在当今这个日新月异的时代，IEEEFellow李世鹏：人工智能与机器人前沿研究之思考也在不断发展变化。今天，我将和大家探讨关于IEEEFellow李世鹏：人工智能与机器人前沿研究之思考的今日更新，以期为大家带来新的启示。
文章目录列表:
IEEEFellow李世鹏：人工智能与机器人前沿研究之思考
2.人工智能未来的发展前景怎么样
作者|维克多
编辑|青暮
2021年12月9日，由粤港澳大湾区人工智能与机器人联合会、雷峰网合办的第六届全球人工智能与机器人大会在深圳正式启幕，140余位产学 、30位Fellow聚首，从AI技术、产品、行业、人文、组织等维度切入，以理性分析与感性洞察为轴，共同攀登人工智能与数字化的浪潮之巅。
大会次日，思尔实验室主任、前深圳市人工智能与机器人研究院执行院长、国际欧亚科学院院士、IEEEFellow李世鹏在GAIR大会上做了《人工智能与机器人前沿研究之思考》的演讲。
李世鹏博士，IEEEFellow，国际欧亚科学院院士。历任深圳市人工智能与机器人研究院首席科学家和执行院长、科大讯飞集团副总裁及讯飞研究院联席院长、微软亚洲研究院创始成员与副院长。李院士在多媒体、IoT及AI等领域颇具 。他拥有203项美国 并发表了330多篇被引用了的论文。被Guide2Research列为 顶尖1000名计算机科学家之一。培养出四位MITTR35创新奖的获得者。是新一代人工智能产业技术创新战略联盟发起人之一及联合秘书长。
在演讲中，李世鹏介绍并展望了人工智能与机器人前沿研究方向，他指出：未来机器学习突破深度学习的数据瓶颈或许可以借助认知科学的方法得到突破，学习范式可从依靠大数据转变成依靠大规则；人机协作也要进化为人机谐作，只有将耦合、交互、增强、互补等目标纳入研究方向，才能实现人机的无缝连接。
今天的演讲题目是《人工智能与机器人前沿研究之思考》，分为三个部分，先谈
人工智能
和
机器人研究全景
，然后
聚焦研究方向
，包括机器学习、运动智能、人机谐作、群体协作；最后进行总结。
人工智能相关研究的关键元素有三个：
人、机器人/物联网以及AI
。之所以将机器人和物联网归为一类，是因为这两者是物理 和虚拟 的接口。如果三个元素两两之间发生联系就会形成一个新的学科，例如机器人和AI相结合会产生智能体，AI和人类相结合会产生人机耦合以及增强智能，而机器人和人类相融合会形成增强机体。随着人工智能与机器人领域的发展，研究对象不再局限在单个智能体，而是越来越多地对多个智能体的协作进行研究，例如人类社会群体如何更好地相融合？如何设计出能够精妙协作的机器群体？
总体而言，我认为重要的基本研究方向是：
机器学习、运动智能、人机谐作、群体协作。
1
聚焦方向之机器学习
机器学习的发展离不开深度学习加持，它给行业带来许多研究成果，并赋能了语音识别、人脸识别、物体识别、自动驾驶等方面，推动人工智能产业高速发展。
虽然成果颇丰，但成也萧何败也萧何。深度学习依赖于大数据，其瓶颈也在于大数据。例如国内的智能语音技术尽管处于行业 ，但仍依赖技术积累和数据积累。现在想要让深度学习发挥巨大威力，仍然需要大量数据的加持，如果想让深度学习从一个领域扩展到另一个领域，也少不了数据支撑。
扩展深度学习框架。
例如优化深度学习算法、知识图谱+深度学习、 系统+深度学习等等。另一条路径是
因果推理
，其目标是借助人类举一反三的能力，期望超越数据之间的相关性，进而探索数据之间的因果性，从而得到数据之间的逻辑推理。
第三条路径是
类脑计算
，从生物学角度，探索人脑认知元素和机制，以仿真方法再现人类大脑。
个人认为认知科学是突破深度学习框架的着力点。理由是人类认知过程有两点需要我们去进一步借鉴：生而知之、学而知之。
生而知之是指部分认知能力与生俱来，新生儿的脑神经有很多先天的连接。它给我们的启示是：现在的大多深度学习算法，大部分都是从零开始训练，而没有充分或者 利用先验知识或者已有模型。如何利用现有知识是深度学习的下一个热门方向。
学而知之是指大部分认知能力是后天学习到的，尤其是早期学习。通过学习脑神经建立了更多的连接。孩子很多能力，包括感知、应对、语言、读写和理解，甚至分析问题和解决问题的思路和能力在很小时候已经基本定型；以后基本都是知识的积累。这意味着脑神经元很早的时候就连接定型成一个元模型，剩下的是只是利用这个元模型去解决具体领域的问题。这个与当前的大规模预训练模型有着惊人的相似之处。
