沈向洋、高文、桂衛華、楊強四位院士齊聚，共話人工智慧核心技術 & 關鍵應用落地

• 2019 年 10 月 31 日
• 筆記

AI 科技評論按：2018 年 12 月 17 日，由鵬城實驗室、新一代人工智慧產業技術創新戰略聯盟共同舉辦的「新一代人工智慧院士高峰論壇」在深圳隆重開幕。本次論壇將持續兩天，由 17 日的主論壇和 18 日的醫療專題論壇組成。其中論壇的重頭戲是院士 panel，多位院士將針對人工智慧現狀與發展的一些疑難問題展開討論。

本篇文章為 17 日下午場院士 Panel 的完整內容，Panel 主題為《人工智慧核心技術和關鍵應用落地研討》，參與者包括沈向洋院士、高文院士、桂衛華院士和楊強教授，其中沈向洋院士為 Panel 主持人。

（從左至右）沈向洋院士，高文院士，桂衛華院士，楊強教授

沈向洋：在今天的論壇開始以前，我們先請每個人介紹一下自己最近的工作，從楊強老師開始。

楊強：學術界和工業界目前都有工作在進行中，主要集中於金融領域。近期做的比較多的是機器學習，尤其在遷移學習這塊，同時我也特別關注隱私安全和機器學習的結合。我們在創建一個叫聯邦學習的技術，請了幾家企業共同參與建立一個合作模型，但彼此之間不涉及數據傳遞。我認為，人工智慧領域的學者不應該只關心技術，還要關心技術對社會和隱私安全方面的影響，尤其是社會現在對這方面的呼聲越來越大，尤其在監管、法規方面都要有相應的研究。

桂衛華：我的研究主要聚焦於工業領域，探索如何引進人工智慧技術來解決工業領域的問題。我上午提到了工業軟體，實際還有很多方面的工作也可以做，比如智慧感知、電腦視覺等，這些技術在傳統工業領域裡面的應用都非常廣。舉個例子，之前我們有一個項目想獲取高爐內部的形狀，大家都知道，高爐有幾千立方米，而且爐子是密閉的，溫度還很高，所以有段時間我們一直沒有找到很好的解決方案。後來我們研發出了一個叫工業內窺鏡的工具，主要利用機器視覺的辦法，通過內窺鏡的形式將爐子的內部形狀給搞明白了。後來我在國際自動控制聯合會的會議上介紹這項技術，韓國浦項制鐵的一名技術人員找上了我，邀請我們前去浦項。浦項制鐵和新日鐵是世界上在煉鐵方面技術最先進的兩個公司，浦項制鐵的負責人說他們幾十年來一直沒能解決這個問題，看到我們利用智慧視覺技術解決問題的成果後，他們覺得很震驚。

我想說的是，人工智慧無論是感知、認知、還是視覺層面，都有很多技術可以和傳統工業進行結合。當然，人工智慧要想應用在工業上，首先要突破環境帶來的技術難題，能做到這一點，人工智慧在工業融合方面的道路就會越走越寬。

高文：我自己的事情其實上午都已經說得差不多了。下午我主要想說兩點：第一，下午的幾場報告品質很不錯，中國的人工智慧發展在很大程度上與這幾場報告的關聯很大，可以說中國的人工智慧已經發展到在某些領域別人需要拷貝我們的階段。馬維英博士的今日頭條、顏水成的 360 殺毒產品和孫劍的 ResNet，都會讓我覺得中國的人工智慧研究一點都不弱。今天下午出席本次論壇的人真的很幸運，可以有這麼多收穫，這是我的第一個感慨。

第二，之前有人一直在問，鵬城實驗室既然在深圳，那麼大灣區怎麼辦，做這些我們有哪些優勢？大家剛剛也看到我和楊強簽了合作協議，鵬城實驗室準備和香港在人工智慧方面進行合作，當中包括在河套地區成立一個研發中心、搞活動、組織比賽等。比如楊強就準備要在澳門舉辦的世界人工智慧大會上與我們聯合搞一些活動和比賽，至於其他的一些後續工作我們也會積極推進。我就補充這麼兩點。

