2020因特理臻人工智能戰略研發計劃
一、中美人工智能戰略對比
本研發計劃參考了《新一代人工智能發展規劃》，《美國2019國家人工智能戰略》，《美國國防部人工智能戰略》，《2019美國白宮AI年度報告》。既然美國人工智能智能是世界AI領頭羊，我們主要來回顧美國AI報告。
新一代人工智能發展規劃：一、戰略態勢；二、總體要求：（一）指導思想，（二）基本原則，（三）戰略目標:分三步走，（四）總體部署；三、重點任務:（一）構建開放協同的人工智能科技創新體系,2.建立新一代人工智能關鍵共性技術體系,3.統籌佈局人工智能創新平臺,（二）培育高端高效的智能經濟:1.大力發展人工智能新興產業;2.加快推進產業智能化升級,3.大力發展智能企業,4.打造人工智能創新高地;（三）建設安全便捷的智能社會:1.發展便捷高效的智能服務,2.推進社會治理智能化,3.利用人工智能提升公共安全保障能力,4.促進社會交往共享互信;（四）加強人工智能領域軍民融合;（五）構建泛在安全高效的智能化基礎設施體系;（六）前瞻佈局新一代人工智能重大科技項目。
美國國家八大戰略：持續在基礎人工智能研究上的長期投資；開發能夠補充和增強人類能力的人工智能系統，並日益關注未來的工作；處理人工智能的倫理、法律和社會影響；建立健康的和可信任的人工智能系統；增加對數據集和相關挑戰的訪問；支持人工智能技術標準和相關工具的開發；推動人工智能研發隊伍的發展，包括人工智能系統從業，以及那些與他們一起工作的人，以維持美國的領導地位；擴大公私(包括工業界、非營利組織和學術界)合作，加速人工智能的發展。
美國國防部人工智能戰略：戰略形勢；國防部應用人工智能的目標；戰略途徑:美國防部正採取立即行動(立即而不是等待)實現人工智能的益處，聯合人工智能中心是執行國防部人工智能戰略的核心單位；戰略關注領域：一是交付應對關鍵任務的人工智能能力，二是與領先的私營領域技術企業、學術界、全球盟友和夥伴合作，三是培養人工智能人才隊伍；四是引領軍事倫理和人工智能安全。
美國白宮年度報告：1、投資AI研發：優先投資AI研發，推動AI技術突破，支持研發解決AI技術障礙，協調跨部門AI投資，跟蹤聯邦政府資助的AI研發進展；2、釋放AI資源：增加對AI研發和測試的聯邦數據集的訪問，優先爲AI分配高性能計算資源，更好地利用雲計算AI研發；3、清除AI創新的障礙：建立AI信任，爲AI提供監管指導，制定相關技術標準；4、培養AI人才隊伍：使教育適應未來勞動力的需要，在現有的聯邦研究和服務項目中優先考慮AI，利用研究來提高教育質量和機會；5、促進支持美國AI創新的國際環境：參與國際合作，促進可信的AI創新，促進和執行AI管理的國際原則，；6、爲政府服務和任務提供值得信賴的AI：利用私人部門的AI專業知識改善政府服務，通過機構間合作加速政府採用，推進聯邦機構的進展，發展一支AI勞動力團體，在政府使用AI方面建立信任。
比較中美兩國人工智能指導文件，中國的比較抽象晦澀難懂，美國的比較簡單直接細緻易懂，就是簡單明瞭直擊要害不搞文字遊戲。美國 AI投資明確，不求回報廣泛投資，有長期投資幾十年纔有回報，我們是今天投資明年有收穫，急於求成，要求十年內就完成AI開發收工。
二、因特理臻人工智能戰略
就像美國要做世界AI科技領導者一樣，因特理臻也要做中國AI的技術領導者，然而說來容易做起來也行，憑什麼呢？要做AI要有廣泛的投資，做什麼事情都要花錢，投資回報期如此之長，可能沒有等到回報公司就倒下了。而且不只是錢的問題，有錢就能砸出AI技術？如果這樣AI發展這六十年中國有什麼技術和理論貢獻呢？雖然深度學習已經有一定進展，但是還有很多AI難題沒有解決，很多人都爲技術問題碰得頭破血流，甚至毫無進展。自動駕駛是最近崛起的大資金投資AI方向，現在面臨血本無歸的境地。AI後起之秀因特理臻憑藉創始人浸淫軟件開發二十多年，幾年深度學習算法研究，似乎已經找到AI從科幻走向現實的路徑，撥開迷霧，看到了AI全智能機器人已經走來。說話要有底氣，對，因特理臻已經繪製了人工智能藍圖，而且技術實現也胸有成竹。比爾蓋茨說，新的人工智能公司會超過十個微軟，這會不會是真的呢？人能做到的智能，機器也能實現。
