◎鄭南寧院士

人工智能滲透到了人類社會各個領(lǐng)域，但目前來看，無論是深度學(xué)習(xí)還是其它方法，解決的都是單一問題。人類大腦是一個多問題求解的結(jié)構(gòu)，怎么從腦認(rèn)知和神經(jīng)科學(xué)中得到構(gòu)造健壯的人工智能的啟示，國內(nèi)外都做了非常多有成效的研究。

一、實(shí)現(xiàn)健壯的人工智能的方法

人類面臨的許多問題具有不確定性、脆弱性和開放性。今天人工智能的理論框架，建立在演繹邏輯和語義描述的基礎(chǔ)方法之上，但我們不可能對人類社會的所有問題建模，因?yàn)檫@中間存在著條件問題，我們不可能把一個行為的所有條件都模擬出，這是傳統(tǒng)人工智能的局限性。

這個局限性主要表現(xiàn)在幾個方面：

1、需要對問題本身抽象出一個精確數(shù)學(xué)意義上的解析式的數(shù)學(xué)模型（抽象不出，即歸納為不可解問題）；

2、需要為已建立的數(shù)據(jù)模型設(shè)計(jì)出確定的算法（容易產(chǎn)生諸如NPC等問題）；

3、處理的結(jié)果無法表現(xiàn)現(xiàn)實(shí)世界所固有的不確定性；

4、圖靈意義下的可計(jì)算問題都是可遞歸的（“可遞歸的”都是有序的）；

5、用“度量”來區(qū)分模式，只能處理可向量化的數(shù)據(jù)。

我們要構(gòu)造一種更加健壯的人工智能，需要腦認(rèn)知和神經(jīng)科學(xué)的啟發(fā)。計(jì)算機(jī)和人類大腦是對問題求解的物質(zhì)基礎(chǔ)。在智力和計(jì)算能力方面，計(jì)算機(jī)遠(yuǎn)遠(yuǎn)超過了人類，但是人類面對的大部分問題都是開放的、動態(tài)的、復(fù)雜的，大腦在處理這種問題時表現(xiàn)出的想象和創(chuàng)造，還有對復(fù)雜問題的分析和描述，是傳統(tǒng)人工智能的方法所不能企及的，我們只能夠從人類大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中去獲得構(gòu)造新的人工智能的因素。

人類大腦非常奇妙，也正是在這個物質(zhì)基礎(chǔ)之上，才演繹出人類世界的發(fā)展和對問題求解的各種方法。在神經(jīng)元的結(jié)構(gòu)模型中，神經(jīng)元的連接并不是像我們一般理解的物理方式，而是靠突觸，神經(jīng)元之間突觸間隙產(chǎn)生的反應(yīng)，構(gòu)成了大腦中奇妙的演進(jìn)。人類大腦中的思維或?qū)W習(xí)都是發(fā)生在突觸這個層面上的。實(shí)際上在大腦的神經(jīng)網(wǎng)絡(luò)連接中，不同空間對應(yīng)不同功能，不同功能在自身內(nèi)部產(chǎn)生著不同的成本函數(shù)。

人出生之后，大腦會不斷發(fā)展，發(fā)展到一定程度，神經(jīng)元增長到一定數(shù)量，又會遞減，把不需要的神經(jīng)元刪掉。大腦是慢性記憶神經(jīng)元，它需要具有高度的容錯性。

實(shí)際上，人出生時大腦是一樣的，如三字經(jīng)所提到的“性相近，習(xí)相遠(yuǎn)”，6歲以前，大腦在發(fā)育，到6歲左右，從生物學(xué)角度上講，這種發(fā)育就完成了，大家的記憶力、智商等都是教育上的反應(yīng)。教育的基礎(chǔ)就是大腦。所以，大腦不是通過一個統(tǒng)一的沒有分化的神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)單一的全景優(yōu)化學(xué)習(xí)的，不同的功能和區(qū)域會生成不同的成本函數(shù)。它是模塊化的，同時具有獨(dú)特的系統(tǒng)來支撐注意、記憶、語言等功能。因此，我們可以從腦認(rèn)知和神經(jīng)科學(xué)中去獲得發(fā)展新的人工智能的靈感。

二、腦認(rèn)知與人工智能的結(jié)合

人類大腦有800億個神經(jīng)元的容量，它主要有三種研究方式：結(jié)構(gòu)研究、功能研究和有效研究。

大腦的結(jié)構(gòu)連接是靜態(tài)的，功能連接和有效研究則具有時空動態(tài)演化的特性。在視覺和聽覺神經(jīng)網(wǎng)絡(luò)的區(qū)域空間中，功能連接和有效連接是不一樣的。

有效連接是針對具體任務(wù)的，在同一個視覺功能連接空間中，當(dāng)我們執(zhí)行不同視覺任務(wù)時，它所形成的神經(jīng)網(wǎng)絡(luò)的有效連接是不一樣的。有效連接描述了神經(jīng)元之間的因果與相互影響關(guān)系。

