顾泽苍:制定扶持和发展我国新一代人工智能有效产业政策

来源:中宏网时间:2020-09-11 09:49:28

  当今,我国的经济呈现爆发式的发展,科学技术也随之日新月异的进步,令世界瞩目!人工智能与5G一同得到国家和社会的高度重视,给以政策、资金和人员的大力支持。

  一、我国自动驾驶的状况

  人工智能应用到自动驾驶汽车的水平,被业内看作是可代表一个国家最高的人工智能应用水平;自动驾驶的革命也被视为是21世纪的产业革命。作为反映中美两国在人工智能国家战略的激烈竞争点,我国的自动驾驶汽车技术暂时领先于美国并在国际上受到高度的评价。日本NHK在每月特殊专题节目中都会以自动驾驶革命为题报道国际自动驾驶汽车的现状,该节目曾多次评价中国的自动驾驶汽车技术世界领先。日本丰田以4亿美金投资我国自动驾驶的初创公司小马智行,博世战略投资驭势科技,雷诺日产三菱联盟投资文远知行等等,可以看出我国的自动驾驶技术水平,似乎已经被国际汽车巨头以及媒体高度肯定。这是因为,在技术路线上我国自动驾驶技术与美国和世界其他国家没什么区别,只是国家和社会重视程度和资本强大的差异。

  在这样的形势下,我国在自动驾驶汽车领域是否可以高枕无忧了呢?我国在人工智能自动驾驶领域照此发展下去,就可以在世界上领先称霸吗?我的回答是:否定的。

  二、自动驾驶的控制都没有使用人工智能

  据了解,目前我国的各研制自动驾驶汽车单位的技术领军人员,主要来源于从谷歌自动驾驶汽车团队离职的人员。因此,避免不了受到谷歌技术的局限,表现在:被人们想象的利用人工智能控制可以使自动驾驶汽车的技术产生突破,可是现实中自动驾驶汽车的控制,包括谷歌在内谁也没有采用任何人工智能模型控制,完全是传统控制方法。原因是:谷歌在2018年就宣布不参与人工智能的工业控制的研制,实际上是因为谷歌所使用的人工智能“深度学习”模型有黑箱问题,存在危险。

  所以,这是为什么至今为止,所有的自动驾驶汽车的研制,不能在控制上使用人工智能的原因。这或许会让人们感到不可思议,本来人们自然认为自动驾驶汽车的水平代表了国家最高的人工智能的水平,怎么实际上谁也没有用人工智能的模型,这是怎么一回事?

  这还要从本次人工智能高潮的主流算法“深度学习”是什么说起。截止到“深度学习”的算法为止,应该说都是属于力图通过生物神经网络的结构,获取计算论的模型的古典的人工智能的仿生学派的研究成果。

  遗憾的是,生物科学与计算科学是截然不同的两个领域,人们对生物神经的机理的认识还很肤浅,因此建立这两个不同学科的直接关系是很困难的,至今没有获得任何有价值的成果。“深度学习”的模型应该说是仿生学派的最大成果。

  当今,由巨大的硬件模块组成的高算力的芯片批量制造技术已成熟,“深度学习”应用中几乎无限次学习产生的大算力需求,正是这芯片的最好应用对象。因此,出于开拓和发展大算力应用场景的市场需求,“深度学习”被国际大公司炒做的神乎其神,不可一世。

  在我国人工智能界也把“深度学习”看作是正宗传授、顶礼膜拜的模型。“深度学习”的应用效果不可分析、深度学习模型被业界已盲目的神化。作为评价深度学习的学习效果的SGD算法也同样被宣传的不可一世,这些出自世界图灵奖获得者的发明,是不会轻易的被否定的。

  三、“深度学习”是一个什么模型

  “深度学习”到底是一个什么模型?为清楚的回答这个问题,我们团队立志要打开黑箱看个究竟!基于组合理论,我们构建了一个如图1所示的可以获得全局最佳解的神经网络的结构,终于打开了“深度学习”的黑箱,获得了可使系统稳定的,相对SGD局域最佳解的几倍以上的应用效果的全局最佳解,从而揭开了连“深度学习”专家们也不曾知道的“深度学习”的奥秘!

