韩国美女免费视频,美女视频在线看网站

目前我們還無(wú)法精細(xì)到神經(jīng)元級(jí)別的觀測(cè)，只能從功能層面理解大腦，但這些成果也啟發(fā)了很多經(jīng)典的人工智能算法，例如卷積神經(jīng)網(wǎng)絡(luò)啟發(fā)自貓腦視覺感受野研究，膠囊網(wǎng)絡(luò)啟發(fā)自腦皮層微柱結(jié)構(gòu)研究。在未來(lái)，我們能不能深入到神經(jīng)元的層面研究大腦，是非常重要的一步。

8月29日至30日，主題為“智周萬(wàn)物”的2020年中國(guó)人工智能大會(huì)（CCAI 2020）在位于江蘇南京的新加坡·南京生態(tài)科技島舉辦。

在大會(huì)上，中國(guó)工程院院士戴瓊海做了主題為《人工智能：算法·算力·交互》的特邀報(bào)告，從算力、算法與人機(jī)交互三方面展開了分享，指出光電智能計(jì)算是未來(lái)算力發(fā)展的一大候選，深度學(xué)習(xí)遭遇算力和算法瓶頸，全腦觀測(cè)對(duì)于啟發(fā)下一代AI算法至關(guān)重要，在人機(jī)交互的發(fā)展中，我們要謹(jǐn)記圖靈的教誨，完善AI倫理，并且機(jī)器視覺、觸覺的協(xié)同是一大技術(shù)重點(diǎn)。

以下是演講全文，AI科技評(píng)論進(jìn)行了不改變?cè)獾恼恚?/span>

光電計(jì)算推動(dòng)AI算力飆升

在人工智能發(fā)展的時(shí)代，特定學(xué)科的定義越來(lái)越含糊，交叉學(xué)科成為機(jī)器學(xué)習(xí)的特點(diǎn)。同時(shí)，人類在腦力層面進(jìn)一步依賴機(jī)器，并逐漸把更多大腦思考和不可解析的問(wèn)題交給機(jī)器來(lái)執(zhí)行。這其中也涉及到“力量”的問(wèn)題。

但是，我們發(fā)現(xiàn)，在許多由機(jī)器輔助或代替人類處理問(wèn)題的領(lǐng)域里，如無(wú)人系統(tǒng)、量子計(jì)算、納米科技、物聯(lián)網(wǎng)等，機(jī)器的“力量”還不夠，原因在于：現(xiàn)有的許多模型和算法還達(dá)不到機(jī)器學(xué)習(xí)的需求。

截止今日，人類在算力方面的研究已有半個(gè)世紀(jì)。

1956年，Rosenblatt發(fā)明第一臺(tái)基于感知機(jī)的神經(jīng)計(jì)算機(jī)，“Mark 1感知機(jī)”，僅包含512個(gè)計(jì)算單元。這臺(tái)感知機(jī)只能進(jìn)行初步的數(shù)據(jù)分類，但無(wú)法進(jìn)行更復(fù)雜的算法分類和數(shù)據(jù)分類，因?yàn)樗懔Σ粔?，后者需要用到更?fù)雜的算法。人工智能技術(shù)發(fā)展的低谷主要來(lái)自兩方面：一是模型性能差，二是算力不夠。算力實(shí)際上就體現(xiàn)了軟件與硬件應(yīng)如何結(jié)合、發(fā)展。

1965年，Gordon Moore建立摩爾定理，提出：集成電路芯片上所集成的晶體管數(shù)量，每隔18個(gè)月翻一番。為什么每隔18個(gè)月就要翻一番呢？這是為了提高算力和算法的可實(shí)現(xiàn)性。隨后，在1980年，芯片技術(shù)出現(xiàn)。這是信息時(shí)代最偉大的貢獻(xiàn)。計(jì)算機(jī)芯片加上互聯(lián)網(wǎng)，專家系統(tǒng)的投入使用成為一個(gè)新的里程碑。

到了1999年，英偉達(dá)為了提升算力，提出使用 GPU進(jìn)行并行計(jì)算，于是出現(xiàn)首個(gè)名義上的GPU：Nvidia GeForce 256，算力為50 GFLOPs。這為算力提升起到關(guān)鍵作用，也實(shí)現(xiàn)了人類腦力的遷移。之后，我們可以看到，2012年，Alpha Go使用176個(gè)GPU、1202個(gè)CPU，在圍棋上戰(zhàn)勝人類。包括后來(lái)2016年，AlexNet性能的提升也得益于GPU，并開啟深度學(xué)習(xí)的黃金時(shí)代。

