雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))按：2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了深圳市寶安區(qū)政府的大力指導(dǎo)，是國(guó)內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國(guó)內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。

CCF-GAIR 2018 延續(xù)前兩屆的“頂尖”陣容，提供1個(gè)主會(huì)場(chǎng)和11個(gè)專場(chǎng)（仿生機(jī)器人，機(jī)器人行業(yè)應(yīng)用，計(jì)算機(jī)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(tái)，意欲給三界參會(huì)者從產(chǎn)學(xué)研多個(gè)維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會(huì)議內(nèi)容與現(xiàn)場(chǎng)體驗(yàn)。

大會(huì)第三天的“AI+專場(chǎng)”，中興力維首席技術(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(yīng)用到智慧城市、電信和公共安全領(lǐng)域。曹友盛現(xiàn)任力維首席技術(shù)官，曾任思科全球研發(fā)總監(jiān)和思科中國(guó)研發(fā)副總裁，并于惠普、SGI、愛立信等公司擔(dān)任技術(shù)高管。獲得美國(guó)賓夕法尼亞匹茲堡大學(xué)物理博士、美國(guó)超算中心超級(jí)計(jì)算科學(xué)博士后學(xué)位。

在演講中，曹友盛認(rèn)為，人腦不是簡(jiǎn)單的三維體，而是具有極其復(fù)雜的結(jié)構(gòu)。我們能不能用多維的腦袋去設(shè)計(jì)一個(gè)城市大腦、人工智能群體，讓這個(gè)群體像人腦一樣可以進(jìn)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(rèn)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(shí)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(shí)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)分析是最難的，。曹友盛認(rèn)為它要求更高一層的智能，模擬人腦進(jìn)行分析，作出決策，這就需要業(yè)界能夠?qū)ψ约旱臉I(yè)務(wù)形成深刻的認(rèn)識(shí)，在此基礎(chǔ)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?cè)獾恼砼c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(huì)有多少智能。我們是用人腦訓(xùn)練人工智能，實(shí)際上這是很不成功的，因?yàn)槿四X看世界是三維空間，加上時(shí)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(gè)東西。

以AlphaGo為例，AlphaGo不是靠眼睛、鼻子等五官去全方位判斷事物，而是有點(diǎn)“偏才”。比如有些人是弱智兒童，但計(jì)算能力很強(qiáng)。它需要把精力集中到一本書上或者一個(gè)算盤、一個(gè)計(jì)算機(jī)上，但這時(shí)你會(huì)失去眼睛、耳朵等共用的功能。

有時(shí)候人們?yōu)榱诉M(jìn)行深度思考會(huì)習(xí)慣把眼睛閉起來，這個(gè)時(shí)候五官的功能就也會(huì)同時(shí)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(gè)子集是機(jī)器學(xué)習(xí)，最核心的部分是深度學(xué)習(xí)。AlphaGo實(shí)際上是機(jī)器學(xué)習(xí)，但最后一級(jí)用的是深度學(xué)習(xí)，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(jiǎn)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(kù)；四維數(shù)據(jù)是數(shù)據(jù)倉(cāng)庫(kù)。深度學(xué)習(xí)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又引領(lǐng)了一波全球浪潮。不管是中國(guó)，還是美國(guó)、歐洲、日本，人工智能都是一個(gè)趨勢(shì)。2018年我們要怎么做人工智能，接下來我們來討論這個(gè)問題。

人工智能”能否達(dá)到“人腦智能”？

人工智能”能否達(dá)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(qiáng)的數(shù)學(xué)能力的人在某些方面非常強(qiáng)，比如AlphaGo在計(jì)算上非常強(qiáng)，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(xué)習(xí)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(jī)器模擬的？很多人都會(huì)問一個(gè)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(jiǎn)單的由五官作出快速判斷，快速判斷時(shí)不需要回到人的腦子里細(xì)想；

