信息处理的选择性，建立遥感影像知识提取的理论与方法；利用大脑的可塑性，建立遥感影像知识学习与推理方法；利用脑信息处理的并行性，设计大规模遥感影像的快速处理方法，提高信息处理的时效性，最终通过软硬件协同处理实现遥感影像的在轨实时处理。
成果应用领域：
资源勘测、灾害评估、成像侦察地理测绘、自然资源、生态环境农林水利、交通设施、应急救灾
互联网+北斗一体化能源智能控制系统
以北斗短报文通信与精准时空信息为核心，融合4G/5G现代通信技术，利用人工智能故障检测与预警技术对能源行业控制系统进行智能化、网络化提升，降低能源行业关键环节核心设备对国外设备的依赖性，解决能源行业装备尤其阀门、管道等核心设备的“卡脖子”问题
成果应用领域：
长输管线、能源动力、地灾监测
减灾救灾、远程控制、无人值守
医学影像智能分析系统
采用基于注意力机制的卷积神经网络以及基于核机器学习方法实现了医学图像的自动增强、自动配准、自动分割、自动识别；建立统一的、可共享的态势信息知识库，同时对多源监护数据进行分布式协同学习；针对获取的多源信息特征要素，利用深度学习机制和知识图谱模块化处理模式，设计深度神经网络实现对恶性事件进行分布式协同预测，最终实现医学图像和医学事件智能分析与辅助决策。
成果应用领域：
肿瘤检测、口腔医学、心电检测、影像融合、手术辅助、麻醉与危重监护
地质灾害风险点识别系统
以地质灾害风险点识别为主要应用场景，通过多模态信息感知、基于语义分割的建筑物检测、基于场景识别的风险点检测等技术进行灾前风险自动识别，形成灾害威胁区域数据；并以威胁建筑物为中心，利用场景分类建模其周边风险区域，形成精确危害模型。
成果应用领域：
各类地质特征的地质灾害风险点普查与检测
现场远距离智慧视觉识别系统
以建筑工地和危险工作现场作为问题背景，通过视频目标检测、视频目标追踪技术实现现场智慧管理。可实现施工人员的反光衣、安全帽穿戴自动检测以及中远距离的人员身份识别；可实现物品堆放安全及物料堆放基本数量识别；可实现越界报警及危险动作与行为识别。
成果应用领域：
智慧工地、安全生产、运营维护
远程巡检、远程诊断、缺陷检测
行为智能推演
通过神经网络可解释性模型对对手所采用的智能算法进行预测分析，同时通过强化学习对目标目的地行为进行预测，推演平台旨在针对场景和行为进行战术推演，涵盖对目标行为预测，以及辅助决策等方面的内容。
成果应用领域：
（1）公共安全（4）园区管控
（2）数字治理（5）工业互联网
（3）智慧城市
智能哨兵
以先进多功能智能雷达为核心，实时获取防区内目标的速度、距离、方位、运动方向等信息，并智能驱动视频探头、强光探照灯等设备对入侵目标进行实时动态跟踪和智能变焦清晰抓拍复核，同时实时主动发出声光报警提示，清晰显示目标运动轨迹和入侵场景。
先进多功能智能雷达系列行人探测距离：1m～5km、车辆探测距离：5m～10km、无人机探测距离10m～2.5km，最小可检测速度：≤0.03m/s
成果应用领域：
（1）边境安防
（2）部队营区周界安防
（3）石油化工仓储安防
（4）要害目标低空警戒
（5）机器人智能联动巡控
（6）机场/监狱智能警戒
人工智能NLP引擎
基于多语种分词、多语种情绪识别、词句关系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的知识挖掘，识别重要信息。为下游业务的分析人员提供分析思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，帮助企业改善用户体验、降低成本、提升效率、提升业绩、降低风险等。
成果应用领域：
国有银行、智慧机场、军科部队等
行动虚拟仿真训练平台软件
开发一种指挥教学全流程管理软件系统，功能包括：提供线上课堂，提供多样化训练任务；内置丰富完备的作战知识和武器知识库；提供紧张刺激的训练体验，随时感受拟真作战环境；支持与人工智能体并肩作战，可以一览未来智能化作战场景；提供学习训练教学评价功能。
成果应用领域：
智能化逼真对抗类/策略类游戏开发，三维地图场景渲染。