作者 | 徐曉飛 杏花 莓酊 海濤 琰琰 維克多
編輯 | 周蕾
2021年12月9日,中國深圳。
由粵港澳大灣區人工智能與機器人聯合會、雷峰網聯合主辦,深圳市人工智能與機器人研究院、深圳市機器人協會、深圳市人工智能學會支持的第六屆GAIR全球人工智能與機器人大會,于上午9:30在中洲萬豪酒店正式拉開序幕。
作爲粵港澳大灣區的第一AI盛會,GAIR大會已成功舉辦五屆,留下衆多精彩、經典和令人驚歎的瞬間。GAIR 2021則延續以往豪華陣容,以1場主旨論壇、2場行業峰會、9場高峰論壇,涵蓋自動駕駛、安防、集成電路、醫療、元宇宙、碳中和、隱私計算、新消費等熱門領域。
往屆GAIR多在夏季舉辦,今年受疫情影響,GAIR 2021延至秋冬方與觀衆見面。恰逢歲末年初,GAIR 2021也以衆多華彩時刻和觀點碰撞的火花,爲行將結束的這一年,帶來一場人工智能與數字化産、學、研、投的年終盛宴。
在12月9日的首日主論壇中,多位頂級學者的精彩演講,與由十余位AI學術大咖帶來的三場高端對話,他們口中那些學術史背後的激蕩故事,與衆多推動學科發展的傳奇人物,使這一天成爲值得反複品味的一天。
首先,是本次大會主席,加拿大工程院院士、加拿大皇家科學院院士、IEEE/AAAI Fellow楊強教授登台致辭,他代表主辦方之一粵港澳大灣區人工智能與機器人聯合會,向大會表示熱烈的祝賀,並回顧GAIR五年來的舉辦曆史,同時圍繞本次大會的主題“加速自助創新 重構數智轉型”展望未來。他表示:
人工智能受到疫情的洗禮,新基建等因素對人工智能進行了實戰的考驗,疫情的各項措施也離不開人工智能的加持。今年數字化是熱潮,以5G、數據中心、工業互聯網、物聯網爲代表的新基建在2021年爆發,這是信息數字化的基建,人工智能和機器學習基礎進一步鞏固,成爲企業“數智化”轉型的基礎設施。
2020年底召開的中央經濟工作會議強調,強化國家戰略科技計劃成爲2021年八項任務的第一位。現在我們又面臨各種大變局,科技的自立自強呼聲和規劃越來越重要。
楊強院士
香港中文大學(深圳)副校長羅智泉:攻克5G網絡尋優“學術無人區”
緊接著,在首個Session“AI前沿”中,中國工程院外籍院士,加拿大皇家科學院院士,香港中文大學(深圳)副校長,IEEE/SIAM Fellow羅智泉,帶來以《5G網絡性能的模型和優化方法》爲主題的演講,分享其團隊在5G網絡性能的模型和優化中用到的AI技術和數學模型技術以及探討了解決5G網絡性能優化的問題。
羅智泉教授今年是第二次參加GAIR,他的研究方向主要集中在優化理論、算法設計以及其在信息科學中的應用;曾榮獲2010年美國運籌學和管理學研究協會(INFORMS)頒發的Farkas獎,以表彰他在最優化領域的傑出貢獻。
在演講中,羅教授先首先簡要分析了5G網絡優化的産業現狀與面臨三大主要挑戰,隨後展示了其團隊成員在現實網絡統計模擬技術構想 、5G非獨立組網的B1及A2參數優化、5G小區物理標識規劃、網規網優高維解空間尋優算法、波束空間用戶流量分布建模及應用等五個方面的最新研究成果。
羅智泉教授認爲:
我們國家通信界的産業設備是世界領先的,但設備領先並不等于網絡整體性能的領先,5G網絡性能優化面臨的主要挑戰有三,即網絡高度複雜的超大規模參數組合、高風險的現網調參以及解決5G網絡尋優問題這個學術無人區。
