CCHI 2018 第二日丨8场重磅大会报告上演学术饕餮盛宴

8月26日，第一届中国认知计算与混合智能学术大会（CCHI 2018）在西安进入第二天议程。炎热的天气没有阻挡与会嘉宾的热情，报告现场人头攒动，气氛十分热烈。本届大会由国家自然科学基金委员会信息科学部、中国认知科学学会、中国自动化学会、联合国教科文组织国际工程科技知识中心共同主办，旨在研讨认知科学、神经科学与人工智能学科等领域交叉融合的最新进展和前沿技术，展示国内外研究团队在该交叉领域的基础理论、尖端技术等方面的研究进展。

 

根据大会日程，26日有8位特邀嘉宾作大会主旨报告，他们分别是：

 

美国密歇根大学教授张俊：《智能与认知计算的数学基础》

 

中国工程院院士、新疆大学教授吾守尔·斯拉木：《基于信息感知的混合智能处理及其应用》

 

中国科学院院士、北京大学教授黄如：《面向神经形态计算的新一代智能芯片》

 

中国自动化学会副理事长兼秘书长、中国科学院自动化研究所研究员王飞跃：《平行认知: 迈向知行合一的智能认知科学与技术》

 

微软亚洲研究院研究员、副院长张益肇：《迈向混合智能，赋能个人和组织》

 

西安交通大学副校长、教授郑庆华：《大数据碎片化知识融合研究与工程应用》

 

联想集团副总裁王茜莺：《超算平台助力混合智能发展》

 

中国工程院院士、中国自动化学会理事长、西安交通大学教授郑南宁：《直觉性AI与无人驾驶》

 

美国密歇根大学教授张俊

首先进行大会报告的嘉宾是美国密歇根大学教授张俊。

张俊教授是美国密歇根大学心理学系终身教授、数学系终身教授，美国心理学协会会士，心理规律协会会士。由他主持的M3实验室（Mind，Machine，Mathematics）长期开展认知建模、机器学习等人机界面、类脑人工智能算法研究，持续获得美国自然科学基金会、国防部等部门的科研经费支持和支撑。

 

张俊教授从计算机视觉和人工智能先驱者David Marr提出的智能计算的三个层次（计算理论层面、算法层面、硬件实现层面）角度，介绍了适应性智能的一些普适及核心算法，其中包括强化学习算法、分类和概念化算法、漂移扩散决策过程等算法及其神经机制，进而引入信息几何理论统一框架。在认知层面，张俊教授从容限空间出发探讨（视）认知的数学基础，阐述知觉物体的整体性与不变性知觉，提出刻画知觉组织的泛拓扑理论框架。

中国工程院院士、新疆大学教授吾守尔·斯拉木

 

第二位大会报告嘉宾是中国工程院院士、新疆大学教授吾守尔·斯拉木。

吾守尔·斯拉木院士长期从事多语种信息处理、网络安全及通讯等方面的研究和学科建设。开拓了计算机民文信息处理新领域，使它不断发展成多媒体化、网络化、智能化新水平，解决了许多关键理论及核心技术，为我国多语种信息化事业做出了突出贡献。本次报告也围绕吾守尔·斯拉木院士自身在混合智能相关领域从事的研究展开。

吾守尔·斯拉木院士的报告主要概括为三部分：混合智能的表现形式、新一代人工智能混合智能处理关键共性技术体系及有关技术、混合智能在社会建设等方面的应用。他首先回顾了混合智能发展的三个阶段，即逻辑推理、知识工程以及数据挖掘，并指出混合智能面临的技术瓶颈，包括依赖大量高质量训练数据、难以处理数据稀少的长尾问题、依赖应用场景不通用等问题，并给出了解决通用化、自适应能力、数据缺失时的训练等下一步发展方向以及未来愿景。

 

随后，吾守尔·斯拉木院士讲解了基于深度学习和信息感知的新一代人工智能混合智能处理关键共性技术体系，包括大数据驱动知识学习、知识计算引擎、跨媒体分析推理、智能识别、自然语言智能理解和自动生成等技术。他认为，混合智能处理技术在智能信息服务各个环节实现了系统感知、全面分析、及时处理，以及自我调整功能。

 

吾守尔·斯拉木院士结合自身研究方向，详细介绍了混合智能处理在推进社会治理智能化、构建智能化监测预警与综合应平台、丝路多语言翻译平台建设等方面的应用，以及基于深度神经网络、高级机器学习、大数据智能等混合智能处理的一带一路多种自然语言智能互评平台及其大规模语料库建设。

中国科学院院士、北京大学教授黄如

 

