【中國安防展覽網(wǎng) 品牌專欄】 2018 人工智能與機器人峰會(CCF-GAIR)在深圳召開，峰會由中國計算機學會(CCF)主辦，雷鋒網(wǎng)、香港中文大學(深圳)承辦，得到了深圳市寶安區(qū)政府的大力指導，是國內(nèi)人工智能和機器人學術(shù)界、工業(yè)界及投資界三大領(lǐng)域的交流盛會，旨在打造國內(nèi)人工智能領(lǐng)域具實力的跨界交流合作平臺。
CCF-GAIR 2018 延續(xù)前兩屆的“”陣容，提供1個主會場和11個專場(仿生機器人，機器人行業(yè)應用，計算機視覺，智能安全，金融科技，智能駕駛，NLP，AI+，AI芯片，IoT，投資人)的豐富平臺，意欲給三界參會者從產(chǎn)學研多個維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會議內(nèi)容與現(xiàn)場體驗。
大會第三天的“AI+專場”，中興力維技術(shù)官曹友盛博士發(fā)表了題為“人工智能和城市智腦”的主題演講，分享了人工智能技術(shù)如何應用到智慧城市、電信和公共安全領(lǐng)域。曹友盛現(xiàn)任力維技術(shù)官，曾任思科研發(fā)總監(jiān)和思科中國研發(fā)副總裁，并于惠普、SGI、愛立信等公司擔任技術(shù)高管。獲得美國賓夕法尼亞匹茲堡大學物理博士、美國超算中心超級計算科學博士后學位。
在演講中，曹友盛認為，人腦不是簡單的三維體，而是具有極其復雜的結(jié)構(gòu)。我們能不能用多維的腦袋去設計一個城市大腦、人工智能群體，讓這個群體像人腦一樣可以進行各方面的考量，這就是力維在考慮的問題。
談及智慧城市的發(fā)展歷程，他認為，智慧城市1.0基本上都是在做智慧交通，智慧城市2.0實現(xiàn)了信息共享，智慧城市3.0則是要用“城市五官+城市智腦群”實現(xiàn)術(shù)業(yè)有專攻。
打造“城市智腦”需要用到三方面的技術(shù)，分別是“數(shù)據(jù)使能”、“數(shù)據(jù)融合”以及“數(shù)據(jù)分析”，其中數(shù)據(jù)分析是難的，。曹友盛認為它要求更高一層的智能，模擬人腦進行分析，作出決策，這就需要業(yè)界能夠?qū)ψ约旱臉I(yè)務形成深刻的認識，在此基礎上通過數(shù)據(jù)分析技術(shù)，可以才能得出比較有效的選擇和建議。
以下是曹友盛博士的全部演講內(nèi)容，雷鋒網(wǎng)做了不改變原意的整理與編輯：
曹友盛：正式演講前，我們先探討下人類是怎么思維的？現(xiàn)在人工智能都是基本靠“人工”，投入多少人工才會有多少智能。我們是用人腦訓練人工智能，實際上這是很不成功的，因為人腦看世界是三維空間，加上時間就是四維。愛因斯坦曾經(jīng)用超過三維、四維的能力想出一個東西。
以AlphaGo為例，AlphaGo不是靠眼睛、鼻子等五官去判斷事物，而是有點“偏才”。比如有些人是弱智兒童，但計算能力很強。它需要把精力集中到一本書上或者一個算盤、一個計算機上，但這時你會失去眼睛、耳朵等共用的功能。
有時候人們?yōu)榱诉M行深度思考會習慣把眼睛閉起來，這個時候五官的功能就也會同時被關(guān)起來。我們把人工智能分成三類，大的范圍是人工智能，中間的一個子集是機器學習，核心的部分是深度學習。AlphaGo實際上是機器學習，但后一級用的是深度學習，就是需要關(guān)起門來想一想。
愛因斯坦是十三維的腦袋，據(jù)說他有十三維的空間，那到底什么是十三維？簡單來說，從一開始，上帝就給了我們一組數(shù)據(jù)：1+2=3，這是一維數(shù)據(jù)；二維數(shù)據(jù)是Table、Excel表格；三維數(shù)據(jù)是數(shù)據(jù)庫；四維數(shù)據(jù)是數(shù)據(jù)倉庫。深度學習就要到N維了，需要超過四維的想象力，所以我們今天無法像愛因斯坦那樣做出他想要的人工智能。
近年來，AI又了一波浪潮。不管是中國，還是美國、歐洲、日本，人工智能都是一個趨勢。2018年我們要怎么做人工智能，接下來我們來討論這個問題。
人工智能”能否達到“人腦智能”？
人工智能”能否達到“人腦智能”？阿里、百度喜歡用“城市大腦”，為什么我把它改成“智腦”？正如我剛才所講，具有超強的數(shù)學能力的人在某些方面非常強，比如AlphaGo在計算上非常強，但在一些感官等其他方面的感知能力則非常弱，所以我們今天只談大數(shù)據(jù)、深度學習是不行的，這是我今天要講的主題。
