“清华大学孙富春：AI目前是硅智能 下一步是碳智能”

本篇文章9281字，读完约23分钟

本文由本智能实验室(公众号smartman163 )制造。 聚焦ai，读取下一个大时代。

【本智能信3月29日消息】昨天下午，“接触科学大咖邂逅未来科技”未来杯ai挑战赛启动仪式和未来科技主题讲座在贵阳举行。 在会上，清华大学计算机科学与技术系教授、博士生导师孙富春做了演讲。

孙富春说，人工智能依靠物质基础，要讲人工智能就要讲建立在什么样的物质上。 目前，这一代人工智能依赖硅片的计算机，从接近的角度制造智能，依赖大量的计算，所以网络是集体智能的物质基础。

关于如何改变深度学习现在的问题，孙富春在担任自然基金会重要项目时，在行医的老师身上有很大的发现，猴子的多感觉通导中发现了神经环路的记忆机制，这个机制就是调节多感觉信号。 这个突破有可能解决深度学习从单模式学习转向多模式学习的问题。

孙富春认为，人工智能的快速发展有四个阶段。 第一阶段是自己不知道的事。 现在是陌生人都不怕的时代，每一个人都认为自己是人工智能专家。

第二阶段叫你知道自己不知道的事。 随着人工智能的迅速发展，其边缘越来越清晰。 例如，我们今天提到的生物启发智能。 沿着这条线索迅速发展的智能被认为是人工智能。 很多人可能会说我不是在做人工智能，而是在用人工智能。

第三个阶段不知道自己是否知道。 那是人工智能快速发展的过程中有一个重要的部分，必须在国家行动中进行。 例如我们今天把人工智能作为国家战术，为什么呢？其实众所周知，火药是中国人自己发明的，但在甲午海战中，八国联军的时候，有人拿着我们的火药进来了。 所以人工智能必须在国家行为中大力发展和研究。

第四阶段叫你知道自己知道的事情。 人工智能是我们人类用来为我们服务的，它的目标是让我们人类的生活更美好。 小羿

以下是孙富春演讲的实录

首先，我要感谢大会组委会和贵州师范大学。 这是我第一次来到这样一所以大数据、天眼、数据整个地面工作为主的学校。 我今天报告的主题是“人工智能和产业应用”。 最近最热的一句话是人工智能，特别是alphago zero，已知他三天战胜了alphago master，六天战胜了alphago master。 机器三天赢了三千年，中国春秋战国时期的围棋，一个是中国周朝的偃师发明的技艺，是向皇帝表演的智能机器。 一共三千年。 人是不是迈出了被机器奴役的第一步？ alphago的出现是震惊我们的非常重要的两个地方，一个是没有知识没有数据。 第二，利用了基于行为的自循环。 这一招最好的招数是下一个回合的粗糙值。 我在使用强化学习。 这与alphago不同，本来是两个网络类型，现在变成了共享一个动作机缘互联网。 这是非常创新的。过去alphago zero自己和自己玩。 牛顿正在研究宇宙中有第一推力，我想这个小棋盘里也有第一推力吧。

围棋、春秋战国、东汉有哲学家的闲谈，他的着作中论述了和言的兵法等。 棋盘是战场，赤子白子是双方的军队，指挥官是干什么的，是落子战略。 这个落子策是《孙子兵法》的机器推理、人脑推理。 我们在《孙子兵法》中谈论智能fa计划。 fa计划是最早的机器推理。 我们在公元前325年，第一次看到荀子用哲学的立场定义了智能，他说他天生就有认识的能力，将其认识能力放在社会实践中就会产生智慧。

人有追求变化和创新的能力，可以使这种能力在社会实践中产生才能。 智能是什么？ 将人类的认识能力用于变革和创新的世界是智能的。

我们再次看到了最权威的网络词典，他说智能是学习和解决的能力。 我们说今天的人工智能是时代的产物，在不同的快速发展阶段和技术快速发展水平上，其内涵和外延都在发生变化。 例如艺术现在在人工智能、体育、各个方面。 所以，我们认为古代2000多年的定义比那个更好。 我觉得很好。

