新一代人工智能发展规划.pdf

新一代人工智能发展规划 解读人工智能的过去、现在和未来 前言：人工智能的概念及发展历史 一）人工智能的概念 人工智能：以机器为载体的智能，是相对于人类智能和动物智能，也叫机器智能。2017 年 7 月 20 日发布新一代人工智能发展规划(国发201735 号)一）人工智能的概念。人工智能的迅速发展将深刻改变人类社会生活、改变世界。三个阶段的目标：2020 年：与世界先进水平同步 2025 年：部分达到世界领先水平 2030 年：总体达到世界领先水平 （二）世界各国高度重视人工智能的发展方向 美国：2016 年 10 月，美国连续发布两个重要战略文件为人工智能的未来做好准备和国家人工智能研究与发展战略规划，将人工智能上升到国家战略层面。美国有很多著名的 IT 跨国企业，如谷歌、Facebook、微软、IBM 等，都将人工智能技术作为企业的核心战略，持续投入巨资并招聘领军人才，强力涉足该领域。在技术方向上，美国将机器人技术列为警惕技术，主攻军用机器人技术。人工智能技术使五角大楼重新调整了人和机器在战场上的位置，这些新武器的速度和精确度都会大大提高，可以大幅减少士兵伤亡。日本：日本政府将人工智能定位为增长战略的支柱，提出“机器人驱动的新工业革命”。日本文部科学省计划在今后 10 年投入 1000 亿日元，用于人工智能的研发，在东京建立研究基地。日本在 2017 年度预算中，对人工智能的研究是 924 亿日元，是 2016 年预算的9 倍。欧洲：欧盟 2013 年启动人脑计划，为期 10 年，欧盟和参与国投入近 12 亿欧元经费，在 2024 年设计出能够模拟人脑运作原理的超级计算机。英国：2012 年，英国政府把人工智能及机器人技术列为国家重点发展的八大技术之一。2015 年出台了英国机器人及自主系统发展图景。2016 年，英国政府科学办公室发布了人工智能：未来决策制定的机遇与影响。目前，英国已经把人工智能列为战略性和尖端科技的重中之重，力图抢占人工智能发展的制高点。中国；中国工程院中国人工智能 2.0 发展战略研究 大数据智能 跨媒体智能 群体智能 混合增强智能 自主无人系统 重要领域：智能制造、智能医疗、智能城市、智能农业 人工智能领域对社会影响的一些共性问题：安全测评、技术标准、法律法规、综合影响。人工智能从 1.0 越变为 2.0：1.从人工知识表达技术到大数据驱动知识学习；2.从处理类型单一的数据到跨媒体认知、学习和推理；3.从追求“机器智能”迈向人机混合的“增强智能”；4.从聚焦“个体智能”到“群体智能”；5.从机器人到自主无人系统。（三）人工智能的发展历史 人工智能于 1956 年提出；1986 年启动“863 计划”，对智能计算机进行了部署；深度学习模型于 2006 年提出；2016 年，神经形态计算系统出现；未来，更强的超级人工智能可能出现；关注机器作为载体支撑人工智能的发展。1956 年到 1986 年，经典人工智能取得了很多阶段性成果。1986 年到 2016 年，为人工智能的发展带来了新一轮的技术变革。未来 30 年全球竞争，人工智能是一个焦点，是一个重中之重的方向。除了关注人工智能，也要关注实现人工智能所需的基础性平台。一、新一代人工智能发展规划 要点解读 一）新一代人工智能发展规划的提出 战略目标：到 2020 年，我国人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点。到 2025 年，人工智能基础理论实现重大突破，技术与应用部分达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力。到 2030 年，人工智能理论、技术和应用总体达到世界领先水平，成为世界主要的人工智能创新中心。新一代人工智能总体部署 （二）新一代人工智能的五个技术发展方向 大数据智能 目标：形成从数据到知识、到智能的可解释的和更通用的能力，形成能融合使用多领域数据的知识中心，支撑形成新技术、新产品和新系统的跨界融合与创新服务。研究面向 CPH（赛博、物理、人类）三元空间的知识表达新体系，链接实体、关系和行为；研究数据驱动和知识引导相结合的知识挖掘、自主学习、辅助创新和动态演化等新方法；研发知识计算引擎软件、博弈和决策支撑软件。典型示范：智慧医疗、智能经济和社会治理等。群体智能 研究群体智能在互联网上的激励与涌现、协同与演化、感知与学习等技术及支撑环境。研发群体智能的组织软件与平台，开辟新的群体智能产业生态。示范应用：众创科研、分享交通、群智医疗。