清华总裁班论坛孙富春：全球科技前沿及科技竞争国家战略（下）
孙富春：科技前沿及国家战略
本文整理自清华大学孙富春教授在“清华总裁班年度论坛”上的演讲实录。

国外的科技竞争与国家战略

目前，发达国家大都建立了大型的国家基础科研平台，开展前沿和交叉基础科学研究与创新。这已经成为发达国家科技创新和国际竞争力的重要力量，是促进学科交叉、促进新兴和边沿学科的发展，以及突破重大新技术的强大能力，解决重大国家与国防安全所需科学与技术问题。这些著名的实验室包括：布鲁克海文国家实验室（美国）、格勒诺布尔实验室（法国）、哈维尔实验室（英国）、于利希实验室（德国）等。

美国的布鲁克海文国家实验室成立于1947年，作为美国高能物理研究的大型设备建造与实验基地，承担了美国核反应堆、能源和环境保护，以及纳米技术等一系列关乎国家战略的项目。

瑞士的国家实验室位于瑞士北部，是瑞士最大的国家研究所，主要从事核反应堆、生命科学、同步辐射纳米技术、一般能源、核能与安全、粒子与物质、中子和缪子以及大型研究装置的研究。

法国的格勒诺布尔实验室拥有5个大型的国际实验室和8个国家级研究中心，从事同步辐射光源、中子源、强磁场、基因克隆平台、全自动蛋白质结晶平台、高分辨率技术研究平台以及纳米特征平台等，其中纳米技术中心拥有2400名研究人员、1200名学生和600名的技术人员，每年获得3亿欧元的年度经费。

英国的哈维尔科学和创新园区，其中计算机中心主要从事能源、生命科学、环境、材料和物理方面的模拟和建模；国际空间创新中心与欧空局（ESA）合作，主要从事空间机器人技术和气候变化研究；还包括探测系统中心、材料设计联合研究所等研究单位。

德国的于利希研究中心是欧洲最大的研究中心，主要从事能源、信息、物质结构、生命科学和环境科学的研究，有5000名职工。该实验室包括了马普研究所、亥姆霍慈研究中心、莱布利兹研究所和弗朗霍夫研究所等科研机构。

我国目前非常重视智能科学技术的发展，计划建立三级科研体系。第一级是国家实验室，目前我国国家实验室初步定位为3000人的规模，引领国家在整个领域的发展。第二级是国家研究中心，清华大学目前正在筹办信息科学技术国家研究中心。第三级是国家重点实验室。

近年来黑科技迅速发展。华为去年推出了新的手机学习芯片“麒麟970”，紧接着又推出了“华为云电脑”，主要是依靠云端技术来实现人工智能在5G技术上的应用。在 2018年谷歌I/O开发者大会上，全世界看到AI黑科技的炸裂式表现，即智能客服，此种人工智能客服与人类客服几乎没有差别。2018年零一科技节将通过渐进式的四大区域，结合众多智能产品创造出一个科技的“无人境界”，试图让人类“与科技共生”的第二天性彻底觉醒，主要包括：

A区探索：世界与我的未知
B区感知：人与科技共生的本能
C区释放：蕴藏心中的力量
D区觉醒：不可抵挡的第二天性

近日，北邮光学实验室宣布研发出全球最先进的悬浮裸眼3D显示产品，这款产品让人们无需佩戴眼镜，用肉眼便可直接观察到悬浮在空中的3D图像，而且其清晰度最高可以达到8K，是目前世界上清晰度最高的裸眼3D产品。另外，在人工智能、机器人、智能穿戴、智能家居和智能医疗等众多前沿领域的全球最新科研成果也纷纷亮相。此处我特别想提到的未来的笔记本电脑，未来的计算机一定是穿戴式的，即戴上眼镜，面前就会展示一台电脑，通过空中打字进行人机交互，手机做路由，操作系统和存储在网上。所以未来人们外出不需要再带笔记本电脑。
 
