273.人工智能與人腦智能
近年來人工智能取得了巨大進步，受人腦神經元調節機制啓發的人工智能新穎算法層出不窮！但人工智能離人腦智能（或稱人類智能）還差得很遠，而人腦（神經元）自身的開發遠未充分！
274.人工智能將成爲抗擊新冠肺炎疫情最大希望————英國《每日電訊報》網站2月22日報導
該報提到近日獲知AI在開發一種強大新型抗生素，以對付世界上最危險的細菌方面發揮了核心作用。
該報還刊載幾位醫學科學家的評論和建議：
人工智能在應對正在持續的新冠病毒疫情應該有所作爲，可利用人工智“虛擬隔離”（MIT研究人員），建議倫敦某地區居民在某一特定時間按特定路線出行，以減少與他人接觸的機會（某流行病學專家），利用人工智能ML模型幫助發現新葯（牛津初創企業埃克賽恩希亞公司），使用新算法探索新療法（某醫學專家，他們正在作臨牀試驗）。
275.智能疫情機器人
阿里達摩院智能疫情機器人已落地全國27個省市自治區，自1月27日上線至今（2月24日）累計爲40座城市撥打1100萬通防控摸排電話（爲有關省市開展地毯式調研摸排、醫學跟蹤及外呼工作）。
阿里達摩院以全國最大的智能呼叫平臺免費支援疫情防控，用人工智能技術等手段，有效緩解一線人力不足問題。機器人智能採用達摩院前沿的語音識別（包括各地方言識別）、語義理解、自然語音合成等技術。
276.中國大企業應強化人工智能應用
《華爾街日報》網站2月18日報導調研公司Cognilytica的一份報告（對各國AI發展指標的比較），調研5個指標：
①國家AI戰略；②政府資金；③研究活動；④大企業的AI應用⑤風險資本和初創活動。
被該報告列爲擁有最強AI戰略第一梯隊國家——美國、法國、英國和以色列，在全部5個指標中都獲得了高分，位列第二梯隊的國家——中國、加拿大、德國、日本和韓國，在5個指標中有一個指標落後。報告認爲中國在其中有一個指標落後，即大型企業的AI應用。
該報告作者之一Cognilytica首席分析師羅納德-施梅爾策說，就AI而言，企業的投資和應用非常重要，影響企業國際競爭力，進而對國家經濟產生影響。他說，在中國，政府和初創企業正在採取相關行動。中國唯一沒有美國那麼競爭力的領域就是中國的大型企業——銀行、製造業、航運公司——對AI的應用程度。
277.人機交互的NLP與其子集NLU、NLG
NLP——自然語言處理，是人類與機器溝通的中介，需要靠它來理解、處理和運用自然語言。
NLU——自然語言理解，指的是機器的語言理解能力，將人類語言轉化爲機器可理解的內容。
NLG——自然語言生成，指的是機器通過一系列的分析處理後，把計算機數據轉化生成爲自然語言內容，讓人類可理解。
人機通過中介（NLP及NLU及NLG）溝通、交互（發送及回饋）：
機器：從中介接收來自人的表達，或通過中介向人反饋因應、表達
人：從中介接收來自機器的表達，或通過中介向機器反饋表達
278.機器人抗擊新冠肺炎價值凸顯
國家衛健委在新聞發佈會上透露，截止2月11日全國共報告醫護人員確診病例達1716例（其中6人死亡）。由於新冠肺炎有人傳人特點，身處一線的醫護人員需與患者“親密接觸”，增加了被感染風險。
如何運用科技手段，減少醫護人員“接觸”機率，讓機器人蔘與檢測、護理、治療和服務，成爲當務之急！
在國內，醫療機器人（如外科手術、骨科、神經外科、康復機器人等）開始應用，但用量很少！在這次疫情中，催生人工智能和輔助機器人（如物流、消毒、導診、護理機器人等）。
279.海信研發AI語言呼叫無接觸乘電梯方案
近日，從應對新冠肺炎疫情起步，海信智慧家居推出AI語音呼叫（自動點亮目的樓層，0.3秒響應）的無接觸乘電梯方案
280.開源與人工智能
開源的主要特徵是開放、共享、協同。
人工智能框架即人工智能開發工具，它是整個AI技術體系的核心，大多數人工智能框架都採用開源的方式。
基於開源框架的開源軟件支持AI系統建立完善的生態系統，開源支持AI技術突破發展瓶頸，提高AI研發效率，支持AI技術維護升級。
281.2月26日中國工程院院士、清華大學臨牀醫學院院長董家鴻在答央視記者提問，談到對武漢新冠肺炎重症病人採用的治療模式時，他們採用自創的治療模式，即利用人工智能技術（機器學習/深度學習算法），採集大量數據，進行智能化分析，實行快速診斷和精準治療。
282.AAAI學會主席YolandaGil談到20年來AI取得的重大成就：可執行多種語言翻譯，識別圖像和視頻中的物體，優化生產流程，控制汽車等。
