來源：人工智能和大數(shù)據(jù)

人工智能未來的理解與創(chuàng)造

人類社會的發(fā)展就是不斷發(fā)現(xiàn)、理解與創(chuàng)造的過程。原始社會利用工具解決生活問題，發(fā)現(xiàn)現(xiàn)象并理解現(xiàn)象背后的規(guī)律，進而改造甚至創(chuàng)造這個世界，這就是人類社會發(fā)展的脈絡。

信息時代，艾克特25歲帶領團隊做出了第一個計算機系統(tǒng)。馮·諾依曼給出了現(xiàn)代計算機系統(tǒng)的新架構，并沿用至今。計算機推動了世界的數(shù)字化，包含兩個歷程，一個是符號化，二是模型化。數(shù)字是表達現(xiàn)象，模型化是對現(xiàn)象的理解過程。

1946年至今不到百年，計算機的發(fā)展為人類帶來了巨大的價值。

人工智能參與理解與改造世界

人工智能時代出現(xiàn)了三位深度學習的奠基人，也是2019年的圖靈獎獲得者。第一是Geoffrey Hinton（杰弗里?辛頓），反向傳播算法的代表人物；第二是Yann LeCun（楊立昆），卷積神經(jīng)網(wǎng)絡的代表人物；第三是Yoshua Bengio（約書亞?本吉奧），序列概率模型的代表人物。

那么人工智能將如何參與理解和改造世界？王恩東院士曾有一問，人類怎么預測蛋白質(zhì)的作用？諸如此類的復雜問題，靠人類的預測是無法做到的。以深度學習為代表的人工智能推動了例如科技、醫(yī)療、電子、金融等行業(yè)的快速發(fā)展，正如總書記說的，人工智能具有賦能作用很強的頭雁效應。

人工智能的局限性

同時，我們更應看到人工智能的局限性：其一，自動駕駛領域中人工智能的相關應用，已經(jīng)凸顯了其在魯棒性、遷移性及能效比等方面的問題；其二，在醫(yī)療領域中的應用凸顯了人工智能算法自適應能力的局限，清華大學跟301醫(yī)院合作，用20萬條男性50歲的腦卒數(shù)據(jù)做訓練，但在做預測時發(fā)現(xiàn)對女性腦卒疾病的預測準確度并不高；其三，人工智能可解決一定的問題，但其工作原理還沒有明確的可解釋性。

還有一個經(jīng)典案例——莫拉維克悖論。這臺波士頓動力的機器人能翻跟頭、跳舞和干很多復雜的事，但讓它把一個物體放到有障礙物的桌子上去，它做不到，這就是人工智能的問題所在——難以理解場景與對象間的關系，人工智能能干成年人干的活，但理解能力不如一歲的孩子。

新一代人工智能發(fā)展與腦科學

由此可見，人工智能還有很多瓶頸問題要解決。怎么解決呢，就需要追根溯源。我們發(fā)現(xiàn)，深度網(wǎng)絡的發(fā)展很大程度上受到了腦科學的啟發(fā)，僅僅是視覺聽覺部分腦功能的發(fā)現(xiàn)，就極大推進了人工智能的發(fā)展。如果有機會了解全腦，那會為人工智能帶來多大的變化？

我們來看深度學習和人類視覺的不同：生物視覺是宏觀和微觀回環(huán)交互的。比如畫畫首先畫輪廓，再畫細節(jié)；人眼看東西也是，先看全場景，再聚焦某個小場景、某個小目標，是一個回環(huán)交互的過程，即高級視覺的抽象和初級視覺的邊緣檢測存在回環(huán)交互。但計算機視覺只能從微觀到宏觀，不能從宏觀到微觀，這就給人工智能的困惑。舉個例子，一頭熊照片的碎片，人眼看到一點點邊緣時，就知道這是一頭熊；而人工智能缺乏宏觀與微觀的交互，只能通過不斷的學習才知道是一頭熊。

可見，對場景當中復雜關系的理解，是人工智能非常重要的部分。以前的人工智能針對小場景、少對象、簡單關系，用微觀圖像訓練一個模型，設計一個算法，讓它去理解大場景的時候就無能為力了。未來的人工智能應該具備對大場景、多對象、復雜關系的精準理解，這樣才能夠彌補現(xiàn)有人工智能的不足和發(fā)展。

腦科學與新一代人工智能發(fā)展

腦科學研究人類如何思考，圖靈獎關注的是機器如何思考，這是兩條平行線。人工智能專家往往將腦科學的部分現(xiàn)象和模型應用到人工智能里面去。這就給了我們一個啟發(fā)：能不能在腦科學和人工智能之間架起一個橋梁，這個橋梁就是認知計算。支撐這個橋梁的兩個橋墩，是多模態(tài)回路觀測以及多層次認知模型。通過解決微觀、宏觀的回環(huán)交互問題，來創(chuàng)造新一代人工智能。