我们最不能忘记人工智能的是图灵。 我们把图灵1950年提出的能否思考计算机作为人工智能的思想基础。 在这里他提出了有名的图灵测试。 就是和机器背对背，别人向机器提问，让机器回答。 如果5分钟内机器的回答感觉像30%的人的回答，我们就说这台机器有智能。 但是，有这样一个非常简单的问题。 到目前为止，是什么水平？ 每年世界上都有图灵大赛，有金奖、锦江、铜奖，迄今为止没有一个团队获得过金奖银奖。 最高奖项是铜奖。 也说明了30%的人觉得是人的回答，不太容易。 前几天索菲娅在沙特阿拉伯的户口上，你相信她吗？ 不，所有人都准备好了。 我们在谈论人工智能的第二个重要观点。 人工智能依赖于物质基础，我们必须谈谈人工智能是什么物质建立的。 例如，我们这一代的人工智能依赖硅片的计算机。 那个从逼近的立场制造智能。 我认为每个人在学习计算机之前学习分解树枝就是研究用什么算法近似问题和处理问题。 所以它依赖于大量的计算。 我们知道互联网是群体智能的基础，无人机编队没有互联网是无法战胜群体智能的物质基础，所以网络是群体智能的物质基础。

前面说的dna是细胞水平，这是生物计算机。 包括神经系统。 依靠生物计算的是，这种体工智能是未来，我们称之为碳智能。 人工智能过去有两大范式，一个范式是符号主义、逻辑和知识智能。 第二个是神经互联网，认为是数据驱动的智能。 人工智能有第三种范式吗？ 许田教授也谈到了这个问题，认为第三种模式是生物启发的智能。 这里不仅包括动物，也包括植物。 由于依赖生物学、生命科学和心理学的发现，这一代人的人工智能被称为碳智能。

我们以前说过人工智能首先集中于推理，但实际上，我认为人工智能不仅包括机器推理，还包括感知和控制。 这三个模块中的任何一个模块的突破都不能被视为人工智能的突破。 比如，无人驾驶，没有人怀疑不具有人工智能，但100多年前飞机就有无人驾驶，为什么不说人工智能呢？ 因为需要先进的感知技术和推理技术，不可缺少控制技术。

人工智能的迅速发展，离不开理论的突破，我们国家也希望新一代人工智能在我们中国发生。 首先，这一代以大数据和深度学习为代表的弱人工智能是怎么来的？ 来自1958年约翰·霍普金斯大学的两位教授的工作。 他们从猫的视觉皮质开始研究，研究人类的视觉系统被分类了。 这两人在1980年获得了诺奖。 他们的发现是神经科学和认识行业的重大突破，促进了人工智能近50年的繁荣。

我们进入深度学习。 它常用于深度学习，从人类的视觉皮质来自视网膜开始，到v1区、v4区、终极皮质都是萃取零件，甚至高级。 为什么需要这么多层的电脑？ 人类的视觉系统不是一楼吗，为什么要这么多层？ 说到我们这张脸，我们的头发是高频的，眉毛的，还有中频的，还有低频的。 我们现在的减波滤波器能提取所有的新闻吗？ 不能。 例如，高频波取出头发丝，中频滤波器取出鼻子，低频部分露出脸，分为3层。 但是，尽管如此，我们要知道，为了越来越准确地提取边缘，高频的几个滤波器的中频可能也很多。 这种生物系统中的一个区域由硅构成，用计算机近似后有多层，同样可以接近边缘和物体的轮廓。

深度学习和模式识别的区别是什么？ 深度学习利用特征，通过分离器进行深度学习分离，实现识别。 需要数据，需要算法，算法从数据中提取特征。 的特征被称为自动特征，是面向特定任务的特征。 这和以前流传下来的人工智能不同。 人们常说数据是燃料。 贵州有天眼，有大量燃料。

这样的智能，还有很多不足。 第一个不足是端到端的学习，很多层都会发生大量的非线性变换，数据漂移后结果也不准确。 例如，有时将熊猫识别为长臂猿，将美国黑人识别为黑猩猩，这是深度学习犯的错误。