二是需要專門針對(duì)某一方面進(jìn)行學(xué)習(xí)，比如AlphaGo學(xué)東西，我們把它稱為機(jī)器學(xué)習(xí)。

三是要進(jìn)行冥思苦想的，這一類我們稱之為深度學(xué)習(xí)。在深度學(xué)習(xí)上，我們認(rèn)為一定要跟業(yè)務(wù)相關(guān)，不懂業(yè)務(wù)去做人工智能或者做深度學(xué)習(xí)是不可能的。

人腦不是簡(jiǎn)單的三維體，它是無窮復(fù)雜的結(jié)構(gòu)，做數(shù)據(jù)科學(xué)的人都會(huì)跟你說卷積神經(jīng)、深度神經(jīng)等。腦神經(jīng)不是簡(jiǎn)單的三維體，是一個(gè)多維體，它在思考問題時(shí)也不是三維、四維、五維，聰明的人會(huì)用N維考慮問題。我們能不能用四維的腦袋去設(shè)計(jì)一個(gè)城市大腦、一個(gè)人工智能群體？要讓這個(gè)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(duì)某一數(shù)據(jù)能進(jìn)行機(jī)器學(xué)習(xí)，也能做深度學(xué)習(xí)，有沒有這么一個(gè)設(shè)計(jì)呢？這就是力維在考慮的問題，我們認(rèn)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?cè)趺从萌斯ぶ悄茏鲋腔鄢鞘校恐腔鄢鞘?.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(jìn)行機(jī)器學(xué)習(xí)、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(gè)大腦，將所有信息到云端匯總，這個(gè)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(rèn)為，一個(gè)大腦不可能解決智慧城市，正如一個(gè)城市的管理需要按區(qū)域、層級(jí)進(jìn)行劃分，需要市長(zhǎng)、區(qū)長(zhǎng)等級(jí)別的管理者。如果真有一個(gè)大腦能管理城市，也應(yīng)該是上帝的大腦，我們認(rèn)為一個(gè)城市應(yīng)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(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并能管理一個(gè)城市。

這是百度城市大腦和阿里城市大腦框架，是一個(gè)非常完美的城市大腦，自上而下管理城市。

城市智腦的技術(shù)路線分為三個(gè)階段：過去做城市智腦時(shí)，我們希望把各種各樣不同的數(shù)據(jù)都匯聚到一個(gè)中心做機(jī)器學(xué)習(xí)，有點(diǎn)像周末我拿本書，好好學(xué)這本書，把這個(gè)問題搞明白，將互聯(lián)網(wǎng)數(shù)據(jù)匯聚到一個(gè)地方，用偏才的方法學(xué)習(xí)數(shù)據(jù)，從中得出一個(gè)可以派上用場(chǎng)的結(jié)論。

這種做法有一個(gè)好處，就是可以學(xué)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(dāng)大腦在深度思考的時(shí)候，全部都是腦子內(nèi)部的數(shù)據(jù)進(jìn)行計(jì)算。比如我們經(jīng)過機(jī)器深度學(xué)習(xí)，我們從民政局拿到菜價(jià)，菜價(jià)的波動(dòng)居然跟一個(gè)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(jī)器去做深度學(xué)習(xí)，才會(huì)發(fā)現(xiàn)菜價(jià)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(gè)可以思考的腦袋中思考，但有時(shí)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(jì)算，接下來會(huì)專門講神經(jīng)擬態(tài)計(jì)算，因?yàn)槲覀冞^去和今天做的并不能完全模擬一個(gè)人的神經(jīng)。

未來我們要依賴三個(gè)技術(shù)：

一是數(shù)據(jù)使能。一個(gè)城市需要感知設(shè)備采集數(shù)據(jù)，但是采集進(jìn)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(duì)感知設(shè)備采集到的數(shù)據(jù)進(jìn)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(shí)，將有能力的數(shù)據(jù)融合在一起進(jìn)行加工，讓它成為能夠被應(yīng)用的東西。

第三個(gè)技術(shù)、也是比較關(guān)鍵的是數(shù)據(jù)分析。數(shù)據(jù)分析是最難的，它要求更高一層的智能，模擬人腦進(jìn)行分析，作出決策，這個(gè)時(shí)候我們要結(jié)合一些業(yè)務(wù)，所以必須要對(duì)自己所在的行業(yè)足夠了解。在此基礎(chǔ)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(jìn)，某種意義上來說，機(jī)器在這個(gè)時(shí)段會(huì)作出一些判斷，這些判斷比人腦能想象的東西更深?yuàn)W。

