中科院自動化所類腦智能研究計劃揭秘

06-07

去年9月12日，我曾經到中科院自動化所探訪模式識別國家重點實驗室，當時我就跟劉成林主任和陶建華副主任諮詢過類腦研究的事，當時聽說腦研究是他們實驗室里的一個組，但也在做相關擴充的規劃。

今年1月6號，我正在發燒到38度，但聽說自動化所舉辦的模式識別大講堂邀請了國防科學技術大學的胡德文教授做大腦神經與代謝活動模式識別的報告，我還是一咬牙去了。果然很過癮，雖然胡教授有口音，但他最後講到的腦電波控制輪椅和汽車的技術非常有科幻感。那天還有幸見到華中科技大學副校長駱清銘教授，他也在負責一個重大的腦科學項目。

4月15日，中科院自動化所主辦第二屆中國圖像視頻大數據產業創新論壇，而王亮副主任已經在幾個月里把圖像視頻大數據產業聯盟的微信群做得有聲有色，論壇當天圖像視頻領域的相關專業人士濟濟一堂，氣氛非常活躍。當天的論壇還邀請到中科院副秘書長譚鐵牛院士致辭。劉成林主任在論壇期間，介紹了自動化所類腦智能研究中心的籌備情況。

近兩天，中科院自動化所的微信公眾號將類腦智能研究中心的規劃和圖像視頻大數據產業創新論壇的詳細內容進行了披露。我今天就將這兩篇文章推薦給大家。並提請各位關注劉成林主任對自動化所類腦研究方向的闡述。他說類腦智能研究中心將融合智能科學、腦與認知科學的多學科優勢，研究創新性的認知腦模型，實現類腦信息處理、類腦智能機器人等相關領域理論、方法與技術的突破。該中心將主要包括三個研究方向：認知腦計算模型、類腦信息處理和神經機器人。

　　具體來說，第一個方向，是借鑒現有的腦科學的成果，建立人類腦神經的模擬機器，深入開展基礎研究，助力於人工智慧在視聽覺、學習、思維等方面的突破；第二個方向，是受腦信息處理機制啟發，研究基於類腦信息處理機制的多模態數據語義理解；第三個方向，是通過類腦研究，提升機器人的智能化程度，讓機器人掌握精細動作並實現自主動作學習等能力。

類腦是手段智能是目標—中科院自動化所發力類腦智能研究

來源：2015-04-27 中國科學院自動化研究所

你能試想有一天，機器人的大腦能夠如同人腦一樣自主識別陌生的環境，並具備思考能力嗎？

　　或許這一天的到來並不會很遙遠。借鑒腦與神經科學研究的成果，將腦信息處理機制融入未來信息與智能系統，讓機器人變得更加智能，這就是中科院自動化所類腦智能研究中心（以下簡稱類腦中心）的目標。

4月15日，類腦中心正式在中科院自動化所掛牌成立。這意味著該所長期醞釀的、為發展未來人工智慧與信息技術的類腦智能研究計劃全面啟動。

　　中國科學院自動化研究所（以下簡稱自動化所）所長王東琳指出，智能科學和智能信息處理是中科院自動化所的定位和戰略重點方向。中科院自動化所的「一三五」規劃中，「一」即優先發展一個領域——智能技術。為在信息化邁向智能化發展的道路上搶佔戰略制高點，歐美等國的腦計劃當中都不同程度地部署了受腦啟發下一代信息技術的戰略。類腦智能研究是作為國立科學研究機構的中國科學院自動化研究所經過長期凝練，面向下一代人工智慧與信息技術的發展及激烈的國際科技競爭提出的重大科研戰略。

　　「研究所專門成立類腦智能研究中心，是具有獨立建制的所級科研部門。未來，將在自動化所統一戰略規划下，聯合模式識別國家重點實驗室、複雜系統管理與控制國家重點實驗室等科研部門，進行有關類腦智能的協同創新。」王東琳表示。

