焦李成教授在第三届大会上发表主旨演讲(组图)

焦立成，西安电子科技大学华山学者领衔教授，博士生导师，计算机科学与技术系主任，智能感知与图像理解教育部重点实验室主任，“创新团队”负责人教育部“长江学者支持计划”，国家“111”计划智能信息处理创新基地主任，陕西大数据智能感知与计算2011协同创新中心主任，中国人工智能学会会士，中国计算机学会会士联合会会士、中国电子学会会士、中国自动化学会会士、IEEE/IET会士。 30多年来，焦立成教授一直致力于海量、高维、非结构化信息处理中的优化和学习问题的科学研究。对应用进行了深入研究，取得了一系列科研成果，培养了博士、博士后、973首席科学家、长江学者、国家领军人才等一批学者专家。培训了“万人计划”。焦立成教授的学术和教学成果对我国人工智能领域的科学研究和人才培养起到了积极的推动和指导作用。

2020年8月22日，焦立成教授在第三届上海人工智能大会上发表主题演讲。演讲主题为：下一代人工智能的挑战与思考。指出了下一代人工智能发展的问题和方向。 （以下为演讲实录）

焦立成教授视频演讲现场

感谢大会的邀请，很高兴有机会与大家分享。花儿年年相似，人年年不一样。对于发展非常迅速的技术来说尤其如此。从这个意义上说，下一代人工智能一直在路上。我想和大家分享一些我理解和思考的问题。

一、人工智能发展回顾

两天前，人工智能与人类的围棋比赛又是 5 比 0。从这个意义上说，大家似乎都认为机器可以挑战人类，但不代表整个人工时代将会有更大的变化，或者说即将到来？回顾人工智能，虽然有五十、六十年的历史，但就人工智能的核心神经网络而言，应该也有七十多年的历史。十几年过去了，如果再回到深度学习，或者说深度神经网络的BP算法，梯度算法，已经有几百年的历史了。

1、发展学院

经过这么多年的发展，虽然出现了象征主义、联结主义、行为主义、贝叶斯学派、类比学派，但都有自己的特点，都是从不同的角度出发的。象征主义的核心认知是计算；联结主义认知是网络；行为主义依赖于感知和行动作为工具；贝叶斯学派通过推理解决问题；模拟学校通过优化算法回答了世界上的一些问题。

2、开发阶段

神经网络的四个阶段看起来很简单，从专家系统到个人工程再到最自然的语言信息处理：声音-语言-文本-图像，现在大家更关注算法了。无论是增强、对抗还是联邦，所有这些法律的提出，对我们来说，都是为了提高解决问题的效果。

3、开发核心

我们如何利用感知和认知世界的基本经验，同时基于数据，解决这些问题。我自己的想法是：数据很重要，但我们是在处理大数据、小样本和不完整的问题，人们无法处理这样的问题。通过数据之后，更多的是关于知识和学习。 ，以及隐形方法的整合和优化。从这个意义上说，我们已经走上了让机器像人一样思考、学习和认知的道路，并且经历了一个漫长的过程。至此，各种复苏浪潮被提及，各种模式被提出，但每个人都记住了人们如何看待世界的最本质的事情。许多核心问题在 1980 年代之前完成。从这个意义上说，类脑是我们希望人们思考的方式，我们也希望机器帮助我们思考。改变的核心和基础仍然是人类的认知，而这一切都是基于目前的计算能力来解决其中的一些问题。

焦立成教授视频演讲现场

二、下一代人工智能的挑战

脑科学视角——从基本认知能力构建模型

人工智能其实已经说了这么多，但是存在解释问题、安全问题、鲁棒性问题。怎么能像人一样被监督和半监督？它是无人监督的。人们通过先进的经验学习，而不仅仅是清晰的数据。虽然其中隐含着数据，但环境、意识、情感、反思、顿悟和行动能力各不相同。这时候c语言实现神经网络算法，人们的认知认知也不同了。