1.png

  图2是“深度学习”中用SGD求解出的数据集与应用效果之间的关系示意图。如图2所示;SGD求解出的数据集与应用效果之间的关系是随机性的,SGD的数据集的解与应用效果是毫无关系的,世界众多的学者如此标榜SGD的作用实属学术游戏,这在科学史上是很罕见的。

2.png

  图2实际所存在的大量的SGD的解与应用效果之间的关系如图2所示;这样一个简单的神经网络却可以求出数千个乃至数万个SGD的解,因此幻想SGD的解能够直接得到全局的最佳解是何等的困难。在组合理论中面对解决局域最佳解的问题,通过小概率的突破局域最佳解的算法是有的,但是理论上要无穷次的反复计算,这在工程上是行不通的。难怪“深度学习”的发明者Hinton面对上述“深度学习”的不可解决的问题,在2017年9月公开发表要终结“深度学习”应用。

  一个在历个史上被世界崇拜,并投入了人类史上最大的资源给与“深度学习”模型的推广,可是实际上是一个不可能大量普及的“深度学习”模型的发明人,可见在良心上受到自责的痛苦的心境是可想而知了,提出终结这个算法也许可以逃避后人的谴责?

  四、新一代人工智能算法

  新一代人工智能的算法是否存在?在业内,“深度学习”被否认之后,代表着一些新人工智能的算法学派应运而生。今年世界人工智能最高级学术会议AAAI大会普遍认为新一代人工智能应是自监督学习,这是新一代人工智能算法学派的大崛起。目前,虽然已经有大量的算法学派的提案,但是在实际应用中可以获得可观效果的模型尚没诞生。这也是代表了美国目前人工智能水平的现状。

  在我国,“深度学习”给人一个最大的启示,实际上是通过机器学习获得人的先验知识,并用于解决复杂的概率问题。解决这样的问题,概率模型的高斯过程理论是得天独厚的机器学习理论,基于这个理论,我们发明了自律学习SDL(Self-Discipline Learning)模型。这是一个可以超越目前美国的自监督学习模型的一个没有黑箱问题的自律学习模型,是无需人工标注的小数据模型,在实际应用中并不需要像“深度学习”的应用那样,一位算法人员就要配备100位数据标注人员。因此,SDL是小模型解决大任务的模型,是以众多的自律学习单元组成的一个大的人工智能系统,可以用线性的复杂度实现超越“深度学习”数据集规模的模型。纵观50年前用与,或,非门电路搭建成的计算机系统,谁也没有料定当今的计算机会是如此强大。同样,搭载了众多的自律机器学习,在系统的各个环节上都可以获得最大概率化,最佳化这样的人工智能系统一定也会非常强大。在数百年内不可能产生更加强大的数学理论的情况下,基于最强大的高斯过程的数学模型的新一代人工智能可以统治上百年。因此,从今以后的人工智能的发展一定是由量变到质变。再有,相对于“深度学习”的高应用成本,SDL是应用成本非常低的新一代人工智能通用算法。仅从SDL不需要同“深度学习”一个算法人员配备100位标注人员,就可知比“深度学习”降低了几倍的成本。因此,自律学习SDL的问世,为在人工智能普及应用中,打破了“深度学习”的垄断局面,具有广阔的应用前景。