沈向洋：謝謝高老師，接下來讓我介紹下我們在微軟做的一些工作。

第一，自 27 年前成立以來，微軟研究院便一直不停在推動人工智慧研發的進步，研究院最早成立的三個研究小組分別是自然語言組、語音組和電腦視覺組，多年下來取得了很多不錯的成績，在這過程中培養了不少的人才。

第二、大公司做人工智慧，應該要提供一個平台讓更多的研發人員參與進來做這件事情，就像像Google的 TensorFlow，我們目前也在做這麼一件事情。

第三、AI 數據的隱私和倫理問題，微軟為此成立一個小組，專門討論在技術研發中的相關問題，比如哪些技術是不可以研發的，哪些技術即使研發出來了，卻不一定能放出去。美國最近對這方面的討論很激烈，微軟的軟體產品在上市以前必需得通過安全審查、隱私審查、無障礙審查（身體有障礙的人也能使用），我覺得在未來還要設立一個 AI 隱私審查。最近有人將微軟、IBM 和曠視的人臉識別技術進行對比，結果發現三家公司的人臉識別技術在面對黑人用戶時，最終識別出來的效果都很差，原因不是出在演算法上，而是一開始的數據源就有問題。過去大家都不覺得這是個問題，然而隨著人工智慧越來越普及，這就成了一個大問題。

沈向洋：我想請教一下楊強老師，未來會如何與鵬城實驗室開展在粵港澳大灣區的科研合作？

楊強：香港從很久就開始從事人工智慧研究，最近也出現許多讓人振奮的結果，比如剛剛對商湯的介紹，還有港大在語言研究方面的學術積累，以及香港科大也在機器翻譯領域做了許多開創性工作。然而這些工作基本上都集中在學術界，與香港本地工業界的結合併不深。

香港現在有兩個重要的工業，一個是金融，跟中國的移動支付對比，香港目前還停留在傳統以人為本的分析；一個是生物製藥，這方面香港是能夠比肩美國的，可惜它的市場局限於本土和國外，沒有面向大陸開放，另外研製也受限於香港本土。這些限制讓我們感到很鬱悶，有這麼好的技術卻不能在更大範圍內起效用。我最近來深圳的微眾進行一些金融科技方面的工作，目前正在建立一個 80 餘人的人工智慧團隊，主要做泛機器人方面的工作，其中包括人臉識別、語音識別和人機交互等。這些對香港來說有很好的借鑒意義，我們希望將香港的學術與中國尤其深圳的互聯網基因相結合，最終起到一個很好的效用，鵬城實驗室和香港人工智慧學會的合作就是一個很好的例子。

沈向洋院士

沈向洋：謝謝楊強老師。第二個問題想請教一下桂老師，中國的哪些人工智慧技術和產業最有可能發揮頭雁效應？比如您剛才提到和韓國企業方面的一些交流，高老師也說我們的技術如今做得越來越好。

桂衛華：高老師對人工智慧的了解比較全面，他剛才也說了，在原材料的工業領域，人工智慧技術是可以起到起到領先作用的。比如我提到的智慧感知的例子，智慧感知在工業領域是很重要的，如今的智慧感知從原來的物理訊號檢測變成形狀/成分的綜合檢測，這個檢測就需要靠大量的人工智慧技術來解決。我剛剛提到的工業內窺鏡也是一個很好的例子，這個技術連韓國人都震驚了。中國的原材料工業領域從裝備技術水平來講，在國際上一直是比較先進的，如果在這個基礎上融入人工智慧技術，中國的工業技術水平有希望起到領先的作用。

沈向洋：問高老師一個問題，如何將中國的數據和應用優勢轉化為中國的技術和產業優勢？

高文：這個問題很難回答。確實中國的人口多、互聯網發達，為我們帶來了大量的數據，然後中國從原來的不太發達到現在高速發展，轉移太快導致很多東西跟不上，如果按照西方那種方式重走一遍，耗費的時間太長，因此我們才要藉助人工智慧來提速。再者，中國獨生子女政策導致老齡化現象很嚴重，如今我們需要各種各樣針對老人的社會服務，這些也需要依靠人工智慧。這些人工智慧恰恰不需要基礎研究做得多好才能進行，只要用好現有的工具，把人才培養好，馬上就能投入使用。至於怎麼把它轉化成基礎研究，我覺得還是有點難，談基礎研究還是要從對它的投入，比如對基礎研究人員的評估、高校的政策的角度去考慮，單靠應用是拉不動的。