第二，严重依赖大数据，学习效率低。 其实，我也知道我们的生活有很多问题，不需要大数据。 例如，我在做。 非线性函数有几个定律接近了吗？ 我们得到的结论是基数+2，如果这个规则函数只有一个基点，那么三个规则就可以了。 为什么一定要学习那么深入呢？

三是能源消耗大，计算价格高。 阿尔法go最初是28区块gpu。 多少钱？ 上亿。 普通人不能玩。 包括alpha go0在内使用了4枚tpu。 硅的计算非常消耗能量。 就我们国家太湖的光而言，太湖光正常时的耗电量为10兆瓦，清华大学为8兆瓦。 太湖之光迎风时为15兆瓦，这是用钱堆起来的。

四个缺点是模态单一，没有移动能力。 也就是说，alphago只能下围棋，不能下象棋，围棋规则改变也没用。 最后，我认为非常重要。 的智力，也就是碳的智力，具有知识积累到一定程度后，就会出现知识的出现和升华的非常重要的能力。 如在这里，博士生读四年不同，第二年第三年出大量副本，第四年即将毕业。 在这个累计过程中，到了一定时期就会产生新的升华过程，这些也很难单靠以深度学习为代表的一代智能完成。 所以大家都在想，深入学习后，我们要做什么？ 这个时候，我在深度学习了。 这是rpc3。 这是我们学生做的，深入学习，做成狗。 这是战场环境下的深度学习，一旦激活，就会把坦克车识别为猫，把车识别为蜜蜂。 也就是说，在对抗环境下，深度学习是不可靠的。

我们在考虑如何改变深度进行学习，之后做什么。 我认为这方面有两条线索。 一个是我们最近的重要发现。 我负责自然基金会的重要项目。 我们的医学老师在猴子的多感觉传导中发现了神经环路的记忆机制。 这个机制是调节多感觉信号。 这个突破有可能解决深度学习从单模式学习转向多模式学习的问题。

另一方面，我想陈述我自己的观点。 特征+算法是以前流传下来的人工智能，从算法中给数据呈现特征的是虚线，这叫做深度学习。 的特征不是由人定义的，而是通过算法从数据中提取出来的。 那么，让我们再考虑一下。 单模新闻总是不可靠。 让我举个例子。 例如，在我前面桌子上有一个杯子。 我的眼睛里有些像塑料，有些像玻璃。 我们要怎么做那个呢？ 我用手摸一下就完了。 触觉，这是玻璃的东西。 马上做。 也就是说，我们人类在识别事物时，是按照模式来学习的。 比如我们经常说，就像深圳洗脸一样，我发现我不是单纯的洗脸。 就像双胞胎一样，他们不结婚前即使错了也不反对，但是结婚了，爸爸妈妈怎么看？ 在深入学习中看到的人的脸是形式、形象的形状、照片。 爸爸妈妈不仅外形相似，看起来像上帝，长子的老二的把戏，他的行为举止，对一个问题的表情，都影响着爸爸妈妈的评价。 学习学生的知识也不是这样。 我今天在上海做报告。 孙先生给我们讲的概念是模型。 我在书上翻译，书上不清楚我的老老师。 人就是这样按照模式识别事物，很可靠，不行就告诉我，用别的模式补偿。 另一个是行为智能。 布鲁克斯提倡爬行动物的行为智能，自古以来就被提倡。 行为智能在我们的日常生活中经常被使用。 有人说毛主席是行为智能大师。 他在四面渡赤水的时候用敌人指挥官行为的智能，看着他，就知道我会这么做。 我们指挥行为智能称为战争，行为艺术。

我们得到特征后要做什么，我们必须得到概念形成知识，最后建立模型。 深度学习的后半段怎么办，确实是照我说的做了。 我在年度报告中提出的意见。 这两年人工智能的快速发展主要是两个部分，在模型数据提取空之间，接下来建立语义符号模型形成智能，就像我说的从概念到知识。 围绕处理、深度学习中对大数据的依赖，这两年小数据问题备受关注。 这里介绍的员工样本表示学习。 如果描述这个函数空之间的奇函数大于数学维度，人工智能将在两个方面进行，一个是归一化样本空之间。 例如人的视觉、触觉、味觉，如果投影到观测空之间，则利用这空之间的许多性质进行学习。