跨媒体智能 目标：研制跨媒体智能感知、学习和推理，以语义相通相容为媒介，实现跨媒体分析推理，为建立“耳聪目明”和“融会贯通”的智能提供技术支撑，完成示范应用。研究内容：语言、视觉、图形、听觉和各种传感器等多媒体感知分析和语义相通相容的理论、方法和模型，研发智能感知和跨媒体自主学习新系统、新软件、新器件。示范应用：智能安全、创新设计。人机混合增强智能 目标：实现生物智慧系统与机器智能系统的紧密耦合、相互协同工作，形成更强的智慧和能力，提供示范应用。研究内容：研脑机协同的环境/情境感知理解、自然交互、知识学习、动作控制与决策的理论、方法和技术，研发新型传感器件、智能系统水平测试平台、人机共融编程及产品设计软件、人机交互新技术。示范应用：脑控机器人、多自主智能体的管理软件、智能教育、穿戴设备及人机一体化的新产品。自主无人系统 目标：以海、陆、空、天自主无人载运操作平台、复杂无人生产加工系统等为典型对象，深入研究智能自主系统的技术、架构、平台和设计标准。研究内容：研究运动目标和场景的智能感知，基于多模态信息融合和机器学习的协同、规划、决策、行动的理论与方法。示范应用：无人车、无人机、服务机器人、空间机器人、海洋机器人、无人车间、智能工厂。二）新一代人工智能规划：一体两翼 2017 年 11 月 15 日，科技部举行了新一代人工智能规划暨重大科技项目启动会。新一代人工智能重大项目的组织管理和运行机制，是在国家科技体制改革和创新体系建设领导小组领导下，在国家科技计划管理部级联席会议框架内，由新成立的 15 个部门组成的专项委员会负责项目的组织实施。专业机构和新一代人工智能产业技术创新战略联盟负责具体项目管理。新一代人工智能产业技术创新战略联盟 人工智能开源开放平台 OpenAlliance 人工智能创新动态监测工具与决策支持平台：论文、专利、标准、开源活动、人才流动、投融资、产业应用 二、经典人工智能到深度学习（一）人工智能概念的提出 人工智能是在 1956 年“达特茅斯夏季讨论会”上提出的。基本理念：学习的方方面面以及智能的其它所有特征都可以精确描述，从而使得能够通过机器仿真。计算机：计算机的速度和存储能力虽然还不足以模拟大多数人脑的功能，但这并不是主要障碍，主要问题在于能不能写出发挥既有潜力的程序。（二）人工智能发展的三大流派 符号主义：又叫逻辑主义、心理学派、计算机主义；基本思想：把智能活动进行形式化的精细描述，然后通过机器进行执行。背景：立足于逻辑运算和符号操作，把一些高级智能活动涉及到的过程进行规则化、符号化的描述，变成一个形式系统，让机器进行推理解释。缺点：可以解决逻辑思维，但对于形象思维很难进行形式化的描述；信息、思维过程转换成符号后，在处理时有信息丢失。连接主义：又叫仿生学派、生理学派；基本思想：把注意力从智能转移到产生智能的载体，构造神经网络以及相应的连接机制和学习算法，从而实现智能。连接主义：神经网络 人的智能、动物的智能来自于大脑中的神经网络，我们要构造一个智能系统，也要构造相应的神经网络。人工神经网络是指模拟人脑神经系统的结构和功能，运用大量部件，用人工构造的网络系统。神经网络的历史从 1943 年算起，已经有 70 多年，涉及各种各样的神经网络，我们通常叫人工神经网络。达特茅斯 AI 夏季研讨会议题：1 自动计算机 2 编程语言 3 神经网络 4 计算规模理论 5 自我改进 6 抽象 7 随机性和创造性 人工神经网络的高潮和低潮 第一次高潮：1957 年，罗森布拉特用硬件完成了最早的神经网络模型，称之为感知器，模拟生物的感知和学习能力。第二次高潮：1985-1986 年，提出反向传播算法 为什么神经网络一直到今天都没有像计算机那么成功地在各行各业得到应用？原因：人工神经网络缺少一个好的物理实现的器件。行为主义：也叫进化主义、控制论学派；基本思想：一个智能主体的智能来自于他跟环境的交互，跟其他智能主体之间的交互。行为主义：又叫进化主义、控制论学派，基于智能主体感知世界的过程以及对环境的回应进行反应这样一个过程而建立的人工智能系统 80 年代，麻省理工学院的布鲁克斯反思以符号主义为代表的经典人工智能失利的一些问题，提出一个颠覆性的想法：从开始就假设世界是动态的，目标是制造能够处理变化多端的日常事务的移动式机器人。现场化、实体化、智能化、涌现性 （三）学习与机器学习 机器学习的经典定义：利用经验改善系统自身的性能。Hinton 组的深度学习方法 2013 年，麻省理工学院技术评论把深度学习（Deep Learning）列为第一大技术突破。