接著,羅教授展示了團隊研究成果,他們在SIAM/IEEE Trans. Signal Process/NIPS等國際頂級期刊會議上發表了10+篇Paper,申請了4份專利,其成果已在中國、荷蘭、瑞士、德國等全球5G網絡中規模應用,支撐多個運營商5G網絡性能領先。因此,5G網優這個問題前景是廣闊且光明的。
羅智泉院士
加拿大工程院院士于非:共享智能不僅是技術問題,更是經濟問題
第二位演講嘉賓,是加拿大工程院院士,人工智能與數字經濟廣東省實驗室(深圳)執行主任, IEEE/IET/EIC Fellow于非教授,他的演講主題是《互聯:從質量、能源、信息到智能》。
報告分爲五個部分,一是以車爲例,向與會者分享了背景知識——互聯和自動車輛;二是信息互聯中的分層設計、跨層設計、跨系統設計範式:三是人工智能在信息互聯中方法;四是主講報告的主題《互聯:從質量、能源、信息到智能》。第五部分是總結。
他在回顧信息互聯的研發的過程中提到了維數災難和模型災難的問題。另外,目前由數據驅動的人工智能方法存在數據利用率低、泛化能力低、可解釋性差的問題。
通過人類的發展曆史,他提出智能網聯是未來趨勢,對機器和人而言,作出重要的決定比簡單的獲得信息更加重要。共享智能不僅僅是技術問題,也是經濟的問題。
他以聯網的角度重新思考科學的發展曆程,指出我們經曆了質量互聯、能源互聯、信息互聯三個發展階段,下一步將會是智能互聯。他展望了這個領域的機遇和挑戰。
于非院士
圓桌論壇:並行處理與系統結構四十年
上午大會的壓軸環節,是“並行處理與系統結構四十年”圓桌論壇。
人工智能近十余年的突破離不開算力的提升,而並行處理,正是近二十年來計算能力的快速提升的主要推手,但鮮少有人關注到算力騰飛背後的人物。
並行領域的系統性突破始于20世紀80年代,開創者正是一位華人——1984年,黃铠教授出版了《計算機結構與並行處理》一書。該書作爲並行處理領域的第一本國際性經典著作,推動了高性能計算的研究熱潮,也爲我國“863”計劃上馬智能計算機選型通用並行計算機起到了至關重要的作用。
黃铠教授
而這場圓桌論壇,正是從如今時任香港中文大學(深圳)校長講席教授的黃铠博士出發,圍繞他與多位中國計算引領者的故事,诠釋了一顆顆富有中國夢、中國心與中國魂的學者之心。
李國傑院士、鄭緯民院士、倪明選教授、徐志偉研究員、金海教授、劉雲浩教授、楊铮副教授,這7位Fellow組成的四代“全Fellow”豪華陣容,都與黃铠教授有著深厚淵源,在閑話家常間分享了不少共同回憶與科研趣事,現場歡聲笑語不斷。在對並行計算與系統結構領域發展曆史的回顧中,學術精神與家國情懷也使在場觀衆深受感動。
在GAIR 2021上,黃铠回憶1974年第一次重返中國大陸的情景,仍然記憶猶新、熱淚盈眶:「當時訪問,我連旅費都沒有,還找朋友們借了錢,買了機票,從紐約轉巴黎、開羅、巴基斯坦,再繞過喜馬拉雅山與新疆大沙漠,一共飛了34個小時才到北京。」自這一年起,黃铠便與大陸高校建立了密切的學術交流,在清華、北大、中科院等學校擔任講習或客座教授。
1978年,黃铠剛到清華擔任講習教授時,國內的老師都沒有接觸過西方的計算機知識,他從美國帶回來的幾大箱資料成爲了上世紀中國學者系統學習計算機的關鍵窗口。