由此可見，算力對(duì)人工智能的發(fā)展和應(yīng)用有著關(guān)鍵影響。興，算力也；亡，算力也。算力的不足，將會(huì)導(dǎo)致人工智能的衰落。

在智能醫(yī)療、智能制造、無(wú)人駕駛和無(wú)人系統(tǒng)等領(lǐng)域，我們需要用到的算法和模型越來(lái)越復(fù)雜。其次，在互聯(lián)網(wǎng)影視、短視頻、網(wǎng)絡(luò)直播等行業(yè)，據(jù)調(diào)查，流媒體視頻占全球互聯(lián)網(wǎng)下行流量的58%，2019年8月國(guó)內(nèi)互聯(lián)網(wǎng)終端數(shù)量突破20億，每月超過(guò)20億的注冊(cè)訪問(wèn)量，每分鐘高達(dá)500個(gè)小時(shí)的上傳視頻。

值得注意的是，隨著軍事AI的快速發(fā)展，軍事技術(shù)對(duì)算力的需求也逐漸增長(zhǎng)，然而電子摩爾定律逼近極限，傳統(tǒng)芯片瓶頸凸顯。舉個(gè)例子，在中程導(dǎo)彈和遠(yuǎn)程導(dǎo)彈的研發(fā)中，光纖牽引頭是一個(gè)關(guān)鍵點(diǎn)，用于探路與開路，但由于算力不夠，導(dǎo)彈的飛行速度被制約。如果算力能將飛行識(shí)別的速度提高到納秒級(jí)、甚至是皮秒級(jí)，那么導(dǎo)彈的飛行速度就能提高。

人工智能產(chǎn)業(yè)的發(fā)展對(duì)算力需求呈指數(shù)增長(zhǎng)，如何從硬件與軟件上提高算力，成為國(guó)內(nèi)外科研者的研究熱點(diǎn)。算力顛覆性提升、催生新國(guó)防武器和新應(yīng)用也成為國(guó)際競(jìng)爭(zhēng)的一個(gè)體現(xiàn)。

最近，MIT的一位計(jì)算機(jī)科學(xué)家Charles Leiserson 在《Science》上發(fā)表了一篇文章：《There's plenty of room at the Top: What will drive computer performance after Moore's law?》。他們?cè)谘芯克懔ι希蜕锨恼逻M(jìn)行了細(xì)致的分析，總結(jié)出：深度學(xué)習(xí)正在逼近現(xiàn)有芯片的算力極限；計(jì)算能力提高10倍相當(dāng)于三年的算法改進(jìn)；算力提高的硬件、環(huán)境和金錢成本將無(wú)法承受。

我們對(duì)人工智能的期望越來(lái)越高，發(fā)展AI所承受的壓力也很大。據(jù)Intel Nvidia OpenAI的調(diào)研顯示，盡管人工智能對(duì)算力的需求快速增長(zhǎng)，但算力的提升速度卻逐漸放緩：

那么，我們接下來(lái)要如何提升算力呢？全世界都在討論，最后得出：可以通過(guò)芯片架構(gòu)創(chuàng)新，研制神經(jīng)網(wǎng)絡(luò)專用芯片，以實(shí)現(xiàn)算力的提升，滿足人工智能的發(fā)展需求。在國(guó)內(nèi)，有地平線、寒武紀(jì)等企業(yè)專門在做人工智能芯片。Google TPU Array做的則是神經(jīng)網(wǎng)絡(luò)的專用芯片。比方說(shuō)，Alpha Zero便是用了5000個(gè)TPU的芯片訓(xùn)練40天，學(xué)會(huì)下圍棋，還拿了國(guó)際NO.1。

針對(duì)人工智能算力提升的變革，研究人員提出了幾個(gè)不同的途徑，包括：量子計(jì)算、存算一體架構(gòu)、類腦計(jì)算和光電智能計(jì)算。

