馬遠(yuǎn)良

人工智能是指用計(jì)算機(jī)模擬、實(shí)現(xiàn)或延伸人類的感知、思考、行動(dòng)等思維與行為能力的科學(xué)與技術(shù)。人類智能的核心在于智慧的思維和智慧的行為能力。這種能力可能是通過學(xué)習(xí)而獲得的，也可能是人類所固有的或者本能的、遺傳的或者基因形成的。其內(nèi)涵包括學(xué)習(xí)、理解、記憶、概念抽象、推理、決策、計(jì)劃、行動(dòng)、自我意識(shí)、情感、環(huán)境適應(yīng)性、認(rèn)知與思考的能力等。以此為參照，人工智能大體可分為能夠完全實(shí)現(xiàn)人類智能的“強(qiáng)人工智能”和面向特定任務(wù)應(yīng)用的“弱人工智能”。當(dāng)前在計(jì)算機(jī)上實(shí)現(xiàn)思考、情感以及創(chuàng)造力（包括繁殖新的智能系統(tǒng)）等強(qiáng)人工智能的研究仍然迷霧重重、任重而道遠(yuǎn)。但是以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為核心的弱人工智能技術(shù)，在某些應(yīng)用場(chǎng)景中已達(dá)到甚至超越人類水平。在智能信息感知與處理領(lǐng)域，有一個(gè)需求迫切、應(yīng)用環(huán)境復(fù)雜、極具典型性和挑戰(zhàn)性的研究方向，這就是海洋信息感知與處理的人工智能技術(shù)。主要是指智能水聲技術(shù)，以及有關(guān)的非聲智能技術(shù)。

長(zhǎng)期以來，海洋聲學(xué)環(huán)境復(fù)雜、目標(biāo)微弱且背景噪聲高、觀測(cè)量的估計(jì)高度非線性，構(gòu)成了困擾水聲技術(shù)的三大挑戰(zhàn)性國(guó)際難題。尤其時(shí)空變化復(fù)雜信道中的微弱信號(hào)檢測(cè)，是制約其他方面的第一難題。目標(biāo)隱身、分類識(shí)別，以及網(wǎng)絡(luò)通信則是最重要的研究熱點(diǎn)。近期的研究經(jīng)驗(yàn)提示我們，運(yùn)用人工智能技術(shù)解決上述難題，有可能取得突破性的進(jìn)展。多年前，國(guó)外同行議論應(yīng)對(duì)極低信噪比的“高增益倡議”（High Gain Initiative）但尚無(wú)結(jié)果；當(dāng)今的人工智能技術(shù)，很可能于此大有作為。

針對(duì)現(xiàn)實(shí)的應(yīng)用需求，重新審視科學(xué)史上影響機(jī)器學(xué)習(xí)模型架構(gòu)和優(yōu)化技術(shù)發(fā)展的里程碑工作及其演化發(fā)展路徑，可看出以下幾個(gè)基本問題至關(guān)重要，需努力加以研究。

1.如何將領(lǐng)域知識(shí)引入深度學(xué)習(xí)？許多經(jīng)典的學(xué)習(xí)模型受到機(jī)器學(xué)習(xí)領(lǐng)域之外的領(lǐng)域知識(shí)的啟發(fā)，例如：人類視覺皮層極大地啟發(fā)了卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展，生成式對(duì)抗網(wǎng)絡(luò)（generative adversarial network）與博弈論密切聯(lián)系等。針對(duì)水聲觀測(cè)，應(yīng)研究合理表示領(lǐng)域知識(shí)并將其注入深度學(xué)習(xí)，揭示出機(jī)器學(xué)習(xí)與知識(shí)進(jìn)化的相互作用，進(jìn)而催生網(wǎng)絡(luò)學(xué)習(xí)與邏輯推理的組合深度學(xué)習(xí)，使兩者相輔相成。

2.為什么要有深層模型，什么時(shí)候不必用深度學(xué)習(xí)？在依靠計(jì)算機(jī)的強(qiáng)大運(yùn)算能力促使人工智能飛速發(fā)展的同時(shí)，有一種只管大規(guī)?？焖儆?jì)算不問物理機(jī)制的傾向在蔓延。這條路到底能夠走多遠(yuǎn)，令人懷疑?，F(xiàn)已出現(xiàn)Dropout 算法等多種“大道至簡(jiǎn)”的技術(shù)，展示出簡(jiǎn)化的好處。我們認(rèn)為，水聲觀測(cè)機(jī)器學(xué)習(xí)模型的構(gòu)建也應(yīng)遵循“簡(jiǎn)單而有效”的奧卡姆剃刀原則。

3.能不能不用反向傳播算法訓(xùn)練深層模型？深層模型的優(yōu)化嚴(yán)重依賴于反向傳播算法，但它存在不能保證收斂到最優(yōu)解、隱藏單元的行為難以分析解釋等問題。重新審視一些旨在學(xué)習(xí)最佳模型架構(gòu)的“舊”方法，如Hebbian 算法、泛函連接網(wǎng)（functional link net）等，也許能使之得到新生。

探索海洋信息感知與信息處理的人工智能技術(shù)要緊密結(jié)合國(guó)家海洋發(fā)展戰(zhàn)略，并與更多的實(shí)際應(yīng)用相結(jié)合。例如：海洋聲學(xué)建模、仿真與數(shù)據(jù)重構(gòu)等水聲學(xué)的基礎(chǔ)研究；海洋環(huán)境時(shí)空分布的現(xiàn)報(bào)、預(yù)報(bào)與歷史數(shù)據(jù)分析；聲吶信號(hào)處理、檢測(cè)、定位、跟蹤與識(shí)別；底潛面空天一體化?；W(wǎng)絡(luò)的智能構(gòu)建與管理；海洋工業(yè)中的安全與安保、應(yīng)急救援、航運(yùn)、漁業(yè)、資源開發(fā)、環(huán)境保護(hù)等。針對(duì)應(yīng)用的特點(diǎn)不斷豐富和完善相關(guān)理論與方法，在改進(jìn)性能的同時(shí)，使其更具普適性。