本刊記者 劉婉茹
專家簡介:
陳霸東,清華大學博士,西安交通大學人工智能與機器人研究所教授、博導。研究領域涵蓋信號處理、機器學習、人工智能及腦機交互;作為項目負責人承擔國家自然科學基金重點項目、面上項目、青年項目,以及“973”課題各1項。在國際著名學術期刊及會議上發(fā)表論文200余篇,其中SCI論文110余篇(含IEEE Trans.論文30余篇);撰寫學術章節(jié)4章、學術專著2部,其中以第一作者撰寫的英文學術專著被Computing Reviews評選為2013年Notable Book;發(fā)表的學術論文在Google Scholar Citations中被引用2200多次(單篇最高被引200多次),在Web of Science中被引1300多次,5篇論文獲ESI高被引論文(前1%);承擔眾多學術職務,如擔任IEEE SPS Machine Learning for Signal Processing、IEEE CIS Cognitive and Developmental Systems技術委員會委員,擔任IEEE Transactions on Neural Networks and Learning Systems等著名國際期刊編委,以及多個國際學術會議的程序委員;獲第八批陜西省“百人計劃”特聘教授、陜西省灃西新城杰出人才等榮譽;享受“三秦人才津貼”。
不久的將來,你或許會看見這樣的場景:中風病人靠意念重新站起來;行動不便的截肢傷患可以如常人一般行動自如;機器人分身能傳達千里之外的主人的想法。
這些只能在科幻小說中看見的情節(jié)將會出現在我們的日常生活中。西安交通大學人工智能與機器人研究所教授陳霸東說,這就是機器人的“新”時代:一個人機共融、腦機交互的時代,這個時代正慢慢到來?!皺C器人在工業(yè)4.0時代、智能時代是必需品,但是機器人需要由‘機器’向‘人’轉變,具備 ‘人’的智慧,‘人’的靈巧性、靈活性,甚至成為智商情商兼?zhèn)涞臋C器人。機器人的‘成人’之路還要走很長一段時間?!?/p>
在高中時代,對機器人充滿興趣的陳霸東就選擇了自動化專業(yè)。在現在的工作中他一如既往對機器人抱有極大熱情,他說,國家將機器人和智能制造納入科技創(chuàng)新優(yōu)先重點領域,他要用科技幫助人類實現“心想事成”,同時,也要兩個“拳頭”出擊,在信號處理領域,構建新型的信號處理理論與方法,并運用到人機共融的研究中。
五月的烏鎮(zhèn),柯潔vs AlphaGo的“人機大戰(zhàn)”牽動著世人之心?!叭藱C大戰(zhàn)”落下帷幕,棋手柯潔三戰(zhàn)三敗。這一結局令大家紛紛感嘆:未來的世界是不是要交給機器人了?
而在陳霸東看來,這似乎是人們把人工智能“炒”得過高了。他說,人工智能有弱人工智能與強人工智能之分?,F在的人工智能基本都是弱人工智能,AlphaGo能夠戰(zhàn)勝人類頂尖棋手確實是人工智能發(fā)展的一個里程碑,但不能說明以后的世界是由機器主導,這就像汽車比人跑得快一樣,AlphaGo這樣的機器在解決形式化和結構化問題方面肯定會超過人類,但它們并不具備人的能動性。而強人工智能則是使機器達到甚至超過人腦思維水平,像人一樣有自我意識、自我判斷,也像人一樣有情感和靈感。為了在人工智能領域取得革命性突破,近年來研究者們將目光聚焦到人的大腦,希望從認知與神經科學中獲得靈感。但目前人們對大腦的工作機理還沒搞清楚,因此實現強人工智能還有一段崎嶇并長遠的路。陳霸東強調,不過在發(fā)展人工智能技術,改善人類生活的同時,也要警惕其對人類生存可能造成的威脅。
“在走向強人工智能之前,我們可以結合人工智能與人腦智能進行混合智能研究?!标惏詵|說,混合智能就是把人腦與現有的機器智能結合起來,發(fā)揮各自的長處,逐步實現人機共融,這是現階段人工智能發(fā)展的一個重要途徑。國家自然科學基金重大研究計劃重點支持項目“人機共融的靈巧柔順下肢康復機器人交互方法與應用”就是陳霸東在人機共融研究中的一大探索。
機器人在解決國家和社會發(fā)展面臨的眾多挑戰(zhàn)中發(fā)揮著至關重要的作用,其發(fā)展的重要目標之一就是提高全體國民的生活質量和健康水平。隨著我國經濟實力和科技水平的快速發(fā)展,依靠科技創(chuàng)新來保障和改善我國人民的健康水平已經上升為新時期國家戰(zhàn)略需求。而人類壽命和生活品質的不斷提升使助老助殘和康復醫(yī)療問題日益突出。在這樣的情況下,機器人就可以發(fā)揮它的優(yōu)勢,為有需要的患者,如下肢癱瘓患者,提供個性化康復及行為輔助服務。
