11月30日上午，第九届吴文俊人工智能科学技术奖颁奖典礼暨2019中国人工智能产业年会在苏州广电大厦演播厅隆重举行。本届大会主题是“突破关键技术·赋能产业落地”。大会邀请到国家部委专家、两院院士和产业领军人士，围绕77场主题报告，17个核心话题，10场尖峰对话，就人工智能在核心关键技术的落地展开观点碰撞，通过权威学者、顶级专家和企业精英开坛论道，解读行业痛点，剖析发展瓶颈，探讨场景壁垒，深究真问题。本届产业大会重点聚焦知识智能及其应用、智能芯片、智能无人机、智能网联汽车、智能机器人、智能金融和智能医疗等优势产业。在本次人工智能产业年会上，工业和信息化部原副部长、信息化百人会学术委员会主席杨学山带来了题为“从智能系统或智能体含义处理的角度看认知计算”的精彩报告。
以下内容为杨学山的演讲实录
各位专家，各位同行大家上午好！很高兴有机会参加2019年人工智能产业年会，感谢本次会议给我做报告的机会，就人工智能、认知计算这样一个题目，把我的一些思考与大家分享。
人工智能63年了。63年起起伏伏，我们看到了十分显着的成绩和进展，在不同的阶段我们也看到困惑、困难和一些其他问题。面向未来，人工智能会是怎样的发展远景？就这样一个问题，今天的报告讲十个小题目，其实这十个小题目汇聚为三个方面：
第一个方面，说一说我们在人工智能发展上遇到怎样的困难和困惑？
第二个方面，讲一下人和自动化系统它的信息处理究竟是如何进行的？
第三个方面，我们沿着人和自动化系统的信息处理的特征这样一个思路，看看是不是可以从另外一个角度去看认知计算是怎么实现的。
一、我们在人工智能的发展上遇到的困难和困惑
人工智能取得了显着的进展，但是它确实存在困难和瓶颈。今年麻省理工学院科技评论第一期发表了一篇文章，这篇文章用1992年到2018年一万多篇人工智能领域的论文经过分析，得出一个结论，这个结论我相信在座所有人都不喜欢听到，这个结论是26年人工智能技术没有显着进步。
为什么呢？原因很简单，因为人工智能的发展没有基础理论支持。没有基础理论的支持，它的发展就不能沿着确定的方向往前走，可能走对了，也可能走错了，在试错中前行。我们可以看到在许多领域，无论是自然语言处理、智能驾驶还是图象识别等领域取得众多进展，还是今天颁发的奖项在其着力的智能制造、智慧城市的核心领域，这样一些经济社会发展中的关键问题，运用人工智能技术所取得的进展和进步，都显示了人工智能正向的成果。
听了各位获奖者感言，我深有感触的是，有一位获奖者把对企业产生的效益、企业的核心竞争力作为人工智能项目的目标，而不是突出人工智能的特定技术。这就说明已经把为解决经济社会发展的具体问题，作为人工智能领域专家努力的方向。我听了之后，确实十分的感动，也十分的骄傲，这是我们人工智能取得的真实成果。
我们说用数学来解决我们机器的问题，作为工业和信息化部的成员，我去过很多生产线，在这些生产线上我们看到的是人在做着简单重复的劳动，我们看到机械系统和机械系统之间的不衔接。我们可以用数学方法去解决这些问题，将生产线上人的动作和思考变成计算机可以执行的算法和模型，我感到人工智能界在与实体经济结合上取得了长足进步。
我们也应该看到，在成功的光环后面也有很多的失败，人工智能界尤其是投资界及人工智能创新创业的人，我相信这几年你们看到的失败例子，一定大于成功的，而且要多很多。
为什么？我看到今年5月16日张院士接受经济观察报访谈这篇文章之后，读了好几遍，也推荐给一些朋友，希望大家能够认真看一看，这篇文章是说AI奇迹短期难再现，深度学习技术潜力已近天花板。我与张院士是在20多年前一次会议上认识的。我确实佩服张院士的洞见和魄力，你们应该理解我说的洞见和魄力，它背后的含义。
