中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹　　新浪科技讯 11月1日下午消息，首届中国智谷大会暨人工智能与产业创新高峰论坛在江苏南京召开，本次大会以“感知时代 智造中国”为主题。中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹应邀发表演讲。

在其题为《人工智能技术的产业化》的大会演讲上，张钹院士指出：“印度Mu Sigma公司将企业分为以下三个等级：一般公司其竞争力靠专业知识；好公司靠学习能力，而最好的公司则依赖学习的速度与极强的适应力”，人工智能技术将使企业实现学习速度与适应力的大幅提升。

张钹院士还表示，人工智能目前火热，主要原因是需求旺盛，第一、第二和第三产业都有人工智能方面的需求。

此外，张钹院士还指出，计算机模仿人的理性思考、对周围环境的感知和动作的实现(有时又称机器人)是人工智能研究的三大内容。

最后，他还点评了目前无人车的进展，他说：目前国内外正在研制的“无人车”，不同程度上都有人的参与，因此严格地讲应该属于自动辅助驾驶。根据目前的人工智能技术，这类车辆有可能在短期内走向实用。而真正无人参与的无人车，特别是在开放环境(如繁忙的街道)下行驶，目前的人工智能技术还难以解决其面临的困难问题，因此这类车短期内还难以走向实用。

据了解，本次大会由新华网股份有限公司和南京市经信委主办，清华大学智能技术与系统国家重点实验室联合主办，中科院沈阳自动化研究所机器人学国家重点实验室、清华大学全球产业4.5研究院等机构提供支持，新华网融媒体未来研究院、新华网移动互联网产品创新研发基地和江宁经济技术开发区承办。(李根)

以下为张钹院士发言实录：

张钹：各位领导、各位企业家、各位听众早上好，因为我的PPT做得比较早，底下应该写上清华大学智能技术与系统国家重点实验室。

现在人工智能为什么这么热，大家热情这么高，我觉得一个重要的原因是“需求”旺盛，不管是第一产业、第二产业或者第三产业都存在智能化的需求。

第二产业(制造业)和第三产业(服务业)对智能化的需求大家谈得比较多，其实农业对于智能化的需求也是很多的。记得，80年代我国刚进入人工智能领域，一些研究者把农业作为一个重要应用领域，研制了一些小型的农业专家系统，有施肥和育种等等。由于制造业和服务业的需求已经谈得比较多了，我就不再强调。总之，需求是一个动力，有了这个动力才会促使人工智能谋求进一步发展。

我今天不是讲需求，而是讲人工智能技术，讲人工智能究竟能为产业提供哪些有用的技术。

计算机很简单，大家天天使用它。计算机究竟是什么样一种机器？其实，它是名副其实的“计算”机器。大家知道，传统的计算机应用主要是三大方面，即科学计算、传统的数据处理以及自动化。所有这些应用都是使用计算机的一种能力-数值计算。为了发挥这种能力，需要建立数学模型，因此数学模型是这类计算的基础。那么什么是人工智能，人工智能在计算机应用上有何突破？实际上人工智能是让计算机模仿人类的以下三种功能。

第一项是模仿理性思考，包括推理、决策和规划等等，属于人类的高级智能，或者叫逻辑思维。第二项是模仿感知，对周围环境的感知，包括视觉、听觉，触觉等。第三项是模仿动作，包括人类手、脚和其它动物或机构的动作，这种对动作的模仿所产生的机器，一般又称为机器人。

计算机如何模拟理性思考？推理是理性思考的典型，我们就以它为例加以说明。推理有正向和反向之分。所谓正向推理是从原因推到结果，以医疗为例，即通过疾病推出会有什么症状。而反向推理是从结果推测它的原因，即从症状去推测可能的疾病。在我们日常的决策、设计和规划的实践中，都发生类似的思考过程，因此推理是有代表性的。计算机要进行理性思考需要怎样的计算模型？人工智能为此提出以下模型：即根据人类的知识和经验而建立的符号推理模型。计算机就可以依据这种模型进行推理和思考。这种模型又可称为启发式搜索模型，知识驱动模型，规则法等等。这个模型以及与其相关的方法组成了一套技术，这套技术统称为传统人工智能技术。两个大家熟知的标志性成果，代表了传统人工智能技术至今在应用上所达到的水平。