談到未來20年AI的走向：人們對公平的、可解釋的、可信任的、安全的AI系統的需求，談到建設智慧集成（Integrzated Intelligence），其中包括制定基礎規範，建立機器可理解的開放世界知識庫，理解人類的智慧建立人類認知的模型）
有意義的交互（Meaningful Interaction），其中包括合併多種不同溝通模態（語言、視覺、感情等）
自我認知學習，其中包括髮展魯棒的、可信賴的學習，量化不確定性和可持續性，建立因果模型和可操作模型
他還談及認知科學和AI生態問題
283.由人工智能控制的全球第一架六代機亮相
據《強武精兵》網站報導，全球第一架六代機——英國“暴風雨”亮相。
目前在五代機尚未全部普及之時，全球六代機的競爭已經悄無聲息的展開了，作爲當前人類科技和最高智慧的結晶，全球第一架六代機亮相了，超過目前所有美俄戰鬥機。
所謂六代戰鬥機指由人工智能控制的吸氣式高超音速戰鬥機。
284.思考：人工智能如何走向新階段？
回答：能否讓人工智能像人腦一樣思考？或如何實現通用人工智能（AGI）？
焦點：賦予因果關係推理能力
近日DeepMind（爲Google母公司Alphabet收購仍獨立運作）在ICLR2020會議上發表《MEMO：一種用於情景記憶靈活組合的深度網絡》的論文，提出了模擬人腦神經網絡機制的方法，走通向AGI的一條道路。該文也提出，不是摒棄另擇、而是基於增強機器學習/深度學習模型，賦予其因果關係推理能力，找到一條通向AGI的道路，該文指出人類如何在認知的複雜性中形成認知的環節和過程。
文中指出，目前的機器學習及深度神經網絡算法，只是利用對於輸入數據的相關性關係的擬合，不理解因果關係，缺乏推理能力，難以將人工智能推向更高水平。文中推薦一種增強深度神經網絡算法推理能力的新架構——MEMO（具有長距離推理能力，能夠發現在記憶中的多個事實之間的距離的關係）。文中指出，爲了討論長距離推理，要知道感知、記憶、命名、事實、判斷及推理、行動的內涵和關係，文中還指出人類獨有、作爲人腦神經網絡機制的虛構能力：想象、推理、計劃的能力。
文中簡述人類在認知的複雜性中如何形成認知的過程：
人類通過感官認知外界形成感知（這時只是一些時空中的感性要素）；然後由人類大腦區分後，對其中特別注意的要素（其他大量信息淪爲識的背景）進行命名，從而形成一個事實；再通過大腦的聯接能力，把命名通過邏輯詞連接起來形成判斷；然後通過經驗的總結和對未來的想象，形成相應的推理；並據此形成計劃和實施步驟，最後形成行動。從而完成人類的認知過程。
285.OpenAI於2019年11月公佈用於生成自然語言處理（NLP）的神經網絡GPT2（1.5B）版本。該版本神經網絡在生成NLP文本時具有驚人能力，並使NLP成爲迄今爲止最強的迭代。
286.據美股研究社2020年3月3日消息，在全球自然語言處理領域頂級賽事Glue benchmark中，阿里巴巴達摩院以平均90.3分刷新了自然語言理解技術世界記錄，獲第一名。
自然語言理解是人工智能的核心技術之一，而Gluebenchmark比賽排名是衡量自然語言理解技術水平的重要指標。在此次比賽中，與阿里達摩院同臺競技的還有來自谷歌、微軟、臉書、斯坦福大學等企業和高校的團隊。
谷歌於2018年推出BERT模型是業界廣泛使用的自然語言訓練模型，達摩院NLP團隊在BERT基礎上提出優化模型StructBERT，能讓機器更好地掌握人類語法，加深對自然語言的理解（大大提高機器對詞語、句子以及語言整體的理解力）。
287.臉書採用先進的機器學術技術（用現有數百萬3D圖像訓練深度卷積神經網絡CNN），爲幾乎所有2D格式的照片（靜態）生成3D照片（豐富、立體感）。
288.AI2.0時代
有人指出，人工智能從前期的AI1.0向未來的AI2.0發展時，將從算法創新過渡到體系重構，並注重AI技術大規模落地。
在國內外跟貼第54條留言中，鍾義信教授推薦潘雲鶴院士的談話：人工智能走向2.0的本質原因是人類世界由二元空間（P、H）變成三元空間（P、C、H）。我們理解談話中的三元空間（P、C、H）指現實的物理空間（P）和虛擬的數字空間（C）再加上人的互動，如果按“基於知識社會的創新2.0”模式來看，採用跨時代顛覆性的算法創新技術，才能促使在規定場景中的解決方案實現O→1的變化。
如此看來，AI1.0向AI2.0發展時，不但要從單一算法上做文章過渡到體系重構，而且還要將算法作顛覆性提升。
289.從人臉識別到城市大腦，曠視科技拔得“AI四小龍”上市頭籌
2020年1月6日港交所批准曠視科技的IPO申請。