1、量子計(jì)算：

近年來(lái)，谷歌、IBM等名企紛紛看中了量子計(jì)算的的指數(shù)級(jí)計(jì)算能力，能夠適用于大規(guī)模計(jì)算場(chǎng)景。但是，搭建量子計(jì)算至少要占用100平米的大房子，因?yàn)橐ＷC在特定時(shí)間段內(nèi)捕獲的量子的相關(guān)性要強(qiáng)，而且在持續(xù)工作中的穩(wěn)定性要高。所以，量子計(jì)算其實(shí)屬于特殊的計(jì)算應(yīng)用，對(duì)當(dāng)下，或未來(lái)10年、20年的AI算力提升是有難度的。我們希望將算力提升應(yīng)用到多個(gè)方面，而不僅僅是特殊計(jì)算。

2、存算一體架構(gòu)：

存算一體架構(gòu)使用了憶阻器陣列，存儲(chǔ)和計(jì)算是一體的，相當(dāng)于不用先調(diào)用內(nèi)存中的數(shù)據(jù)再進(jìn)行計(jì)算，因此能大大提升算力。

3、類腦計(jì)算：

類腦計(jì)算的目的是希望機(jī)器能夠逼近人腦的計(jì)算，這樣也能夠提升一定的算力。

4、光電智能計(jì)算：

如果將光電智能計(jì)算和存算一體架構(gòu)、類腦計(jì)算成功結(jié)合起來(lái)，算力的提升至少能滿足未來(lái)10年、甚至20年內(nèi)人工智能對(duì)算力的需求。彼時(shí)，我們便能證明，人工智能不是泡沫，現(xiàn)有的難題是因?yàn)樗懔夹g(shù)遇到了瓶頸。

來(lái)自普林斯頓大學(xué)的電氣工程教授Paul Prucnal專門對(duì)光計(jì)算進(jìn)行了理論推導(dǎo)，推導(dǎo)的結(jié)果是：如果用光計(jì)算，算力能提升3個(gè)數(shù)量級(jí)。而且，光計(jì)算是不需要耗電的，功耗又能下降6個(gè)數(shù)量級(jí)。有了理論的保障后，研究人員提出做光電計(jì)算，有望實(shí)現(xiàn)速度千倍提升、效率百萬(wàn)倍提升。

下圖為光計(jì)算的發(fā)展歷史。光計(jì)算的發(fā)展與人工智能的發(fā)展路徑很相似。光計(jì)算的發(fā)展可謂“一波三折”：1956年，激光器發(fā)明，光計(jì)算機(jī)被提出，信息光學(xué)開始飛速發(fā)展。但上世紀(jì)60年代之后，光計(jì)算研究開始走下坡，原因是當(dāng)時(shí)計(jì)算機(jī)不需要那么高的算力，電子計(jì)算所提供的算力已足夠使用。隨后，在1990年，貝爾實(shí)驗(yàn)室采用砷化鎵光學(xué)材料研制出“光計(jì)算機(jī)原型系統(tǒng)”，但此時(shí)光計(jì)算只充當(dāng)開關(guān)，不參與計(jì)算。2007年，英偉達(dá)的GPU快速發(fā)展，又沖擊了光計(jì)算領(lǐng)域的研究，直到2017年之后，光神經(jīng)網(wǎng)絡(luò)的片上集成實(shí)現(xiàn)，光計(jì)算才開始突飛猛進(jìn)。

與人工智能相比，光計(jì)算的騰飛滯后近10年，主要原因?yàn)椋?/span>人工智能一開始不需要太大的算力，但2017年之后，人工智能對(duì)算力的需求提升，光計(jì)算便迅速得到發(fā)展。

在未來(lái)，研究人員希望通過(guò)可控高維光場(chǎng)傳播，來(lái)實(shí)現(xiàn)高速高效的并行計(jì)算，主要措施如下：

1、三維受控衍射傳播實(shí)現(xiàn)全并行光速計(jì)算；

2、全相位調(diào)制99%通關(guān)率帶來(lái)極低損耗；

3、高維光場(chǎng)信號(hào)帶來(lái)前所未有的通量帶寬；

4、感存算一體結(jié)合超材料實(shí)現(xiàn)小型化。

光學(xué)作為新的計(jì)算必然帶來(lái)顯著的變革，比方說(shuō)：1、范式顛覆傳統(tǒng)：采集與計(jì)算無(wú)縫銜接，突破存算分離速度制約；2、速度提升至少千倍：計(jì)算頻次>1 THz，遠(yuǎn)超~GHz電子芯片頻率；3、功能降低百萬(wàn)倍：光學(xué)10^7 GMAC/W/s，電子10GMAC/W/s。