二、人和自动化系统究竟如何进行信息处理
以深度学习为代表的人工智能技术其实已经接近天花板，以它为基础的人工智能奇迹是难以再现的。换一个角度看，我们说人工智能发展的另外一个路径是从计算智能到感知智能再到认知智能。在这条路上，前一半取得了很多进展，而这个进展主要是通过算力的进步取得的。后一半则还没有找到实现的具体路径。
1958年人工智能的先驱们所提出来的目标为什么在预期的时间内没有实现？是因为算力不够，不是算法不行。但算力的进步怎样解决前述认知计算后一半的目标？这是一个很大的问题。我们如何使得由硬件和软件构成的机器系统能够真正实现认知计算，能模仿人的各项智能，这是一个值得思考的问题。
重新思考认知计算，需要分析算法，算力能做什么？我们要模仿的对象系统是什么？怎么才能实现对象系统的功能。如果你连模仿的对象是什么都不理解，你又如何去模仿？如何去发展。千万不要跟我说，说我们的深度神经网络就是模仿人的神经网络的，模仿脑功能的，我想如果有这样想法的先生，我只能告诉你错了，大错特错。因为计算机的神经网络和人的神经网络之间没有任何的相似性，因为人的大脑压根不是像我们计算机神经网络那样工作的。
我们确实需要认真看看人的智能有哪些类型与特征。心理学家，发展心理学和认知心理学的知名学者，将人的智能分成语言、音乐、逻辑和数学、空间、体能、人际、内省、自然八类。分析人类智能存在和发展的条件，应该还有自我、生存、遗传像前面的八类和这个后面的这三类。前面八类是世界最着名的多元智能理论学者，加德纳在70年代提出，90年代完善的，先提出来的七类，后面又加了一类。如果把其中的内省和自然两个类型具体化，就可以变成后面的三个，自我、生存和遗传。人存在自我，有意识和对自身的保护，没有自我，生物就不能进化到现在。人必须能生存，不能生存，夭折了没有智能。人的功能来自遗传，不能遗传，智能无法实现、无法进化。人的智能不仅是逻辑和数学，其实，智能的基础和核心部分都与算法无关。这是我们所认识的人类智能，及其重要的基本点。PPT中下面那个圈提出了人类智能的八个特征：生存性、主体性、整体性、结构性、多样性、发展性、传承性、交互性，这些特征是认知计算应该回答并能实现的。
刚才谈到，计算机（人工智能）的深度神经网络不管叫什么，它和人类神经网络是没有关系的，为什么？因为人的信息处理不是这样的。我们以视觉为例，到光线进入我们的眼球，沿着晶体进入视觉细胞，在这些细胞里面有百亿量级光敏感分子按照给定功能和位置分布，感知特定长度区间的光波，然后传输到环形的视网膜上，形成看到物体的图像。这个转换过程完全根据我们的细胞里面光敏分子功能和它特定的位置和传输路径、视网膜功能构成的，这个过程没有任何计算，完全是给定的传输过程。视网膜成像之后，连接神经元是按照与视网膜之间和大脑中数据存储区域的固定连接关系，这也是给定的，传输到脑干特定部分中，这个传输过程也是给定的，没有计算。所以，这确实与计算机或人工智能的神经网络不一样，不是处理符号，不是通过计算、算法来识别、归类，这是根本性的不同。
你们看着PPT，听着我的声音，在这个过程中，大脑中信息的载体，传输中的声波和光波，以及我们的行为，记录、拍照、思考在这样的过程中，我们所有的受体，不管是我说话或PPT，把大脑神经元结构中的含义转变成ppt的符号，及声波结构中的符号，你们听到的，看到的，接受的，都是把符号变成了含义。在这样的过程中，我们感知的符号只是中介，而我们接受是含义。