沈向洋：您的意思是說數據和應用的優勢可以轉化為我們的產業優勢，但是技術和研究的優勢還是要靠其它的方面，比如說像鵬城實驗室這樣新的研發的機構，來起到更多的促進作用。我完全同意您的觀點。

高文院士

提問：各位院士好！就我現在所看到的人工智慧在自然語言處理、電腦視覺甚至是機器人控制上的表現很多時候比人類還要好。假設經過幾年發展，我們將視覺、自然語言處理、集群控制結合起來，成功建造出一個能聽、會說、能看，並且行動上自由靈活的機器人，這時候可以說我們已經實現了人工智慧嗎？

楊強：現在的人工智慧技術基本上都是垂直發展，假設每個分支無限發展下去，能否創造出像人一樣有靈性的機器人呢？我覺得實現這種量變到質變的過程是很難的，因為你會發每個領域都做細做深的話，邊界效應會逐漸消失，也就是說後面的問題會越來越難。這裡我舉個自然語言處理領域的例子，如果是在一個細分領域，比如負責挂號醫院客服，也許人工智慧夠勝任得很好。但如果要創建的是一個可以回答任意問題的教授級別機器人，那麼這個跨度就有點大了。

高文：我來接著楊教授回答。其實現在我們所使用的都是專用人工智慧，或者說弱人工智慧，它是基於具體功能來進行網路訓練的，背後做了很多工作。就像剛才孫劍提到的 ResNet，這個 152 層的網路在人臉識別的使用效果上很好，可一旦用到自然語言理解領域結果就很難說了。換句話說，這些都是依賴於指定數據的網路。可我們人就這麼一套腦子，眼睛、耳朵都是共同同一套系統，所以你要靠由不同單項任務組合起來的系統去做成一個通用人工智慧系統，目前看來還是有難度的。所以現在談通用人工智慧的實現還有點為時過早，需要模型本身有革命性的進展才可能實現。

提問：各位老師下午好！我是北大和港科大電子工程系的畢業生，現在在海通國際工作。國外像高盛、摩根這些大行，應該是從 10 年前開始利用人工智慧賦能傳統投行，主要是在智慧投顧、演算法、交易等領域，而中資的金融機構是在這幾年奮起直追，然而我個人的體會是，有時候中國一些金融機構比較傳統，然後又有諸多體制上和人才上的限制，加上資本實力也沒有美資投行那麼雄厚，所以感覺往前發展還是有挺大壓力的。所以我的問題是，鵬城實驗室可以提供哪些方面的幫助，讓中資的金融機構在人工智慧領域趕超歐美？

楊強：西方確實已經積累很多的人工智慧應用，然而我們也看到西方和中國乃至整個亞洲在文化上的區別，是如何影響人工智慧的應用方向的。比如西方的投資投顧往往針對的都是大機構，而中國主要以散戶為主，所以中國面臨的是普惠的問題，就是如何讓邊遠地區大量的三四線城市以下的老百姓也能享受到金融服務。如今只要現在利用好互聯網和大數據，再結合人工智慧技術，我們就能做出一個非常強大的普惠金融場景。舉個例子，只要將人臉識別、語音識別、邏輯檢測、電話合身等一系列 AI 技術結合起來，我們就能做出一個強大的 KYC 系統，7×24 小時在伺服器上運行來服務廣大群眾。這個場景是微眾銀行正在做的，他們有上億的用戶，每天都在接受這種服務，比方說一個人要開戶，為了反欺詐的目的你會要求人證合一，這種場景在世界上獨一無二的。換句話說，文化的不同，市場構成的不同，人工智慧的應用方向也會有所不同。

高文：我再補充一句，因為問的是鵬城實驗室如何進行布局，目前實驗室做的事情可以分為兩種：一種是院士工作室，院士可以根據個人的興趣進行布局，針對一些問題做研究。比如沈向洋院士的布局就包括人工智慧在金融科技方面的應用，他還專門從哈佛請來一名教授。第二種是可信計算中心，該中心會針對金融問題做一些支撐，那個還需要花一些時間籌備。

