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。
人工智能技术在机器人领域的应用分析
辽宁省大连市第八中学 刘皓明 116021
摘要：时代犹如滚滚浪潮不断前进，而随着我国制造强国战略的逐步深化，科技逐渐成为推动时代发展的最强推动力，人工智能制造成为了“中国制造2025”明确的主攻方向，而机器人方面更是智能制造发展的坚实基础。可以预测在未来，人工智能与机器人技术将进一步融合并取得更高的进步，逐步推动我国大国工业发展进步。关键词：人工智能；机器人；应用分析 1引言 人工智能这个术语包含了一个在操作和行为方面都是智能的机器的整个概念化。预计到2024年人工智能市场到将达到3万亿美元，公司和政府机构都在人工智能和机器人领域投入了大量资金。随着我们周围信息可用性的增长，人类将越来越依赖人工智能系统来生活、工作和娱乐。考虑到人工智能系统的准确性和复杂性的提高，它们将被用于越来越多样化的领域，包括金融、制药、能源、制造业、教育、运输和公共服务。人工智能机器人将改变我们社会的未来—我们的生活习惯、我们的生活环境和我们的经济。 2人工智能概述 2.1人工智能概念 人工智能（AI）是一个常用的名称，旨在科学领域为机器提供执行逻辑、推理、计划、学习和感知等能力。尽管定义中只提到了机器，但后面所述的能力可适用于任何类型的生活智能[1]。同样地，智力的意义，如它在灵长类动物和其他特殊动物中那样，它可以扩展到创造力、情感知识和自我意识。 人工智能这个词与“符号人工智能”领域密切相关，该领域一直流行到20世纪80年代末。为了克服符号人工智能的一些局限性，神经网络、模糊系统、进化计算和其他计算模型等子计算方法开始流行，导致“计算智能”术语成为人工智能的一个子领域。如今，人工智能这个术语包含了一个在操作和社会后果方面都是智能的机器的整个概念化。罗素和诺维格提出了一个实际的定义：“人工智能是研究人工复制的人类智能和行为，使其结果与其设计具有合理的合理性水平”[2]。这一定义可以通过规定对于特定和明确的任务的理性水平甚至可以取代人类来进一步细化。 2.2人工智能应用分析 目前的人工智能技术被用于在线广告、驾驶、航空、医学和个人辅助图像识别。人工智能最近的成功吸引了科学界和公众的想象力。其中的一个例子是配备了自动转向系统的车辆，也被称为自动驾驶汽车。每辆车都配备了一系列的激光雷达传感器和照相机，使它们能够识别其三维环境，并提供了在可变的、真实的交通道路条件下对机动做出智能决策的能力。另一个例子是由谷歌深度思维公司开发的阿尔法-Go，用于棋盘游戏。前几年阿尔法击败了韩国大师李世石，成为第一台击败职业选手的机器，最近它在中国战胜了目前世界排名第一的柯洁。这导致了许多人的兴奋和恐惧，即人工智能将在人类进入的所有领域超越人类。然而真实而完整的人工智能还不存在。在这个层面上，人工智能将模仿人类的认知，使其能够实现梦想、思考、感受情感和有自己的目标。虽然还没有证据表明这种真正的人工智能在2050年之前可能存在，但推动人工智能向前发展的计算机科学原则正在迅速发展。 3人工智能与机器人技术 3.1人工智能和机器人是两个独立的技术领域 （1）什么是机器人？ 机器人是一种自主的物理机器，设计成能够快速准确地自动执行动作。与人体相似的机器被称为机器人。然而，许多机器人没有像人类一样的构造。例如，在制造业中挑选和放置物品的机器人一点也不像人类。 （2）什么是人工智能？ 人工智能是计算机、机器执行人们通常执行的任务的能力。例如，学习、决策和解决问题的能力。人工智能通过特殊的软件工作，包括算法和技术（如有监督和无监督的机器学习），允许机器从经验中学习并调整自己的行动，而无需人工干预。人工智能的目的是采取最有可能实现特定目标的行动。 （3）机器人与人工智能的关键区别 机器人具有物理形态，可能需要也可能不需要人工智能来完成特定任务。相比之下，人工智能是一个软件程序，所以它不需要是物理形态的。作为一种软件，人工智能可以在手机、笔记本电脑、平板电脑甚至机器人等不同的设备或机器上运行。然而，许多机器人不是人工智能的。 （4）什么是人工智能机器人？ 人工智能机器人是人工智能和机器人技术的结合，人工智能软件嵌入机器人系统。换句话说，人工智能在使机器人智能化方面占有关键地位。最先进的机器人是那些由人工智能控制的机器人，它们可以从环境和经验中学习，然后基于这些知识建立自己的能力。许多行业大规模使用机器人。一些最热门的机器人种类包括协作机器人、仓储和物流自动化、农业机器人和自动驾车辆[3]。人工智能机器人的主要优点是把人们不喜欢做的重复性任务自动化，确保更多的机会和时间专注于有价值的工作。人工智能机器人正在改变我们的世界，企业需要接受这些新技术，同时增强和补充人类智能。 3.2支撑人工智能机器人的子领域和关键技术 人工智能是一个多样化的研究领域，以下子领域对它的发展至关重要。这些方法包括神经网络、模糊逻辑、进化计算和概率方法[4]。