学而知之的另一层次是：人类学习过程依靠多源的、多传感的、多模态的、多角度的数据，例如视觉、听觉、嗅觉、触觉和语境等联合信息，而今天的深度学习依靠大都是一段语音、一张照片，因此，未来AI模型的输入数据可能不仅是单一的数据，而是多个信号源的融合。如何模仿人类学习的过程，这是认知科学对深度学习的另一个启示。
再者，人类学习过程是一个从样本示例到原理归纳的过程，而不是仅停留在样本示例层面；目前深度学习却都是停留在样本层面。那么，未来是否能够构造类人的机器学习框架，无论输入什么样的数据，只要逻辑相通，都会收敛到一致的模型？
突破深度学习的数据瓶颈，可以尝试构建规则的众包系统，让人类教机器学习过程，其目的不是输入数据，而是让机器学习规则。由于我们试图从日常的活动中学习规则，这种规则普通人都可以标注示教，这就打破了以前 系统地需要 的局限。这种从大数据过渡到大规则模型构建方式显然也更符合人类的认知。
2
聚焦方向之运动智能
众所周知，在机器人领域，波士顿动力公司的产品最像人，如上动图，机器人跳舞丝毫看不出生硬的感觉。但受计算资源、能量、运动控制的限制，它只能运行几十分钟。其实，波士顿动力机器人的运行方式是基于电机驱动，存在很多缺点，例如刚性运动、自重比较大、反应速度和灵活性的矛盾以及耗能大。
对比人类和其他动物的运行方式，肌肉、骨骼、传感和神经的结合可以在低能耗情况下，实现灵活运行。这给研究者的启示是，机器人的运行系统应该像人一样满足： 、灵活、 、鲁棒、刚柔并济、轻量、自适应等指标。当前的运动智能可能在某一个维度表现 ，但综合考量仍然有很多缺点。
因此，运动智能的一个重要研究方向是：仿生。仿照动物的运动智能，例如运动控制采用逼近反馈式，运动过程视变化随时灵活调整。
如果说机器人是靠内力驱动，而医疗微纳米机器人是外力研究方向的代表。例如依靠磁力，小机器人 地将药物从一个管道运送到另一个管道。
3
聚焦方向之人机谐作
在人机谐作层面，区别于协作，谐作代表人机协作中的耦合、交互、增强、互补、协作、和谐等意思。人机谐作的目标是：不需要告诉机器人类的意图，机器就能领会，从而达到人机的无缝连接。
在达 机谐作的过程中，重点研究人机自然交互、感知及增强。具体可能包括：生物特征检测和识别、人机接口、脑机接口、语音识别、动作识别、表情识别、语言理解、意图理解、体态感知、无隙增强，以及在扩展现实与远程现实的延伸等等。
人机增强智能方面，今天的机器学习框架大都是基于大数据的深度学习框架，肯定会遇到机器智能处理不了的情景。这对于某些高风险领域，例如自动驾驶、金融等来说是致命的。
针对这一问题，当前的解决方案是人类接管。这会涉及三个核心问题：
核心问题1：机器智能如何感知自己处理不了一些情况，而主动要求人来接管？
核心问题2：什么时候人类可以完全放手给机器自主完成任务？
核心问题3：什么样的人机交互设计能充分发挥人和机器各自的长处，同时又无需非必要地麻烦对方？
三个核心问题如果无法解决，会导致一些困境。例如，以自动驾驶为例，目前安全员并不是开了自动功能就一劳永逸，仍然需要时时监测路况与路线，一刻都不能分神。这其实增加了安全员的负担，因为在没有自动驾驶的时候，人类对自己的驾驶环境会有一定的预测，而机器驾驶的情况人类无法预测。
人机增强机体也属于人机谐作的一个领域，能够帮助人类增强物理机体能力，完成一些人类自身体力完不成的事情。但机器可能过于复杂，需要人类培训后才能操作。人机增强机体的未来目标是实现人与机器和谐共处，操控起来如同人类的自己的器官一样自然。其中，涉及的核心研究课题包括：机器感知人的意图、人的姿态、理解人的自然语言命令、肢体语言等等，从而让机器以最适合人类接受、恰到好处的平滑方式帮助人解决问题。
4
聚焦方向之群体协作
目前单智能体已经可以完成许多任务，但如何发挥每个智能体集合起来的威力？这涉及群体协作的研究方向。在仓储场景下，存在许多抓取分类的机器人，如果能够有效调度，那么必将大大提高工作效率。
当前主流的调度方式是中心化的控制方式，但面对成千上万的规模的智能体，则需要非中心化的控制，允许智能体之间存在自主行为，在相互协作的同时，还能做自己的事。即单独的有智能可独立行动的智能体，通过协作而达到的更 的群体/系统智能和行为。
智能体群体协作目前涉及的规则包括，群体行为模型和激励机制、群体智能协同决策。这一方面，蚂蚁是我们的学习对象。另外，在自动驾驶方面，越来越多自主驾驶机器人出现，它们之间如何做到协同感知和协同控制也是当今热门话题。
上述四个方面属于基础性的研究，任何一个领域出现了突破，那将对其领域以及下游应用而言都是革命性的突破，也将带来工业数智化原创技术的创新，会我们在竞争中占领优势地位!