從這種結(jié)構(gòu)化的觀點(diǎn)來看，我們構(gòu)造的神經(jīng)網(wǎng)絡(luò)還沒辦法模擬同時具有結(jié)構(gòu)連接、功能連接、有效連接的方式。我們可以通過獲取某一區(qū)域的活躍程度，或活躍狀態(tài)，辨別大腦正在執(zhí)行什么樣的視覺任務(wù)。知道它在執(zhí)行什么樣的視覺任務(wù)，我們就得到了它有效連接的狀態(tài)，也可以求出它的有效連接在時空演化中的特性。如果能夠求出其中的規(guī)律，我們就可以設(shè)計(jì)相應(yīng)的人工智能方式去實(shí)現(xiàn)。也就是說，我們可以采用可觸的、動態(tài)的、非線性的關(guān)系網(wǎng)絡(luò)進(jìn)行認(rèn)知任務(wù)的輸入。

再對它的科學(xué)問題做一個總結(jié)，我們要回答出三點(diǎn)：1、大腦是如何實(shí)現(xiàn)優(yōu)化的；2、腦網(wǎng)絡(luò)的監(jiān)督訓(xùn)練信號從哪里來；3、在不同的神經(jīng)功能研究區(qū)域中，存在什么樣的有效連接的約束和優(yōu)化。

前面講了概念，在概念基礎(chǔ)上我們要抽象出科學(xué)問題，這樣才能指導(dǎo)我們進(jìn)一步的研究，找到解決問題的方法。那么這個方法如何和現(xiàn)在的方法結(jié)合？

去年，谷歌和MIT聯(lián)合發(fā)表了一篇文章，文章的中心思想是怎么利用神經(jīng)科學(xué)構(gòu)造健壯的人工智能系統(tǒng)。我們現(xiàn)在深度學(xué)習(xí)的基本框架，是通過多層神經(jīng)網(wǎng)絡(luò)輸入，根據(jù)誤差來調(diào)整連接，這建立在大量數(shù)據(jù)標(biāo)注的基礎(chǔ)上，通過標(biāo)記數(shù)據(jù)得到網(wǎng)絡(luò)優(yōu)化的成本函數(shù)。

我要強(qiáng)調(diào)一點(diǎn)，我們通常講深度學(xué)習(xí)是從機(jī)器學(xué)習(xí)發(fā)展來的，要構(gòu)造一個學(xué)習(xí)機(jī)器，關(guān)鍵是在不同區(qū)域、不同任務(wù)下，怎么去構(gòu)造一個成本函數(shù)。

三、大腦的認(rèn)知活動

大腦的認(rèn)知活動分為三個不同層次：一是哲學(xué)，二是形象思維和邏輯思維，三是敏感性。

直覺和敏感都屬于創(chuàng)造性思維，警察在破案中，靠的是多年積累和實(shí)踐，形成的直覺判斷。靈感、頓悟與直覺的區(qū)別是，直覺是對當(dāng)前環(huán)境的反應(yīng)，它在現(xiàn)在人工智能的發(fā)展中扮演著十分重要的角色。我們需要一種基于直覺的人工智能，也可以將它看成一種基于直覺的推理。

人的直覺反應(yīng)實(shí)際上是尋找全局最優(yōu)解。要構(gòu)造直覺推理，需要兩個關(guān)鍵因素：一是需要構(gòu)造一個成本函數(shù)；二是需要給出一個決策結(jié)構(gòu)，而這個決策結(jié)構(gòu)就建立在記憶基礎(chǔ)上。

人在觀察事物時，一定會形成一種與時間相關(guān)的影像。如果把直覺推理和數(shù)學(xué)歸納演繹推理兩類機(jī)制組合，就可以實(shí)現(xiàn)基于認(rèn)知計(jì)算或受神經(jīng)科學(xué)啟發(fā)的人工智能。

我們把認(rèn)知推理稱為直觀、樸素的物理推理。物理層面的認(rèn)知推理可以化解時間與空間，追蹤事物的發(fā)展軌跡。認(rèn)知推理的另一個要素在心理層面，簡而言之就是學(xué)習(xí)方向受心理狀態(tài)的引導(dǎo)。我們需要把物理層面和心理層面的推理嵌入到推理的人工智能系統(tǒng)中。

在直覺和認(rèn)知推理中，我們還需要構(gòu)造一種模型，其中因果模型是基礎(chǔ)。認(rèn)知計(jì)算框架下的因果模型既要滿足物理因果關(guān)系所產(chǎn)生的物理約束，同時又要讓機(jī)器理解當(dāng)前認(rèn)知任務(wù)下的因果關(guān)系。

