來源：雷鋒網(wǎng)
10 月 21 日- 22 日，在科技互聯(lián)網(wǎng)行業(yè)一直鮮少出現(xiàn)在頭排的泉城濟南，因為 2017 中國自動化大會暨國際智能制造創(chuàng)新大會的舉辦，出現(xiàn)在了行業(yè)聚光燈下。
鄭南寧院士，西安交通大學人工智能與機器人研究所教授，中國自動化學會理事長，也是此次大會的主席。在 21 日上午近 1 個小時的報告中，鄭院士從人腦和神經(jīng)元的結構與功能講起，詳細剖析了人腦在直覺推理、認知推理、因果模型等各個方面，為深度學習與人工智能帶來的新的靈感與借鑒意義，以及我們?nèi)绾瓮ㄟ^這種啟發(fā)，訓練出“健壯的人工智能”。
此次報告可分為四部分：
1.為什么要去實現(xiàn)健壯的人工智能？傳統(tǒng)人工智能的局限性是什么？
2.腦認知和網(wǎng)絡連接之間的關系是什么？腦認知如何與人工智能結合？
3.腦認知具體是如何工作的？
4.以無人駕駛為例，分析人工智能中的認知與推理是如何解決實際問題的。
以下為報告全文：
人工智能滲透到了人類社會各個領域，但目前來看，無論是深度學習還是其它方法，解決的都是單一問題。人類大腦是一個多問題求解的結構，怎么從腦認知和神經(jīng)科學中得到構造健壯的人工智能的啟示，國內(nèi)外都做了非常多有成效的研究。
實現(xiàn)健壯的人工智能的方法
人類面臨的許多問題具有不確定性、脆弱性和開放性。今天人工智能的理論框架，建立在演繹邏輯和語義描述的基礎方法之上，但我們不可能對人類社會的所有問題建模，因為這中間存在著條件問題，我們不可能把一個行為的所有條件都模擬出，這是傳統(tǒng)人工智能的局限性。
這個局限性主要表現(xiàn)在幾個方面：
需要對問題本身抽象出一個精確數(shù)學意義上的解析式的數(shù)學模型（抽象不出，即歸納為不可解問題）；
需要為已建立的數(shù)據(jù)模型設計出確定的算法（容易產(chǎn)生諸如 NPC 等問題）；
處理的結果無法表現(xiàn)現(xiàn)實世界所固有的不確定性；
圖靈意義下的可計算問題都是可遞歸的（“可遞歸的”都是有序的）；
用“度量”來區(qū)分模式，只能處理可向量化的數(shù)據(jù)。
我們要建造一種更加健壯的人工智能，需要腦認知和神經(jīng)科學的啟發(fā)。計算機和人類大腦是對問題求解的物質基礎。在智力和計算能力方面，計算機遠遠超過了人類，但是人類面對的大部分問題都是開放的、動態(tài)的、復雜的，大腦在處理這種問題時表現(xiàn)出的想象和創(chuàng)造，還有對復雜問題的分析和描述，是傳統(tǒng)人工智能的方法所不能企及的，我們只能夠從人類大腦的神經(jīng)網(wǎng)絡結構中去獲得構造新的人工智能的因素。
人類大腦非常奇妙，也正是在這個物質基礎之上，才演繹出人類世界的發(fā)展和對問題求解的各種方法。
右邊這幅圖簡單給出了神經(jīng)元里的結構模型，神經(jīng)元的連接并不是像我們一般理解的物理方式，而是靠突出，突出的過程中有一個間隙，這個間隙產(chǎn)生的反應，構成了大腦中奇妙的演進。人類大腦中的思維或學習都是發(fā)生在突出這個層面上的。實際上在大腦的神經(jīng)網(wǎng)絡連接中，不同空間對應不同功能，不同功能在自身內(nèi)部產(chǎn)生著不同的成本函數(shù)。
人出生之后，大腦會不斷發(fā)展，發(fā)展到一定程度，神經(jīng)元增長到一定數(shù)量，又會遞減，把不需要的神經(jīng)元刪掉。大腦是慢性記憶神經(jīng)元，它需要具有高度的容錯性。
實際上，人出生時大腦是一樣的，如三字經(jīng)所提到的“性相近，習相遠”，6 歲以前，大腦在發(fā)育，到 6 歲左右，從生物學角度上講，這種發(fā)育就完成了，大家的記憶力、智商等都是教育上的反應。教育的基礎就是大腦。所以，大腦不是通過一個統(tǒng)一的沒有分化的神經(jīng)網(wǎng)絡來實現(xiàn)單一的全景優(yōu)化學習的，不同的功能和區(qū)域會生成不同的成本函數(shù)。它是模塊化的，同時具有獨特的系統(tǒng)來支撐注意、記憶、語言等功能。因此，我們可以從腦認知和神經(jīng)科學中去獲得發(fā)展新的人工智能的靈感。
