朱世強

（浙江大學(xué)，杭州，310058）

一、生物啟發(fā)的人工智能及其演變

人工智能是受生物行為、大腦工作機理等啟發(fā)逐步發(fā)展而來，但是現(xiàn)在的人工智能已經(jīng)發(fā)展成為一種人造智能，形成一門獨立的學(xué)科和一種獨立的發(fā)展思路，并且與生物智能漸行漸遠?，F(xiàn)在，我們重新強調(diào)生物啟發(fā)，是因為我認為這對未來人工智能的正確發(fā)展有很好的啟迪作用。

1） 人工智能的發(fā)展歷程

西班牙科學(xué)家、現(xiàn)代神經(jīng)科學(xué)之父、諾貝爾獎得主Santiago Ram ó n y Cajal在18世紀發(fā)現(xiàn)了神經(jīng)細胞的結(jié)構(gòu)，即神經(jīng)元結(jié)構(gòu)，并且手繪出神經(jīng)元結(jié)構(gòu)圖。由此，人們受神經(jīng)元啟發(fā)，形成人工智能的一些基本結(jié)構(gòu)，比如第一代人工智能就是以感知為基礎(chǔ)。但人們隨后發(fā)現(xiàn)，第一代感知機能不夠靈敏，于是形成了第二代人工智能——BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)智能算法，即反向傳播神經(jīng)網(wǎng)絡(luò)算法。雖然BP算法相比第一代有很大的進步，但是同時也有很大的局限性。另外，人們發(fā)現(xiàn)貓的視覺中樞里存在感受野（Receptive Field），通過研究貓在不同視覺刺激情況下，其大腦對于不同區(qū)域的反映，由此形成一個新的技術(shù)——卷積神經(jīng)網(wǎng)絡(luò)（CNN），也就是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，這在解決視覺識別問題方面取得重大突破?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)系統(tǒng)已經(jīng)發(fā)展成為非常完備的體系。

2） 人工智能技術(shù)產(chǎn)業(yè)生態(tài)體系

目前，人工智能技術(shù)產(chǎn)業(yè)生態(tài)體系主要有4部分組成，一是基礎(chǔ)支撐體系，二是技術(shù)支撐體系，三是應(yīng)用服務(wù)體系，四是標準規(guī)則體系。其中，基礎(chǔ)支持體系包括傳感器、芯片、網(wǎng)絡(luò)系統(tǒng)、大數(shù)據(jù)、云平臺；技術(shù)支撐體系有著豐富的內(nèi)容，包括深度學(xué)習(xí)算法、語音處理、機器視覺、人機接口、無障礙感知、邊緣計算；應(yīng)用服務(wù)體系包括制造、教育、安全、健康、居家、城市管理等；標準規(guī)則體系包括法律、標準、倫理、評估以及測試等。不同的國家對于人工智能有不同的反饋體系，這就形成了非常龐大的人工智能技術(shù)產(chǎn)業(yè)生態(tài)體系。

3） 人工智能VS生物智能

人工智能目前成為世界各國研究的熱點，發(fā)展前景看好。在某些領(lǐng)域，人工智能強大到超過人類的智能，比如下圍棋。但是，面對一些非常局部的環(huán)境，有時我們感覺人工智能是很無助的，比如，一只小螞蟻在一個非常局部的環(huán)境中，它要對外部的刺激做出一些反應(yīng)，如果換成人工智能也許就處理不了。在這種時候，人們發(fā)現(xiàn)，強大的人工智能與弱小的生物沒有可比性。

再比如，人工智能在物體識別方面有一些很好的計算方法，人們拍一張小花、小草的照片，人工智能很快就能辨別出來，但是其泛化能力和通用性較弱。就目前而言，人工智能解決一些局部單一的問題可能比人類要強，但是一旦泛化成普通問題，人工智能就變?nèi)趿?。由此我們得出，?dāng)前人工智能有幾個明顯的特征：主要依賴于大數(shù)據(jù)、數(shù)學(xué)模型，具備超強的計算能力，但同時也存在信息安全、末端低能化、高能耗等問題。