目前，在全球范圍內(nèi)，有三個(gè)重要的機(jī)構(gòu)在進(jìn)行光電智能計(jì)算的研究，分別是麻省理工學(xué)院、明斯特大學(xué)和劍橋大學(xué)、清華大學(xué)。對(duì)比如下：

光電計(jì)算發(fā)展起來(lái)后，研制超小型智能武器、智能仿生機(jī)器人、微型修理機(jī)器人和光電計(jì)算自動(dòng)駕駛便容易得多。若光電計(jì)算發(fā)展得好，云計(jì)算的服務(wù)器功耗也會(huì)大大下降，光電計(jì)算自動(dòng)駕駛的速度可以不斷提升。

此外，光電智能芯片也能滿足龐大的計(jì)算中心小型化，大規(guī)模存儲(chǔ)云計(jì)算的小型化可以做到納秒級(jí)目標(biāo)感知與識(shí)別，能夠應(yīng)用于各類無(wú)人系統(tǒng)。不僅如此，光電智能芯片也能應(yīng)用于新基建，如工業(yè)互聯(lián)網(wǎng)、計(jì)算機(jī)視覺、大數(shù)據(jù)分析，光通訊等。

算力的提升，也意味著我們將突破人工智能的現(xiàn)有制約。

全腦觀測(cè)啟發(fā)下一代AI算法

人工智能的新熱潮緊隨深度學(xué)習(xí)的崛起之后，這也是歸功于算法的發(fā)展：

目前，人工智能的算法在魯棒性、遷移性、能效比、自適應(yīng)和解釋性等方面仍存在一定的缺陷。

1、魯棒性差

比方說(shuō)，我們?cè)跈z測(cè)汽車時(shí)使用深度學(xué)習(xí)算法，汽車的后視鏡亮起尾燈，我們可以通過(guò)提升亮度來(lái)檢測(cè)汽車，但檢測(cè)失敗。輸入的小變化引起輸出的大變化，魯棒性較差。

2、遷移性差

深度學(xué)習(xí)依賴大規(guī)模數(shù)據(jù)集，并且在這些數(shù)據(jù)集里面，通常極端場(chǎng)景不足，在特殊場(chǎng)景和新場(chǎng)景的遷移性比較差。

3、能效比低

人腦的正常功耗在20瓦左右，而英偉達(dá)的V100 GPU的功耗大概在250瓦到300瓦，其功耗相比人腦還是很大的，因此相對(duì)生物神經(jīng)網(wǎng)絡(luò)，現(xiàn)有計(jì)算硬件的能效比更低。

4、自適應(yīng)性差

深度學(xué)習(xí)模型在自適應(yīng)方面很差，比如診斷模型，如果在訓(xùn)練過(guò)程中未見過(guò)相應(yīng)的數(shù)據(jù)，就不能對(duì)不同體質(zhì)、不同病史的人進(jìn)行診斷。

5、可解釋性差

深度學(xué)習(xí)網(wǎng)絡(luò)是個(gè)黑箱，雖然有明顯的效果，但是無(wú)法理解產(chǎn)生這些效果的原因。

所以正如獲得了2018年圖靈獎(jiǎng)的三位科學(xué)家所說(shuō)，深度學(xué)習(xí)缺乏魯棒性，不具備學(xué)習(xí)因果關(guān)系的能力，缺乏可解釋性，而人類在無(wú)監(jiān)督學(xué)習(xí)方面遠(yuǎn)遠(yuǎn)優(yōu)于深度學(xué)習(xí)。因此我們要思考如何做算法創(chuàng)新。

現(xiàn)有的人工智能僅實(shí)現(xiàn)了簡(jiǎn)單的初級(jí)視覺感知功能，在初級(jí)感知信息處理與高級(jí)認(rèn)知過(guò)程上的性能遠(yuǎn)不如人腦，人腦具有物理學(xué)習(xí)和數(shù)據(jù)抽象能力。Hinton、LeCun等認(rèn)為，深度學(xué)習(xí)存在極大危機(jī)，BP算法有很大局限性，需要推倒重來(lái)，再次從大腦的認(rèn)知模型中尋找靈感。