头一件事是IBM深蓝国际象棋程序打败国际象棋冠军卡斯帕诺夫。下棋是一个完全信息下的决策过程，是两人决策(博弈)问题。甲乙对弈，双方轮流做决策，各自下一个对自己最有利，对对方最不利的步。最后谁赢谁输？谁决策正确谁赢，或者说谁决策一贯正确谁赢，所以下棋是一个很典型的决策问题。那么如果象棋程序能够打败国际冠军，就是说在完全信息下的决策问题计算机可以做得跟人类一样好，甚至超过。这里头要加一个定语“完全信息”，也就是说，如果遇到未知或不确定性的因素，特别是突发事件，计算机的应对能力就远不如人了。除决策之外，其它像设计、计划等工作基本上也属于“完全信息”决策。

我们现在讲的智能制造有一个重要的大规模个性化生产的要求，要求企业很快满足不同用户的需求，这就要求在大量复杂的数据面前做出快速的规划和决策，计算机的智能决策系统在这里就可以派上用场。

第二个就是IBM Watson系统在美国“危险边缘”智力竞答游戏中，打败两位前冠军。Watson是一个自然语言问答系统，在竞答中，它首先需要对主持人提出的问题在最短时间内加以理解和做出是否抢答的判断，如果实施抢答并且抢答成功，还需要立即给出正确的答案。Watson系统战胜两位冠军，这就意味着在一定的领域范围内，计算机问答系统可以达到甚至超过人类水平。在智力竞答游戏中，尽管问题五花八门，但范围是有限的，如历史、地理、天文、娱乐、体育等等。

Watson系统的成功标志着人机交互上了一个新台阶。让我们看一下目前用户与网络交互的现状。第一个层次的交互模式是基于关键字的检索，搜狗、百度和谷歌等网络均采用这种检索模式。这是最简单的一种交互模式，但用户的体验不是很好。因为网络返回的材料太多太杂，既有相关的信息，也有大量无关的。还有一种交互模式是网络聊天机器人，如微软的小艾(Xiao Ice)。聊天要比关键字搜索难一点，但比人机问答与对话要容易许多。今后人机交互的发展方向是人机自然语言问答和对话。其中对话要比问答稍难一点，因为对话有上下文，问答只是一问一答。我们实验室朱小燕教授领导的小组也做了大量人机问答的研究工作，他们研制的问答系统得到广泛的应用，并获得用户的好评。将在今天下午的论坛会上向大家介绍。

大数据分析和应用是目前产业发展的重要方向，我这里通过一个例子向大家介绍这方面的工作。这是我们系李涓子教授和唐杰副教授做的工作。这是有关国内外科技人才的网络平台，他们收集了网上大量的科技文献与相关的作者，以及作者的相关材料与报道，然后通过大数据分析与整理，建立了一个有关科技领域研究人员的网络平台，这个平台涉及全世界1.36亿研究者的信息。这个平台就非常有用了，用人单位、项目评审和文章评审等均可通过它找到合适的人选与专家。下午论坛会上张敏副教授也要向大家介绍我们实验室在大数据分析上做的工作。