提問：感謝在座各位，當今華人領域最傑出的專家報告讓我受益良多。我的問題是，一個坐滿了人的自動駕駛汽車在高速行駛，假設在行駛過程中碰到一個行人，如果此時剎車，車裡的人會有危險，如果不剎車，行人就有危險。如果我是車商，我就會想保證車裡人員的安全；如果我是政府單位，就要想保證行人的安全。同樣的情況體現在互聯網上，是否誰給的錢多，就可以讓相應的東西彈出來？

沈向洋：我嘗試回答你的問題。你問的是一個典型的人工智慧領域的道德問題。我把你剛剛描述的場景稍微簡化一下，比如一輛自動駕駛汽車發生了交通事故，你只能選擇要麼轉左邊撞倒一個老人，要麼轉右邊撞到一個小孩。事後警察了解你的情況後，也很同情你，因為他想萬一發生在自己身上，他也不知道該如何做選擇。可人工智慧是沒有這種顧慮的，因為它的決策是毫秒級的，所以你到底要設定讓它轉左還是轉右？這是一個難題。

我覺得這些問題需要通過立法的方式解決。目前國際上已經有國家開始意識到這個問題，特別是德國，它的政府規定有幾種情況是我們可以決定的，比如說轉左邊撞的是人，轉右邊撞的是動物，那就轉右邊。即便如此，這個建議還是遭到許多動物保護主義者的批評。無論如何，這說明大家已經開始在關注類似的問題。我覺得到不僅僅是業界和工業界，整個社會和政府都要一起來面對類似的問題。包括你提到的廣告彈出問題，實際上是需要被政府所監管的，特別它涉及到隱私方面的東西，在這方面歐洲走在所有地區的前面，比如它們就出台了 GDPR。雖然已經意識到了問題，但技術永遠是沖在最前面的，隨之就會帶來一些問題，出現問題後政府才會開始設立條例，接著才會有立法，這是有一個天然的滯後關係在裡頭的。無論如何，這個問題需要大家一起面對才有可能獲得圓滿解決。

提問：我有兩個問題。第一是能否請幾位講講腦科學最前沿的一些研究成果？第二是我發現比失去數據隱私更重要的是失去自由意志，因為許多學界和業界的研究都在發揮最前沿的科技來說服人們買垃圾，能不能請沈老師講一下如何讓業界和學界的研究重視自由意志的問題？

楊強：我個人對腦科學沒有研究，但一直想學。你剛剛說的問題其實不需要動用到腦科學，博弈論就能給解決。比如在博弈論里有一個匪徒演算法，源自強化學習和博弈論的結合，可以有效保證用戶搜索結果的廣度與深度。換句話說，它既可以包含你已有的搜索歷史，比方說推薦、點擊行為歷史，又能兼顧到你未來可能出現行為的模型效果，這個對應的是推薦的廣度。我們人為這是很有用的推薦演算法，我們最近也在研究它。

沈向洋：我完全同意楊老師講的，那我就回應一下關於自我意識的問題。當演算法越來越強大後，我們會發現一個人基本上就活在自己願意接觸的世界裡。意識到這個問題後，大家也在嘗試著對產品進行改進，比如微軟的 bing 搜索引擎，當你檢索出來一條新聞，我們會幫你多列幾個不同維度或者不同視角的內容，不會讓你天天只看到自己願意看的東西。關於你提到腦科學的事情，我一直覺得它太有道理了，也建議每一個人工智慧的從業者想想如何將 AI 與腦科學相結合。我曾經說過，做 AI 的人應該要解決這個三個群體的問題：兒童自閉症、中年抑鬱症和老年痴呆症，它們實際上都跟人腦的問題相結合的。我們目前最大的問題是對人腦了解得太少，腦科學目前還處在非常初期的階段。當我和我的學生講腦科學要解決這三大群體的問題，一個學生對我說還有第四大群體的問題，叫青年狂躁症。

最後，感謝楊老師、桂老師和高老師參與這個環節，也謝謝大家的參與。