直覺推理、認(rèn)知推理和因果模型是構(gòu)建健壯的人工智能必須考慮的基本因素。那么如何來構(gòu)造一個具體的系統(tǒng)？構(gòu)造機(jī)器人需要三個基本要素：1、對環(huán)境中的所有對象進(jìn)行特征識別，并且進(jìn)行長期記憶；2、理出對象間的關(guān)系，并對它們相互間的作用進(jìn)行描述；3、基于想象力的行為模型，人在進(jìn)行具體行動之前，會想象其帶來的后果，但機(jī)器就需要分析物體之間的各種關(guān)系。

這三種要素是讓機(jī)器像人一樣理解物理世界的基礎(chǔ)。具有想象力的人工智能，就需要：1、行動之前預(yù)想到結(jié)果；2、構(gòu)造一個位置模型；3、給出環(huán)境模型，提取有用信息；4、規(guī)劃想象行為，最大化任務(wù)效果。

鄭南寧院士在2017中國自動化大會作主題報(bào)告

四、認(rèn)知如何解決實(shí)際問題

我們在2000年初就開始做無人駕駛，有人說要把無人駕駛汽車和城市真實(shí)場景的車融合，我們還面臨非常艱難的挑戰(zhàn)，有相當(dāng)長的路要走。在這種局部、動態(tài)的場景中，我們怎樣讓自動駕駛跟環(huán)境融合，確實(shí)是一個很大的問題。

無人駕駛的挑戰(zhàn)存在于：

1、必須準(zhǔn)確感知周圍環(huán)境，在所有條件下安全行駛；

2、自動駕駛必須能夠抽象，要完成一種交互情境中的記憶計(jì)算；

3、自動駕駛必須能夠理解預(yù)行為。

現(xiàn)在絕大多數(shù)自動駕駛采取了場景感知與定位，決策規(guī)劃與控制，這是一種簡單的ADAS形式，但我們要如何通過新的方法來解決這個問題？

場景是某個交互場合在特定時間和空間中的具體情境和影象，它可以定義為一種實(shí)體。情境是指這種實(shí)體隨著時間和空間變化而產(chǎn)生的關(guān)聯(lián)。情境計(jì)算是對場景各個關(guān)聯(lián)的對象做解釋，可以定義為一個行為相關(guān)體。

這里的問題就是，第一，要讓自動駕駛汽車像人一樣理解和記憶，就要具有記憶推理和經(jīng)驗(yàn)分析的技術(shù)；第二，進(jìn)化發(fā)展的自動駕駛，其學(xué)習(xí)過程要像人類一樣熟能生巧。

人類視覺關(guān)注的基本機(jī)制是選擇、組織、整合、編碼。人對變化是非常敏感的，可以提取交通場景中的顯著性變化。比如你在開車時，如果右前方突然來了一個騎自行車的人，你的注意力會轉(zhuǎn)移到騎車人的身上。在自動駕駛汽車上，我們要構(gòu)造一個選擇性的注意機(jī)制網(wǎng)絡(luò)，對數(shù)種圖像進(jìn)行理解，并根據(jù)內(nèi)部狀態(tài)的表示，忽略不相關(guān)的對象，選擇下一步要采取的動作。

把場景感知和情景認(rèn)知結(jié)合起來，需要我們構(gòu)建一個模型，融合先進(jìn)知識概念，實(shí)現(xiàn)記憶學(xué)習(xí)。

場景感知是將通過各種不同屬性的傳感器獲得的不同數(shù)據(jù)，提供到深度學(xué)習(xí)中，之后再根據(jù)長短期記憶和定位網(wǎng)絡(luò)，進(jìn)行情境計(jì)算。在這種框架中，我們可以把場景感知和情境計(jì)算融合在一起。

一個高效的情景計(jì)算要運(yùn)用實(shí)際情境的因果關(guān)聯(lián)，在最前端的數(shù)據(jù)層面進(jìn)行有效計(jì)算，這就需要把數(shù)據(jù)驅(qū)動變成事件驅(qū)動。人在開車時，根據(jù)情境判斷前方可不可以行駛，這就是把數(shù)據(jù)驅(qū)動變成事件驅(qū)動。

怎么構(gòu)造事件驅(qū)動？就是把可見光和激光點(diǎn)云數(shù)據(jù)融合在一起，把三維數(shù)據(jù)轉(zhuǎn)化成二維圖像數(shù)據(jù)。點(diǎn)云數(shù)據(jù)給出了每一個生物體的明確的點(diǎn)，二維圖像沒有深度信息，它是圖像的幾何形狀變化。把人的數(shù)據(jù)和激光點(diǎn)云的數(shù)據(jù)融合，用數(shù)據(jù)驅(qū)動轉(zhuǎn)變?yōu)槭录?qū)動，就得出了可行駛數(shù)據(jù)和不可行駛數(shù)據(jù)大的劃分。

人開車的時候，他在注意什么，我們就來構(gòu)建一個類似的選擇性基礎(chǔ)，把同樣的場景輸入到一個深度學(xué)習(xí)網(wǎng)絡(luò)中，通過深度學(xué)習(xí)網(wǎng)絡(luò)提取特征和人的注意力。