從平行到交叉

　　在很長時間內，人腦的科學研究和人工智慧的研究，猶如兩條平行線，幾乎看不到實質性的交集。

　　人類研究腦的運行機制已經有上百年的歷史。出於健康的考量，腦科學的發展很快，也越來越受重視。

1956年，來自不同領域的學者在達特茅斯（Dartmouth）研討會上首次提出「人工智慧」的概念。「實現人工智慧主要有兩條路線，一個是符號表示的推理，即符號主義；一個是人工神經網路的方法，又稱連接主義。」中科院模式識別國家重點實驗室主任劉成林向《中國科學報》記者介紹，連接主義的研究在上世紀50年代提出，60年代~70年代陷入低谷，因為當時神經網路的代表方法感知機只能實現線性分類，做不了非線性分類，「而真實世界中很多任務都是非線性的」。

　　上世紀70年代人們提出了多層神經網路的誤差反向傳播（BP）訓練演算法，但並未得到重視。80年代中期，美國的科學家把BP演算法用於多層神經網路訓練，成功解決複雜的非線性分類和回歸問題，連接主義的人工智慧研究隨即進入新的高潮。但是到90年代中期，連接主義再次陷入低潮，因為進一步增加神經網路的層數帶來訓練收斂慢的問題且泛化能力有限，而新提出的支持向量機（SVM）在這些方面優於神經網路。劉成林表示，直到2006年，神經網路的研究才再次取得重大突破，深度學習演算法誕生，加上採用GPU的並行計算的推廣，使具有很多層的深度神經網路能夠在大規模樣本上有效訓練且泛化性能明顯提高，深度神經網路在語音識別和多種圖像識別任務中大幅提升性能，人工智慧進入一個新的發展階段。

　　「但是，深度神經網路依然有它的瓶頸。第一是訓練效率問題，必須有大量標註樣本訓練才能保證足夠高的泛化性能。第二是不夠魯棒，神經網路可能把不屬於任何類別的模式非常自信地判別為某一類。而人腦學習模式只需要少量樣本，而且對不認識的模式可以很可靠地拒識。」劉成林指出，人工智慧面臨的局限，急需新的理論來突破。目前，人工智慧在圖像識別、語音處理上的精度難以進一步提高，且學習過程很不靈活。故此，急需從腦科學和神經科學尋找新的借鑒。

　　「人腦是最好的模式識別系統，是一個具有複雜度極高的神經網路結構。和其相比，人工神經網路（包括深度神經網路）對人腦神經系統的模擬還處在很初級的階段。因此，有必要從模擬人腦的神經結構、思維方式和學習方式入手，讓腦科學和人工智慧的研究產生交叉，尋找人工智慧新的突破。」他說。

　　在這樣的考量下，類腦智能研究計劃應運而生。

三大研究方向

　　劉成林指出，類腦智能研究計劃的目的是發展以下一代人工智慧為核心的信息技術，而「類腦」是實現類人智能水平的手段與途徑。目前還沒有任何一個人工系統具有全方位的人類水平的智能，而作為人類智能的載體，人腦信息處理系統具有高度的自主學習能力、自適應性和語義理解能力，並能夠以高性能、低能耗的方式長期工作幾十年。

　　他表示，借鑒腦與神經科學研究的成果，將腦信息處理機制融入未來信息與智能系統已經成為國際學術與產業界發展的趨勢。歐盟與美國相繼推出的腦計劃中，都包含了腦模擬與類腦智能研究的探索，在這種趨勢下，作為國立科學研究機構的中科院自動化所將挑起類腦智能研究的重任，與國際科技界同台競爭。

　　在這種背景下，為推動研究所在類腦智能領域的科學研究，積极參与國家創新科研戰略，進一步推動未來智能科學與信息技術的發展，中科院自動化所整合集結了研究所相關優勢學科方向與科研團隊，成立了類腦智能研究中心，協同進行類腦智能的科研和戰略推進。

