李德毅：讓雲計算、大數據助推並成就人工智慧 | 李德毅 | 數據觀 | 中國大數據產業觀察

來源：經濟觀察報時間：2016-06-08 14:06:44作者：沈建緣

　　導語：他最早提出「控制流—數據流」圖對理論和一整套用邏輯語言實現的方法；提出雲模型、雲變換、雲推理、雲控制等方法用於不確定性認知和雲計算，在智能控制「三級倒立擺動平衡」實驗和智能駕駛中取得顯著成效。　　　　 　　　　　　　　　　　

　　李德毅，中國工程院院士，物理學家。中國人工智慧學會理事長，歐亞科學院院士。他最早提出「控制流—數據流」圖對理論和一整套用邏輯語言實現的方法；提出雲模型、雲變換、雲推理、雲控制等方法用於不確定性認知和雲計算，在智能控制「三級倒立擺動平衡」實驗和智能駕駛中取得顯著成效。

　　近十年，李德毅院士一直關注中國的雲計算產業。對於李德毅來說，從雲計算到人工智慧，新技術形態正在帶來應用端空前的繁榮，它們不僅涉及到大數據、機器人，還包括智能駕駛。

　　目前，這位年近耄耋之年的科學家正與國內的車輛製造企業進行駕駛腦方面的合作。駕駛腦——即代替人類指揮車輛進行自主駕駛的認知和控制單元——在李德毅看來，將人類在駕駛活動時的動機、思維與記憶等用機器來實現，就是駕駛腦。在這個過程中，記憶認知與交互認知，相比計算認知更為重要。

　　以下為李德毅院士自述——

　　去年，我和我的同事們還有企業的合作夥伴們做了一件事情，利用無人駕駛技術、通過精確導航，將國產的公交車從鄭州到開封，實現了世界上第一輛大巴在鄭州的道路上運行，而且全程無人干預。

　　汽車，曾經被稱之為改變了世界的機器正在被軟體所改變。但我不主張簡單地說智能車就是四個輪子加一部手機，這句話有問題。智能車研發的困難不僅僅是感測器，更重要是機器駕駛腦和駕駛員一樣應對不確定性，適時做預測控制，駕駛活動是人在活動中預測控制，更多是技巧和經驗而不是知識、推理和計算，經驗駕駛員常年與車互動，熟練到把車融為身體一部分，成為身體無縫對接的增設外力。

　　而預測控制正是人工駕駛的魅力所在。

　　舉個例子車子在急匆匆地趕往機場的路上，前面強光非常的刺眼，我們就只好儘快把車速減下來，而輪式機器人也需要在出現不確定情況的時候緊急應對。舉個例子來講，周邊突發事故隨時發生，環境雜訊或者對面一個車突然過來了，尤其是那個寵物從橫向切過來，這些都需要預測控制。

　　但智能駕駛最基本的問題，好多人還沒有搞清楚。到底是誰教誰？

　　智能車不是程序定義的機器，真正教機器人開車應該是經驗駕駛員。比如谷歌請了一大批經驗駕駛員開車，在這個問題上我們有相同的認知。我的團隊常年以來都是把裝有程序的技術交給第三方，自動啟動技術程序，讓汽車自動開。

　　本質上程序員通過程序教機器人開車，汽車成為軟體定義的機器，實現了自動駕駛。自動駕駛根本區別在於機器人有沒有向人類駕駛員在線學習的能力。誰教誰，我的觀點，不是觀點程序員教機器，而是有經驗人的駕駛員教機器人。

　　下一步，學什麼？學人駕駛。人的駕駛過程是一個人在大腦迴路中的預測控制。預測控制作為反被控制的策略之一，駕駛員有限之內的預測或者時間滾動以後，始終由當前預測值刷新這個問題。第一個元素形成返回空置率作為這個車，所以光有感測器是不行的。

　　接下來，怎麼學？輪式機器人涉及時變、非線性、有時滯、是多約束條件下的目標優化。我們採取策略是給出一個三位一體的機器認知、交互認知、駕駛員認知的方法。學習駕駛員認知的行使化。一個好的駕駛員安全反應度要高；第二個要舒適，不能讓坐的人前仰後翻；第三個耗油量低。

　　我們要將調試匯流排擴展為自學匯流排，開創自學習板塊，完成深度學習和進化學習，讓掄式機器人像人一樣開車，研發有個性的智能車。將經驗駕駛員對油門、制動和方向盤的操控量抽象為認知箭頭。利用搜索引擎通過態勢圖、以圖搜圖，實時地在記憶中近似像素。形成大數據認知碎片化認知，細分的約束取件，通過大量微觀認知形式化，減少形式化難度，縮小在線推理的範圍。

　　另外，關於智能駕駛技術相關的政策和法律適配的問題，現在國家一級設立了智能設施示範區，第一個在上海，還有4個，很快智能駕駛將進入尋常百姓家，比你想像中要快。

　　雲計算的概念已經從概念當中通過技術落地了，目前的問題是怎麼提高服務質量的問題，服務要更加精細化，更加的經濟。那麼雲計算在人工智慧領域起什麼作用？

　　雲感知、雲認知、雲交互、雲學習，如果是駕駛腦，有了雲計算這個駕駛腦變成駕駛超腦，因為可以藉助全體的智慧，形式化的約束然後做模型然後做演算法然後寫程序，程序+數據+文檔是軟體，程序圍著數據轉，就能用數據定義程序、數據定義演算法、數據定義模型。

　　讓輪式機器人在工作記憶裡面形成駕駛態勢，涵蓋方向盤具體動作。再認知再行動這樣一個數據的認同，所以我認為不要老是講計算，記憶太重要了，記憶不等於存儲，記憶和計算和存儲是同時發生的。

　　輪式機器人的應用，說明一個問題——人工智慧核心不僅僅是演算法更是學習——在大數據環境下充分發揮大數據碎片化認知，客觀形式的認知難度，降低形式化的難度，生成數據定義的軟體，那才是圍著數據轉，形成數據的有價值的人工智慧。

　　很多人擔心，未來機器人將控制人類社會，但很多的專家、學者的共識是「人是強智能、機器是弱智能的。不管怎麼說呢，機器與人共舞的過程中，人一定是領舞者，所以要對人工智慧有一些敬畏之心。讓機器跟人類和諧的共存。

　　人類要控制這個機器人，要調教機器人，用新機器人代替舊的機器人。人以後會更重要，聰明程度也會越來越強。事實上，人工智慧是物理學和生命科學這兩個最強大的科學領域交叉形成，必然會給人類社會帶來巨大變化。

責任編輯：陳近梅