潘晴晴作者网易智能来源

IEEE协会首次在京举办研讨会 王飞跃称不存在AI芯片

6月9日至10日,IEEE SMC学会(IEEE System, Man, and Cybernetics Society)与中国自动化学会、中国科学院自动化研究所、青岛智能产业技术研究院共同在京举办IEEE人工智能与控制论国际研讨会暨2018中国智联网大会。

6月9日至10日,IEEE SMC学会(IEEE System, Man, and Cybernetics Society)与中国自动化学会、中国科学院自动化研究所、青岛智能产业技术研究院共同在京举办IEEE 人工智能与控制论国际研讨会暨2018中国智联网大会。

本次会议是IEEE协会首次在中国举办的人工智能专题研讨会,汇聚了全球人工智能领域的顶级专家及前沿成果。会议旨在共同探讨人工智能未来发展的机遇和挑战。

昨天上午的学术会议由香港城市大学Sam Kwong教授主持, IEEE SMC学会介绍了SMC学会的整体概况,并针对系统科学和工程、人机系统、控制论这三个研究领域做了技术报告。下午的会议由台湾科技大学苏顺丰教授主持,中国自动化学会副理事长兼秘书长、中科院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃重点介绍了中国自动化学会、复杂系统管理与控制国家重点实验室的情况。

随后,北京科技大学贺威教授作了题为“Intelligent Control of Autonomous Flapping-Wing Robotic Aircrafts(自主扑翼飞行器的智能控制)”的报告。复旦大学张军平教授作了题为“Deep Learning, An 116-year-old Grandmother——Prediction vs Interpretability(深度学习,一位116岁的祖母——预测与可解释性 )”的报告。加拿大滑铁卢大学曹东璞教授作了题为“Parallel Cognitive Autonomous Driving: Framework, Development, and Applications(并行认知自主驾驶:框架、发展与应用 )”的报告。美国丹佛大学张俊教授作了题为“Internet of Minds: The Concept, Issues and Platforms(智联网:概念,问题和平台)”的报告。中国科学院自动化研究所韩双双博士作了题为“Parallel Networks: System Architecture, Techniques and its Application(并行网络:系统结构、技术及其应用)”的报告。中国科学院自动化研究所魏庆来研究员作了题为“Optimal Control of Discrete-Time Nonlinear Systems Via Local Iterative Dynamic Programming(离散非线性系统的局部迭代动态规划和最优控制)”的报告。参会代表与报告专家进行了广泛深入的讨论和交流。

会后,主委会邀请数位专家学者参加了媒体沟通会,进一步回答了媒体普遍关心的人工智能领域热点话题。

美国宇航局喷气推进实验室高级研究员阿德里安·斯图卡

在回答“中国人工智能的发展会否对他国构成威胁”这个问题时,美国宇航局喷气推进实验室高级研究员阿德里安·斯图卡(Adrian Stoica)认为,人工智能旨在让全人类受益,而不是个别国家,人们都希望为全人类创造更美好的未来。我们都有老龄化的人口,我们都希望有更好的交通和更清洁的空气,这并不是竞争,我们都生活在这个地球上,所以我们的需求是一样的,目标是一样的。

在回答“国家人工智能领域人才培养”的问题时,IEEE Fellow(IEEE院士)、中国自动化学会副理事长兼秘书长、中科院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃认为,人工智能最核心的是人才问题,再有就是应用场景的问题。国家需要提供一个平台来推动这方面的人才培养,然后立即转到行业开发,把各种各样的应用场景做起来。因此,人工智能的技术不只应用到计算机学科,而应该用到物理、数学、化学、语文等所有学科的教育中。

德国马格德堡大学教授 安德烈·纽伦堡

多家媒体围绕“大数据与人工智能”的关系展开提问,在回答“欧盟GDPR的数据保护法对发展人工智能可能造成的影响”这个问题时,德国马格德堡大学教授安德烈·纽伦堡(Andreas Nuernberger)表示,目前有很多的公司希望有渠道进行人工智能的研究,但是,深度学习并不能解决所有的问题。比如说,一开始你无法去培训一个没有数据的系统,因此你需要让这些系统更容易获得数据。他们或许会选择为数据获取支付费用,这其中就涉及商业模式和隐私问题。因此,这是一个哲学问题,也是一个伦理问题。

在回答“学术研究中利用小样本训练机器的方法目前进展如何”这个问题时,王飞跃教授认为,任何一个产品将来都要回答“数据源是什么,为什么要提这个数据源”这个问题。这个数据源就是要把小数据变成大数据,大数据再变成小智能的过程,我相信这是未来智能的统一路径。