所以我們還要從神經(jīng)科學(xué)中借鑒很多知識(shí)和原理，比如多模數(shù)據(jù)表示、變換和學(xué)習(xí)規(guī)律，以及反饋方式，認(rèn)知計(jì)算將推動(dòng)人工智能的變革，從而實(shí)現(xiàn)高效、可解釋、魯棒的新一代認(rèn)知智能。

深度學(xué)習(xí)的來(lái)源實(shí)際上是優(yōu)化控制論，BP算法即反向傳播算法是深度學(xué)習(xí)中使用最廣泛的算法，它最早的雛形出現(xiàn)在“最優(yōu)控制理論”，1986年Rumelhart、Hinton等人將BP算法引入多重神經(jīng)網(wǎng)絡(luò)中?，F(xiàn)在，包括卷積神經(jīng)網(wǎng)絡(luò)、語(yǔ)言和注意力模型、生成對(duì)抗網(wǎng)絡(luò)以及深度強(qiáng)化學(xué)習(xí)，都應(yīng)用了該算法。

此外，我們?cè)趺磸囊庾R(shí)方面討論算法問(wèn)題呢？以前的做法是從神經(jīng)科學(xué)里獲得啟發(fā)。

比如，在卷積神經(jīng)網(wǎng)絡(luò)的發(fā)現(xiàn)過(guò)程中，科學(xué)家先是發(fā)現(xiàn)了簡(jiǎn)單和復(fù)雜細(xì)胞，并發(fā)現(xiàn)視覺系統(tǒng)的卷積特性，然后人們提出借鑒簡(jiǎn)單復(fù)雜細(xì)胞的新認(rèn)知機(jī)，這是CNN的前身。1982年，David Marr出版了計(jì)算機(jī)視覺開山之作《視覺》，之后，卷積神經(jīng)網(wǎng)絡(luò)被正式提出。Tomaso Poggio在2007年提出了H-MAX計(jì)算模型，2012年的AlexNet和2015年的ResNet則正式開啟人工智能的黃金時(shí)代。回顧歷史后，我們可以想到，如果再反過(guò)頭來(lái)重新認(rèn)識(shí)腦科學(xué)，會(huì)不會(huì)給深度學(xué)習(xí)帶來(lái)新的啟發(fā)？

不僅僅是算法，人們也在硬件上按照類腦計(jì)算的方向探索。1989年，科學(xué)家首次提出用集成電路實(shí)現(xiàn)神經(jīng)形態(tài)計(jì)算，到最近，清華大學(xué)發(fā)布首款結(jié)合深度學(xué)習(xí)與神經(jīng)形態(tài)計(jì)算的異構(gòu)融合類腦芯片，以及基于多個(gè)憶阻器陣列的存算一體系統(tǒng)，我們已經(jīng)向前邁出了一大步。

我們以前通過(guò)核磁共振、CT等技術(shù)來(lái)觀測(cè)大腦。目前我們還無(wú)法精細(xì)到神經(jīng)元級(jí)別的觀測(cè)，只能從功能層面理解大腦，但這些成果也啟發(fā)了很多經(jīng)典的人工智能算法，例如卷積神經(jīng)網(wǎng)絡(luò)啟發(fā)自貓腦視覺感受野研究，膠囊網(wǎng)絡(luò)啟發(fā)自腦皮層微柱結(jié)構(gòu)研究。在未來(lái)，我們能不能深入到神經(jīng)元的層面研究大腦，是非常重要的一步。總之，利用腦觀測(cè)成果啟發(fā)人工智能理論應(yīng)該還大有可為。

神經(jīng)元通過(guò)軸突和樹突建立和其他神經(jīng)元的關(guān)系，人腦有860億個(gè)神經(jīng)元。神經(jīng)元要通過(guò)構(gòu)建環(huán)路進(jìn)行工作，工作一結(jié)束環(huán)路就斷掉了。神經(jīng)元通過(guò)從不同的環(huán)路解決不同的問(wèn)題，包括記憶。神經(jīng)元的動(dòng)態(tài)連接構(gòu)成動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，這也可能是其功耗低的原因。突觸的尺寸有26類，神經(jīng)元細(xì)胞的尺寸在10微米左右，現(xiàn)在用核磁共振還觀察不到軸突和樹突，因此研究介觀尺度對(duì)于腦科學(xué)的突破尤為重要。

