新一代人工智能新趨勢
社會發展史上，人類經歷了農業革命、工業革命，當前正在經歷信息革命。智能化是信息革命的一個新階段，信息革命從數字化開始發動，網絡化將其提升到了非常重要的階段，現在人類社會進入了智能化階段。
人工智能是依托人工設計的裝置，為了完成人工規定的任務，通過人工設計的算法和由人工（直接或間接）提供的數據，經學習形成自主的感知、認知和決策能力。人工智能是滲透力很強的通用技術，是引領新一輪科技產業變革的戰略性技術，具有溢出帶動性很強的“頭雁效應”。
近年來，有關人工智能的研究不斷增長。WoS統計數據表明，2018~2020年，人工智能算法研究論文數量持續增長，從13萬增長到17萬多篇，應用領域也逐年擴大。
新一代人工智能技術是在克服現存瓶頸中開辟新道路的。當前人工智能發展的瓶頸，包括數據可獲得性和質量問題、模型可移植性問題、能效和能耗問題、語義鴻溝問題、算法可解釋性問題、可靠性問題等等。
數據的可獲得性和質量是新一代人工智能面臨的第一個大問題。大量數據的獲得并不那么容易，一般的企業沒有能力獲得這么大量的數據，也花不起如此之高的成本去做大量標注，而且還需要投入大量的算力。
其次是能耗瓶頸。2020年5月，人工智能非營利組織OpenAI發布了預訓練語言模型GPT-3，其具有1750億參數，在許多自然語言處理數據集上均具有出色的表現，包括翻譯、問答和文本填空任務，還包括一些需要即時推理或領域適應的任務等，可以說其在很多實際任務上已大幅接近人類水平。開源預訓練模型大大降低了企業開發的門檻，但這種神經網絡模型所需的數據、算力和能耗非常大，GPT-3訓練所用的數據量達到45TB，訓練費用更是超過1200萬美元。
值得關注的是，近年來AI加速器的需求快速增長，發展異常活躍，一批新生力量強勢崛起。一方面是通過將現有算法嵌入芯片，提高速度、降低能耗；另一面，也出現了一些高效的新算法。
比如，來自麻省理工學院、維也納工業大學等機構的團隊，僅用19個類腦神經元就實現了控制自動駕駛汽車，使其能夠模仿學習，具有擴展到倉庫用自動化機器人等應用場景的潛力，而常規的深度神經網絡則需要數百萬神經元。這種類腦小參數模型的能耗也大為降低。這一研究成果發表在2020年10月《自然•機器智能》上。
2020年8月，《自然》封面報道了清華大學的研究成果——“類腦計算與機器學習結合的芯片問世”，成為全球關注的重大新進展。
2020年10月，《自然》發表清華大學張悠慧等提出的“類腦計算完備性”概念以及軟硬件去耦合的類腦計算系統層次結構。《自然》評論認為：“‘完備性’新概念推動了類腦計算”，對于類腦系統存在的軟硬件緊耦合問題而言，這是“一個突破性方案”。
2020年12月，北京大學楊玉超團隊提出并實現了一種基于相變存儲器（PCM）電導隨機性的神經網絡高速訓練系統，可有效緩解人工神經網絡訓練過程中時間、能量開銷巨大并難以在片上實現的問題，為人工神經網絡在終端平臺上的應用以及片上訓練的實現提供了新的方向。
無論是從算法、理論、硬件還是基礎器件，都可以看到新一代人工智能技術的新趨勢：強功能、高效率、新體系。
人工智能產業發展
中國新一代人工智能發展戰略研究院選擇以人工智能解決方案為主業的企業進行研究，經過持續三年的觀察發現，智能科技產業是企業、大學、科研院所、投資者、鏈接者（會議、聯盟）和政府六類主體通過資金、技術和人才關系相互作用的復雜適應系統。
我們從2205家企業入手，發現他們聯系到200多家大學、100多個研究所，參加了1000多個會議，涉及到400多個聯盟、3741家投資者以及500多條地級以上政府的政策、1000多個地級以上政府產業園，連成一個密密麻麻的圖，我們稱之為“價值網絡圖”。這個圖雖然看上去一團亂麻，實質上反映出人工智能產業緊密連接的形態特征。