作爲“AI四小龍”之一的曠視科技成立於2011年，以研發機器視覺AI技術爲核心，並持續打造在城市大腦、供應鏈大腦、個人設備大腦三大場景的數字化解決方案。
在城市大腦場景下，曠視城市管理數字化解決方案已在全國260餘個城市落地運行，已智能升級改造3000餘個樓宇園區，實現人車通行智能化。
而城市大腦最早提出是作爲未來城市可持續發展的全新基礎設施，其核心是利用實時全景的城市數據，來全局優化城市公共資源。
290.圖靈獎得主朱迪亞-珀爾著文《爲什麼：關於因果關係的新科學》談到：
對於人的三種不同層級的認知能力的區分：觀察（Seeing）、行動（doing）和想象（imagining），即第一層是觀察能力（依靠強大的判斷能力形成經驗，目前的深度學習算法仍處於這三層認知能力的第一層），第二層是干預能力（只有理解因果關係才能從第一層認知上升到第二層級），第三層是反事實能力（涉及人類的想象和反思能力，構建人類大腦的思考體系）。
291.有人提出：人臉識別加上聲紋識別，“多模態”會是下一個風口嗎？
我們回答：“多模態”肯定會是人工智能下一個風口，尤其在視覺、聽覺領域。
292.維也納科技大學Charles.Q.Choi團隊在最近一期（3月4號）《nature》上發表一篇研究報告，指出今天手機上的攝像頭（已經做到了1億像素）及感光處理芯片等這類精密器件，可用來取代神經網絡，其納秒級運算速度比傳統的基於卷積神經網絡的深度學習算法快上千倍。
293.自動駕駛行業迎來新一輪爆發
3月2日Alphabet旗下Waymo獲得22.5億美元融資，同時Waymo宣佈將推出第五代自動駕駛系統（配備激光雷達，深入感知和理解汽車周圍環境，開發保護道路行人技術，消除車輛盲點，能看到500米外行人，在高速公路上可提前幾百米發現道路碎片），在本輪將部署投入2萬輛自動駕駛汽車。
Waymo志在從百度手中奪回全球自動駕駛年度（2019）實力榜排名第一的位置。
294.AlphaFold抗疫
谷歌旗下DeepMind3月15日公佈：利用深度學習算法訓練並預測6種新冠病毒蛋白質的抗體結構，可能推動新冠病毒疫苗研究。這也是DeepMind推出的AlphaFold人工智能一基因醫療計劃的組成部分。
295.人工智能與開源
①開源平臺可加快人工智能研發進度（通過例舉）
AT&T、GE向LF-AI研發團隊貢獻開源平臺，可將垂直分佈的AI系統各層次（芯片和基礎層、網絡層、應用層）串聯起來，解決在封閉環境中垂直方向的兼容問題，從而加快AI研發進度。
谷歌向雲原生（CNCF）基金會捐獻Kubernetes容器編排工具，有助於在研發AI技術時，有利於促進AI系統橫向的兼容性，可提高AI在異構雲間遷移的性能。
②人工智能開源可突破其發展瓶頸（通過例舉）
2015年當時美國人工智能四巨頭：谷歌、微軟、臉書、IBM，發現他們研發的人工智能遇到了發展瓶頸，爲突破瓶頸，他們於2015年紛紛對自已開發的人工智能（含框架）全部實行開源，並鼓勵全球志願開發者（黑客）協同對其源代碼進行BugFix，Patch，並支持其運維升級。
③開源支持AI系統建立、完善生態系統（通過例舉）
2019年1月百度在拉斯維加斯CES會展上發佈自動駕駛Apollo3.5版本，其自動駕駛技術取得重大進展。舉此爲例，百度將其研發的AI技術進行開源，Apollo已成爲全球最活躍的自動駕駛平臺，15000多位全球志願開發者（黑客）支持開發、修改、糾錯其自動駕駛軟件，經過百度多次迭代，開發、修改的開源代碼超過40多萬行，彙集包括奔馳、寶馬、紅旗在內140多家合作伙伴，協同建立、完善其自動駕駛生態系統。
296.也談IBM Watson研發的認知學習
自《評人工智能如何走向新階段》一文發表後，大量跟貼留言不期而至，現已近300條。其中對IBM沃森研發的AI的討論尤其熱烈，有讚揚，有抨擊，有質疑。
在跟貼中有人讚揚：IBM沃森真正把知識推理和數據結合起來，取得認知學習重大成果；有跟貼中有人抨擊：七年多來沃森的醫療AI攻關以失敗告終。
本人一直關注這些討論，近來我看到一則談論IBM沃森超級計算機的文章，摘要與大家共享：
該超級計算機利用深度自然語言處理技術（理解深度人類語言和語義）模擬大腦思考，展現了人工智能的強大能力，並具有強大的深度學習能力，IBM與蘋果公司合作，收集、分析來自蘋果的大量數據，沃森的AI研發適合於醫療領域，可爲病人提供治療方案。
文中指出，這標誌着IBM Watson人工智能的新進展。
更多推薦