近年來(lái)，腦科學(xué)和人工智能是兩條平行線，互不相交。在未來(lái)，我們需要在兩者之間構(gòu)建一個(gè)橋梁，即認(rèn)知計(jì)算。認(rèn)知計(jì)算是通過(guò)先進(jìn)神經(jīng)技術(shù)揭示腦結(jié)構(gòu)、腦功能與智能產(chǎn)生的多層次關(guān)聯(lián)與多模態(tài)映射機(jī)制，從而建立認(rèn)知模型與類腦智能體系的科學(xué)。

我們對(duì)1906年來(lái)腦科學(xué)和人工智能的重要成果進(jìn)行了調(diào)研，這些研究分別探索了人類的思考模式以及機(jī)器的思考模式。

為了建立新型認(rèn)知計(jì)算模型，人類已經(jīng)開始了大量投入。2016年，美國(guó)IARPA部門啟動(dòng)了皮質(zhì)網(wǎng)絡(luò)機(jī)器智能MICrONS計(jì)劃，項(xiàng)目經(jīng)費(fèi)達(dá)到一億美金，被稱為阿波羅腦計(jì)劃。并且，人類目前已經(jīng)繪制出了嚙齒動(dòng)物一立方毫米大腦皮層中的所有神經(jīng)回路，其中包含了10萬(wàn)個(gè)神經(jīng)元的活動(dòng)和連接。

以記憶機(jī)制為例，目前人類已經(jīng)在該研究領(lǐng)域有了很大建樹。自1904科學(xué)家首次提出記憶痕跡假設(shè)，1949年提出突觸可塑性假說(shuō)以來(lái)，人們接連發(fā)現(xiàn)，海馬體和記憶形成有關(guān)，LTP是學(xué)習(xí)記憶的重要機(jī)制，工作記憶和不同腦區(qū)有關(guān)，尖波漣漪在記憶鞏固、回放、預(yù)演、提取中有重要作用，并觀察到了記憶在多個(gè)腦區(qū)的動(dòng)態(tài)協(xié)同過(guò)程。

清華大學(xué)通過(guò)三年的努力，構(gòu)建了一個(gè)大腦的模型架構(gòu)，如下圖所示。

結(jié)構(gòu)決定功能，從結(jié)構(gòu)到功能研究機(jī)器學(xué)習(xí)的算法，人工智能要從這個(gè)方向上打通。從不同規(guī)模和精細(xì)度的腦觀測(cè)技術(shù)，可以啟發(fā)出不同級(jí)別的智能算法。比如神經(jīng)觀測(cè)和神經(jīng)信號(hào)記錄屬于微觀觀測(cè)，啟發(fā)了卷積神經(jīng)網(wǎng)絡(luò)算法。CT成像和磁共振成像屬于宏觀觀測(cè)，啟發(fā)了記憶環(huán)路映射的機(jī)器智能。在未來(lái)，我們或許可以利用全腦神經(jīng)元?jiǎng)討B(tài)顯微觀測(cè)儀器對(duì)大腦進(jìn)行全腦高分辨觀測(cè)，進(jìn)而發(fā)展認(rèn)知建模理論和開發(fā)認(rèn)知計(jì)算硬件，從而實(shí)現(xiàn)強(qiáng)人工智能。

這是知識(shí)驅(qū)動(dòng)模型的研究模式，另外還有數(shù)據(jù)驅(qū)動(dòng)的研究模式，這是當(dāng)前的主流。我們想問(wèn)的是，未來(lái)能不能實(shí)現(xiàn)認(rèn)知驅(qū)動(dòng)？我希望人工智能學(xué)界關(guān)注和研究這個(gè)問(wèn)題，從而產(chǎn)生顛覆性的算法和應(yīng)用，推動(dòng)算力、算法往前走。

人機(jī)交互：協(xié)同視覺和觸覺

圖靈說(shuō)過(guò)，人工智能的發(fā)展不是把人變?yōu)闄C(jī)器，也不是把機(jī)器變成人，而是“研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智慧能力的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，從而解決復(fù)雜問(wèn)題的技術(shù)科學(xué)并服務(wù)于人類。所以，我們要思考人工智能與人如何共處的問(wèn)題。

在人工智能時(shí)代，我們希望構(gòu)建AI的通用接口，從而實(shí)現(xiàn)人類物理世界和機(jī)器虛擬世界的融合，也就是促進(jìn)AR、VR、視覺三維重建、全息成像等技術(shù)的成熟。