如果我们大脑接收的是光波和声波这样的载体，我们的大脑早就在出生以后不久就爆棚了，你想想大脑怎么能把这个物质载体存进去？如果接受的是以光波和声波的结构形成的符号，那么，大脑中就不是神经元，而是相应感知过程的细胞，这样的细胞有如何存储信息、进行思考分析？所以人的智能过程，处理的是载体、符号中承载的含义。我们再看自动化系统，不管是什么样的自动化系统，数控机床、自动化生产线、一个油田的生产管理与控制系统、自动化的采煤系统，都是将相关工程师及专业技术人员的知识和经验总结出模型、算法和流程，并将此编成软件，实现相应的自动控制。
自动化生产线的生产过程相应怎么运转、怎么控制、怎么调整，就是根据的知识和经验，选择恰当的传感器，不管是给定场景的温度、压力、空气性质，还是运动状态，这样的传感器分布在应该感知的设备、系统、场景中，然后根据设定的控制程序来确定控制端源，处理这样的信息，来实现自动控制，这个过程实际上、本质上和人信息处理过程是极其相像的。
也就是说，传感器以它的感知能力和给定场景的给定位置，这样一个结构或事件为整体，实现了含义感知。看起来系统中传输的是模拟信号或者数字信号，但是它的两端是含义，是一个由具体时间、具体场景、具体位置综合确定的温度、压力、速度或其它数值，传输到控制端，这个数值是不是正常，是否需要进行调控，都是真实的具体场景中的含义，而不是符号。离开这个特定环境及结构（事件），这个数值就是符号，丢失了含义。
这是我们需要认真分析的。在任何自动化系统里面，实际上在感知端形成、控制端处理的都是含义，传输的才是符号。这个结论和过程，比上面介绍的人类对听到和看到的信息处理，数量和复杂性要小得多，但如果进行恰当的数学抽象，这两者在感知---处理模式上是完全相似的，但在积累能力上大不相同。
不同为什么产生？那就是主体性，就是自我。人是可以持续积累的，而自动化系统自己不会积累，是由工程师在这个基础上不断完善。自动化系统也没有能力去叠加不同的处理方式，没有能力自己去延伸，再去类比，再去拓展，再去抽象，它没有这个能力，差别就在这个地方。自动化系统没有自我积累和自我成长的能力，这是根本的区别。
三、沿着人和自动化系统进行信息处理的思路，我们是不是可以从另外一个角度去思考认知计算的实现。
沿着这样的思考，我们是不是可以改变一下？怎么改变？我们的智能系统也叫机器智能，这个智能系统把信息的输入改成感知。这是一个根本性的改变，因为迄今为止所有的计算机系统，不管是传统的信息处理，还是今天称之为人工智能的信息处理，包括深度神经网络的信息处理，输入的都是符号。对符号进行一系列处理之后，变成我们可以理解（解释）的东西。我们想想数据库，输进去一堆数字，这个数字通过数据库里面的字段，数据模型，通过一个个字段对数字的规范和根据规范进行的清洗，在这个基础上利用函数进行计算变换，然后我们回到数据字典或数据模型，给出了计算结果的含义（解释）。
这是我们熟悉的方式。如果我们把这个方式颠倒过来，信息在智能体外的时候是符号，但是进入智能边界的时候，用传感器的方式来感知，穿过智能体边界后就是含义，不是符号。这样，我们用不着像深度神经网络一样，一层一层导向正确的归类。做不到就用人来标识，再不行找新的特征，再用新的算法减少它的复杂性，减少它的梯度，最后归到一个恰当的对象上。而是感知到人就是人，感知到张三就是张三。
如果把输入变成感知，把符号变成含义，凡是智能体不能理解含义的东西，一概不接受，进来都是理解的。如果通过这样的过程把存储变成记忆，由记忆实现连接，把连接变成控制，把搜索、匹配变成理解基础上的调用。用海量的，既能独立处理，又能协同管理的微处理器替代传统计算机符号处理，那么会是什么模式呢？当然这样的处理模式需要大量的微处理器。