二是进行流行学习，本质上是记忆学习，提高学习能力。 另一个是通过引入辅助知识来加强学习。 我们再次回到阿尔法go，我认为那是从符号模型到概率行为模型的映射。 符号模型中没有数据。 我该怎么办？ 一开始随便打，乱打，按照围棋规则，只要有10条数据，就在深卷金网上提取特征，形成特征空之间。 其次加强学习，形成行为预测是落子战略。 有人说alphago zero没有知识，卷入神经网络加强学习是什么知识，不就是三千年后人提出的知识吗？ 所以我们认为alphago zero没有外面想象的那么大。 就像索菲亚一样。 那么，在这两年中，例如年提出符号概念互联网的企业，发现了从特征像量中形成概念模型。 这是李非非的工作，他提出了图像形成的概念——关系网。 这是我们课题组最近做的工作，就是通过图像的意义形成来记述他的语言。 电脑看到这个，马上用语言表达。 这是我们做的网络型，第一部分做检查，第二步做代码，然后形成翻译。 机器人在商业环境中的意义理解是目前国际上最新的商业。 包括经验学习在内，如何从特征向量空之间到知识空之间，例如让机器人学习人的操作。

机器人学好了就可以自己做了。 这个工作做得很好。 这是由人类骨骼模型制作的端到端时空模型，学习从长短记忆模型打开人类门的动作训练。 这个动作现在有一个非常世茂的词叫“模仿学习”。 机器人学习后，不仅可以开门，还可以打开抽屉的门和柜子的门。 1980年，他说电脑像成人板一样下棋很容易，但他说让电脑使用像一岁孩子一样的行为能力相当困难或不可能。 人有很高层次的能力，非常简单，不需要很多计算，但是要记住推理、无意识的技能，比如大师教徒弟，做什么这六个工序，一定要在这个工序结束后再做下一个工序，这是无意识的。 我们得出了一个非常重要的结论。 对人来说难的问题对国际象棋等机器来说很简单。 因为机器很快，所以被称为硅片智能。 它能推十步，人力只能停下来。 像围棋。 一天可以学习3万的食谱，人只能学到两个食谱。 人的简单问题，感情的相互作用，感知动作，简单的问题，对机器来说确实非常困难或者不可能。 这个结论表明，人工智能依赖于物质基础。 alphago是波士顿的动力，起着后空反转、能力反映平衡的作用。 无人机非常小，携带3克武器，可以通过数据观察看到别人的脸进行跟踪，杀死坏人。 能穿透人脑飞行的无人机。

我们在谈论末拉维克悖论离我们有多远。 我们有时候傻武器扣动扳机就行了。 聪明的武器需要感知和推理。 这是美国在网上制造的103架无人机，执行编队飞行。 介绍一下碳的智能吧在细胞水平上是dna计算，给出一些数据，dna计算的体积非常小，一万亿个计算可以容纳在小试管里。 1立方米的dna溶剂可以保存1兆个，计算量更是巨大。 这个例子是植物也有智能。 这没有我们说的烟。 动物进去后马上关闭，喷洒煤炭，一周后打开。 这就是典型的扳机，叫做感知动作。 这是毡台，植物在毡台上花呈绿色。

