新一代人工智能五大智能方向

国务院近日印发《新一代人工智能发展规划》,提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施,部署构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国。

2017年1-2月,中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿(英文)》出版了“Artificial Intelligence 2.0”专题,潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文,对新一代人工智能中涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。专题包括7篇综述、5篇研究论文。让我们随着专题中的综述文章,一起领略新一代人工智能中5大智能方向的图景。

1956年,在美国达特茅斯(Dartmouth)学院,约翰·麦卡锡(John McCarthy,1971年度图灵奖获得者)、马文·李·闵斯基(Marvin Lee Minsky,1969年度图灵奖获得者)、克劳德·艾尔伍德·香农(Claude Elwood Shannon,信息理论之父)、纳撒尼尔·罗彻斯特(Nathaniel Rochester,IBM第一代通用计算机701主设计师)四位学者发起举行“人工智能夏季研讨会”,指出“人工智能”研究目标是实现能模拟人类的机器,该机器能使用语言,具有概念抽象和理解能力,能够完成人类才能完成的任务并不断提高机器自身。

“人工智能”这一概念提出后,迅速发展成为一门广受关注的交叉和前沿学科,沿着“从符号主义走向连接主义”和“从逻辑走向知识”两个方向蓬勃发展,在象棋博弈、机器证明和专家系统等方面取得了丰富成果。随着互联网的普及、传感网的渗透、大数据的涌现、信息社区的崛起,数据和信息在人类社会、物理空间和信息空间之间的交叉融合与相互作用,大众创业和万众创新等新技术、新产业和新业态不断涌现,使得对人工智能基本理论和方法的研究开始出现新的变化,这些变化也使得人工智能新的应用呈现勃勃生机。

为了更好地与学术同行交流人工智能2.0理论、方法和技术,潘云鹤院士于2016年12月在中国工程院院刊Engineering(主刊)发表了题为“Heading toward artificial intelligence 2.0”的论文,从人工智能60年的发展历史出发,通过分析促成人工智能2.0形成的外部环境与目标的转变,分析技术萌芽,提出了人工智能2.0的核心理念,并结合中国发展的社会需求与信息环境特色,给出了发展人工智能2.0的建议。

2017年1~2月,中国工程院院刊信息与电子工程学部分刊《信息与电子工程前沿(英文)》出版了“Artificial Intelligence 2.0”专题,潘云鹤、李未、高文、郑南宁、吴澄、李伯虎、陈纯等多位院士以及专家学者参与撰文,对新一代人工智能中涉及的大数据智能、群体智能、跨媒体智能、混合增强智能和自主智能等进行了深度阐述。

挑战与希望:AI 2.0时代从大数据到知识

庄越挺、吴飞、陈纯、潘云鹤

对大数据时代人工智能领域近期出现的若干理论和技术进展进行了综述,认为将数据驱动机器学习方法与人类的常识先验与隐式直觉有效结合,可以实现可解释、更鲁棒和更通用的人工智能。AI 2.0时代大数据人工智能具体表现为:从浅层计算到深度神经推理;从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习;从领域任务驱动智能到更为通用条件下的强人工智能(从经验中学习)。下一代人工智能(AI 2.0)将改变计算本身,将大数据转变为知识,以支持人类社会更好决策。

AI 2.0时代的群体智能

李未、吴文峻、王怀民、程学旗、陈华钧、周志华、丁嵘

认为基于互联网的信息物理世界深刻地改变了人工智能发展的信息环境,将人工智能研究的新浪潮推进到人工智能2.0新纪元。作为AI 2.0时代最突出的研究特点之一,群体智能引起了产业界和学术界的广泛关注。具体来说,为应对挑战,群体智能提供了一种通过聚集群体的智慧解决问题的新模式。特别是由于共享经济的快速发展,群体智能不仅成为了解决科学难题的新途径,而且也已融入日常生活的各个方面,例如线上到线下(online-to-offline, O2O)应用、实时交通监控、物流管理。该文对现有群体智能研究成果进行总结和综述。首先,论述了群体智能的基本概念,并对其与现有相关概念(如众包和人本计算)的关系进行了解释。然后,介绍了4类具有代表性的群体智能平台,总结了3项核心问题以及最新的群体智能技术。最后,讨论了群体智能研究的发展方向。