吾守尔·斯拉木院士精彩的报告结束后，中国科学院院士、北京大学教授黄如围绕“面向神经形态计算的新一代智能芯片”展开报告。

黄如院士是国际著名的微电子器件专家，现任北京大学信息科学技术学院院长、教授，中国科学院院士。主要从事半导体新器件及其应用研究，多项研究成果连续被列入四个版本的国际半导体技术发展路线图ITRS。

 

传统计算机由于采用存储与计算分离的体系架构，当前已经面临性能、功耗等多重挑战，同时现有计算模式难以完成许多对人类大脑来说轻而易举的任务，比如感知和复杂认知能力等，亟需发展新的神经形态计算芯片和系统。

 

在报告中，黄如教授系统阐述了传统计算硬件所面临的问题和挑战以及神经形态计算对于芯片的要求，并分析近年来神经形态计算芯片研究取得的进展和尚未解决的问题，指出未来神经形态计算硬件可能的发展趋势和技术路线。在黄如院士看来，发展逼近生物神经元和神经突触行为的新型神经形态器件和集成架构、在单元和架构层次上实现类脑信息处理功能是神经形态计算的重要基础，器件、电路、架构、算法等层面协同设计则是核心关键。最后，黄如院士针对课题组在神经形态器件及芯片等方面的相关研究进展和成果同与会嘉宾进行了分享。

中国自动化学会副理事长兼秘书长、中国科学院自动化研究所研究员王飞跃

 

随后，中国自动化学会副理事长兼秘书长、中国科学院自动化研究所研究员王飞跃同与会嘉宾分享了他对平行理论与认知计算相结合的观点和看法。

王飞跃教授是智能控制、智能机器人、无人驾驶、智能交通等领域早期开拓者之一，自二十一世纪初，发起并开拓了社会计算、社会制造、平行智能、平行控制、平行管理、知识自动化等新的研究领域。

 

王飞跃教授首先回顾了认知科学的起源与目标，介绍了平行认知作为认知计算和混合智能结构化与过程化之手段的途径及方式。他认为，利用ACP方法和CPSS理念，通过将认知分解为描述性认知、预测性认知和引导性认知，将为认知科学提供一个可计算、可试验、可检验的基础设施和平台框架，使"知行合一"成为智能认知的实时性技术要求。

对此，王飞跃教授指出，在虚拟现实VR、扩展现实AR、人工智能AI的基础上，还要进一步补充虚拟传感VS、扩展传感AS、人工认知AC。借助软件定义的认知传感器和认知机器人，形成集平行传感、平行试验、平行智能为一体的实时嵌入式智能认知系统，使"不定、多样、复杂(UDC)"的问题与现状，内化为其"灵捷、聚焦、收敛(AFC)"的认知能力与效率，最终实现"人机结合、知行合一、虚实一体"的"合一体"认知科学方法与技术。 

 

微软亚洲研究院研究员、副院长张益肇

微软亚洲研究院研究员、副院长张益肇以《迈向混合智能，赋能个人和组织》为题，分享了微软在混合智能领域所做的工作及取得的成绩。

张益肇博士毕业于麻省理工学院，获电气工程和计算机科学学士，硕士，和博士学位。他的主要研究方向是自然语言理解、机器学习和信号处理，已在国际著名的杂志和学术会议上发表了多篇关于语音技术、神经网络和遗传算法方面的论文，是多项专利和正在申请的专利的拥有者。他也是用于电信系统的自然语言界面研究领域的先驱。

 

张益肇博士在报告中指出，纵观历史，人类已经开发了帮助文明演进和成长的工具和技术。从计算机到后来的人工智能在技术迭代发展的过程中扮演了重要的作用。近期，人工智能愈发受到关注并引起了广泛地讨论。在报告中，张益肇博士列举了在计算机视觉和数据挖掘等人工智能已经展示出类似人类能力水平的领域，并探讨人类如何在创造力和判断力方面更出色。在他看来，由于人工智能是可以增强人类能力的工具，因此明确技术可行和不可行的范围也十分重要，以确保人工智能最终能被恰当使用。

西安交通大学副校长、教授郑庆华

 

随后，西安交通大学副校长、教授郑庆华围绕“大数据碎片化知识融合研究与工程应用”展开报告。

 

知识工程的发展由来已久，但通过人工方式把知识建模到计算机当中，无论是在规模、质量、灵活性上都产生了巨大问题，因此，需要在手段和方法上进行革命性的变化。2013年，郑庆华教授团队首次提出“大数据碎片化知识融合”研究方向，这是大数据、AI、知识自动化、知识工程等研究领域的共性问题。郑庆华教授介绍：“碎片化知识融合属于知识自动化范畴，知识自动化的核心是实现知识的自动获取、关联、重组、推理以及融合，为人类获取知识提供更大的智能化、精准性。这个方向已经成为本领域的一个重要发展方向。”碎片化知识融合核心就是把多元、低质、无序的碎片化知识按照知识图谱的组织方式把它进行聚合。