世界各国的人工智能国家战略

目前，美国已经在引领人工智能的发展。近期美国成立的人工智能特别委员会致力于发展基础研究，目的是为了拉开与中国的距离。很多以深度学习为代表的这一代人工智能技术都诞生在美国，特别是在辛辛那提大学利用人工智能技术开发的“阿尔法AI”机器飞行员，战胜了美国空军战术教官基纳•李上校，无一败绩。基纳•李上校称：“这是我见过的最具侵略性、敏捷性、变化性和最可靠的AI”。

日本提出了三阶段线路图推进产业化。第一阶段（2020年之前），确立无人工厂和无人农场技术，普及新药研制的人工智能支持，实现生产设备故障的人工智能预测。第二阶段（2020年~2030年），达到人与物传输及配送的完全自动化，机器人的多功能化及相互协作，实现个性化的新药研制，以及家庭与家电人工智能的完全控制。第三阶段（2030年之后），使护理机器人成为家族的一员，实现出行自动化及无人驾驶的普及（人为原因交通事故死亡率降为零），能够进行潜意识的智能分析与实现本能欲望的可视化。

韩国也已将人工智能列为国家发展的五大关键领域之一，在2017年计划于2025年将AI技术应用于战场，今年3月三星又推出了仿脑芯片。

人工智能已上升为我国的国家战略

我们国家提出了“三步走”：第一步，到2020年，我国人工智能总体技术和应用与世界先进水平同步；第二步，到2025年，我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；第三步，到2030年，我国人工智能理论、技术与应用总体达到世界领先水平。

任务比较艰巨，但是近年来我国技术的突破又让我们信心倍增。美国麻省理工学院每年都会评选全球十大突破性技术，2015年之前入围的没有来自中国的技术，在2016年中国有一项技术入围，到2017年中国有四项技术入围。在计算机视觉领域的ImageNet比赛中，2015年中国人在五个子项的人脸识别拿了冠军，到了2016年，五个单项全部是中国人夺冠，可见我们国家这些年在人工智能领域确实发展迅猛。牛津大学未来研究所将中国与美国在人工智能基础指标方面做了比较，我国在硬件、算法、人才和整体AI潜力指数方便还比较弱，根源在于我国与美国在基础理论的研究创新等方面确实存在较大的差距。

人工智能

1958年，约翰霍普金斯大学David Hubel和Torsten Wiese两位教授发现人的视觉系统的信息处理是分级的，人对物品的识别可能是一个不断迭代不断抽象的过程。这一发现是神经科学与认知领域重大突破，促进了人工智能领域后五十年的发展。两位教授发现人类的视觉系统对视觉的处理是分层处理的，并且对每一层的功能都进行了揭示。例如，它揭示出人类的视网膜得到的像素级图像是通过初级皮层提取边缘信息、通过中级皮层提取部件信息（比如耳朵、眼睛的信息）、通过高级皮层获得轮廓。后来人们把这个过程通过计算机模拟人视觉处理过程的深度学习算法得以实现，对目标的识别率大大提高。深度学习的产品特别多，有苹果的siri、微软智能安全工作间、谷歌翻译等等。但是，目前深度学习在应用中还存在一些问题。第一，端到端的学习，黑盒不具有解释性。第二，依赖于大数据，标注和训练过程成本高。第三，单个网络面向单个任务，泛化迁移能力差。第四，针对基本任务，复杂场景下的联合应用仍是难点。第五，缺乏主动学习，没有AI自动升华与涌现。深度学习仍然会产生错误的原因在于深度学习用的是单模态学习。比如，仅仅通过视觉不能判断远处的矿泉水瓶子是塑料的还是玻璃的，需要再用手摸，触觉感知后才能判别。