跨媒体分析与推理:研究进展与发展方向

彭宇新、朱文武、赵耀、徐常胜、黄庆明、卢汉清、郑庆华、黄铁军、高文

认为随着人类文明的进步以及科技的发展,信息的传播从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多种媒体形态,越来越显现跨媒体特性,而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。本文从7个方面对跨媒体分析与推理进行综述:(1)跨媒体统一表征理论与模型;(2)跨媒体关联理解与深度挖掘;(3)跨媒体知识图谱构建与学习方法;(4)跨媒体知识演化与推理;(5)跨媒体描述与生成;(6)跨媒体智能引擎;(7)跨媒体智能应用。

混合—增强智能:协作与认知

郑南宁、刘子熠、任鹏举、马永强、陈仕韬、余思雨、薛建儒、陈霸东、王飞跃

认为由于人类面临的许多问题具有不确定性、脆弱性和开放性,任何智能程度的机器都无法完全取代人类,这就需要将人的作用或人的认知模型引入到人工智能系统中,形成混合—增强智能的形态,这种形态是人工智能或机器智能的可行的、重要的成长模式。混合—增强智能可以分为两类基本形式:一类是人在回路的人机协同混合增强智能,另一类是将认知模型嵌入机器学习系统中,形成基于认知计算的混合智能。该文讨论人机协同的混合—增强智能的基本框架,以及基于认知计算的混合—增强智能的基本要素——直觉推理与因果模型、记忆和知识演化;特别论述了直觉推理在复杂问题求解中的作用和基本原理,以及基于记忆与推理的视觉场景理解的认知学习网络;阐述了竞争—对抗式认知学习方法,并讨论了其在自动驾驶方面的应用;最后给出混合—增强智能在相关领域的典型应用。

AI 2.0时代的类人与超人感知:研究综述与趋势展望

田永鸿、陈熙霖、熊红凯、李洪亮、戴礼荣、陈婧、兴军亮、陈靖、吴玺宏、胡卫明、胡郁、黄铁军、高文

简要回顾了不同智能感知领域的研究现状,包括视觉感知、听觉感知、言语感知、感知信息处理与学习引擎等方面。在此基础上,对即将到来的AI 2.0时代智能感知领域需要大力研究发展的重点方向进行了展望,包括:(1)类人和超人的主动视觉;(2)自然声学场景的听知觉感知;(3)自然交互环境的言语感知及计算;(4)面向媒体感知的自主学习;(5)大规模感知信息处理与学习引擎;(6)城市全维度智能感知推理引擎。

智能无人自主系统发展趋势

张涛、李清、张长水、梁华为、李平、王田苗、李硕、朱云龙、吴澄

介绍了智能无人自主系统的发展趋势,将相关技术分成了7个领域,包括人工智能技术、无人车、无人机、服务机器人、空间机器人、海洋机器人和无人车间/智能工厂,对每个领域的发展趋势进行了介绍。

人工智能在智能制造领域的应用研究

李伯虎、侯宝存、于文涛、陆小兵、杨春伟

介绍了团队近年将人工智能技术应用于制造领域的研究与实践。首先,简析“互联网+人工智能”时代核心技术飞速发展正引发制造领域的模式、手段和生态系统的重大变革以及人工智能的新发展;接着,基于人工智能技术与信息通信技术、制造技术及产品有关专业技术等融合,研究提出了智能制造新模式、新手段、新业态,智能制造系统体系架构和智能制造系统技术体系;进而,从智能制造的应用技术、产业和应用示范等角度, 简述智能制造领域的国内外发展现状;最后,提出我国人工智能2.0在智能制造领域应用研究的建议。

来源:人工智能学家

(0)

相关推荐