康復機器人要如何完成這些工作?它與其它機器人相比,需要具有哪些“特異功能”?“作為康復機器人,它需要具備靈巧性、柔順性,并且與患者緊密協同,完美配合才能很好完成各種康復訓練任務,因此人機共融的自然交互是康復機器人的核心問題?!标惏詵|解釋道。
在“人機共融的靈巧柔順下肢康復機器人交互方法與應用”項目中,陳霸東主要針對自然人機交互這一康復機器人中的核心問題研究人機共融的靈巧柔順下肢康復機器人。準確識別患者行為意圖、實現患者與機器人之間自然柔順的交互是康復機器人系統(tǒng)需要解決的關鍵技術?!皬娜梭w獲得的生物信號能直接反映患者生理、心理狀態(tài)和神經參與水平,因而具有重要的神經康復科學的研究意義。隨著生物神經信號獲取與腦機接口技術的高速發(fā)展、基于生物神經信號的交互控制策略愈加受到重視。我便以生物神經信號為出發(fā)點進行研究?!?/p>
在康復機器人交互控制中,表面肌電和頭皮腦電這兩種生物電信號是最為常用的?!斑@兩種信號均通過非侵入式方式得到,獲取方式的可操作性強,同時其安全性也能得到保證。但是,目前技術還不夠先進,無法滿足靈巧柔順人機交互的需要,而且臨床實驗不夠充分、性能未得到有效驗證,遠遠沒有達到可靠、高效和實用化?!?/p>
為絲綢之路機器人大賽選手講解腦機接口
因此,在項目中,陳霸東以表面肌電、腦電等非侵入式神經信號作為主要交互控制信號,來提高康復機器人系統(tǒng)靈巧性、柔順性和可靠性。他側重研究多模態(tài)神經信號的獲取、特征提取方法與融合模型、運動意圖實時準確判讀以及人機協同控制,來提高患者—康復機器人之間耦合性能,形成人在回路、人機協同交互的共融康復系統(tǒng)?!斑@將為我國康復機器人的產業(yè)化奠定技術基礎,對推動殘障人士的康復工程建設發(fā)揮重要的作用?!?/p>
此外,陳霸東還對視覺認知編解碼進行了深入探索。在國家重點基礎研究發(fā)展計劃(“973”計劃)項目課題“高級腦機交互中視覺認知編解碼”中,陳霸東聯合華南理工大學李遠清教授團隊,提出了新的視覺認知編解碼模型,并在視聽覺整合機制方面提出一系列創(chuàng)新理論。在視覺認知編解碼的研究中,團隊采集被試看到視覺圖像刺激時的大腦功能磁共振信號,利用數學模型建立腦信號與外界刺激之間的映射關系,在此基礎上重建出被試所看到的圖像特征,實現了“讀腦術”。陳霸東說,基于功能磁共振信號對自然圖像刺激的辨識是一個極具挑戰(zhàn)性的問題。針對該問題,研究團隊提出了包含隱狀態(tài)的體素編碼模型,并在自然圖像識別實驗數據上進行了驗證,取得了顯著優(yōu)于傳統(tǒng)方法的識別準確率。
陳霸東說,該項目的研究成果積極推動了視覺認知編解碼向前發(fā)展,也有助于建立人與機器間以視覺為主的高效交互通道,實現腦機協同計算和交互的新型智能系統(tǒng)。
隨著人口老齡化加劇,失能、半失能人群數量巨大,照料和護理問題變得日益突出。同時,我國存在大量有運動障礙的特殊人群,陳霸東說,研究安全型、舒適型、輕便型、智能型助老助殘、醫(yī)療康復設備,提高老年人、殘疾人運動能力及生活質量,減輕家庭和社會的負擔,促進社會和諧,具有極其重要的社會意義和經濟價值。他要在人機共融上傾注更多心血,讓人與機器人成為朋友,可以相互理解、相互感知認知,相互幫助。
信號處理是對各種類型的信號,按各種預期目的及要求進行加工過程的統(tǒng)稱。其以強大的滲透力在許多領域得到重用:工程建筑部門用來仿真大型建筑結構的抗震防震性能,機械制造業(yè)用以分析機械結構振動模型來改進振動性能及結構,通信領域用以提高通信系統(tǒng)的有效性和可靠性,醫(yī)學領域用于B超、X光片及生理電信號分析診斷等。
陳霸東埋身信號處理研究已有多年的時間,他告訴記者,他是從自適應信號處理與機器學習轉到做人機共融的。在求學階段,他主要的研究對象是信號處理,但現在他并沒有放棄自己的“老本行”。他說,信號處理在人工智能與共融機器人中具有極其重要的應用意義。如,腦機交互中腦信號的去噪、特征提取、信號源定位、多模態(tài)信息融合、意圖判讀、協同控制等都離不開信號處理技術。