三、因特理臻人工智能戰略研發計劃
開發人工智能技術平臺和產品實現真正的人工智能，從底層往上搭建出人工智能系統。
1. 人工智能深度學習人才培養
爲了讓因特理臻得到足夠的AI人才，因特理臻設計深度學習系統培訓課程，預計要培養五萬深度學習工程師，並篩選優秀人才爲公司服務。
系統一詞來源於英文system的音譯，即若干部分相互聯繫、相互作用，形成的具有某些功能的整體。因特理臻深度學習培訓課程構成一個整體。
課程由Python編程語言，Keras框架，機器學習（淺層學習）,深度學習原理，圖像分類，圖像分割，目標檢測，圖像生成，增強學習，自然語言處理NLP，TensorFlow框架，pytorch框架，Kaggle&flyai競賽共 13個模塊組成。
課程模塊設計承前啓後，環環相扣，以神經網絡爲線索不斷深入，用簡單易懂的語言解讀深度學習技術，有理論有代碼，有廣度又有深度。
已經錄製50集課程，供大家網上學習。
2. 人工智能硬件
我們需要開發深度學習芯片gpu，不能指望nvidia 顯卡，因爲機器人能耗不能太大，不能讓機器人揹着風扇走。其並行計算cuda庫也是專有，隨時就不給你用。機器人的其他硬件也可能要自己做。
3. 人工智能OS
AI操作系統是否可以直接使用目前存在的操作系統呢？嵌入式實時操作系統RTOS用於機器人，但是人工智能大量使用深度學習計算，可能RTOS不合適。開源linux呢？Pc 操作系統比較臃腫而且不開源，不適合做人工智能操作系統。
因特理臻創始人研發十幾年開發的漢澳sinox操作系統採用bsd內核，目前用在pc服務器和桌面都比較完善，並且不輸給linux,而且自有產權，自主控制，適合用來做人工智能OS。
然而pc操作系統並不一定適合人工智能系統，就像linux做手機操作系統並不成功，只有經過改造的linux發展出的anrdoid操作系統才適合手機使用，目前做手機和平板很完善。
我們在漢澳sinox操作系統基礎上改造開發人工智能操作系統應該比較可行。從零開始是不可行的。
4. 人工智能編程語言
因特理臻創始人早在十幾年前就開發器普sepl編程語言，是一門自解釋的計算機語言，它是全中文編程，目前已經成熟。Sepl語言有基於.net的版本和基於c語言的版本，我們可以這樣理解：
Sepl.net==>C# 類似java,兼容c#,用來開發應用
Sepl.c ==>c 兼容c/c++,用來開發系統和底層
有了這兩門語言，我們可以用來開發操作系統和人工智能程序
5. 人工智能框架seplml
目前機器學習深度學習開源庫大多是python語言實現的，但python是腳本語言，不適合工業使用。Python不太穩定，不適合長時間運行，而且速度慢。用c/c++語言開發太複雜，特別是前端應用，直接用sepl.net就很容易實現，底層用sepl.c就好了。
所以我們開發sepl語言編寫的深度學習框架，代碼都是中文，簡單易懂，前端調用api開發人工智能程序將很容易。深度學習框架seplml底層可以用sepl.c實現。
開發這樣的seplml深度學習框架是不是很難，其實不難，我們可以參考目前流行的深度學習框架的代碼，不用從頭開始。複製粘貼旳活。
直接用其他流行深度學習框架行不行？不行，因爲他們不支持sepl語言。
6. 人機語言對話平臺
人機語言對話系統就是聽說能力，耳朵聽懂，嘴巴說清楚。
目前需要實現中文聽講。深度學習語音識別已經很完善，通過特徵抽取識別出語音聲音，然後根據上下文識別出同音字，最後構造出準確的語句，cnn和rnn神經網絡就能完成這個工作，準確率超過99%。語音識別是把聲音變成文字。
說就是發出聲音，把文字變成聲音，屬於語音合成技術，即使不用深度學習也能實現語音合成，而目前深度學習語音合成很完善了。