該怎樣去做這些研究呢？通過觀測可以看到，小鼠有億級的神經(jīng)元，恒河猴有百億的神經(jīng)元，人類有千億級的神經(jīng)元，神經(jīng)元的多少代表了聰明的程度。斑馬魚只有80~100萬個神經(jīng)元，它就可以工作。MIT去年的研究，構建了一款只有18個神經(jīng)元的機器人，就能夠實現(xiàn)自動駕駛。

2016年美國IARPA做了MICrONS項目，稱為阿波羅腦計劃，花費一億美金，研究一立方毫米大腦皮層10萬個神經(jīng)元是怎么連接的，參與項目的有CMU的Tai Sing Lee、哈佛大學的David Cox、貝勒醫(yī)學院的教授，這是個交叉的大項目。前兩位科學家都來過清華，專門討論10萬個神經(jīng)元活動到底怎么構建，討論神經(jīng)元活動連接和機器學習算法如何建立關系。

清華開發(fā)了RUSH-II（多維多尺度高分辨光學顯微成像系統(tǒng)）來觀察小鼠、大鼠全腦神經(jīng)元的連接和它行為的變化。這是世界上最大視場，數(shù)據(jù)通量最高的高分辨光學顯微鏡，視場大小是一個平方厘米，分辨率達到0.4個微米，就是400納米，意味著不僅是神經(jīng)元，用來在神經(jīng)元之間傳遞信息的軸突和樹突的連接都可以看清楚。目前正在觀測獼猴的全腦神經(jīng)元活動，這是更接近人類的靈長類動物。現(xiàn)在我們正在開展新的工作，將腦機和觀測儀器相結合，不但看神經(jīng)元連接，還要看放電過程，這樣能夠揭示意識是如何轉移的。

新一代人工智能按照這樣的路徑，不僅要做微觀觀測，還要做宏觀觀測。將CT核磁共振、全腦高分辨率光學觀測、多模態(tài)觀測結合起來，才能理解神經(jīng)元之間傳遞了什么信息。我們也在跟數(shù)學家討論，并構建新型的網(wǎng)絡模型，包含了記憶環(huán)路、生物機制、物理的熵平衡原理，來推導新型的神經(jīng)網(wǎng)絡模型。我們需要考慮生物化學機制的發(fā)覺，數(shù)學物理機制的約束，短期記憶、長期記憶的過程，新一代神經(jīng)網(wǎng)絡推理的自增強等等很多方面，這是我們從腦科學到人工智能做的事情。

大場景多對象智能理解

人工智能能夠拓展人類發(fā)現(xiàn)、理解與創(chuàng)造的能力。人眼的感知能力會受到空間、時間、波長等多個維度的限制。人工智能可以具備超越人類的感知能力，利用仿生光學復現(xiàn)鷹眼、貓眼、果蠅等的感知能力；同時大量的信息凸顯了人類自身的處理能力不足，必須交給機器來繼續(xù)感知。

人眼感知視覺的像素數(shù)不到6億，但是機器視覺可以達10億甚至百億像素，感知能力更強，帶來豐富的信息。對大場景范圍中多動態(tài)目標之間復雜關系的理解，就需要構建新一代人工智能模型，讓它看得全、看得清、看得準，要做一個大場景多對象數(shù)據(jù)平臺。但寬視場和高分辨的矛盾難以解決，這是物理上面臨的挑戰(zhàn)。因此我們提出了非結構化的概念和原型系統(tǒng)，很多相機長的不一樣，可以自調(diào)整，魯棒性非常高。以此為基礎構建數(shù)據(jù)平臺，是10億像素的大場景多對象數(shù)據(jù)視頻平臺PANDA，大家可以看到這是清華主樓門口，非常多的人群在邁步走，我們可以對這些對象實時識別和理解；這是馬拉松比賽中的萬人人臉識別，就是如何處理和解決大場景、多對象、復雜關系。目前在CVPR、ICCV還有2021全球人工智能技術大會上做了數(shù)據(jù)的公開并且比賽，有6千多支隊伍參加了這場比賽。剛才我還跟王恩東院士討論，我們是不是可以建一個大的數(shù)據(jù)平臺，來解決復雜場景中復雜關系的理解問題。

從感知智能怎樣走向認知智能，第一個要解決模型問題，第二個要解決數(shù)據(jù)問題。認知智能能夠促進大范圍動態(tài)場景時空關聯(lián)建模分析，支撐數(shù)字城市構建與理解，可以構建物理世界的孿生數(shù)字城市。目前我們正在杭州開展工作，做一個數(shù)字孿生的城市形態(tài)，希望為智慧城市做出貢獻。

總? 結

我們要從腦科學出發(fā)，來構建新一代人工智能的理論、方法和技術，同時構建一個大的數(shù)據(jù)平臺來驗證理論和模型的可行性。在未來，新一代人工智能需要大場景、多對象的數(shù)據(jù)平臺，大到能夠從物理城市構建孿生的數(shù)字城市，最后構建智慧城市，這樣一來，我們新一代的人工智能理論、模型和算法就初具雛形了。

審核編輯：湯梓紅