 

与信息融合研究如何采集多个传感器数据并实现目标对象识别不同，碎片化知识融合旨在解决知识自动化的三个关键需求——既见树木又见森林、由此及彼由表及里、去粗存精去伪存真，其核心问题是如何从位置分散、模态多样、内容片面、结构无序的大数据中挖掘出碎片化知识并融合成知识图谱。对此，郑庆华教授提出了“知识森林”模型及其构建方法，建立了大数据碎片化知识挖掘与融合理论与关键技术，研究成果应用于互联网教育、国家金税工程、全国高考网络舆情监测等重大工程，取得了重要研究成果和数千亿的经济社会效益。

联想集团副总裁王茜莺

 

联想集团副总裁王茜莺则从“联想超算平台助力混合智能发展”的角度作了精彩的大会报告。

 

王茜莺博士表示，今天的我们正在飞快地进入一个由人工智能驱动的全新时代。从人工智能到增强智能，人类和机器将会形成新的伙伴关系。而人工智能的快速发展离不开三个核心要素，即数据、计算力以及算法。当前人工智能领域的各大巨头不约而同地在建立自己的人工智能平台，联想也在快速构建具备多媒体、多模态处理能力的人工智能平台。

王茜莺博士认为，联想在超算领域的优势会让平台更加强大，同时，未来的人工智能会让软件硬件发挥最大的效力。

中国工程院院士、中国自动化学会理事长、西安交通大学教授郑南宁

 

中国工程院院士、中国自动化学会理事长、西安交通大学教授郑南宁带来了压轴的大会报告。

 

郑南宁院士认为，人工智能追求的长期目标是使机器能像人类一样感知世界和解决问题。对当前人工智能而言，解决某些对人类来说属于智力挑战的问题可能是相对简单的，但对看似简单的与真实物理世界交互的能力依然非常差（无人驾驶就属于这类问题）。人脑对于非认知因素的理解更多地来自于直觉，并受到经验和长期知识积累的影响，这些因素在人对物理环境理解与行为交互、非完整信息处理等问题中有着极其重要的作用。而且人类的学习是一种与事物互动的过程，人类认知过程中的特征概念形成往往是建立在语义解释的基础上；人类依赖对事物的观察（或显著性特征的注意）在大脑中建立不同的内部分析模型，并利用这些模型来推测事物的变化，或是从过去的事件预测未来。

 

而机器学习中的特征提取及预测模型与人类认知过程中的特征概念形成及其内部分析模型是完全不同的，为使机器学习模型产生人类的认知结果，需要其所学特征在一定程度上符合神经生理学实验结果，同时要使特征具有数学和语义的解释性。此外，大脑神经网络结构的可塑性，以及人脑在非认知因素和认知功能之间的相互作用，它们是形式化方法难以、甚至不能描述的。因此，我们需要从脑认知机理和神经科学获得灵感和启发，发展新的AI计算模型与架构，让机器具备对物理世界最基本的感知与反应，即使机器具有“常识”推理的能力，从而实现更加健壮的人工智能系统。

 

郑南宁院士从当前人工智能技术的局限性出发，讨论了AI混合模型计算架构与直觉推理的基本方法，并结合团队的研究工作，讨论如何实现基于想象的预测和一种基于选择性注意机制与事件（关联）驱动的混合模型的认知计算框架，以及在该框架中如何通过多传感信息融合和具有语义信息的图数据结构（如知觉物体的空间关联、认知地图、因果及控制关系）进行场景表征和理解，实现对不确定性、且具有约束条件和先验知识的交通场景的直觉推理，进而构建一种具有交互学习自动优化预测、推理和经验更新的自主驾驶学习系统。

 

26日下午，四场不同主题的分论坛报告继续进行，今天共有16位专家学者向参会嘉宾献上了一场场精彩又丰富的学术盛宴。

 

随着最后一场论坛报告的结束，为期两天的第一届中国认知计算与混合智能学术大会（CCHI 2018）在西安顺利落下帷幕。两天的时间里，来自认知建模与计算、混合智能、受神经科学启发的计算架构与器件、先进感知、智能机器人、无人智能驾驶等领域海内外知名专家、学者、企事业单位代表共600余人在大会上碰撞思想，迸发灵感。

 

在人工智能呈现出深度学习、跨界融合、认知计算、混合智能、人机协同、自主操控等新特征，同时又受脑科学研究启发的影响，类脑智能也在蓄势待发，芯片化硬件化平台趋势更加明显的大背景下，本届大会为牢牢把握住人工智能新技术革命的战略主动权，打造竞争新优势、开拓发展新空间，实现《新一代人工智能发展规划》等国家顶层设计中的各项举措提质增效。

推荐阅读