微处理器数量多少？我用不同方式估算了一下，大概10的12-13次方，是万亿量级到千万亿量级的微处理器，仅感知微处理器都会在亿或十亿这个数量级。当然我要说明得是，处理物理信号的感知处理器数量不多，大量的都是延伸出来逻辑性微处理器。我们把一个个字，一个个部首、笔划、一个段落、一篇文章、一本书都作为一个微处理器来处理，变成这个对象的百科全书，变成这个对象和智能体里面所有相关对象连接的端点，我们看问题的方式就变了、计算模式就不再是冯.诺伊曼或图灵模式了。
当我们将刚才说的这一系列过程，变成新的智能体系或者机器智能，这样智能体由一个个功能构件组成的功能体系构成，主要的功能体系有：感知、描述、连接、记忆、交互、学习、处理、控制、生存、行为、思维等。用这样的功能构件和体系来实现人的不同类型的智能和不同类型的特征。
用这样的方式能实现吗？人是怎么实现的？人的各类智能，不管是你手碰上一个烫的东西，产生的条件反射，还是你求解一个方程的逻辑思考，这些功能的生理器官或组织都是你出生下来就已经有了。是遗传基因决定了你所有的你需要处置的任务相关功能。当然，我还要强调，人的智能是由肌肉智能---条件反射，小脑智能---看见就能反应，逻辑思考后决策的大脑智能共同构成的。我们认真想一下，其实我们即使在睡觉的时候也存在智能活动。在人的所有智能行为中，实际上肌肉智能占最大部分，然后才是小脑智能，最后才是大脑智能。
大脑智能在全部智能行为中，只占了很少的部分，怎么实现的？遗传基因就已经传给你了，然后是从胎儿开始感受的信息和刺激，就开始了学习，一出生以后你的父母，你周边所有接触到的人，给你善意的环境，使你不断学习和成长，想想我们的孩子为什么会问十万个为什么？这也是遗传基因决定的，我们的孩子为什么首先感知父母的形象？特别的感兴趣？这也是遗传功能决定的。
在这样一个善意的、适合学习成长的环境中，从只有功能没有内在的东西开始，一秒一秒通过一个个无意识的动作，无意识的提问来实现我们不断的成长。智能体借用这样的模式，用简单到复杂对象，从0到1，1到n，n到N的过程，从一个特别具体简单的对象，一个具体的客观存在，具体的声音、图像、动作开始，逐步延伸，然后再到抽象的概念和行为，在逐步的归纳、演绎、类比、发散连接、交互规范，实现真实的可积累的认知计算。这样的过程数量巨大，复杂吗？其实并不复杂。
如果把认识一个苹果为举例，让孩子知道这个东西叫苹果，然后慢慢沿着不同维度在他吃的过程中，玩的过程发展，发展过程中逐渐增加，我们用几百个，几千个甚至几万个微处理器，来实现对苹果的认知。
有人说这多麻烦？是的，很麻烦，但是我们想想，你苹果知道了，苹果的微处理器有了，那么梨的微处理器呢？香蕉的微处理呢？这就很简单了，所以这就是我们说的如何从0-1，1-n，n到N的过程。从最简单的具体思维，到最复杂的创造性发散思维，我们都可以由不同的范式来实现。
当然要把刚才说的都讲清楚，需要几天时间，今天的时间不允许。从1980年开始到现在，快40年了，我一直在思考和分析这样的问题。2015年3月1日是我离开工作岗位的第一天，就开始了《论信息》的写作，《论信息》和《智能原理》两本书已经出版，第三本书《智能工程》即将成书，三本书合在一起，我称之为智能三部曲，力求系统完整地构建实现上述设想理论基础和工程基础。我希望这样的思考和努力，能够开创一种新的方式，来为机器智能或者非生物智能体的发展提供一种新路径。我的报告到此结束，谢谢大家。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：baiyl
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