腦認知與網(wǎng)絡連接之間的關系
大腦有 800 億個神經(jīng)元的容量，它主要有三種研究方式：1.結構研究；2.功能研究；3.有效研究。
大腦的結構連接是靜態(tài)的，功能連接和有效研究則具有時空動態(tài)演化的特性。在視覺和聽覺神經(jīng)網(wǎng)絡的區(qū)域空間中，功能連接和有效連接是不一樣的。
有效連接是針對具體任務的，在同一個視覺功能連接空間中，當我們執(zhí)行不同視覺任務時，它所形成的神經(jīng)網(wǎng)絡的有效連接是不一樣的。有效連接描述了神經(jīng)元之間的因果與相互影響關系。從這種結構化的觀點來看，我們構造的神經(jīng)網(wǎng)絡還沒辦法模擬同時具有結構連接、功能連接、有效連接的方式。
功能連接
我們可以通過獲取某一個區(qū)域的活躍程度，或活躍狀態(tài)，辨別大腦正在執(zhí)行什么樣的視覺任務。知道它在執(zhí)行什么樣的視覺任務，我們就得到了它有效連接的狀態(tài)，也可以求出它的有效連接在時空演化中的特性。如果能夠求出其中的規(guī)律，那顯然我們就可以設計相應的人工智能方式去實現(xiàn)。也就是說，我們可以采用可觸的、動態(tài)的、非線性的關系網(wǎng)絡進行認知任務的輸入。
再對它的科學問題做一個總結，我們要回答出三點：1.大腦是如何實現(xiàn)優(yōu)化的；2.腦網(wǎng)絡的監(jiān)督訓練信號從哪里來；3.在不同的神經(jīng)功能研究區(qū)域中，存在什么樣的有效連接的約束和優(yōu)化。
腦認知和人工智能的結合
前面講了概念，在概念基礎上我們要抽象出科學問題，這樣才能指導我們進一步的研究，找到解決問題的方法。下面我們談一下這個方法怎么和現(xiàn)在的方法結合。
去年，谷歌和 MIT 聯(lián)合發(fā)表了一篇文章，文章的中心思想是怎么利用神經(jīng)科學構造健壯的人工智能系統(tǒng)。我們現(xiàn)在深度學習的基本框架，是通過多層神經(jīng)網(wǎng)絡輸入，根據(jù)誤差來調整連接，這建立在大量數(shù)據(jù)標注的基礎上，通過標記數(shù)據(jù)得到網(wǎng)絡優(yōu)化的成本函數(shù)。
我要強調一點，我們通常講深度學習是從機器學習發(fā)展來的，要構造一個學習機器，關鍵問題是在不同區(qū)域、不同任務下，怎么去構造一個成本函數(shù)。
大腦的認知活動
大腦的認知活動分為三個不同層次：一是哲學，二是形象思維和邏輯思維，三是敏感性。
直覺推理
直覺和敏感都屬于創(chuàng)造性思維，警察在破案中，靠的是多年積累和實踐，形成的直覺判斷。靈感、頓悟與直覺的區(qū)別是，直覺是對當前環(huán)境的反應，它在現(xiàn)在人工智能的發(fā)展中扮演著十分重要的角色。我們需要一種基于直覺的人工智能，也可以將它看成一種基于直覺的推理。
人的直覺反應實際上是尋找全局最優(yōu)解。要構造直覺推理，需要連個關鍵因素：1.需要構造一個成本函數(shù)；2.需要給出一個決策結構，而這個決策結構就建立在記憶基礎上。
人在觀察事物時，一定會形成一種與時間相關的影像。如果把直覺推理和數(shù)學歸納演繹推理兩類機制組合，就可以實現(xiàn)基于認知計算或受神經(jīng)科學啟發(fā)的人工智能。
認知推理
我們把認知推理稱為直觀、樸素的物理推理。物理層面的認知推理可以化解時間與空間，追蹤事物的發(fā)展軌跡。認知推理的另一個要素在心理層面，簡而言之就是學習方向受心理狀態(tài)的引導。我們需要把物理層面和心理層面的推理嵌入到推理的人工智能系統(tǒng)中。
因果模型