7. 語言理解系統
目前用深度學習實現的自然語言處理包括語音識別和回答並不具有理解的功能，回答的文字有時候莫名其妙。因爲深度學習只是實現了函數映射，從一個句子到另一個句子的影射，並沒有理解。
那麼什麼是理解呢？
理解是抽象到形象的關聯，因爲語言是抽象思維，要理解必須有實物，並能激發大腦的反應。比如罵人文字，就字面來說可能機器並不理解罵人，但是人理解的髒話是有影射的，會對應真實的東西，並激發出情感，比如生氣。
理解是語言到實體的關係，實體之間有邏輯規則。用實體和規則去實現理解併產生反饋。
舉個例子，機器人說，我吃飯。
那麼，我，吃，飯是三個實體，實體有屬性，方法，類似面向對象編程，但是實體之間還有各種規則。對着這句話，我們有這些理解，這個’我’是機器人，他不需要吃飯，機器人吃飯這條規則不成立。反之一個人說這句話，機器人的理解就是符合規則，產生的反饋就是我去幫你打飯。而飯的理解可能更復雜，是米飯還是什麼呢？要不要吃水果？如果機器人保姆不理解語言，就沒法伺候人類。
語言理解系統作爲一個獨立的系統存在，可以對外提供api調用，輸入語句獲得理解的結果。
語言理解系統用代碼實現而不是存入數據庫，從而獲得快速反應。
8. 視覺-機械臂系統
視覺就是對應人的眼睛，看到的東西生成文字輸入語言理解系統就會獲得反饋，從而理解看到的東西。
比如機器人看到前面有甘蔗。視覺系統採用深度攝像頭還能獲得目標檢測物體的距離，也可能進行圖像分割，獲得物體的形狀和關鍵點位置座標，否則無法用機械臂操作物體。
機械臂就是人的雙手，用六軸機械臂實現空間定位，能把手指移動到物體旁邊並進行操作。
這是一個平臺系統，可以應用於各種場合。
視覺-機械臂系統接受輸入指令除了執行命令也能實時返回機械臂狀態。
設計開發這樣的系統可能很複雜。
9. 視覺-雙足運動平衡系統
機械臂可以移動，但是如果要移動位置很遠，機械臂就沒法做到，比如一公里。我們開發類似人類的雙足運動系統，他可以走路，移動，搭載物體，除了必要的部件，還能負重，比如搬運甘蔗。
雙足運動系統引入視覺功能，能看到前面的路況，障礙，能行走跳躍。相對無人機在空中移動，他複雜多了。跟視覺-機械臂相比，它是視覺-雙足系統，還能平衡自己。這個作爲獨立的系統，跟其他組件設計分開，減輕設計難度。
波士頓動力機器人就是一個視覺-雙足運動系統，只靠一個運動系統功能是很難進入市場的。
視覺-雙足系統接受輸入指令也能實時返回運動狀態。
10. 砍甘蔗機器人
現在用機械收割甘蔗很不適用，因爲甘蔗是多年生植物，大型機械開進地裏會壓死甘蔗苗，而收割分段甘蔗糖水流失嚴重，也剝不了甘蔗葉。所以只能設計一個像人一樣的機器人進地裏像人一樣砍甘蔗，颳走葉子，砍掉頭部，一條條放好。幾十個砍甘蔗機器人進地裏很快砍完一車。當然這裏的機器人只是使用甘蔗收割技能，它可以用在其他地方，只要給他新的技能，就是視覺-機械臂系統賦予的技能。
砍甘蔗機器人綜合前面的技術，需要
人機語言對話平臺<--->語言理解系統<--->視覺-雙足運動系統<--->-視覺-機械臂系統
幾個模塊構成。
簡單的說，跟機器人說:去砍甘蔗，先調用人機語言對話平臺得到人類的指令，經過語言理解系統理解了指令，然後啓動視覺-雙足運動系統走到甘蔗地，執行視覺-機械臂系統收割甘蔗，同時這幾個系統配合使用，比如收完一棵甘蔗就要移動到下一棵，不過系統配合不是很困難，難的是這幾個模塊是如何實現好呢？當然開發專業機器人，能砍甘蔗的不一定能煮菜，否則龐大的功能和系統設計會把開發團隊壓垮。
總結
砍甘蔗機器人開發時間預計要十年以上，而且投資資金和人才可能很多，也可能最後會失敗。但是你可以把本計劃當作一個科幻片計劃，把因特理臻換成國家，也許你就能接受。因爲人工智能開發是一個國家戰略，而因特理臻就是一個英文單詞intelligent智能，不是一個人，一個公司，而是一個技術，一個時代。
錄製的視頻：-
2020因特理臻人工智能戰略研發計劃