中科院自动化研究所复杂系统管理与控制国家重点实验室主任 王飞跃

在谈及“人工智能与区块链相结合的发展前景”时,王飞跃教授表示,多年来,大家把人工智能比喻成炼金术,炼金术拿一个小炉子,一点小火就可以炼丹了。人工智能以前是小火,只能解决玩具性的问题。发展了六十年,基本上除了最近几年能靠一些数据解决一些比较大的问题,像图像、语音、自然语言处理问题。除此之外,还是有很多的问题解决不了。但是要做成产业就要熊熊大火,我觉得区块链将来就提供人工智能的熊熊大火。所以这两个是密切相关的,这是区块链智能。智能不能建立在土基上、沙基上,智能要建立在钢筋混凝土之上,我相信这就会导致整个社会的产业管理的范式转移。

加拿大滑铁卢大学驾驶员认知与自动驾驶实验室主任 曹东璞

在回答“距离无人驾驶走入寻常百姓家还需要多久”这个问题时,加拿大滑铁卢大学驾驶员认知与自动驾驶实验室主任、中科院自动化所客座研究员曹东璞认为,通用无人车的落地可能还需要较长一段时间,不同国家的情况也不一样。北美特别是美国可能会比欧洲、亚洲国家更早落地。主要是北美交通场景相对比较简单,路况比欧洲要好很多,人要比中国少很多。中国的通用无人车。比如说轿车要想在城市公路完全自主行驶的话,我估计还需要一二十年的时间。短期内如果说落地的话,基本上还是定场景的,场景限定得越多,落地就越快。如果我们看定场景无人车的话,就会发现其实很多的定场景是有一些功能特点的。比如说,基本上会有运营、监管,还有应急接管,基本上这三个特点。

近期,不时传出语音助手被超声波控制、智能音箱泄露个人隐私等消息,这不免让人担心人工智能产品的安全问题。对此,美国宇航局喷气推进实验室高级研究员阿德里安·斯图卡(Adrian Stoica)认为,信息的交往、联络过程中,肯定会被一些消极因素所控制和利用。目前有一些法律和技术上的解决方案,但是任何一个技术都可能被坏人所利用,这这是很小的一个方面,不可以阻挠我们继续发展技术。

香港城市大学教授 邝得互

香港城市大学教授邝得互 (Sam Kwong)补充道:“我觉得人工智能现在获得了很多的关注,这只是一个开始,很明显有很大的发展空间。人工智能为研究开放了一个窗口,在很多领域进行研究的窗口。各个技术的开始都会有一些缺点或者是说漏洞,所以,我们才需要继续研究和关闭这些漏洞。”

最后,在谈及“AI芯片”话题时,王飞跃教授直言,我不认为现在有所谓的人工智能芯片。德国马格德堡大学教授安德烈·纽伦堡(Andreas Nuernberger)补充道:“我同意没有人工智能芯片这一说法。现在芯片的发展加速了深度学习的过程,之前在图像方面也有这种深度学习,你现在把它们称作为人工智能的芯片,但这是出于某种特定的目的而生产的产品。我觉得现在物联网可以让过程变得更加可靠。可以确保这些网络和硬件的反应速度更快、更加可靠、更有活力。我觉得这些是智能硬件的现实世界,但是他们的代价很高,因为你需要更加复杂的基础设施,更多的技术,这和之前是不同的。”

此外,王飞跃教授还向媒体透露了明年中国自动化学会的活动安排。他表示,明年中国自动化学会将召开人工智能和控制论的国际大会,并且继续举办智联网大会。“这是中国自动化学会和IEEE的合作里程碑。”他说。据悉,中国自动化学会还计划在明年举办世界级的学生机器人大赛,出版人工智能会刊。

据了解,IEEE是世界上最大的学术专业组织,有来自全世界175个国家的40万名会员。目前,IEEE是全球最大的人工智能人才汇集地,全球最大的人工智能学术平台,同时也是全球最大的智能技术标准制定平台。

产业IEEE中国科学院人工智能
1
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

动态规划技术

动态规划(也称为动态优化),是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划将复杂的问题分解成一系列相对简单的子问题,只解决一次子问题并存储它的解决方案(solution),下一次遇到同样的子问题时无需重新计算它的解决方案,而是简单地查找先前计算的解决方案,从而节省计算时间。动态规划适用于有最优子结构(Optimal Substructure)和重叠子问题(Overlapping Subproblems)性质的问题。

机器人学技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

物联网技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

控制论技术

控制论是一门跨学科研究, 它用于研究控制系统的结构,局限和发展。在21世纪,控制论的定义变得更加宽泛,主要用于指代“对任何使用科学技术的系统的控制”。由于这一定义过于宽泛,许多相关人士不再使用“控制论”一词。 控制论与对系统的研究有关,如自动化系统、物理系统、生物系统、认知系统、以及社会系统等等。