第二届中国认知计算与混合智能学术大会（CCHI2019）在古都西安成功召开

2019 年 9 月 22 日 德先生

‍

来源：中国自动化学会

【导读】为深入贯彻落实习近平总书记重要指示精神，进一步推动国家新一代人工智能发展，国家自然科学基金委员会信息科学部、中国认知科学学会和中国自动化学会联合主办的“第二届中国认知计算与混合智能学术大会”于2019年9月21日至22日在西安举行，来自国内外80余所知名高校、研究机构和企业的500多名专家、学者和研究生参加了会议。

当前，人工智能已进入新的发展阶段，人类社会几乎所有领域都对人工智能技术有着越来越迫切的需求，而且布局发展人工智能已经成为世界许多国家的共识与行动。因此，人工智能研究的原始创新更加需要坚持严谨的科学态度，需要充分发挥多学科交叉的优势，踏踏实实推进新一代人工智能的发展。为深入贯彻落实习近平总书记重要指示精神，进一步推动国家新一代人工智能发展，国家自然科学基金委员会信息科学部、中国认知科学学会和中国自动化学会联合主办的“第二届中国认知计算与混合智能学术大会”于2019年9月21日至22日在西安举行，来自国内外80余所知名高校、研究机构和企业的500多名专家、学者和研究生参加了会议。

9月21日大会开幕式由大会主席、中国自动化学会理事长郑南宁院士主持，西安交通大学副校长郑庆华教授致欢迎辞，大会主席、国家自然科学基金委员会信息科学部主任郝跃院士，大会主席、中国认知科学学会理事长陈霖院士分别致辞。中国工程院原常务副院长潘云鹤院士，中国科学院陈霖院士、张旭院士，中国工程院外籍院士Colin Blakemore教授，以及国家自然科学基金委员会信息科学部等领导嘉宾出席本届大会开幕式。

本届大会是我国人工智能领域水平最高、规模最大的学术会议，其目的就是研讨认知科学、神经科学与人工智能科学等领域交叉融合的最新进展和前沿技术。会议邀请了来自国内外知名大学、研究所和科技公司的28名知名学者和专家（其中中国科学院、中国工程院院士2名，中国工程院外籍院士1名，美国工程院院士1名）分别做8个大会报告和20个论坛报告，展示国内外研究团队在认知计算、人工智能领域的基础理论和方法、关键技术及实现等方面的最新研究进展。同时，大会共收到国内外178篇论文投稿，经严格评审，最终录用66篇，以口头报告和海报展示的形式进行交流。

中国工程院院士、浙江大学教授潘云鹤为大会带来第一个报告，题目为“论视觉认知”。报告提出了视觉知识的概念，分析了它与迄今为止AI所用知识表达方法不同的特点，其中视觉概念具有典型(prototype )与范畴结构、层次结构与动作结构等要素。视觉概念能构成视觉命题，包括场景结构与动态结构，视觉命题能构成视觉述事。报告指出重构计算机图形学成果可实现视觉知识表达及其推理与操作，重构计算机视觉成果可实现视觉知识的学习。实现视觉知识表达、推理、学习和应用技术将是AI 2.0取得突破的重要方向之一。

英国皇家学会会士、中国工程院外籍院士、香港城市大学教授、牛津大学名誉教授Colin Blakemore作了题为“How does the Brain Compute?（大脑是如何计算的）”的报告。报告指出，目前人们对“大脑启发的人工智能”的兴趣是基于这样一种假设，即人类大脑使用的计算原理可能会在未来几代的计算架构中得到体现。然而，关于神经系统使用的计算机制的知识仍然是基础的，人工智能和神经科学之间的对话是双向的。节点的概念，与可变权重紧密相连，是连接主义模型的基础，松散地基于大脑的真实连接和突触可塑性的现象。但是反向传播和监督学习在生物学上的不可思议性导致了对不使用这些原则的网络计算的探索。神经网络模型对大脑皮层感觉区域的活动依赖性成熟以及大脑损伤对语义表达的影响等过程提供了深入的认识。但是，在已知的真正的神经计算与人类大脑非凡的行为和认知表现之间，仍然存在着巨大的鸿沟。人工智能的发展可能推动我们对大脑的理解，就像神经科学的发现可能激发人工智能一样。

在大会报告期间，《人工智能本科专业知识体系与课程设置》新书发布会也重磅举行。该书基于三十余年来在人工智能领域的研究探索和人才培养的实践，由人工智能权威专家、中国工程院院士郑南宁教授领衔编著的，充分体现了人工智能专业知识体系高度交叉融合的特性，知识体系覆盖信息科学、认知科学、脑科学、神经科学、数学、心理学、人文社科与哲学等多学科，课程设置涉及到人工智能相关交叉学科知识。