　　類腦智能研究中心將融合智能科學、腦與認知科學的多學科優勢，研究創新性的認知腦模型，實現類腦信息處理、類腦智能機器人等相關領域理論、方法與技術的突破。該中心將主要包括三個研究方向：認知腦計算模型、類腦信息處理和神經機器人。

　　「比如說，過去我們讓機器人學動作，都是通過編程的方式實現。以後，我們試圖通過人機交互的方式，讓機器人通過對話、閱讀等，能夠向人自主學習動作。」劉成林介紹。從技術路線來看，第一個研究方向偏基礎，後兩個研究方向偏應用。

　　目前，類腦中心規劃招聘數十名專職的科研人員，同時自動化所將結合兩個國家重點實驗室的力量，集全所之力，全面展開類腦智能研究。

獨具特色

　　近年來，關於腦科學的研究如火如荼。2013年，歐盟啟動10億歐元的「人腦計劃」。同年，美國啟動45億美元的「腦計劃」。在國內，科技部正在規劃「腦科學與類腦研究」的重大專項。北大、復旦等高校也開展相應研究。中科院自動化所的類腦中心，有哪些優勢和特色呢？

　　劉成林指出，經過「十二五」期間的不斷凝練與提升，自動化所提出了類腦智能工程戰略，部署了先期探索的科研團隊。在過去幾年，一方面積極向國家有關部門建言，同時開展基礎與探索性研究。目前在針對腦皮層認知功能的計算模擬、類腦自主學習機制及其計算實現與應用、腦知識圖譜、「手、眼、腦」協同的認知機器人等方面取得階段性進展。

　　該中心副研究員曾毅向《中國科學報》記者詳細介紹了認知腦模擬模擬平台並展示了他們構建的哺乳動物腦模擬系統，記者在看到各種尺度的動態生物細節（如不同類型的神經元真實形態及其放電模式、腦區之間的動態交互）的同時，還看到了這個腦模擬系統初步展示出來的視覺感知、記憶與自主學習的能力。

　　他們的目的，旨在不斷完善這套模擬系統，給機器人安裝一個「大腦」，最終讓其學會獨立思考。

　　「讓機器人獲得類人腦的思維能力，一直是人工智慧研究的長期目標。這也是現在的發展趨勢。」曾毅說。

　　劉成林指出，類腦中心和其他腦科學研究機構的不同在於中心立足智能，並將人腦研究與人工智慧的研究深度結合起來，相互借鑒、相互促進。「人工智慧當然需要借鑒當前腦科學的研究成果，但是人工智慧獨特的計算和分析能力，我覺得腦科學在進行大數據處理時也可以用得上，目前自動化所已經在這個領域進行了初步探索。」劉成林說。

　　「類腦是手段，智能是目標」，這就是類腦中心最大的特色。類腦人工智慧的核心在於腦與神經科學、認知科學、計算科學、信息科學等學科領域的交叉融合，它將有力地推進新的技術革命。

　　在學術交流方面，類腦智能研究中心積極開展廣泛的國內外合作。近期已與瑞士洛桑聯邦理工大學（EPFL）共建成立了「中瑞數據驅動神經科學聯合實驗室」，開展神經信息學平台合作研究；與美國塔夫茨大學、波士頓大學合作開展認知腦模擬研究；並與中科院神經所、北京師範大學等單位保持密切合作關係。

　　「未來，類腦智能研究中心將進一步加強與國內外相關學術機構、產業界開展廣泛深入的合作，搭建類腦智能國際創新網路，致力於成為腦與智能科學交叉領域有國際影響的研究中心。」劉成林說。　　

（作者：彭科峰，原載於《中國科學報》 2015-04-27 第5版創新周刊)

【觀點】圖像視頻大數據：創業者掘金新讀圖時代

來源：2015-04-27 中國科學院自動化研究所

在全球圖像視頻數據爆炸式增長的今天，有志於在這個行業掘金的人，如何才能抓住機遇、迎接挑戰、成功創業？近日，由中國科學院自動化研究所主辦的第二屆中國圖像視頻大數據產業創新論壇在北京召開，《經濟日報》記者就此問題，採訪了來自科研機構和行業企業的與會嘉賓們。