雷峰网雷峰网
个趋势是，全体IT巨头将重兵布局AI云服务，AI-a-a-S，意思是人工智能即服务，将成为未来趋势。AI是未来，已经是不证自明的事实，新老IT巨头不仅在自身业务里积极运用人工智能，同时也在积极利用云计算 将AI服务提供给第三方。
从供给方来说呢，IT巨头们都很清楚，只要第三方使用自己的 ，就会把数据留在 上，而这些数据将会是人工智能时代的一座大金矿。从需求方来说呢，那些应用企业可以利用大公司提供的AI云服务，提升自己的竞争力。所以，无论对于AI服务的提供商，还是使用AI服务的企业，这都是一种双赢的合作。
第二个趋势是，新老人工智能企业将围绕智能入口展开白热化的争夺。在互联网时代，几乎每个入口都会引起争夺，而每个入口争夺的成功者都会变成下一个巨头。比如在Web2.0时代，互动社交的兴起形成了社交入口，造就了Facebook和腾讯。人工智能时代也不例外，激烈的争夺过后，必然会诞生下一个巨大的超级企业。
人工智能时代，服务的入口主要是自然语言的语音交互，自然语言处理会是人机交互的主要模式，谁能让机器更懂人类的语言，谁就能有可能取胜。人工智能会全面包围我们生活的方方面面，这意味着，人工智能入口的竞争会更加惨烈，而越早参与，获得越多的用户，胜利的几率就越大。
第三个趋势是，人工智能将占领客厅，语音交互将成为主流电视应用。智能家居概念喊了很多年了，比尔·盖茨在1995年出版的《未来之路》里就做出了清晰的描述，但是这样的描述迄今都没有成为事实，核心原因就在于用户缺乏需求。
现在随着电视屏幕尺寸增大、视 内容爆炸性增长，传统的遥控器越来越难以满足人们使用电视的需求，语音为主的智能搜索和智能互动正在迅速崛起，自然语言交互将会成为操纵电视机的标准方式。三星等传统的电视厂商、Netflix和亚马逊等视 内容提供商、微软和谷歌等IT厂商都已经或将要推出自己的以电视为核心的语音互动产品，智能家居正在从电视机切入成为现实。
第四个趋势是，智能玩具将成为AI最早成功的应用领域之一。如果利用AI来诊断病情，或是制造自动驾驶汽车，人们往往无法容忍它犯错误。但是玩具不同，人们对玩具的出错容忍度高。所以，在人工智能还没办法超越人类智能的今天，智能玩具恰恰是能够让人工智能获得初期市场认可的切入点。
事实上，现在已经有不少成功的案例了，比如2016年底，能和人玩游戏的智能玩具Cozmo热卖到断货。2017年更会有一大批的智能玩具上市。中国的玩具制造业虽然强大，但是没有什么品牌优势，如果中国的玩具公司和高科技公司合作，借助自己强大的制造实力和市场推广实力，顺势推出自己的品牌，将会获得巨大的商机。
第五个趋势是，商用机器人将在特定的商业场景中发挥巨大潜力。这类机器人往往针对某个特定场景而制作，比如导购、前台、送货，因此见效程度显而易见，在小范围里也更容易推广。
很多有实力的机器人公司，都会开发可用在多个商业领域的通用型机器人，它们能适应不同的环境，缺点是比较昂贵，比如日本软银的pepper机器人，每台约20万元人民币，这还不包括后续服务费和保险费。而专业型机器人更偏重于针对性地解决问题，但是因为能力有限，很容易被竞争对手模仿或是被吞并。
2017年，我们会在很多有一定特点的营业厅里，看到专业型机器人的身影。未来，热点会由专业型机器人向通用型机器人转变，通用型机器人将会迅速崛起。
第六个趋势是，辅助驾驶会成为AI的 个大规模应用。自动驾驶一直是人工智能领域最热门的应用，但是由于之前特斯拉的自动驾驶功能造成了致命事故，谷歌又放弃了自己生产自动驾驶汽车，转而和成熟的汽车厂商合作，这些事实都说明，完全实现自动驾驶，还有很长的一段路要走。