鄭緯民院士是最早翻譯黃铠著作的中國學者之一。在翻譯《高等計算機系統結構並行性、可擴展性、可編程性》一書時,由于對系統結構知識了解不深,鄭緯民感到「很費勁」,就一邊翻譯、一邊將不懂的問題記下來,一共記了一百多個問題。後來在新加坡的一次學術會議中,他便拿著這一百多個問題請教黃铠教授,對方十分耐心給他作了解讀。
中國計算領域的傳奇人物——李國傑院士,也是在聽取黃铠的講座後,進入了計算機體系結構的大門。他直言黃铠是中國並行計算與人工智能計算的引路人,正是在黃教授的課堂上才了解到數據流(Data Flow)等新概念;後來他也成爲黃铠在普渡大學招收的第一位來自中國大陸的學生。
李國傑院士
1987年,李國傑學成歸國,加盟中國科學院計算研究所,在促進中國計算機體系結構發展變革上扮演了重要角色:長期從事國家「863計劃」高技術研究,兩次擔任國家「973 計劃」項目首席科學家,主持研制曙光一號並行計算機等重大項目等等。1995年,李國傑當選中國工程院院士。
1995年,李國傑創建曙光信息産業有限公司後,急需人才,黃铠便向他推薦了當時畢業、在美漂泊的徐志偉。于是,1996年,徐志偉從美國回到中國,擔任該公司的總工程師。
回國後,徐志偉繼續與黃铠合作研究,並在1998年一起出版了一本關于可擴展並行計算的教材,也就是廣爲傳播的《Scalable Parallel Computing》一書。這些研究也啓發了中科院計算所曙光高性能計算系統從原來的超級計算機向超級服務器的轉型。
時任香港科技大學(廣州)創校校長的倪明選,是黃铠的第一個博士生。1994年,倪明選因並行和分布式系統領域的貢獻被評選爲IEEE Fellow,其論文曾被評選爲最近25年計算機體系結構領域最有影響力的41篇論文之一。
倪明選教授
到了黃門第二代,即黃铠的「徒孫」,則開始出現基于系統結構的新方向探索。
倪明選在密歇根州立大學任教時指導的博士生、時任清華大學全球創新學院院長的劉雲浩便專攻物聯網,他是中國最早定義「物聯網」的學者之一,當選IEEE/ACM雙料Fellow,也是目前唯一一位獲得ACM主席獎的中國學者。
劉雲浩回憶,博士臨近尾聲時,他曾猶豫畢業設計的研究課題究竟要選物聯網定位還是可信P2P,最後在一次學術會議上受到師爺黃铠在P2P上的研究啓發,就選擇了P2P。目前,他的主要研究方向除了物聯網,也有P2P與雲計算等富有黃門特色的方向。
而劉雲浩的學生、時任清華大學軟件學院副教授的楊铮,也是物聯網與無線感知方向的新星,今年入選2022年IEEE Fellow,是入選中國學者中最年輕的一位。
時任華中科技大學教授的金海,稱自己是黃铠教授的「旁系親屬」,他在1998年至2000年期間在南加州大學跟隨黃铠做博士後研究。黃铠交給他的第一個任務,就是將他與徐志偉合著的那本《Scalable Parallel Computing》所有習題做一遍,並照正規解題答案出一本書。
後來,金海成爲推動中國並行處理發展的重要學者之一,他所主持的雲計算項目(「面向多租戶資源競爭的雲計算基礎理論與核心方法」)也獲得了2020年度國家自然科學獎二等獎。
在圓桌的最後,黃铠教授感歎:「1974年他首次到北京時,中國還處于文化大革命的白熱化時期,計算機科技研究大大落後于世界強國,如今,隨著一代代中國學子的成長,四十年過去,中國已經站起來了。」