目前的人工智能技術(shù)可以稱為離身學(xué)習(xí)，其組成三要素為大數(shù)據(jù)、深度學(xué)習(xí)和GPU，并形成了圖像識(shí)別、圖像檢測(cè)、語(yǔ)義理解、語(yǔ)音識(shí)別和機(jī)器翻譯等應(yīng)用。這些應(yīng)用割裂了感知、學(xué)習(xí)與動(dòng)作之間的整體行為效應(yīng)，所以未來(lái)的發(fā)展方向應(yīng)該是具身認(rèn)知和多模態(tài)感知，即智能由腦、身體與環(huán)境協(xié)同影響，智能的發(fā)展需要一個(gè)完整的、可感知、、可思考、可行動(dòng)的身體。目前的機(jī)械手在功能和靈活性上就遠(yuǎn)遠(yuǎn)不如人類。

要實(shí)現(xiàn)成功的操作，需要考慮三大重要因素，即感知、學(xué)習(xí)和多模態(tài)。

要利用視覺和觸覺的多模態(tài)融合實(shí)現(xiàn) AI對(duì)環(huán)境的感知、學(xué)習(xí)能力和復(fù)雜交互能力的提升，首先要讓AI擁有皮膚。人手具有上百億個(gè)觸感神經(jīng)元，人體的動(dòng)態(tài)觸覺可以區(qū)分不超過(guò)十幾納米的凸起，相當(dāng)于在地球上感知到一輛運(yùn)動(dòng)的汽車。

機(jī)器人必須具備包裹自己全身的人造皮膚，形成個(gè)體邊界，人造皮膚要有很高的多模態(tài)（光潔度、濕度、壓力、張力、溫度、材質(zhì)）感知精度，以及很強(qiáng)的綜合感知能力，皮膚受損后能閉合自愈，才談得上區(qū)分“我”和“非我”。人工制造出這樣敏感的電子皮膚或者量子皮膚，任重而道遠(yuǎn)。

觸覺感知是一個(gè)非常難的問(wèn)題，也是非常重要的問(wèn)題。在國(guó)際上，歐盟、美國(guó)、學(xué)術(shù)界都開展了這方面的研究，機(jī)器人、觸覺智能引起廣泛關(guān)注和高度重視。

觸覺先于視覺，也先于語(yǔ)言，既是第一語(yǔ)言也是最后語(yǔ)言，所以觸覺在AI感知自然場(chǎng)景當(dāng)中起到非常重要的作用。視覺可以幫助我們了解全貌，觸覺可以幫助我們了解細(xì)節(jié)。AI觸覺和視覺的協(xié)同感知是未來(lái)人工智能的核心關(guān)鍵基礎(chǔ)問(wèn)題。

觸覺涉及很多細(xì)節(jié)，包括指尖、手掌、腿足、手臂、軀干等等方面，因此觸覺傳感器是機(jī)器人的核心部件?！犊萍既?qǐng)?bào)》曾經(jīng)報(bào)道了35個(gè)卡脖子的問(wèn)題，觸覺是其中一個(gè)。

發(fā)揮多智能體的群體效應(yīng)，也是未來(lái)發(fā)展的重要研究方向，包括群體的協(xié)同和交互問(wèn)題。群體協(xié)同交互是構(gòu)筑智能通天塔的必由之路，也是有望挑戰(zhàn)莫拉維克悖論的途徑。

所以，我們希望機(jī)器有更靈巧的手、更明亮的眼睛、更靈敏的耳朵，對(duì)環(huán)境能夠更加深刻的認(rèn)識(shí)，通過(guò)智能光電芯片、知識(shí)驅(qū)動(dòng)、數(shù)據(jù)驅(qū)動(dòng)、認(rèn)知驅(qū)動(dòng)，使得未來(lái)的AI能夠發(fā)展得更好。

總結(jié)來(lái)說(shuō)，我們希望在算力上，能得到數(shù)量級(jí)性能提升的新型計(jì)算范式和芯片架構(gòu)；在算法上，能更接近本源的認(rèn)知計(jì)算理論與方法，在人機(jī)交互上，能實(shí)現(xiàn)更高的工作效率、生活質(zhì)量和安全保障。

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。

中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频