　　現狀——遊戲規則正在改變

　　我們正在進入一個海量數據的時代。2012年全球數據總量是2.84ZB(1ZB=10的15次方MB)，到2020年，這個數字將上升到40ZB，IDC（國際數據公司）將其稱之為「數字宇宙」。這個數字宇宙的一大部分正在被圖像視頻所佔據。據統計，2010年，僅監控視頻就佔了全球大數據的大約一半。

　　這種現狀，讓數字媒體產業的蓬勃發展顯得如此順理成章：美國數字媒體產業年營收超過4000億美元，占其GDP的4%；在日本，電子遊戲、動漫卡通等數字媒體產業已超過鋼鐵業兩倍，成為僅次於汽車業的第二大產業；我國的數字出版收入規模2013年達到2540億元，比2010年增長31.3%。

　　「數字媒體技術已成為影響社會生活和國民經濟的最主要的信息來源。」北京航空航天大學教授李波說，「但人們遨遊於信息海洋時會面臨三大挑戰，即存不起、查不準、管不住。」

據IDC公司統計，2014年全球新增數據總量為4.1ZB，其中超過75%來自個人，主要是圖片、視頻和音樂，如果按1TB硬碟300元計算，需要用12300億元的硬碟來存儲。海量增長的數據讓人們「存不起」。

　　同時，谷歌、百度等商業化搜索引擎，主要支持基於文本的搜索，「以圖搜圖」與人們的預期相比還有不小差距，跨媒體形式的搜索能力更是有限。滯後於需要的技術讓人們「查不準」。

　　此外，數字媒體傳播速度快、信息量大、內容豐富、互動性和影響力都很大，不僅傳統媒體無法比擬，媒體的數字化和網路化還使得盜版、偽造、謠言、淫穢、反動等非法媒體內容日益猖獗。「管不住」也成為數字媒體發展的一大挑戰。

　　新變化帶來新挑戰，也帶來了很多新的創業模式。北京數據堂公司就利用互聯網建立數據眾包平台，成立了「數據銀行」，將各種大數據收集起來，對數據進行「清洗」整理後，向外提供數據出租等服務。公司首席運營官柴銀輝說：「演算法不足，可以靠人來補。我們在全國有40萬眾客，比如採集一千萬女性人臉，每個眾客採集25個就可以完成任務。現在，華為等大公司都成了我們的客戶，向我們購買數據。」

　　「大數據正在改變遊戲規則，你必須把握新規則，才能跟上新時代。」奇虎360科技副總裁譚曉生說。

趨勢——人類眼和腦的延伸

　　在各種技術和產品日新月異的今天，我們或許需要洞悉先機才能跟上時代。圖像視頻大數據產業，未來將走向何方？

　　李波認為，數字媒體未來發展的趨勢是真三維、雲處理、個性化與強互動。高精度場景3維建模、3D列印、數字城市等三維產業將逐漸成為信息科技升級的主要驅動力，人們對數字媒體的需求逐漸從二維向三維過渡；數字媒體數據量大，內容分析關聯複雜，越來越多的分析和服務需搬到「雲端」來實現；網路電視、社交網路的興起，代表著個性化與強互動結合成為媒體消費的新模式，數字媒體和其他數據的深度融合，將產生一系列個性化和智能化服務。

　　「移動設備上的攝像頭，正在成為人類眼睛的延伸。大數據時代，萬物互聯帶來人工智慧，將成為我們大腦的延伸。」百度研究院副院長余凱表示，通過免費的搜索引擎，用戶為百度提供了很多數據，百度則通過大數據人工智慧，獲得這些數據的商業價值。