黃铠曾道,只要自己的身體還行,他就希望多培養人才,爲中國的科研事業做貢獻。在黃铠教授的感染下,他的學生如今也多在學術界或工業界成爲一方掌舵人,同時繼續培養更多的優秀人才,傳承知識,推陳出新。
在聆聽了上午場多位重量級嘉賓的精彩演講和討論後,大會在下午繼續迎來兩場重磅圓桌論壇。
院長論壇:AI創新與人才培養
大會下午的第一場,進入了備受期待的“院長論壇”環節,這是國內人工智能學術界關于未來人才培養和發展一次少有的頂級討論。這一圓桌環節的主持人是AIRS研究院執行院長杜子德教授,出席圓桌的四位AI院長分別是:
-
澳門大學科技學院院長、IEEE Fellow,須成忠教授;
-
深圳理工大學計算機科學與控制工程院院長、AIMBE Fellow,潘毅教授;
-
哈工大人工智能研究院院長、IEEE Fellow,劉劼教授;
-
南方科技大學斯發基斯可信自主系統研究院執行院長、IEEE Fellow,姚新教授。
院長論壇:AI創新與人才培養
論壇開始之後,各位院長分別介紹了各自學院的建設情況,以及目前所遇到的AI人才培養教學和産業研究的困難。其中,杜子德率先提出了他對現今人工智能研究院的顧慮,他覺得,”現在各地建設的人工智能研究院已經不下幾十個,但除了發一些文章,實際的産出都比較有限,這種情況的生存能力比較堪憂。”
對此,劉劼教授表示,”哈工大有悠久的機器人和人工智能科研和人才培養經驗,無論是研究院的科研産出,還是生存,最終都要回歸到人,是’鐵打的人,流水的營盤。’只有把人留得住,人才繼續研究,整個團隊才能繼續發展。現在可能大家都習慣叫人工智能,我相信中間可能會有一些變化,但只要團隊留得住,就會繼續往前走。
此次論壇中,人工智能人才培養觀中究竟是更重視理論,還是更重視應用,也吸引了現場觀衆的積極反饋。
姚新教授
姚新教授表示:“因爲商業應用的熱度,目前大家把AI研究和教學的精力大都放在了應用環節。但深度學習就像一個漂亮的房子,計算機科學與工程是地基。大家一窩蜂去蓋房子,是否會突然發現地基有一天會塌掉?要想做好人工智能及其應用,必須打牢計算機科學與工程的基礎。從人才培養而言,既使做應用也需要有計算思維和邏輯思維能力。不應過度強調人工智能應用的特殊性。”
對于這個問題,須成忠教授也做過調研,他發現先有某一專業領域(比如醫學)的知識,然後學習人工智能的人才,相比計算機系畢業後再去學領域知識的人才,在就業中受到的歡迎度更高。
左:杜子德教授,右:須成忠教授
而潘毅教授在深圳理工大學在制定計算機科學教學計劃時也有類似的矛盾,計算機裏最重要的就是硬件系統、操作系統和算法,如果把這些基礎課打得很紮實,很多AI課程就安排不上,四年教學時間就變得捉襟見肘。”
潘毅教授
臨近結束時,各位院長也分享了自己對于AI人才培養的心得:
-
須成忠教授認爲”人工智能的教學核心不應該叫人工智能,數據科學會更加貼切、更加准確。”
-
潘毅教授表示:”AI教學觀要頂天、立地;頂天是要發明新理論,立地是要讓人工智能真正落地應用。”
-
劉劼教授表示:”人工智能要強調交叉學科屬性,人工智能要往下面走,必須跟領域結合,解決實際問題才有未來。”
-
姚新教授表示:”人工智能人才培養到底是強調能力,還是強調知識,培養人工智能人才和培養計算機人才有什麽不同,或許更值得大家思考。”
杜子德教授
杜子德總結道:
人工智能本質是一個應用領域,而不是基礎學科。而計算機科學與人工智能之間是系統和應用之間的關系,”中國真正做計算機系統的高校非常少,因爲開發先進的計算裝置(包括芯片、體系結構、總線、存儲等硬件和OS、編譯、語言、中間件等軟件)是很難的。”
人工智能和很多專業領域密切相關,比如醫學、汽車、金融等等。AI人才不應局限于自身,而要多和行業專家合作去解決問題。
結合自身經曆,杜子德表示,即便在人工智能時代,計算機科學基礎對邏輯思維非常重要。我們如今最匮乏的,還是有批判性思考能力以及解決問題能力的人才。
至此,在熱烈的掌聲中,院長論壇拉下了帷幕。
圓桌論壇:“1991人工智能大辯論”三十周年紀念
大會進行到下午16時,以“紀念1991年人工智能大辯論三十周年”爲主題的圓桌論壇,在南方科技大學斯發基斯可信自主系統研究院執行院長、IEEE Fellow姚新的主持下正式開啓。
1991年,恰逢日本五代機研發失敗,以符號邏輯爲基礎的傳統人工智能遭遇理論危機,IJCAI在《Artificial Intelligence》專刊上組織的人工智能的大辯論引發強烈反響,並最終促進了連接主義、行爲主義的興起,引領了新一代人工智能基礎理論範式。
參與這場論壇的嘉賓,是這場裏程碑式變革的重要見證者,他們分別是:
-
楊強,加拿大工程院院士、加拿大皇家科學院院士, 微衆銀行首席人工智能官,IEEE/AAAI Fellow;
-
張成奇,悉尼科技大學副校長,澳大利亞人工智能聯合會理事長;
-
周志華,南京大學計算機科學系主任,人工智能學院院長,ACM/AAAI/IEEE/AAAS/IAPR Fellow;
-
趙峰,清華智能産業研究院首席科學家、國際歐亞科學院院士、IEEE Fellow、Sloan Fellow
-
林方真,香港科技大學計算機系教授,AAAI Fellow;
-
林德康,奇點機智聯合創始人。
圓桌論壇:1991人工智能大辯論三十周年紀念
林德康指出,1991年人工智能領域的主要爭論分成兩個派系,也就是符號主義和行爲主義,兩派的代表人物,正是IJCAI 1991 計算機與思想獎的兩位得主——Martha Pollack,以及Rodney Brooks。
Martha Pollack指出AI應該通過符號邏輯表達出來的約束公式,來描述世界,再用約束滿足的方法把高層次的目標細化,其中的典型就是規劃方法。
Rodney Brooks則表示,行爲主義的方法才是正確的AI範式,根據低層次感知信號去得到高層次決策。
林德康補充道,這兩種思路中,前者屬于自頂向下的形式,後者屬于自下而上的形式。並且規劃方法解決的問題大多是人爲構造的,而行爲主義方法則更針對現實。
在深度學習將感知智能急速推進的過去十年中,人們早已見證自下而上方法論的有效性。但深度學習的黑箱性質造成的脆弱性、非因果性困境下,人們又不得不重新開始考慮符號邏輯的重要性,以此增進深度學習的可控性和可解釋性。
在三十年後的這場論壇中,他們也將圍繞當年這場大辯論的核心矛盾,也就是符號主義和行爲主義的矛盾,以及五個基本問題,來探討AI的當下和未來,以此承前啓後,引導下一代AI人才。
這五個基本問題分別是:
-
知識與概念化是否是人工智能的核心?
-
認知能力能否與感知分離開來研究?
-
認知的軌迹是否可用類自然語言描述?
-
認知能否從學習彙總分離進行研究?
-
所有的認知是否有一種統一的結構?