我們進一步觀察到，2018年連接度最高的是BAT三個平臺，2020年華為的連接度上升到第一位。我們還發現，一批汽車制造企業由于融入了智能技術，已經成為智能產業的重要力量。總體上來看，人工智能和實體經濟的結合越來越緊密，融合產業部門正在成為智能產業發展的主導力量，智能機器人成為人工智能與實體經濟的重要結合點。
在中國這樣的人口大國，為什么要發展機器人？我認為，機器人不是要一般性地代替人的工作，而是要去做不適宜人做或人們不愿意做的工作。在工業化早期，正如卓別林在電影《摩登時代》中表現的那樣，工人每天做著緊張乏味的機械式勞動，這種機械式勞動把人變成機器。于是，人們強烈希望用某種機器來代替這種機械勞動，代替人完成那些枯燥、單調、危險的工作，于是機器人應運而生。沒有機器人，工業化把人變為機器；有了機器人，人仍然是工業化的主人。
我國科學家對機器人的定義是：“機器人是一種自動化的機器，所不同的是這種機器具備一些與人或生物相似的智能能力，如感知能力、規劃能力、動作能力和協同能力，是一種具有高度靈活性的自動化機器。”
機器人存在安全之憂、能力之憂、成本之憂、失業之憂、滅種之憂這五個“發展之憂”。要想解決這些問題，機器人需要上網，通過大數據和人工智能結合，為機器人增能提智；同時，還要為機器人立心立德，把倫理植入系統，做到可檢測、可檢驗。
新一代人工智能與新一代機器人融合趨勢下，信息技術與制造技術深度融合的數字化、網絡化、智能化制造是主線，這體現在以機器人為載體、以工業互聯網為基礎，推動新一代人工智能和實體經濟深度融合。
新一代人工智能和機器人共融發展
“與人共融”是新一代機器人面臨的共性挑戰。目前機器人在智力和行為能力上與人是不可比擬的。要做到與人共融，機器本體的行為能力仍需加強，要更加敏捷，同時智能技術和智能水平也應增強，使其在智力和行為能力上與人的水平相匹配，這樣才能實現與人協同。
工業機器人要融入“有人的生產線”，與工人互助合作完成任務；服務機器人要融入普通人（老人、殘疾人、家庭主婦等等）的家庭生活；特種機器人則要更多提高自主智能，降低對人的遙操作的依賴。
傳統人工智能技術主要在非行為空間、確定性約束或規則下進行推理決策，如問題求解、定理證明、模式識別、專家系統、人機博弈等等；而機器人所需的智能是在行為空間。因此，具有約束條件的非預知性、動態性、操作/合作對象的隨機性以及行為決策所必須的實時、魯棒性，都對人工智能提出了技術挑戰。
機器人的智能是在與工作環境、合作對象、作業目標的不斷交互過程中，通過自主學習而形成的“發育智能”，而非基于完備規則下的“計算智能”。因此，要把握機器人智能發育理論、方法與發展趨勢；利用機器學習、人工智能與腦科學的研究成果，研究基于模仿學習、自主學習的機器人知識、技能獲取與增長機制及實現方法；面向自主作業和自主移動，研究機器人智能發育的軟硬件實現方法。
機器人的智能發育，是指機器人利用其自身所具備的感知能力，在其與環境以及操作者的實時動態交互過程中，增量式、漸進地提升自身自主行為能力的過程。與傳統的機器學習方法相比，智能發育需要具有以下特點使之更適合于機器人的智能獲取與提升：一是具有類人的、無需大樣本的學習模式；二是能夠適應動態、不確定環境和非特定使命；三是具備長期、增量式的經驗積累能力；四是可以融合人的智能，實現二者的高效協同，讓人工智能和機器人相向而行，共同支撐智能制造，實現人工智能和實體經濟的深度融合。■
（作者系世界工程組織聯合會主席、中國電子學會副理事長，記者高雅麗整理）