人工智能和深度學(xué)習(xí)存在的問題

目前大家都在談人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)。我們認(rèn)為這里大概有四個(gè)困難：

一是機(jī)器學(xué)習(xí)很多時(shí)候是用督導(dǎo)式學(xué)習(xí)，首先要大量的數(shù)據(jù)訓(xùn)練機(jī)器，比如AlphaGo，只有進(jìn)行了很多棋譜訓(xùn)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(biāo)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(xùn)練機(jī)器花的時(shí)間很大，要用大量的數(shù)據(jù)訓(xùn)練機(jī)器。現(xiàn)在市場(chǎng)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(xué)習(xí)，所以需要花費(fèi)很多時(shí)間才能做出一個(gè)人臉特征來。

第四是成本問題。因?yàn)橛?jì)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(jì)算出來，這種情況下用CPU很難進(jìn)行計(jì)算，所以就會(huì)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(gè)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(xué)習(xí)，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(shí)”。

小樣本挑戰(zhàn)我們就是用和元知識(shí)相關(guān)的元學(xué)習(xí)和關(guān)系網(wǎng)絡(luò)來進(jìn)行的。比如這張圖，上面有雞、狗、貓，我們讓機(jī)器先把雞、狗、貓的特征提取出來，讓它學(xué)習(xí)。當(dāng)有一只狗放進(jìn)去進(jìn)行識(shí)別時(shí)，機(jī)器就能很快識(shí)別出這個(gè)東西像一只狗，這就是小樣本元學(xué)習(xí)和關(guān)系網(wǎng)絡(luò)技術(shù)。

下面是一些經(jīng)常用到的技術(shù)：K近鄰、深度學(xué)習(xí)與少樣本學(xué)習(xí)、弱監(jiān)督、無監(jiān)督學(xué)習(xí)，增強(qiáng)學(xué)習(xí)，數(shù)據(jù)增擴(kuò)技術(shù)，生成式對(duì)抗網(wǎng)絡(luò)。

我們做智慧社區(qū)時(shí)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(duì)行人進(jìn)行再識(shí)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(gè)問題的辦法基本上有多個(gè)。，其中的一個(gè)是采用神經(jīng)擬態(tài)計(jì)算，人腦判斷一個(gè)數(shù)據(jù)時(shí)用的是脈沖形式，而不是一直在想。所以我們需要有一個(gè)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(jiǎn)單、更便宜、更智能，更省能耗。其中高性能計(jì)算今天已經(jīng)可用，量子計(jì)算機(jī)和神經(jīng)擬態(tài)計(jì)算網(wǎng)絡(luò)即將進(jìn)入商業(yè)化。

一個(gè)城市應(yīng)該有五官和智腦群

最后是我今天的總結(jié)：簡(jiǎn)單來說，一個(gè)城市應(yīng)該有五官和智腦群。人腦思維時(shí)并不是簡(jiǎn)單的用腦在想，更多時(shí)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(shè)備連在一起，判斷一個(gè)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(gè)人跟你說，一定只能是利用大數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，通過學(xué)習(xí)和模仿才能做出人工智能，顯然這是不可能的。這是我們?cè)谥腔鄢鞘兄械臋C(jī)器模擬，首先是五官，各種采集設(shè)備；然后通過中樞神經(jīng)進(jìn)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(yīng)；中樞神經(jīng)存儲(chǔ)、神經(jīng)網(wǎng)絡(luò)和記憶思維在這一塊，淺層次的做出快速判斷，最后是深度學(xué)習(xí)，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(jìn)行探索和實(shí)踐，以力維結(jié)合最新智聯(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(jí)大數(shù)據(jù)服務(wù)，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(wù)水平。

這就是力維對(duì)人工智能和城市智能的體會(huì)。謝謝大家！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。