在直覺和認知推理中，我們還需要構造一種模型，其中因果模型是基礎。認知計算框架下的因果模型既要滿足物理因果關系所產(chǎn)生的物理約束，同時又要讓機器理解當前認知任務下的因果關系。
構造一個具體的人工智能系統(tǒng)
直覺推理、認知推理和因果模型是構建健壯的人工智能必須考慮的基本因素。那么如何來構造一個具體的系統(tǒng)？構造機器人需要三個基本要素：1.對環(huán)境中的所有對象進行特征識別，并且進行長期記憶；2.理出對象間的關系，并對它們相互間的作用進行描述；3.基于想象力的行為模型，人在進行具體行動之前，會想象其帶來的后果，但機器就需要分析物體之間的各種關系。
這三種要素是讓機器像人一樣理解物理世界的基礎。具有想象力的人工智能，就需要：
行動之前預想到結果；
構造一個位置模型 ；
給出環(huán)境模型，提取有用信息；
規(guī)劃想象行為，最大化任務效果。
認知如何解決實際問題
我們在 2000 年初就開始做無人駕駛，有人說要把無人駕駛汽車和城市真實場景的車融合，我們還面臨非常艱難的挑戰(zhàn)，有相當長的路要走。車聯(lián)網(wǎng)，V2X，V2V，都一樣。在這種局部、動態(tài)的場景中，我們怎樣讓自動駕駛跟環(huán)境融合，確實是一個很大的問題。
無人駕駛的挑戰(zhàn)存在于：
必須準確感知周圍環(huán)境，在所有條件下安全行駛；
自動駕駛必須能夠抽象，要完成一種交互情境中的記憶計算；
自動駕駛必須能夠理解預行為。
現(xiàn)在絕大多數(shù)自動駕駛采取了場景感知與定位，決策規(guī)劃與控制，這是一種簡單的 ADAS 形式，但我們要如何通過新的方法來解決這個問題？
場景感知與情境計算
場景是某個交互場合在特定時間和空間中的具體情境和影象，它可以定義為一種實體。情境是指這種實體隨著時間和空間變化而產(chǎn)生的關聯(lián)。情境計算是對場景各個關聯(lián)的對象做解釋，可以定義為一個行為相關體。
這里的問題就是，第一，要讓自動駕駛汽車像人一樣理解和記憶，就要具有記憶推理和經(jīng)驗分析的技術；第二就，進化發(fā)展的自動駕駛，其學習過程要像人類一樣熟能生巧。
人類視覺關注的基本機制是選擇、組織、整合、編碼。
人對變化是非常敏感的，可以提取交通場景中的顯著性變化。比如你在開車時，如果右前方突然來了一個騎自行車的人，你的注意力會轉移到騎車人的身上。在自動駕駛汽車上，我們要構造一個選擇性的注意機制網(wǎng)絡，對數(shù)種圖像進行理解，并根據(jù)內(nèi)部狀態(tài)的表示，忽略不相關的對象，選擇下一步要采取的動作。
把場景感知和情景認知結合起來，需要我們構建一個模型，融合先進知識概念，實現(xiàn)記憶學習。
場景感知是將通過各種不同屬性的傳感器獲得的不同數(shù)據(jù)，提供到深度學習中，之后再根據(jù)長短期記憶和定位網(wǎng)絡，進行情境計算。在這種框架中，我們可以把場景感知和情境計算融合在一起。
一個高效的情景計算要運用實際情境的因果關聯(lián)，在最前端的數(shù)據(jù)層面進行有效計算，這就需要把數(shù)據(jù)驅動變成事件驅動。人在開車時，根據(jù)情境判斷前方可不可以行駛，這就是把數(shù)據(jù)驅動變成事件驅動。
怎么構造事件驅動？就是把可見光和激光點云數(shù)據(jù)融合在一起，把三維數(shù)據(jù)轉化成二維圖像數(shù)據(jù)。點云數(shù)據(jù)給出了每一個生物體的明確的點，二維圖像沒有深度信息，它是圖像的幾何形狀變化。把人的數(shù)據(jù)和激光點云的數(shù)據(jù)融合，用數(shù)據(jù)驅動轉變?yōu)槭录寗?，就得出了可行駛?shù)據(jù)和不可行駛數(shù)據(jù)大的劃分。
人開車的時候，他在注意什么，我們就來構建一個類似的選擇性基礎，把同樣的場景輸入到一個深度學習網(wǎng)絡中，通過深度學習網(wǎng)絡提取特征和人的注意力。