传统专家系统利用专家的知识和经验，但是专家知识很稀缺，获取很困难，代价很昂贵。现在有了大众的数据，随手可得，获取很容易，但是质量不佳。目前全世界从事大数据分析的公司很多，但大多数公司规模不大、影响不大。主要的原因是这些公司对大数据缺乏深层次的智能化分析。比如某个部门要开发一款产品，希望了解产品市场前景。把任务交给某个大数据分析公司，公司接到任务后，从网上搜集一些材料，加以简单整理和分析后，给出一个咨询报告，但是报告的内容和结论通常是常识性的，指导意义不是很大，因此客户十分有限。印度人2004年成立了一个叫Mu Sigma的公司，现在已拥有3269名员工，集资2.38亿美元。他们雇用的这三千多名员工中，大部分是印度人且高学历，有搞数学和计算机科学等各种人才，现在美国500强企业中有140家是它的长期用户。为什么公司受欢迎，关键是它的咨询质量，其中有一些案例，比如说某一个公司某个产品销售量下降了，请该公司帮助寻找可能的原因和解决办法。经过大数据分析后，Mu Sigma公司不仅为其找到原因，提出咨询的公司按照Mu Sigma提出的建议加以改进，销量马上上升。由此可见，尽管大数据随处可得，但这些数据中对我们有用的其实很少。关键在于如何从大数据中找出有用的东西，这是很难的任务，也是人工智能要解决的任务，即对大数据进行深层次的挖掘。

下面谈感知行为的模拟，感知属于“知其然不知其所以然”的行为。比如人脸识别，我们认识张三，可是我们很难描述张三长什么样子。也就是说，我们无法使用传统的编程方法把张三的脸描述出来。有了机器学习的方法，通过学习训练就能帮助我们解决这类难题。这从一个侧面解释了机器学习和深度学习为什么现在这样受欢迎，因为它使感知行为的计算机模拟成为可能。

下国际象棋属于“知其然又知其所以然”的问题，我们大体上能够说清楚“马为什么怎么走”，“兵为什么向前移一步”等等。但下围棋不然，大多数情况下，围棋大师们说不清楚他为什么这么“落子”。过去围棋程序我们一直按照与象棋类似办法做，结果最高只能达到业余水平。当我们在蒙特卡洛树搜索传统模型基础上加上深度学习，一下子使AphaGo不仅提高到专业水平，而且打败世界围棋冠军李世石。下面介绍机器学习在模式识别中的应用。首先是图像处理，这里包括物体检测、物体分类、物体识别和运动物体检测与跟踪等。目前达到的水平是，在给定的数据库下，物体分类可以达到或者超过人类的水平。我们实验室在这方面的工作成果，在下午的论坛会上王生进教授会专门介绍。关于生物特征识别，包括人脸、指纹、掌纹、视网膜(虹膜)、DNA、签名、姿势、键盘敲击的行为等。这也是企业关注的技术，我们系也有很多这方面的工作。其中声纹识别即用声音识别说话人，我们系郑方教授在声纹研究和推广应用上做了很多工作，取得很好成果。其实，在声音信号处理上，企业感兴趣的还有，语种识别、口音识别、语音识别、性别识别、情感识别等等。

利用模式识别技术从事产业开发的公司很多，但大多数产业规模不大。这里需要企业家的努力，设法把这类企业做大做强。

最后关于行为的模拟，这里所指的“行动”，既包括人类的手脚的动作，还包括动物和人造机器(如车辆、船只)的运动。由于时间关系，我只能简单提一提。第一是工业机器人，这个大家很熟悉，对我们来讲主要是突破和掌握关键技术。第二是服务机器人，包括家庭服务、医疗、助老助残、教育与娱乐等。尽管国内外都重视这方面的企业发展，但目前推向市场的产品还很少，发展服务机器人的关键是要解决可靠性和智能化的问题。

最后谈一下无人车问题，目前国内外正在研制的“无人车”，不同程度上都有人的参与，因此严格地讲应该属于自动辅助驾驶。根据目前的人工智能技术，这类车辆有可能在短期内走向实用。而真正无人参与的无人车，特别是在开放环境(如繁忙的街道)下行驶，目前的人工智能技术还难以解决其面临的困难问题，因此短期内还难以走向实用。由于大众对“无人车”的认知是，“完全无人参与”的全自动汽车，为了避免产生误导，在宣传时应该把这个概念说清楚。

就讲这些，谢谢大家！