論壇上,楊強教授首先回顧了上世界80年代末人工智能發展的曆史背景。他表示,1991年人工智能經曆了”七年之癢”,專家系統的失敗,邏輯AI的死路以及神經網絡的天花板等一系列事件讓大批從業者對人工智能失去興趣,同時又認爲新事物希望渺茫。後來行爲主義興起,黑箱的機器學習也被接受……這其實是一種文化的轉變,也間接了導致深度學習的黑箱屬性。
在他看來,今天的AI發展,更像是借鑒于模型驅動的物理學,即一個通用模型,解釋所有智能現象,而在當年是一套算法解釋智能現象。同時,科學也是螺旋式上升的,當年側重于解決認知問題,今天硬件的發展讓感知研究變成熱門,或許能夠借鑒感知研究方式解決今天的認知問題。
人工智能發展至今已近70年,但在張成奇看來,它仍然沒有跳出圖靈實驗的”套路”。1950年的圖靈實驗從”只看結果,不看過程”的方式定義了人工智能,早期研究通過模仿人類側重于認知智能,並將感知劃定在智能之外;現階段,AI在深度學習、算力、數據的加持下加速發展了感知智能,又把攻關難題抛向了認知領域。在未來,感知智能、行爲主義和分布式AI的結合會是一個有希望的方向,或許能帶來認知智能的突破。
張成奇教授
周志華表示人工智能的概念和內涵一直在動態發展,今天的“AI”和90年代初的”AI”實質上並不是一回事,當年的AI主要是指”智能行爲的符號化建模”這條研究路線,並且當年的神經網絡是”與AI對立”的事物。
機器學習的發展已經讓現在的AI超越當年的內涵,不能再簡單歸類爲三大主義,例如規則學習和決策樹大體上可以歸入符號主義,神經網絡可以歸入連接主義,強化學習和演化學習可以歸入行爲主義,但統計學習、貝葉斯學習很難歸入以往的三大主義。
事實上AI已形成五大主義:符號主義,連接主義,行爲主義,頻率主義,貝葉斯主義。但回過頭來看,它們任何單方面或許都不夠,需要多方融合集成,例如知識推理與機器學習的融合。周志華補充道,他個人可謂是“集成主義(ensemblism)”者,這是他自己造的一個詞。
AI模型推理的可解釋性一直是機器學習亟需攻克的關鍵目標,如何啃下這塊“硬骨頭”,趙峰從人和機器的各自優勢和取長補短方面談了自己對下一代人工智能系統的看法。從感知這個角度,有些動物或許比人類更敏感,但人能夠總結過往經驗,用語言描述,形成體系化知識,這是人與動物相比最大的差異化優勢。
目前機器學習的知識挖掘仍停留在“關聯度”,未有效地觸及因果關系,如今在大數據和大算力的支撐下,將機器學習、結構化知識、和認知行爲理論有機結合起來,或許有望突破現在純數據驅動的模型推理的黑盒挑戰,實現真正可解釋、負責任的AI。
林方真認爲,1991年的AI大辯論並不是真正的辯論。傳統AI偏向自頂向下,優先考慮人的高層推理和決策過程。Rodney Brooks則提倡自下而上,從簡單本體開始學習。當年Nils Nilsson也因而倡導AI研究應該考慮融合智能本體。這個觀點甚至在當年最有影響的AI教課書上都有體現。林方真補充,人工智能是個漸進的和多方位的學科,不同問題需要不同方法。知識表示和推理是智能的基本部分,而邏輯則是推理的數學基礎。事實上將邏輯用來形式化人類推理原于古希臘,是哲學家和數學家上千年來的研究結晶。最後,林方真表示,邏輯推理被神經網絡取代的可能性不大,AI的各種方法和工具應該結合而不是取代。
伴隨該論壇的結束,以“AI前沿創新與人才培養”爲主題的 GAIR 2021 首日也落下了帷幕。追溯曆史、致敬傳奇,經曆了如此高規格活動現場和高密度信息容量的雙重洗禮,GAIR 2021 在人工智能學界和業界綻放出耀眼的光芒華彩。
值得關注的是,與曆屆一樣,此次 GAIR 大會爲期三天,在12月10-11日這兩天時間裏,是同樣無比精彩的 2 場行業峰會和 8 場高峰論壇。
它們涵蓋國産芯片、智能駕駛、元宇宙、隱私計算、醫療科技、AI安防、碳中和、新消費等數個年度熱門領域,囊括了國內人工智能和機器人學術界、工業界及投資界三大領域,衆多領域資深專家將以主題演講或圓桌討論的形式來對相關話題進行深入探討。
創曆史、領未來,這些對人工智能的前沿探索和創新應用令人期待,讓我們不見不散!