力維如何做“人工智能”？人腦是如何被機器模擬的？很多人都會問一個問題“人腦是怎么思維的？”前面我已經(jīng)講了，人腦思維分成三種思維：
一是人工智能思維，簡單的由五官作出快速判斷，快速判斷時不需要回到人的腦子里細想；
二是需要專門針對某一方面進行學習，比如AlphaGo學東西，我們把它稱為機器學習。
三是要進行冥思苦想的，這一類我們稱之為深度學習。在深度學習上，我們認為一定要跟業(yè)務相關(guān)，不懂業(yè)務去做人工智能或者做深度學習是不可能的。
人腦不是簡單的三維體，它是無窮復雜的結(jié)構(gòu)，做數(shù)據(jù)科學的人都會跟你說卷積神經(jīng)、深度神經(jīng)等。腦神經(jīng)不是簡單的三維體，是一個多維體，它在思考問題時也不是三維、四維、五維，聰明的人會用N維考慮問題。我們能不能用四維的腦袋去設計一個城市大腦、一個人工智能群體？要讓這個群體具有各方面考量，比如睜開眼睛就能用人工智能判斷，針對某一數(shù)據(jù)能進行機器學習，也能做深度學習，有沒有這么一個設計呢？這就是力維在考慮的問題，我們認為打造人工智能，三者都要做。
怎么用人工智能做智慧城市？
我們怎么用人工智能做智慧城市？智慧城市1.0基本上是在做智慧交通，到了智慧城市2.0，大家知道信息需要共享，共享后可以進行機器學習、數(shù)據(jù)碰撞。智慧城市3.0怎么定義呢？以阿里和百度的定義，智慧城市3.0就是城市大腦，即城市有一個大腦，將所有信息到云端匯總，這個大腦可以做各種各樣的思考，這就是智慧城市3.0的定義。
力維認為，一個大腦不可能解決智慧城市，正如一個城市的管理需要按區(qū)域、層級進行劃分，需要市長、區(qū)長等級別的管理者。如果真有一個大腦能管理城市，也應該是上帝的大腦，我們認為一個城市應該有一群腦。城市還要有五官，既有五官，又要有一群城市智腦，這樣才能做到城市人工智能、機器學習、深度學習，并能管理一個城市。
這是百度城市大腦和阿里城市大腦框架，是一個非常的城市大腦，自上而下管理城市。
城市智腦的技術(shù)路線分為三個階段：過去做城市智腦時，我們希望把各種各樣不同的數(shù)據(jù)都匯聚到一個中心做機器學習，有點像周末我拿本書，好好學這本書，把這個問題搞明白，將互聯(lián)網(wǎng)數(shù)據(jù)匯聚到一個地方，用偏才的方法學習數(shù)據(jù)，從中得出一個可以派上用場的結(jié)論。
這種做法有一個好處，就是可以學得很深，但它也有很多壞處，數(shù)據(jù)來源單一，缺乏其他數(shù)據(jù)。當大腦在深度思考的時候，全部都是腦子內(nèi)部的數(shù)據(jù)進行計算。比如我們經(jīng)過機器深度學習，我們從民政局拿到菜價，菜價的波動居然跟一個城市的安全指數(shù)相關(guān)，這不就是啤酒和尿布之間的關(guān)系嗎？因此，只有把眼睛閉下來，讓機器去做深度學習，才會發(fā)現(xiàn)菜價跟城市安全指數(shù)非常吻合。
所以在日常生活中，我們既需要往深里想，把更多維的數(shù)據(jù)在一個可以思考的腦袋中思考，但有時我們又必須要作出快速判斷。未來我們要按照神經(jīng)擬態(tài)計算，接下來會專門講神經(jīng)擬態(tài)計算，因為我們過去和今天做的并不能完全模擬一個人的神經(jīng)。
未來我們要依賴三個技術(shù)：
一是數(shù)據(jù)使能。一個城市需要感知設備采集數(shù)據(jù)，但是采集進來的數(shù)據(jù)并不能馬上使用，這中間還要有使能過程，何為使能？就是對感知設備采集到的數(shù)據(jù)進行清洗、處理等。
二是數(shù)據(jù)融合。把前面使能好的數(shù)據(jù)融合起來，轉(zhuǎn)換成一種知識，將有能力的數(shù)據(jù)融合在一起進行加工，讓它成為能夠被應用的東西。
第三個技術(shù)、也是比較關(guān)鍵的是數(shù)據(jù)分析。數(shù)據(jù)分析是難的，它要求更高一層的智能，模擬人腦進行分析，作出決策，這個時候我們要結(jié)合一些業(yè)務，所以必須要對自己所在的行業(yè)足夠了解。在此基礎上，通過數(shù)據(jù)分析技術(shù)，可以得出比較有效的選擇和建議。接下來怎么改進，某種意義上來說，機器在這個時段會作出一些判斷，這些判斷比人腦能想象的東西更深奧。