　　「什麼是人工智慧？首先是感知，第二是理解，第三是作決策。智能產品的關鍵是學習能力，應該隨著用戶使用的越來越多，它越來越懂你，越來越好用。」余凱說，模擬大腦行為的學習，特別適合大數據。深度學習技術將讓大數據真正成為商業壁壘，使企業獲得別人難以複製的核心競爭力。

視頻偵查和智能交通，正在成為數字媒體應用的兩個「大戶」。

視頻偵查已成為繼刑偵、技偵和網偵後的第四大案件偵破技術，我國99%的大案要案的偵破需要視頻監控信息。海康威視公司大數據開發總監趙世范說，公司的視頻監控智能處理技術協助公安系統做了很多案件偵破工作，但目前仍存在人工判讀效率低、圖像模糊難以辨識等難題。「由於有車牌標示，我們對視頻監控中的汽車智能識別技術比較成熟，成功率也高。但如何從多個場景中提取可關聯的人，技術還不成熟。視頻中的色彩、清晰度、光照、人臉角度這些因素的不同，都會影響我們對人臉的識別效果。」

　　此外，根據國家已公布的《道路交通安全「十二五」規劃》、《道路交通科技發展十二五規劃》，有專家預測，未來十年我國在智能交通領域的投入將達1820億。這是一個巨大的市場，但目前仍存在數據處理和傳輸量大、智能化程度低等問題，同樣也急需數字媒體技術高速發展的支撐。

策略——滿足用戶真實需求

　　對創業者來說，將數量大變成價值大，是大數據技術的本質需求。

　　瞪羚基金是紮根於中關村的創業投資基金，投資總監黃岩表示了對大數據行業的看好：「大數據是未來最有潛力的方向之一。現在互聯網+是很熱的風口，互聯網加得到的領域，大數據全都加得到。」

　　「創業公司找風投，其實沒有統一答案。我的經驗是，技術和產品要細要專，還要找到用戶的真實需求。」上海亮風台公司是一家主要從事圖像識別和增強現實技術的創業公司，CEO廖春元介紹了公司開發的兩款兒童產品。

　　為兒童讀物《哈哈畫報》開發的「哈哈探寶器」，讓兒童在閱讀時可以掃描書中角色，並在手機上玩相應的互動遊戲。與淘米聯合開發的「摩爾字母樂園」，讓兒童在掃描實體字母玩偶後，看到手機或平板電腦上的動態玩偶變「活」了，可以眨眼睛、說話、教英語。

　　「電子產品對兒童發育不利，因此實體書、雜誌和玩具有存在的必要。但傳統讀物和玩具缺少電子產品的互動性，吸引力低。」正是看到用戶的真實需求，這兩種讓傳統書籍玩具與電子產品結合在一起的應用，才應運而生。

　　不只是創業中的小公司，對大公司來說，找准並滿足用戶對圖像視頻大數據的真實需求同樣重要。

　　騰訊公司微信事業群高級工程師谷沉沉談起微信的視頻通話功能時表示，微信的用戶太多、分布太廣，使用的網路各種各樣，網路差異和終端差異非常巨大，為了提升用戶滿意度，微信團隊只能細分用戶需求，對不同埠的用戶視頻傳輸採取不同策略。

事實上，滿足用戶真實需求必須大家通力合作，成為這一行業的共識。

　　「我國圖像視頻大數據產業正迎來重要的發展機遇，也面臨巨大挑戰。」中科院院士譚鐵牛說，挑戰主要是自主創新較少、同質低價競爭普遍、國際化程度低等。他介紹說，去年9月成立的圖像視頻大數據產業技術創新戰略聯盟，聯合了由百度、騰訊等家企業，清華、北大等高校，以及中科院自動化所、計算所等研究院所，目前已有43家會員單位。「聯盟旨在團結、規範、引導我國圖像視頻大數據技術和產業的健康發展，以技術項目研發為重點，推進資源融合，建立利益共同體。」

（作者：佘慧敏，原載於《經濟日報》，2015年4月27日第15版）

（來源：楊靜lillian）

盈利盛宴，交易秘笈——量化投資與高頻交易精英班