簡單總結(jié)一下：現(xiàn)在的人工智能已經(jīng)變成人造智能，成為一門獨立的學(xué)科，幫助人們解決了很多問題，未來前景非常好，但是人工智能離真正的生物智能越來越遠。例如，當(dāng)一個人或者一只螞蟻在解決實際問題的時候，不會想到找大數(shù)據(jù)和數(shù)學(xué)模型等，而人工智能則會考慮到這些問題，這就是區(qū)別。

二、機器人發(fā)展面臨的困境

現(xiàn)在的機器人技術(shù)已經(jīng)發(fā)展到一定水平，從機器人的構(gòu)成角度來看，機器人擁有很好的結(jié)構(gòu)、傳感器、控制系統(tǒng)和執(zhí)行器件等。然而，即使目前機器人的傳感很豐富，控制很靈活，結(jié)構(gòu)很完美，執(zhí)行能力超越人類，但是仍然解決不了或者說不能很好地解決非結(jié)構(gòu)化環(huán)境下的自主作業(yè)問題。比如，一個小小的攝像頭，就其分辨率和對環(huán)境適應(yīng)性而言，已經(jīng)超過了人眼，但是這個攝像頭攝取的信息并不能變成機器人的智能，為什么？這是因為機器人的智能依然不夠，甚至說遠遠不夠。

人們目前想到一個非常好的解決辦法，就是做加法，即“機器人+人工智能”，現(xiàn)在的人工智能已經(jīng)發(fā)展到很高水準，按照這個思路，我們一定能夠解決很多重要的問題，生產(chǎn)出一些很好的產(chǎn)品。現(xiàn)在好多看上去很乖巧的機器人，實際上其智能在云端，用云端的大智慧，可以很好地解決末端低智能的一些機器人作業(yè)問題，但是，這并不能解決所有問題，如果我們把所有機器人的智能全部放在云端，未必能把所有的云端智能都濃縮在一起，就目前技術(shù)而言也根本做不到。

為了解決某些技術(shù)和作業(yè)問題，我們考慮把云端的智能縮小成為一個小智能包，然后把這個小智能包放到一個智能單元里，最后把智能單元植入到機器人中，即從云端智能到在體智能。然而，要實現(xiàn)這一技術(shù)，我們需要解決很多基礎(chǔ)性問題，比如我們需要解決生物腦工作機理、解析腦信號、開發(fā)類腦計算方法、研究低功耗高效率的類腦計算芯片等技術(shù)問題。

如果說算法是人工智能的“靈魂”，那么芯片就是人工智能的“載體”。目前，傳統(tǒng)芯片有一個致命的缺陷：耗時耗能，于是，生物啟發(fā)式芯片的研究引發(fā)人們的關(guān)注。生物啟發(fā)式人工智能芯片研究以大腦皮層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)作為基礎(chǔ)體系結(jié)構(gòu)，采用微納器件模擬生物神經(jīng)元和突觸結(jié)構(gòu)，制造出具有腦神經(jīng)形態(tài)的人工智能芯片。該芯片結(jié)構(gòu)層次模仿腦、器件層次接近腦，智能層次超越腦，與傳統(tǒng)芯片相比，其具有低功耗、高性能、自適應(yīng)等優(yōu)勢。

眾所周知，我國已經(jīng)部署腦計劃“一體兩翼”，并全面開展相關(guān)研究工作，“一體兩翼”即以研究腦認知的神經(jīng)原理為“主體”，研發(fā)腦重大疾病診治新手段和腦機智能新技術(shù)為“兩翼”。國內(nèi)許多研究機構(gòu)將沿著中國腦計劃“一體兩翼”的基本思路，進行未來機器人的一些研究工作。

三、未來機器人：智能在體機器人的發(fā)展方向

第五屆中國機器人峰會主席、國家科技部高技術(shù)研究中心研究員劉進長曾說過一句話：“在中國的機器人技術(shù)領(lǐng)域里面，我們需要解決今天的問題，研究明天的問題，同時要謀劃后天的問題，形成中國機器人核心技術(shù)?！?/p>