  五、SDL在自动驾驶中应用效果

  我们团队在研制自动驾驶汽车中取得的成果,证明了SDL模型的强大性。在自动驾驶汽车的控制上,我们实现了世界首创的用人工智能的机器学习即SDL模型控制自动驾驶汽车,以80Km的速度,在半径180m的圆弧的近2公里道路上往复平稳的急驶。采用传统的控制方法,因车速和载重不同产生的惯性和离心力不同,很难控制车平稳高速行驶。如在弯道高速行驶,中途就有可能会冲出道路。所以,这是目前看到的自动驾驶汽车的行驶速度都很低的原因。在自动驾驶汽车的感知上,我们通过SDL模型可以如同人眼一样不用事先告诉车前方是什么障碍物,就可以直接的抓取不特定的目标,并可以立即获得前方目标的距离、速度、位置、以及大小等信息,可以代替昂贵的激光雷达。在自动驾驶汽车决策上使用我们的SDL模型可以把人们在驾校所学习到的安全驾驶知识,用数百个数学公式构成机器意识,让自动驾驶汽车在道路上行驶时,如同具有生物意识的人一样,自动驾驶汽车自己就可以实现安全行驶、安全礼让、鱼贯而行的机器意识的判断,这样的应用成果,目前谷歌自动驾驶汽车也没有达到这样的水平。我们的实际路测还证明:世界自动驾驶汽车不可解决的十大问题之一,人机意识融合问题、业内都有所知的谷歌自动驾驶汽车变道追尾事件,用我们的机器意识模型就可以避免这一事故。谷歌的自动驾驶汽车开发团队拥有一万多人,经历了10年的努力,路测距离可以绕地球7圈半,但是一年前就是拐弯还出问题。谷歌自动驾驶汽车的最高技术开发者,甚至发表L4级的自动驾驶汽车是伪命题,可见没有人工智能控制的自动驾驶汽车,是不可能真正做到可以让汽车在普通道路上自由自动驾驶的L4级。我国的自动驾驶汽车开发团队容易过高的评价自己,都说自己的自动驾驶汽车技术可以达到L4级,可是真正能在普通道路上满足用户需求、实现自动驾驶的却寥寥无几。人们试乘的有名的自动驾驶汽车的团队所运营的自动驾驶出租车,所体会到的还是弱智的自动驾驶。

  六、自动驾驶汽车的发展之路

  事实说明,国际上的自动驾驶汽车的技术整体还面临革命性的变革,在此之前的技术终将被人工智能的新算法技术取而代之。当前国内过分的把资本集中在少数初创团队,或者集中在原谷歌的自动驾驶汽车团队出来的创业人员身上风险很大,不利于自动驾驶汽车的发展。虽然我国在自动驾驶汽车领域尚处于优势,但是,这个优势仅仅是财力的优势,是算力的优势,是研制单位多的优势;不是技术的优势,不是智力的优势,更不是算法的优势。这种局面若不改变我国的自动驾驶汽车的水平必将逐渐落后,只有掌握了新一代人工智能算法的团队,才可以真正研制出世界领先的L4级以上的自动驾驶汽车。

  衷心的希望我国的主管领导以高瞻远瞩的眼光,制定出扶持和发展我国新一代人工智能的有效的产业政策,坚持走我国自己独具特色的人工智能创新发展道路,支持用我国领先国际的人工智能算法战胜美国的垄断,占领世界人工智能竟争的战略制高点。

  【本文作者:顾泽苍,天津硅基智控科技有限公司首席科学家】


责任编辑:李岩
审核:李珊
免责声明
1、凡本网专稿均属于中宏网所有,转载请注明来源及作者。
2、本网注明“来源:×××(非中宏网)”的信息,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若作品内容涉及版权和其它问题,请联系我们,我们将在核实确认后尽快处理。
3、因擅自使用中宏网内容而导致任何意外、疏忽、合约毁坏、诽谤、版权或知识产权侵犯及其所造成的各种损失等,中宏网概不负责,亦不承担任何法律责任。
4、读者在进入中宏网主页及各层页面时视为已经仔细阅读过《网站声明》并完全同意。
上一篇:张中祥:新基建不能搞“全国卷”要注重破解新基建和...
下一篇:王福强访谈(上篇):接力攻坚 开创“十四五”高质量...