與Jose Principe教授合照
在信號處理領域的傾心付出,陳霸東為自己摘下了眾多“碩果”:在清華大學進行博士后研究期間,參加了朱煜教授“六自由度納米精度微動臺等半導體制造裝備核心部件”項目的研究,負責其中系統(tǒng)建模與參數估計工作。針對傳統(tǒng)參數估計方法在非高斯噪聲干擾下性能退化的難題,陳霸東提出了基于熵準則的自適應參數估計理論與方法,突破了傳統(tǒng)均方誤差準則難以有效解決非高斯噪聲干擾問題的局限性,使參數估計器在非高斯噪聲干擾下具有很好的收斂性能和對沖擊噪聲很強的魯棒性。為期兩年的清華大學博士后生涯,陳霸東還出版了《系統(tǒng)參數辨識的信息準則及算法》專著。
在美國佛羅里達大學進行博士后研究期間,陳霸東與Jose Principe教授合作研究信息論學習,同時深入研究核自適應濾波方法。針對核自適應濾波方法中模型結構隨數據增加而持續(xù)增長的計算和存儲瓶頸問題,提出了量化的核自適應濾波方法,構建了一種在線向量量化算子,提高濾波器性能的同時極大限制了模型的增長,實現了高效的非線性自適應濾波。陳霸東說,量化的核最小均方算法是他最自豪的一個工作,該方法被西班牙學者Steven Van Vaerenbergh作為代表性濾波算法寫入Matlab Toolbox,并在眾多領域得到應用,相應的研究論文也成為ESI高被引論文。
在這項研究成果基礎上,陳霸東與Principe教授等人合作,還提出了一種基于量化核最小均方算法的自適應逆控制方法,用于植入式神經信號的解碼,利用獲取的峰電位序列自適應訓練逆控制器(解碼器),成功實現了控制老鼠觸覺皮層神經元的放電活動,攻克了現有神經解碼方法缺乏自適應跟蹤能力的難關。在國外期間,陳霸東還撰寫了一本英文專著,由Elsevier出版社出版。該書被Computing Reviews評選為2013年Notable Book。
在這些成果之上,陳霸東再一次出發(fā),國家自然科學基金面上項目“再生核希爾伯特空間中自適應濾波新方法及應用”便是他回國后在信號處理方面開展的項目研究。在該項目中,陳霸東主要集中在時域信號自適應濾波的基礎理論與算法研究,并把這些理論與算法用在腦信號(EEG、fMRI)的處理與分析上。他說,信號處理應用領域廣泛,但是,時域信號中普遍存在的非線性、非平穩(wěn)、非高斯等特性依然是目前所面臨的巨大挑戰(zhàn)。
如何有效解決這些難題,提高信號處理的魯棒性和適應性,是陳霸東要攻克的。項目研究中,陳霸東充分借鑒傳統(tǒng)自適應濾波和機器學習相關理論和方法,提出了利用核方法建立新型濾波器的理論框架。一方面,研究核自適應濾波器的自組織、核函數選取與優(yōu)化以及動態(tài)拓撲結構,以期解決時域信號濾波中存在的非線性和非平穩(wěn)性難題;另一方面,在核空間中定義各種相似性度量,構建新的濾波目標函數,實現非高斯信號的魯棒濾波。同時,陳霸東堅持理論、算法研究與應用研究相結合的原則,在實際應用中檢驗新方法的有效性和實用性,他將核空間中濾波目標函數應用到運動想象的腦電信號特征提取中,極大提高了運動意圖解碼的準確度。
陳霸東說,這是他2013年申請的項目,將在今年年底結題。通過4年的研究,他提出了一系列高效、魯棒的自適應濾波算法,在IEEE TSP、IEEE TNNLS、IEEE TCYB等本領域國際權威期刊以及CVPR,ICASSP,IJCNN等著名國際會議上發(fā)表了一批高質量的學術論文,并獲IJCNN2015最佳Poster論文提名獎和ELM2017最佳論文獎。這些研究成果為非線性、非平穩(wěn)、非高斯信號處理提供了新的理論框架和模型。
凡事預則立,不預則廢。對于未來工作,陳霸東早已做好了規(guī)劃:立足西部,圍繞國家發(fā)展的戰(zhàn)略需求,針對人機共融、腦機交互和自適應信號處理的基礎理論和關鍵技術問題繼續(xù)展開深入研究;做好科研工作的同時,加快科研實驗平臺的建設。目前,他正在搭建共融康復機器人的驗證及應用平臺。無論在學習還是工作生涯中,陳霸東說,他都遇到了為自己指點迷津的老師、領導,他們兢兢業(yè)業(yè)的工作態(tài)度,他們對后輩的傾心培育與指導都對自己產生了重大影響。在以后的工作上,他要以目標為動力,以前輩的精神為指引,篤定前行。