中国科学院院士、中国科学院上海生命科学研究院研究员张旭所作报吿题目为“Brain Science and Artificial Intelligence（脑科学与人工智能）”。报告指出，认知是通过思维、经验和感觉获得知识和理解的心理活动或过程，这些过程可以在不同的背景下从不同的角度进行分析，特别是在神经科学、心理学、语言学、数学、自动化、信息科学和计算机科学领域。到目前为止，我们还不知道大脑中有多少神经元类型、神经回路和功能网络。为破译大脑和开发脑启发人工智能(AI)奠定基础是十分重要的。2012年，中国科学院启动了战略重点研究项目，绘制大脑功能连接图。本研究试图建立新的研究团队来解释和建模大脑功能特定的神经连接和网络。2014年，启动了上海脑智能项目，用于神经科学的转化研究和人工智能技术的研发，试图绘制体感神经元类型及其与单细胞技术和跨突触神经示踪剂的连接。我们团队制作了深度学习、神经网络处理器，通过生理、数学、物理和电路模型，实现了语音识别和翻译技术、仿生眼和控制系统等人工智能技术的应用。基于此，张旭院士认为，未来应大力推进脑科学与信息技术的交叉研究。

IEEE/AIMBE Fellow、美国佛罗里达大学杰出教授Jose C. Principe的报告题目为“A Cognitive Architecture fbr Object Recognition in Video（一种用于视频对象识别的认知结构）”。报告描述了从动物视觉系统中抽象出的计算原理，在不使用标签和减少所需计算带宽的情况下识别视频中的对象。利用稀疏性约束和对偶状态估计的经验贝叶斯准则，建立一个自组织和模仿人类视觉中心凹的动态系统的分层分布式体系结构。对图像的解释是通过自上而下流动的原因来调节的，这些原因改变了自下而上处理的先验。报告指出，我们将展示一个自顶向下的注意力焦点的初步结果，它能够识别部分遮挡图像中的物体。

美国工程院院士、微软全球执行副总裁沈向洋的报告题目为“微软对认知计算和混合智能的中长期思考”。沈向洋介绍说，微软亚洲研究院成立之初的目标就是打造未来20年的技术。正如比尔·盖茨当时的愿望：让计算机能看会讲，能听会想。今天微软在图像、语音识别，以及机器翻译、阅读等多个领域已经接近人类水平，基本实现了感知能力。从现在开始，我们从感知领域进入到认知领域。微软将NLP等服务打包成微软智能云上的Azure认知服务，让每个人都能开发AI。微软正努力开启黑盒，做可解释的人工智能。未来三到五年，将是“人工智能创造”的新阶段。瞄准未来20年，微软研究院正在向量子计算等方向发展，在基础研究领域不断加大投入，打造从云到边缘，无处不在的未来智能。

美国加州大学伯克利分校杰出教授Masayoshi Tomizuka的报告题目为“Merging Machine Learning and Model-Based Control for Autonomous Driving”。自动驾驶汽车能感知周围的环境，为安全高效的驾驶计划动作，并在极少或没有人为干预的情况下按照计划行驶。目前，道路上的汽车还没有达到完全自主驾驶的阶段，但汽车行业、信息技术行业、国家科研实验室和高校实验室正在加紧研发工作。汽车工程师协会(SAE)定义了从0级到5级的驾驶自动化水平。在5级，不需要人为干预，在4级，不需要司机注意安全。前沿的研究工作集中在第4级和第5级自动化。四级自动驾驶汽车的功能包括:1)检测、跟踪、定位映射、2)运动预测行为规划、3)运动规划控制。自动驾驶的领先技术是机器学习和人工智能。传统的基于模型的控制也发挥着重要的作用，将机器学习与基于模型的控制相结合是一个令人兴奋的研究课题。

马耳他大学教授Georgios N. Yannakakis的报告题目为“AI for Games and Games for AI”。近年来，人工智能(AI)在我们通过数千年的进化所掌握的任务中表现得比我们更好。游戏是如何帮助人工智能实现这一目标的?反过来，人工智能如何帮助我们创造更好的游戏呢?人工智能真的有可能在玩游戏时准确地模拟我们的动机、情绪和行为吗?在演讲中，Yannakakis通过关注AI和游戏之间关系的重要性来回答这些问题，展示在人工智能和游戏交叉路口的大量研究项目，这些项目目前在数字游戏研究所(Institute of Digital games)运行。

西安交通大学人工智能学院院长、旷视科技研究院院长的报告题目为“深度学习变革视觉计算”。深度学习/深度神经网络的复兴根本性的变革了人工智能的方方面面。在这个报告中，孙剑回顾了深度学习在语义图像理解、计算摄影学、和AI计算三个方面对我们基础研究和实际应用带来的巨大变革。同时介绍在这些变革带来的机遇下，旷视科技在这三个方面的最近进展和最佳实践。