1、数据和模型共同驱动

如何将当前或第一、二代人工智能与人以这种方式结合起来，以面对下一代人工智能的挑战，当然对于人来说，我们的常识和常识推理，包括不确定性是我们创新的基本能力之一。如何让机器面对常识、常识推理和不确定推理，是下一代人工智能所关心的问题。因此，人工智能的核心不仅仅是机器学习算法，也不仅仅是现有的深度学习模型。从这个意义上说，从最早关注以特征为中心，到以学习为中心的处理，再到表示与学习相结合的人工智能方法，应该说发生了根本性的变化。我们面临着一个共同的开放环境，同时面对大量数据和小样本。 ，怎么做。因此，在海量数据、网络过拟合、超参数优化困难、缺乏高性能硬件、可解释性差的情况下，如何面对常识、先验、因果和推理来解释鲁棒可解释性的安全性，也需要硬件支持那么，如何一步步解决人工智能所解释的问题呢？

2、认知如何将概念抽象为模型

自动学习、增量学习、解决学习收敛性、稳定性、梯度停滞特性等数学问题是下一代人工智能算法和模型要解决的基本理论问题。

3、产学研结合

最近，我国高度重视这些问题。我们需要从顶层解决这些问题。国家也出台了相应的方案。每个人都知道这些计划。我也说过，这些计划是从学术的角度去认识和解决这些问题。相应的人工智能开放创新平台也已经建立。这些都是我们真正需要做的，如何结合国家发展和我们面临的重大国家需求和国家任务来做好相应的工作。这些公司是做什么的？自动驾驶、城市大脑、医学影像、智能音视频、智能视觉，包括最近的抖音和微信，包括华为的5G，我们都知道这些被美国在中国禁播的技术，其实是影响发展的核心我国下一代国民经济技术。

所以人工智能实际上需要为国家服务。在5G、特高压、轨道交通、大数据、工业互联网等诸多新基建领域，其实归结为信息基础设施、综合基础设施、创新基础设施。那么如何实现从0到1的创新突破，不一定是单纯的做研究，更重要的是产学研结合，建立国家创新环境、技术创新环境和创新人才培养机制。华为总裁任正非也是这么想的，所以科技部启动了国家新一代人工智能创新试验区的建设。到目前为止，已有11个城市作为我国下一代人工智能创新试验区。核心在做什么？形成示范，形成示范，带动国家和下一代人工智能中心发展。中心任务不仅是理论，更是产业，产学研结合，推动国民经济发展c语言实现神经网络算法，推动创新型国家建设。

焦立成教授视频演讲现场

三、对下一代人工智能发展的思考

1、世界主要国家人工智能发展情况

西安人工智能创新实验区发展总体规划由我们团队起草。在感知、互动等方面，不仅来自技术，更重要的是来自制度，从人才环境打造全国范本，当然更重要的是体制机制的改革和建立将优化人工智能创新发展生态，为国家建设贡献力量。其实我之前提到过，世界各国推出的人工智能战略，也在为社会和实体经济的发展赋能。从这个意义上说，人工智能发展到这个阶段，东盟十国，越南、泰国、马来西亚都走上了这样的轨道。美国的人工智能计划也想走在前列，明年的人工智能和量子计算在国家预算中将增加30%。他们也想在这一领域的国际研究中获得领先地位，但他们的五个关键领域，通过研发，更重要的是资源、自动化和国际推广，也是他们世界霸权的一部分。从这个意义上说，他们的国家战略也想依靠人工智能、量子等技术。普京也非常重视俄罗斯的人工智能发展。回过头来看，一定是从基础到应用、软件、数据、平台，乃至整个社会的综合体系。因此，世界主要国家发展人工智能不仅是发展相应的技术，更重要的是发展相应的基础设施和社会发展体系，也就是说，占领未来的制高点发展。

2、人工智能的跨学科研究

昨晚，我们正在紧锣密鼓地制定国家基金委人工智能发展规划。不仅信息社会的人工智能部门，人工智能交叉学科，或包括人工智能在内的交叉学科，都可以在国家基金委设立。 2018年，麻省理工学院投资10亿美元重塑新学院，目标是重塑人才培养新模式。直到后来，由计算机、人工智能及相关学科推动的人工智能领域才被淘汰。他们要重塑人才培养新模式。示范，走交叉发展之路，通过脑科学、认知科学、计算机科学，共同推动下一代人工智能的跨学科研究。