智能在體機器人是之江實驗室規(guī)劃的未來機器人發(fā)展的方向，也是之江實驗室圍繞機器人前沿技術(shù)研究和機器人核心技術(shù)布局開發(fā)的一個項目體系。之江實驗室計劃用2-3年的時間完成，希望未來能夠做出具有本地化特色的超級智能機器人。

之江實驗室計劃以大腦觀測與腦機融合、智能無障感知芯片與系統(tǒng)、先進人工智能算法三方面的重大研究作為基礎(chǔ)，以機器人作為載體，構(gòu)建未來的機器人。具體研究工作如下。

1） 大腦觀測與腦機融合

這個項目的研究目標是：研制首個集成“光、電、磁、聲”傳感與作用、在體腦行為觀測與調(diào)控、腦機智能融合與增強的核心裝備，為腦認知和類腦智能研究提供全新的綜合信息手段與工具，外圍配上一些產(chǎn)品形成一個大的裝置，在大裝置基礎(chǔ)上再建腦機融合計算平臺和腦機 I/O平臺，同時要做一個腦機融合的多元信息融合平臺，從腦到機，從機到腦。

2） 智能無障感知芯片與系統(tǒng)

之江實驗室大概投入5000萬元的資金用于該項目的研發(fā)工作，項目整體規(guī)劃是：首先研發(fā)出一個無障感知芯片系統(tǒng)，同時設(shè)計一套智能決策芯片系統(tǒng)，然后再實現(xiàn)智能機器人應(yīng)用示范。

該項目的主要研究目標與內(nèi)容包括3個方面：高精度、高可靠性的主被動成像結(jié)合的毫米波/太赫茲MIMO傳感器芯片系統(tǒng)；基于多維感知信息融合的智能決策算法與人工智能芯片系統(tǒng)，并探索基于存算一體化的下一代人工智能芯片技術(shù)；集成智能無障感知系統(tǒng)與機器人，進行智能引導(dǎo)和智能安檢機器人應(yīng)用示范。

3） 先進人工智能算法

該項目的研究基于腦啟發(fā)計算下的人工智能學(xué)習(xí)與推理：記憶、注意力下的直覺涌現(xiàn)與頓悟，比如工作記憶、瞬時記憶、長期記憶，來實現(xiàn)類腦的推理決策。

該項目的核心技術(shù)包括算法革新、算法加速和即能服務(wù)3方面。算法革新是指在完全信息條件下計算到非完全信息條件下策略學(xué)習(xí)，建立起較為完善的“人工智能+博弈論”算法框架；算法加速是指高效的深度學(xué)習(xí)機制和更廣泛支撐的人工智能計算框架；即能服務(wù)是指提供人工智能的即能服務(wù)能力，促進人工智能的民主化。

四、之江實驗室介紹

之江實驗室是浙江省重點打造的重大科技創(chuàng)新平臺，以創(chuàng)建國家實驗室為發(fā)展目標，依托浙江大學(xué)和阿里巴巴集團為主要研究力量。該實驗室采取一體兩核多點的模式，一體是之江實驗室本身，兩核是浙江大學(xué)和阿里巴巴集團。

之江實驗室瞄準國家目標和戰(zhàn)略需求，立足浙江科技發(fā)展優(yōu)勢，聚焦產(chǎn)業(yè)全面升級轉(zhuǎn)型需要，以無障感知互聯(lián)、未來網(wǎng)絡(luò)計算、泛化人工智能、泛在信息安全以及智能制造與機器人為方向，開展人工智能和網(wǎng)絡(luò)信息兩方面的重點研究。

與其他研究機構(gòu)不同，之江實驗室不僅專注做前沿技術(shù)研究，而且還是一個開放平臺，計劃凝聚全球科學(xué)家的力量，圍繞人類問題和科學(xué)界需要解決的問題展開研究。該實驗室在機器人領(lǐng)域設(shè)立開放基金，基金數(shù)額從幾百萬元到幾千萬元不等。