在1956年达特茅斯会议上，专家们提出“未来的机器学习能不能形成概念？形成知识和模型？”近日，谷歌子公司DeepMind提出一种新的神经网络——符号-概念关联网络（SCAN）——能够通过模仿人类的视觉和获取文字的方式来学习基于视觉的概念层次，并能够想象出由语言指令诱导的新概念。最近，我们也发现通过机器可以学知识。例如利用VR技术教机器人，可以通过深度学习算法学习动作序列，通过长短记忆网络学习让机器人学会开门。还有偏好学习（基于人偏好的目标搜索策略学习）和迁移学习（根据任务或模型之间的相似性，把在旧领域学习过的模型应用于新领域）等，可解释智能为用户提供了理解和管理人工智能系统的途径。通过可解释性交互学习，用户可以理解算法为什么行，知道什么时候成功等。

人工智能的产业应用主要包括六大领域：智能芯片、智能机器人、社交网络、智能交通、智能教育、智能金融。

机器人的发展

在2011年，我们就发现应该做机器人的人工皮肤，并在2012申请了国家自然科学基金委员会的重大仪器。我们开发了一种类似人类手指头的视触觉传感器，包括表皮、真皮。用电子投影机做表皮，可以测量物体表面的颜色、纹理、滑觉、温度觉，真皮测量正压力。这个技术的创新点在于，现有的灵巧手机器人都是电机带动连杆，即骨头控制肌肉，而我们的研究恰恰是肌肉控制骨头的手。过去我们经常叫“视觉照相机”，今天我们提出“触觉照相机”，两种照相机照出来的颜色不同，因为“触觉照相机”用的是感温材料（即不同的颜色代表不同的温度）。

人的视觉和触觉是同构的，这种同构性使得我们可以通过触觉来重建视觉信息。我们还会进一步研究基于脑图谱的嵌入式神经芯片设计、神经计算与多任务即插即用的接口协议、智能感知与控制、面向任务的深度学习与知识提取、基于统筹策略的多任务并行规划等理论与方法等。

趋势与展望

我国领导层对下一代人工智能的发展十分重视。我国人工智能发展的优势在于发展的速度和应用的广度，我们的短板在于基础研究的深度和原始创新能力。

人工智能传统的研究范式包括连接主义和符号主义。今天我们提出人工智能的第三范式，即生物启发的智能，它依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，包括了以大脑主导的神经计算和细胞层面的DNA计算和植物的智能。植物智能是一种典型的感知模式与动作映射，是行为智能或者扣扳机的智能。

我们正在研究跨模态的泛化和预测，希望在此领域有中国人的一席之地。清华大学的管吉松教授发现老鼠的多感觉通道里面神经环路的记忆机制在调控跨模态的融合。这一发现，使得我们可以借鉴生物学的发现研究新的视觉、听觉、触觉的跨模态融合理论方法。

我们经常讲，现在的智能是硅片计算机的智能，未来的智能一定是生物智能即碳智能。近期美国人谈到类生命体材料，包括液态金属、忆阻器、纳米颗粒等。利用纳米技术可以制造分子和细胞尺度上的机器人，这些机器人可以放在人身体的各个部位，肝部、肺部，时刻监督着人类的健康，称为“生命卫士”。将人的智能与机器智能结合，形成人机混合智能，也是未来的重要发展方向。美国的Neuralink公司正在致力于研发人脑与电脑无缝对接的方式，他们梦想着把人类真正变成“电子人”，拥有电子芯片加成的强大智力。

下一代机器人要在认知体系结构、跨模态的信息处理、经验学习等方面取得突破，进而实现精细灵巧的操作，其中最重要的是在视觉、听觉、触觉的融合芯片。目前，国外的深度学习仅限于单模态芯片，但未来一定是多模态芯片。经验如何去学？如何扩展与泛化？如何通过深度强化学习实现多模态信息到动作单元的映射？如何通过动作序列学习来实现动作行为？让我们共同期待未来智能机器人的发展。