这里重要的数据是操纵50个微观粒子的量子计算机，用户对问题的求解能力超过太湖之光，这就是目前无锡超计算中心。

今天，我们在第一份报告中谈到了我们的宇宙，在前面约定的老师的报告中谈到了生物体，其实这里面有一个重要的概念——全息的概念。 最近，宇宙和人都是全息图。 最近，加拿大外科医生做了一个实验，说人脑对感知思维的记忆是全息的。 所以，让我们回到哲学的立场来看人工智能。 哲学立场，我认为康德纯粹的批判是最重要的。 他说在人类认识的过程中，经验主义和理性主义是两个不同的阶段。 经验主义依赖数据，是实践中的数据。 理性主义是规则。 这两个过程的结合，就是深度学习。 二是维特根斯坦的逻辑哲学论，他讲了一个非常重要的概念，是图像初步理解时最基本的编码方法。 例如，我们国家的语言，中国的复制品是象形复制品，每个字都有很好的故事。 所以古人说你是文人，要实现字、画、诗的同形。 我想我们在这里的一些身体说自己是文人，你会写诗9吗？ 你会写毛笔吗？ 做不到。 古人就是这样。 我们最近有一个重要的结论，就是人的视觉、听觉、触觉、味觉、嗅觉可以相互变化，用二元矩阵表现。 这些之间的迁移条件是什么？ 也就是说，具备迁移能力的条件是什么？ 最近，我们得出了一个非常重要的结论。 也就是说，联合边缘概论是非常相同的。 这就是我们所描述的共鸣，可以将人类的五种感觉统一地表达为一种方式。 这表明全息显示在人工智能中可以做出这样的解释。

大脑智能还有另一个非常重要的部分。 dna神经系统和人类社会系统之间到底有什么关系？ 人类智能最后通过社会关系表现出来。 这三个层面的关系到底如何合作呢？ 这是我们提出的人工智能概念，从云计算的末尾到生物计算，中间有空白色。 也就是说，我们所说的人工智能依赖于物质基础。 这一代智能从硅智能到碳智能，我们把它定义为类生命体材料，称为类生命体智能。 例如，由于纳米米粒组成的生物传感，以及在这项技术中迅速发展的智能，人工智能不仅是我们常说的自动化、计算机，材料科学在这里起着重要的作用。

那么，让我们在简单的过程中谈谈人工智能的迅速发展。 人工智能的迅速发展，我认为我们的国家发展得很快，但有一点很重要，我们和美国的距离很大。 例如在机器学习、自然语言解决，特别是芯片解决方面，我们只有不到三分之一的美国公司。 人工智能主要包括芯片、智能机器人、社会交流互联网、智能交通、教育等。 我做个简单的评论，gpu、英伟达是做人工智能的企业。 今天我还在微信上看。 英伟达企业还推出了非常强大的gpu，性能比过去提高了18倍，体积大幅缩小。 这是去年7月，英特尔公司收购企业，一年前制作的学习型芯片，是可视化解决方案芯片。 这是ibm公司谷歌的tpu，可以说是目前最强大的学习芯片。 到目前为止，我们还没有看到中国人的身影。 我们过去的cpu也落后于美国，最后做出了大家熟知的龙芯，但是龙芯和英特尔的cpu不在一个框架内。 那么在这一代人工智能时代该怎么办呢？ 中国永远走在人的后面吗？ 这是人工智能的中心部分。

智能机器人在我们国家的企业很多，从京津冀到长三角到珠三角，到中部地区，到东北地区，但是一直制约着我们的减速器，高密度直流式负电机，我们依然依赖外国，这些价格高，都进口，这些 这几年进步很大，但和外国产品还有差距。

无人驾驶这两年发展迅速，在深圳挂牌，在上海也挂牌了这两天。 其实我们国家的无人驾驶，这几年来进步很大。 因为我自己是重大项目认证专家组的专家。 我们每年的比赛是由我们的专家小组举办的。 这么说吧，我们的无人驾驶水平目前处于世界前列，我们多次实现了天津到北京的无人驾驶，没有任何人工干预。 最近我们从珠海跑到长沙。 这是我们实现了无人驾驶巴士的无人驾驶，去年我们实现了40吨无人驾驶卡车的无人驾驶。

智能安全的重要部分是脸部和生物识别。 进入北京的1类和2类摄像机后，将被记录下来，识别率为93%。 也就是说，你在街上，马上和你的身份证和公安一致，特别是公务员上班时间千万不要上街。 车也一样，实现了全封闭。 还有人群。

社交网络这两年很快，我去年应邀访问韩国，看到韩国人已经开始通过社交网络去医院看病，去银行办业务，都是通过软件系统，解决成功后发邮件告诉你 我认为社会交流互联网最重要的是顾客画像。 我看到这里的大部分人，你们来到大学，你们从出生开始就在这样的脸上，每一步都是你自己做的，在网上提取包括你的诚信在内的新闻。