同时，各大汽车公司都在自动驾驶上进行努力，越来越多的汽车上将会配置一定的自动驾驶能力，也就是在有司机的情况下，在高速公路上，或者城市里慢速行驶的情况下实现自动驾驶。
第七个趋势是，人工智能应用会在各个应用领域迅速普及，有大数据支持的应用创业公司会迎来最好的机遇。虽然人工智能领域的竞争非常激烈，尤其是底层技术上的竞争，但是别忘了，真正的赢家不会产生在技术层、 层，而是产生于应用层。比如移动互联网的兴起，最大的赢家不是通信运营商，而是构建了社交网络帝国的Facebook。
而应用对于创新企业来说，人工智能恰恰是它们真正的机会。特别是在IT巨头纷纷开源的情况下，创新企业是有机会利用这些资源，成为下一个霸主的。对于创新者来说，一定要到敌人最薄弱的环节去寻找突破口，最值得下手的地方就是数据丰富、但是应用贫瘠的地方。
第八个趋势是，在智能芯片方面，GPU将进一步得到更广泛的应用。GPU，也就是我们所说的图形处理器，一直都是AI应用的主导硬件处理器，在图像语音识别、无人驾驶等人工智能领域，GPU正迅速扩大市场占比。
未来人工智能的就业和发展前景都是非常值得期待的，原因有以下几点：
一是智能化是未来的重要趋势之一。
1、随着互联网的发展，大数据、云计算和物联网等相关技术会陆续普及应用，在这个大背景下，智能化必然是发展趋势之一。
2、人工智能相关技术将首先在互联网行业开始应用，然后陆续普及到其他行业。所以，从大的发展前景来看，人工智能相关领域的发展前景还是非常广阔的。
二是产业互联网的发展必然会带动人工智能的发展。
1、互联网当前正在从消费互联网向产业互联网发展，产业互联网将综合应用物联网、大数据和人工智能等相关技术来赋能广大传统行业。
2、人工智能作为重要的技术之一，必然会在产业互联网发展的过程中释放出大量的就业岗位。
三是人工智能技术将成为职场人的必备技能之一。
1、随着智能体逐渐走进生产环境，未来职场人在工作过程中将会 繁的与大量的智能体进行交流和合作，这对于职场人提出了新的要求。
2、未来需要掌握人工智能的相关技术。从这个角度来看，未来掌握人工智能技术将成为一个必然的趋势，相关技能的教育市场也会迎来巨大的发展机会。
四是人工智能取代人力，对全球的经济产生影响
1、说到人工智能，大多数人都是比较期待的，当然也有少数人会怀着担忧的心态看到它，因为人工智能的发展，让我们看到了人工智能的 和服从。
2、在未来，当人工智能的发展进入到一个全新的领域阶段，它是不是就能够取代现在一些行业所需要的人工劳动呢？如果是的话，那么将会有大面积的失业问题出现。
3、人工智能的发展，能够在短时间内对其进行量产，这样就会有很多人下岗，对全球的经济和社会来说，影响都是巨大的。
在人工智能研究的过程中，机器学习是行业研究的核心，也是人工智能目标实现的最根本途径，是当前人工智能发展的主要瓶颈。有关于机器学习问题的研究是行业研究的重点，无论是融资金额，还是公司的数量都明显超过其他研究内容。人工智能属于全 科研发展的前沿技术，发展过程中与信息技术、计算机技术、精密制造技术、互联网技术密切相关，对各行业、各领域的发展都有一定的影响，在人工智能发展过程中要认真、深刻地研究其未来的发展方向。
好了，今天关于“IEEEFellow李世鹏：人工智能与机器人前沿研究之思考”的话题就到这里了。希望大家通过我的介绍对“IEEEFellow李世鹏：人工智能与机器人前沿研究之思考”有更全面、深入的认识，并且能够在今后的学习中更好地运用所学知识。
评论前必须登录！
注册