人工智能和深度學習存在的問題
目前大家都在談人工智能、機器學習、深度學習。我們認為這里大概有四個困難：
一是機器學習很多時候是用督導式學習，首先要大量的數(shù)據(jù)訓練機器，比如AlphaGo，只有進行了很多棋譜訓練的AlphaGo，才能跟李世石下圍棋。但是很多情況下我們沒有足夠的數(shù)據(jù)， 也不能區(qū)分這些數(shù)據(jù)。這種我們稱之為無標簽數(shù)據(jù)。
第二是數(shù)據(jù)樣本太少，甚至零樣本。
第三是訓練機器花的時間很大，要用大量的數(shù)據(jù)訓練機器。現(xiàn)在市場上有很多人工智能企業(yè)，如商湯、依圖、曠視都做得很好，它們基本上是在做樣本學習，所以需要花費很多時間才能做出一個人臉特征來。
第四是成本問題。因為計算量、維度越來越大，沒有足夠的數(shù)據(jù)和維度，這些樣本都很難被計算出來，這種情況下用CPU很難進行計算，所以就會出現(xiàn)GPU，怎么理解GPU呢？CPU是一維的話，GPU就是二維的，現(xiàn)在又出現(xiàn)了TPU。
這四個問題怎么解決呢？一是大家比較關(guān)心的小樣本，沒有什么數(shù)據(jù)怎么做大數(shù)據(jù)？這里又要講到人的淺層學習，即不需要很多數(shù)據(jù)，人工智能判斷很快，這種能力我們稱為“元知識”。
小樣本挑戰(zhàn)我們就是用和元知識相關(guān)的元學習和關(guān)系網(wǎng)絡來進行的。比如這張圖，上面有雞、狗、貓，我們讓機器先把雞、狗、貓的特征提取出來，讓它學習。當有一只狗放進去進行識別時，機器就能很快識別出這個東西像一只狗，這就是小樣本元學習和關(guān)系網(wǎng)絡技術(shù)。
下面是一些經(jīng)常用到的技術(shù)：K近鄰、深度學習與少樣本學習、弱監(jiān)督、無監(jiān)督學習，增強學習，數(shù)據(jù)增擴技術(shù)，生成式對抗網(wǎng)絡。
我們做智慧社區(qū)時經(jīng)常碰到樣本特別小，尤其是公共安全領(lǐng)域的視頻監(jiān)控，對行人進行再識別，基本上采樣很小，一兩張照片就能把罪犯找出來。
解決第三和第四個問題的辦法基本上有多個。，其中的一個是采用神經(jīng)擬態(tài)計算，人腦判斷一個數(shù)據(jù)時用的是脈沖形式，而不是一直在想。所以我們需要有一個CPU，它也是以人腦的脈沖形式在想。
其次是期待未來的人工智能更快、更簡單、更便宜、更智能，更省能耗。其中高性能計算今天已經(jīng)可用，量子計算機和神經(jīng)擬態(tài)計算網(wǎng)絡即將進入商業(yè)化。
一個城市應該有五官和智腦群
后是我今天的總結(jié)：簡單來說，一個城市應該有五官和智腦群。人腦思維時并不是簡單的用腦在想，更多時候是用中樞神經(jīng)和脊椎神經(jīng)在思考，中樞神經(jīng)和脊椎神經(jīng)直接跟感知設備連在一起，判斷一個事情并沒有連接大腦，是直接在中樞神經(jīng)、脊椎神經(jīng)作出判斷。
如果今天有一個人跟你說，一定只能是利用大數(shù)據(jù)進行深度學習，通過學習和模仿才能做出人工智能，顯然這是不可能的。這是我們在智慧城市中的機器模擬，首先是五官，各種采集設備；然后通過中樞神經(jīng)進行數(shù)據(jù)匯聚，如果這里能作出判斷就立刻作出判斷，快速作出反應；中樞神經(jīng)存儲、神經(jīng)網(wǎng)絡和記憶思維在這一塊，淺層次的做出快速判斷，后是深度學習，也就是能超出人腦思維能力的這一部分。
近年來，在智聯(lián)網(wǎng)領(lǐng)域，力維不斷進行探索和實踐，以力維結(jié)合新智聯(lián)網(wǎng)技術(shù)推出的智慧社區(qū)解決方案為例，基于社區(qū)多維數(shù)據(jù)匯聚融合以及大數(shù)據(jù)架構(gòu)的深度挖掘分析技術(shù)，為社區(qū)主管單位和社區(qū)居民提供更豐富的社區(qū)級大數(shù)據(jù)服務，如人像惠民、社區(qū)停車、社區(qū)聯(lián)防、社區(qū)指數(shù)等，極大提升了社區(qū)智能化治理和服務水平。
這就是力維對人工智能和城市智能的體會。謝謝大家！
(本文來源：雷鋒網(wǎng))
智慧城市網(wǎng)APP
智慧城市網(wǎng)小程序
微信公眾號
移動版