移动智能、手机目前发展迅速，包括智能制造，通过生物传感器压缩机实现垃圾的自我管理。

教育，我认为个性化教育现在很重要。 据说从2050年开始大学的数量将减少。 将来，你们的许多公共课程将会以非常快的速度进行个性化教育。 有些年轻人数学很好，不需要和大班一起学习。 他自己学几个基本部分就行了。 有些人有艺术头脑，也许不一定必须学其他东西。 另外，非常重要的是教育要成为产业。

航天行业最重要的部分是遥感技术。 现在的遥感，在我们国家可以做到0.5分辨率，很快就会做到0.1。 0.01的话，可以在街上认出你。 智能遥感将来可以用于城市规划、农作物病虫害的判别，包括违法、反恐、稳定全方位，形成巨大的产业。 我们为自己创造了触觉一样灵巧的手而感到自豪。 可以像人手一样感受纹理、颜色。 像这样小，放在手指上。 纹理、颜色、滑动感、振动压力，现在这个产品已经上市了。 这是那份工作。 中央电视台“开讲了”成为了成果的展示。

另外，软件机器人在这两年里做了非常多的事情。 特别是未来的机器人。 这两年强化学习也很多，特别是基于动作机缘的强化学习被用于机器人操作。 这是我们课题组在多标检测，特别是触觉的表现上，这是我们发表的文案，每年不到30篇，怎么建模触觉？ 我们还获得了去年比赛的冠军。

人工智能从以大数据和深度学习为代表的弱人工智能，目前正在进入特征成像能力空之间，下一步是强人工智能，不同的专家有不同的解读。 我觉得强人工智能一定和人的智能很接近。 最好的形式一定是碳智能和人机混合智能。 斯坦福大学定义了未来人工智能的9个应用行业。

众所周知，人工智能时代最重要的优点之一是人与机器的共生。 过去人与机器的关系是单向的，机器百分百服从人，但人工智能时代人与机器的关系是双向的，机器应该服从人，人的决定受机器的影响。 因为机器有感知、推理能力和行为能力。 这样的话，人说的一点命令，机器可能会有不同的看法。 例如，人让机器做什么，或者机器说这种方法不好，或者别的形式也可能不错。 这个生态被称为人工智能的共生生态。

最近有本书《社会机器》谈到了这件事。 这里想提到的是将来机器高度发达，那要听从我们的指挥吗？ 拿破仑说，我再也不能听从指挥了。 我知道我正在品尝大全的味道，它阻止不了我。 高级人工智能将来会追随我们吗？ 我们来说说人类社会为什么像今天这样文明，也就是说像你们这样的人有责任，敢于负责。 人类历史上也发生了南京大屠杀，正是因为有大部分人的责任和担当，才使我们人类社会走向了文明。 我们希望未来高度发达的人工智能也有责任和担当。

我们认为人工智能的快速发展有四个阶段。 第一阶段是自己不知道的事。 现在是陌生人都不怕的时代，每一个人都认为自己是人工智能专家。 搞机器的人说是用净化计算设计了什么，我是搞人工智能的。 第二阶段叫你知道自己不知道的事。 随着人工智能的迅速发展，其边缘越来越清晰。 例如，我们今天提到的生物启发智能。 沿着这条线索迅速发展的智能被认为是人工智能。 很多人可能会说我不是在做人工智能，而是在用人工智能。 第三个阶段不知道自己是否知道。 那是人工智能快速发展的过程中有一个重要的部分，必须在国家行动中进行。 例如我们今天把人工智能作为国家战术，为什么呢？其实众所周知，火药是中国人自己发明的，但在甲午海战中，八国联军的时候，有人拿着我们的火药进来了。 所以人工智能必须在国家行为中大力发展和研究。 第四阶段叫你知道自己知道的事情。 人工智能是我们人类用来为我们服务的，它的目标是让我们人类的生活更美好。

最后，我把这首歌献给大家。 这首诗是我今天报告的总结，国粹围棋督促智者，一统天地启民根，硅云数据深厚，深度好学，你们的路还很远，特别是在这里的这些天之骄子，祖国的未来应该靠你们来做。 智能产业田精意，勇创高峰励志登。

谢谢你！ (完)

来源：安莎通讯社