呂躍廣

Department of Information and Electronic Engineering, Chinese Academy of Engineering, Beijing 100088, China

人工智能（AI）是一門研究難以通過傳統(tǒng)方法去解決實(shí)際問題的學(xué)問之道。一般而言，人工智能的基本目標(biāo)是使機(jī)器具有人類或其他智慧生物才能擁有的能力，包括感知（如語音識別、自然語言理解、計算機(jī)視覺）、問題求解/決策能力（如搜索和規(guī)劃）、行動（如機(jī)器人）以及支持任務(wù)完成的體系架構(gòu)（如智能體和多智能體）。

AI具有增強(qiáng)任何領(lǐng)域的技術(shù)的潛力，是類似于內(nèi)燃機(jī)或電力的一種“使能”技術(shù)。人工智能這一種使能技術(shù)被廣泛應(yīng)用于其他眾多領(lǐng)域[1-3]。此外，人工智能可以為農(nóng)業(yè)、制造、運(yùn)輸和醫(yī)療保健領(lǐng)域的特定技術(shù)提供支持。

未來幾年，人工智能對人類生活各方面將產(chǎn)生難以想象的巨大影響。人工智能可以為人類社會提供幫助并賦能社會。實(shí)際上，當(dāng)人工智能被用于幫助我們積極改變社會時，它的影響將是最大的。

本專題從理論研究、算法模型、實(shí)踐方法論和倫理道德等多方面報道了近年來對AI的再思考成果。

潘云鶴院士提出了人工智能多重知識表達(dá)機(jī)制，它由知識圖、視覺知識和深層神經(jīng)網(wǎng)絡(luò)組成，這一表達(dá)方法有利于可解釋、可推演和可遷移模型的知識表達(dá)和推理。

李發(fā)伸教授等介紹了如何解讀機(jī)器知識。他們通過對物理學(xué)和人工智能領(lǐng)域的一些研究方法的分析，提出了用于解讀機(jī)器知識的原則和模型。

為了達(dá)到使人工智能造福人類社會的長遠(yuǎn)目標(biāo)，政府、研究機(jī)構(gòu)和企業(yè)公布了人工智能的倫理準(zhǔn)則和原則。吳文峻教授等對這些內(nèi)容進(jìn)行了調(diào)研，并重點(diǎn)介紹了中國取得的初步成果。

腦科學(xué)為深度學(xué)習(xí)等人工智能領(lǐng)域帶來了突破性進(jìn)展，但人工智能與人類智能之間仍存在著不可逾越的鴻溝。戴瓊海院士團(tuán)隊(duì)提出了縮小這一差距的思路，并討論了將腦科學(xué)用于人工智能所存在的機(jī)遇和挑戰(zhàn)。

陳怡然教授等總結(jié)了深度神經(jīng)網(wǎng)絡(luò)（DNN）加速器設(shè)計的最新進(jìn)展，并討論了支持DNN執(zhí)行的各種架構(gòu)。

雷娜和顧險峰教授等提出了對深度學(xué)習(xí)的幾何理解，并介紹了生成對抗網(wǎng)絡(luò)（GAN）的最佳傳輸（OT）視圖。OT理論可以幫助發(fā)現(xiàn)GAN中生成器與判別器之間的內(nèi)在協(xié)作而非競爭關(guān)系，以及發(fā)生模式崩潰的根本原因。

自然語言處理（NLP）是人工智能的一個子領(lǐng)域，致力于使計算機(jī)能夠理解和處理人類語言。周明研究員和沈向洋博士等從建模、學(xué)習(xí)和推理三個角度回顧了基于神經(jīng)網(wǎng)絡(luò)的NLP框架（neural NLP）的最新進(jìn)展，并簡要概述了神經(jīng)NLP的未來發(fā)展方向。

隨著人工智能和深度學(xué)習(xí)技術(shù)的飛速發(fā)展，確保實(shí)際部署算法的安全性和魯棒性變得至關(guān)重要。任奎教授等介紹了對抗攻擊技術(shù)理論、算法和應(yīng)用等內(nèi)容以及防御技術(shù)方面的若干研究成果。

榮國光博士等總結(jié)了人工智能在生物醫(yī)學(xué)中的最新應(yīng)用，包括疾病診斷、生活輔助、生物醫(yī)學(xué)信息處理和生物醫(yī)學(xué)研究。

深度學(xué)習(xí)的最新進(jìn)展主要基于“大數(shù)據(jù)、小任務(wù)”這一數(shù)據(jù)驅(qū)動范式，朱松純教授等提出了“小數(shù)據(jù)、大任務(wù)”的范式，僅用較少訓(xùn)練數(shù)據(jù)去解決多種任務(wù)。他們提出了最新突破的常識模型，來闡明“小數(shù)據(jù)、大任務(wù)”這種新范式的潛在力量。

盧策吾研究員等討論了通用智能本體的概念：一種可以像人類一樣適應(yīng)各種不同任務(wù)的系統(tǒng)，其架構(gòu)受到通用計算機(jī)的啟發(fā)。他們還針對這一架構(gòu)提出了基本流模型和操作基元，用以描述并有效地模擬人類的操作技能和行為。

為了在人工智能研究中引入因果推理，況琨博士等學(xué)者從不同側(cè)面介紹了因果推理的模型和方法。

目前，新一代人工智能（AI 2.0）正在蓬勃發(fā)展，大數(shù)據(jù)智能[4,5]、群體智能[6]、跨媒體智能[7]、人機(jī)混合增強(qiáng)智能[8]和智能自主系統(tǒng)[9]在其中扮演了重要角色。正如文獻(xiàn)[5]所指出，人工智能這一使能技術(shù)的下一步突破將來自多學(xué)科交叉內(nèi)稟，本專題也是對AI 2.0發(fā)展的有益深入思考。

在此，筆者要感謝各位審稿人及時、專業(yè)的評論。最重要的是，筆者要感謝所有向本專題投稿的作者。有了他們的支持，本專題才得以成功。筆者也非常感謝吳飛教授、楊強(qiáng)教授、韓亞洪教授和況琨博士以及編輯部的大力支持。同時，也感謝中國工程院信息與電子工程領(lǐng)域顛覆性技術(shù)戰(zhàn)略研究課題組提供的熱情支持。