同样在 2018 年，CMU 宣布开设全球第一个人工智能本科学位。因为是学分制，一些人工智能专业本科的毕业生今年毕业，进入研究生及相关系统。专业本科课程的设置也与我国的发展相吻合。它专注于数据、统计和计算机科学。做这样的事情也以人工智能为代表，也在这个领域引领和创新占领世界。领导力也是他们的目标。李飞飞在斯坦福创立以人为本的人工智能研究院，涵盖语言、社会、政治、生物、法律、脑科学，推动人工智能研究、教育、政策和实践，造福全人类，将人工智能转化为人工智能一种更伟大的人类力量，一种积极的力量来做到这一点。

3、我国的人工智能教育体系

截至目前，全国已建立100所人工智能学院、研究所和交叉研究中心。国家级新一代人工智能创新示范区11个，新一代人工智能开放创新平台15个，高等院校215个。为批复人工智能本科专业，230多所高校设立了智能科学与技术本科专业。现在很多出版社都在出版人工智能系列教材，数百所高校开设了人工智能技术服务专业。所以说，人工智能研究所的成立起源于很多不同的领域，有的有基础设施，有的有控制，有的有电，有的有ICT，有的有计算机，或者说它们之间的关系。结合交叉和融合。今年我国三部委关于推进学科融合、加快培养人工智能人才的若干意见是需求导向、应用驱动、项目驱动、多方支撑、跨界融合、精准培养。核心是建立人工智能研究生培养。今年集成电路一级学科包括交叉学科，人工智能也属于交叉学科，是我国人才培养的第14个学科类别。

4、全球科技公司布局

来自世界各地的科技公司不仅是布局，更是重点投资，成为重点发展方向。谷歌、微软和 IBM 也是如此。我国也有这样的战略。当然，我国的人工智能独角兽公司也做得很好，应该说是与世界同步的。

焦立成教授视频演讲现场

5、人工智能发展四大趋势：技术趋势-实现-应用价值-构建市场生态

传统企业转型，多模态融合计算落地，多模态大数据库推向市场，低成本人工智能技术应用，人工智能在边缘计算中的应用同样，我们的业务更加智能化、自动化，贯穿整个社会的方方面面，所以云、互联网、边缘成为人工智能应用的核心。工业互联网、车联网、物联网也成为新的焦点。所有这些人工智能技术和软件基础设施生态都成为了取胜的关键。

6、下一代人工智能发展的瓶颈

算力、算法和数据，但核心是自主算力，核心算法是基础算法，大数据不仅仅是带来数据，而是探索数据的新范式。我们如何构建和尊重这些数据，这是我们改进算法的基础。当然，这一切都应该在一个场景变化、任务迁移、资源改造和环境开放的开放环境中进行，谈论我国的技术，不断发展和总结。解决这些问题，其实就是解决人工智能面临的一些理论和技术问题，包括资源有限和认知缺陷。我们的出路一定是新原理、新结构、新方法、高风险、高可靠性，当然还有更多的小样本资源节约型应用，而不仅仅是目前的算法。所以，从理论和技术验证的角度来看，要做到这样的事情，必须相辅相成，才能向前迈出一步。这些科学问题也是感知、认知和学习的基本问题。我们将机器学习、认知科学和优化相结合。在开放的环境中，在现有的计算机，或者新的平台上实现，将其转化为创新和思考的精准驱动力。因此，我们不仅需要从认知建模发展到自动学习，而且要逐步进化做到这一点，还要结合知识模型结构的参数，从进化到学习，这就是新的深度学习算法的问题可持续学习，持续学习，机器学习已经成为我们的方向，应该说是向自然学习，这是我们开发新的人工智能方法的源泉和动力。

我们必须始终坚持。路很曲折，但未来一定是光明的。不管别人怎么阻挠，中国一定会引领世界造福中国人民和世界人民。