1 选择适合问题的网络结构 2 用大量数据训练网络 3 对权重初始化 4 优化网络 （四）人工智能在围棋方面的应用 AlphaGo 通过视觉感知获得“棋感”:将围棋盘面视为图像，从 16 万局人类对弈中进行深度学习，获得根据局面迅速判断的“棋感”。Alpha Zero:从零开始学习，掌握了很多人类从来没有掌握过的招数。三、未来三十年的人工智能（一）强人工智能 人工智能什么时候能超过人？强人工智能：能够适应环境、应对未知挑战、具有自我意识、达到人类水平（因而超越人类）的智能。（二）人工智能的发展历史 强人工智能能不能出现，主要取决于能不能出现能够产生智能的机器和平台。经典计算机不能产生强人工智能，神经形态计算系统（神经计算机）有可能出现强人工智能。人工智能之路：机器为体，智能为用。1936:图灵计算机概念模型 1946:第一台计算机发明 1956:人工智能概念提出 2006:深度学习提出 2016 年：神经计算机元年 1936 年，英国人图灵提出计算机概念的模型，证明“不可计算数”的存在。经典计算机能够做的实际上是有边界的，不是无所不能。今天，计算机发展多年，在各行各业的应用越来越广，但是智能问题一直没有得到根本性的突破，主要原因在于计算机的发展主要是性能的提升，并不是真正的智能问题。1943 年，图灵在访问贝尔实验室时，和香农讨论机器能否学会思考的问题。香农提议可以把“文化的东西”灌输给电子大脑，而图灵反驳：“不，我对建造一颗强大的大脑不感兴趣，我想要的不过是一颗寻常的大脑，跟美国电报电话公司董事长的脑袋瓜差不多即可。”1950 年，图灵发表一篇文章，提出：真正的智能机器必须具有学习能力，而制造这种机器的方法是先制造一个模拟童年大脑的机器，再对它进行教育和训练。冯诺伊曼计算机与人脑 对类脑计算的误解：如果把人脑里边的机理、机制搞清楚了，我们把这个过程形式化，变成机器去执行 在人类历史上，很多时候工程技术的进步早于科学。案例：飞机与空气动力学人类第一架飞机于1903 年飞上天，人类空气动力 学是 1939 年-1946 年由冯卡门和钱学森建立起来的。“仿脑”计算：我们不知道大脑是怎么工作的，但可以知道大脑的神经系统是怎么回事，我们把大脑的蓝图搞清楚，基于这个蓝图造一个仿大脑的神经计算机，然后对这个机器进行训练，它就会产生智能。美国工程院 2008 年把对人类大脑图谱的解析列为 21 世纪 14 项重大挑战中的一项；2014 年度国家自然科学二等奖授予华中科技大学单细胞分辨的全脑显微光学切片断层成像。2017 年 7 月，北京大学分子医学研究所发明了高分辨率微型化双光子显微镜。我国即将启动多模态跨尺度生物医学成像大科学设施。欧洲：人类大脑计划 美国 BRAIN 计划：大脑解析 造脑：神经（计算）机 进行时空信息处理 北京市科学技术委员会 2015 年 9 月 1 日启动“脑认知与类脑计算”专项规划。美国能源部（2015 年 10 月 29 日）神经形态计算：从材料到系统架构 AI 热点方向（基础&应用）1Large-scale machine learning 大规模机器学习 2Deep learning 深度学习 3Reinforcement learning 强化学习 4Robotics 机器人 5Computer vision 计算机视觉 6Natural Language Processing 自然语言处理 7Collaborative systems 协作系统 8Crowdsourcing and human computation 众包与人机混合 9Algorithmic game theory and computational social choice 算法博弈论与计算社会选择 10Internet of Things(IoT)物联网 11Neuromorphic computing 神经形态计算 建议：我们国家在解决计算机产业空心化、CPU 基础软件等方面做了很多投入。面向未来，我们要在计算机革命、新机器、新一代人工智能等方面多布局。目标：三年赶英 五年超美 2030 年领先世界 （三）造眼：强人工智能睁开眼睛 以视觉为主的感知是智能之源 要制造模拟生物眼睛的新一代芯片，首先要搞清楚生物系统是怎么回事。在北京市“脑认知与类脑计算”专项的支持下，北大组建了“大脑初级视觉系统解析仿真”课题组。神经形态的计算机什么时候能做出来？1896 年，尼古拉特斯拉说：“我认为任何一种对人类心灵的冲击都比不过一个发明家亲眼见证人造大脑变为现实。”惚恍颅中物，灼灼银河星；更有千千结，长程联短程。染色百年技，光电透皮层；列国脑计划，十年欲图穷。微纳仿突触，人工造神经；结构摹人脑，行为生智能。跨越生物限，提速再增容；心浩连广宇，惟有慨然行。