期刊文章分类查询,尽在期刊图书馆 （1）人工神经网络 神经网络建立在连接主义领域，主要目的是模仿神经系统处理信息的方式。人工神经网络（ANN）和变体允许人工智能执行相对于“感知”的任务。当与当前的多核并行计算硬件平台相结合时，许多神经层可以堆叠，在学习自己的特性集时提供更高层次的感知抽象，从而消除了对手工特性的需要；一个被称为深度学习的过程。 （2）深度学习 深度学习是机器学习的一部分，通常与深度神经网络和由细节或数据表示的多层次学习组成的深度神经网络相连。通过这些不同的层，信息从低级参数传递到高级参数。这些不同的层次对应于不同层次的数据抽象，从而导致了学习和识别。许多深度学习架构，如深度神经网络、深度卷积神经网络和深度信念网络，已经被应用于计算机视觉、自动语音识别、音频和音乐信号识别等领域，这些领域已经被证明可以在各种任务中产生最前沿的结果。 （3）模糊逻辑 模糊逻辑侧重于对通常不精确的信息的操作。大多数计算智能原理解释了这样一个事实，尽管观察总是准确的，但我们对上下文的知识往往是不完整的或不准确的，就像在许多真实情况下一样。模糊逻辑提供了一个框架，假设一组观测值的不精确程度，以及结构元素来增强学习模型[5]的可解释性。它确实为人工智能方法的形式化提供了一个框架，以及将人工智能模型转换为电子电路。然而，模糊逻辑本身并不提供学习能力，因此它通常是与其他方面的结合，如神经网络、进化计算或统计学习。进化计算依赖于自然选择的原则，或集体行为的自然模式。两个最相关的子领域包括遗传算法和群体智能。它对人工智能的主要影响是对多目标优化，其中它可以产生非常鲁棒的结果。这些模型的局限性就像关于可解释性和计算能力的神经网络一样。 4人工智能机器人应用分析 （1）商业机器人 商业机器人，它使用人工智能自主移动并与人通信。它能够回答问题、识别面孔、提供有关公司服务的信息、扫描和填写文档、接受付款以及显示促销信息。该机器人与第三方服务和外部系统（如数据库、网站和在线服务）无缝连接。这个机器人有各种各样的应用，可以充当顾问、推动者、建筑经理、导游、导航助手以及测量肺活量、体温和血糖等健康指标的评估员。 现场监控机器人是一种引人注目的机器人，比如它可以跟踪建筑项目的进度。在人工智能的驱动下，这种自主机器人可以在建筑工地上移动，对建筑工程进行精确扫描，然后分析数据发现质量问题，并监控整体进度。机器人将收集到的数据发送到云平台进行进一步处理。此过程有助于防止代价高昂的错误，甚至显示出健康或安全问题，例如边缘保护中的漏洞。从整个建筑工地收集这样的数据是一项耗时的任务，这种人工智能机器人不仅节省了时间，减少了返工和浪费，而且保证了高质量的施工。 （2）物流分拣机器人 分拣机器人能够从一个盒子里取出一个物品，扫描它，然后将它放在另一个盒子或分拣系统中。机器人可以自主地从一组非结构化的对象中识别和选择一个物品，然后再将其放入另一个目标中。拣选和放置任务是仓库中仍由人类执行的重复性工作之一，这种机器人能自动完成这项任务，每天24小时，每小时能完成数百个周期。在人工智能的推动下，机器人可以分析每个项目的位置、形状和特征，对其进行检测和处理。为了识别物品，机器人使用条形码、RFID或物品图片。对于检查任务，它分析形状、重量和运动以检测任何异常或质量问题。分拣机器人与仓库管理系统（WMS）、仓库控制系统（WCS）或专有控制软件集成，以确保仓库操作的端到端效率[6]。 （3）家用机器人 家用机器人可以是自主的机器人厨房助理，可以帮助厨师准备新鲜的汉堡和油炸食品，比如脆皮鸡和土豆片。例如，在烤架上烹饪时，它可以自动检测何时放置生汉堡肉饼，实时监控每个肉饼，并在生肉和熟肉之间切换。在油炸锅烹饪时，它可以拿起篮子放在油炸锅里，在煎炸食物时轻轻摇动篮子，监控烹饪时间等。机器人的大脑由云连接的人工智能提供动力，它可以从周围环境中学习，并随着时间的推移获得新的技能。 例如Moley机器人公司是一家创造了世界上第一个机器人厨房的公司——一个全自动和智能烹饪机器人系统。机器人厨房系统包括一整套电器、橱柜、计算机、安全功能和机械臂。它使用来自世界各地顶级厨师的预设食谱，以大师级厨师的技能烹饪。通过一双完全关节化的机器人手来再现人类的手部动作，这个系统可以精确地模仿主厨的动作，烹饪美味的菜肴，并在自己之后进行清理！此外，它还可以学习食谱，制作来自世界各地的饭菜，甚至可以自己烹饪食谱。独自一人。机器人厨房由自己的触摸屏控制或通过智能手机远程控制。不使用时，机械臂会从视野中缩回。Moley被餐饮业、航空公司、厨房开发商甚至厨师培训学校的主要参与者使用。 5结语与展望 总的来说，人工智能的迅速发展，加快了社会生产力进步的步伐，也为机器人领域做着巨大贡献。只要本着科学发展的理念，推动智能制造与机器人技术不断向前迈进，必定能强化人工智能在机器人领域的运用，加快生活步入人工智能化的的步伐，解放生产劳动力，提高社会生产效益，为社会经济发展提供更大动力。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]史忠植.高级人工智能[M].科学出版社,2011.[3]田金萍.人工智能发展综述[J].科技广场,2007,000(001):230-232.[4]孙怡宁.浅谈人工智能与机器人的发展趋势[J].电子测试,2016(23).[5]李博.游戏人工智能关键技术的研究[D].上海交通大学.[6]陶亚楠,李明昊.浅析新一代人工智能机器人的发展[J].数码世界,2019,000(006):2.
科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）