人工智能和機器人科學將帶給社會更多進步和驚喜

趙琬姝 寇佳麗

“十四五”時期，我國的重點工作是堅持創新驅動發展，加快發展現代產業體系;堅持創新在我國現代化建設全局中的核心地位，把科技自立自強作為國家發展的戰略支撐;完善國家創新體系，加快構建以國家實驗室為引領的戰略科技力量，打好關鍵核心技術攻堅戰。為此，《經濟》雜志、經濟網記者專訪了國際歐亞科學院院士、IEEE?Fellow、深圳市人工智能與機器人研究院執行院長李世鵬。

《經濟》：2020年，我們經歷了新冠肺炎疫情，得益于科學的防疫措施，中國取得了十分亮眼的成績。請您結合科技發展現狀，談一談疫情期間科技如何發揮作用以及我們應該注意哪些問題。

李世鵬：中國的疫情控制得特別好，得益于以下幾個方面。

第一點，得益于我們中央的決策好，層層傳導，令行禁止，全國上下一盤棋。

第二點，科技在其中發揮了很大作用。

疫情期間，每個人的行動軌跡都可以被追蹤，是因為每人都有一部手機，而這部手機就是一個傳感器。通過手機，我們能對一個人的位置、行動軌跡了解得七七八八。因此，一些人如果到過高風險或中風險地區，我們可以很快且有效地對其進行管控和隔離，既保護這個人，也保護他身邊的人。我們也可以通過這些信息對疫情進行有效的預測。

疫情預測需要科技，對疫情的防控實際上也要用到科技。例如，我們在對新冠肺炎病例進行診斷的時候，核酸檢測是第一步，肺部CT又是另外一步。有些單位就推出了用人工智能來解讀醫學影像的技術。如此一來，人工智能實際上就在幫助醫生們加快診斷速度;而我們知道，疫情期間，“診斷速度”是非常重要的。

此外，我們現在都比較熟悉的遠程辦公，也在疫情期間發揮了很大作用。遠程辦公實際上是各種先進技術混合的成果。更值得關注的是，遠程辦公又催生了我們大規模網上辦公時需要的一些新產品、新技術，可以說這是挑戰也是機遇。

有一個問題不得不提，即技術發展過程中如何保護個人隱私。疫情期間，我們其實是犧牲了一些隱私去換取更大的安全的，因為生命、身體健康實在太過重要。但必須說，從長遠看，個人隱私的保護是科技發展無法避免的課題，而作為研究人員，我們的愿望是，未來，大數據在帶給我們工作學習生活更多好處的同時也帶來對個人隱私的保護。

《經濟》：解決技術問題的過程，本身也是不斷推動技術進步的過程，這是非常有意義的事業。我們知道，深圳作為中國特色社會主義先行示范區得到黨中央給予的多項利好政策。在大灣區、示范區的建設上，無論是經濟、金融、社會發展、人才引進還是建立面向世界的一流高校，這些都離不開國家政策的支持。請您談談您在這些方面的感受以及對未來的期待。

李世鵬：深圳，肩負著建設中國特色社會主義先行示范區的使命。國家給我們重任，而這些任務有時候是很艱巨的。簡單說，國家賦予深圳的使命是“敢為天下先”。為了一個美好的目標，深圳可以去嘗試各種各樣未曾被別人嘗試過的方法、模式;從深圳地方政府層面來看，他們是被鼓勵去嘗試一些新辦法并且因此享受免責的保護。這給深圳帶來了巨大活力。

在我看來，深圳就是一個迷人的大實驗室。在這里，你可以試驗各種各樣的東西，做錯了也沒關系，因為這是一個特區，影響范圍有限。這給了我們足夠的信心，讓大家敢于把好的東西繼承下去，并且及時糾正不好的東西。

放眼粵港澳大灣區，在“深圳效應”的帶動下，很多有意思的事情正在發生。

深圳的人才優勢最初并不強，這里以前也沒有好大學，但現在我們看到慢慢地，人才正不斷匯聚到這里。這值得我們深思，即深圳是靠著什么吸引眾多人才的。

開放的環境和優越的地理位置，是深圳不得不提的優勢。

深圳距離香港很近，在與國際接軌方面，程度比其他城市高很多。在深圳，還有一個特區中的“特區”，我們叫“河套地區”，正式名稱是“深港科技創新合作區”。這個合作區很有意思，因為它建設的目的就在于吸引包括海外人才在內的海外資源進行合作，一些項目可以在特區內有效進行。

深圳具備特別的、完整的產業生態鏈。

在機器人研究領域，很多時候需要對硬件進行加工。如果在內地，加工要來深圳完成;但在深圳，直接去隔壁一條街上的某個工廠就能完成，效率很高。科研如此，產業化亦如此。研究成果需要做出來，不出深圳就能做到，因為深圳有不少廠家可以負責相關工作。

深圳非常吸引科研者和創業者，大家都看好深圳作為先行示范區的先導作用。

《經濟》：確實，大家都在尋找一個模范。作為長期扎根人工智能研究領域的專業人士，請您為我們介紹深圳市人工智能與機器人研究院目前重點關注的研究方向以及相關基礎知識。

李世鵬：在人工智能與機器人領域，有四個方向特別值得關注，第一個就是“機器學習”。

這是人工智能的根本。

人工智能領域的“機器學習”現在大多是基于標注的大數據來為機器學習訓練模型的。人臉、圖像、語音等，這些東西都可以標注。但是我們在一些新的領域，尤其是針對小企業來說，他們可能沒有實力去做大量的基于具體業務需求的數據標注。因此，問題就變成，我們如何去建立一個新的機器學習框架來盡可能少地減少對大規模數據標注的依賴，讓這種機器學習的智能模型，很容易從一個領域遷移到另一個領域，這是機器學習面臨的一個基本問題。如果我們能夠把這個問題解決好，可能強人工智能時代就到來了。

簡單地說，減少“機器學習”對標注大數據的依賴，是我們現在研究的一個方向。

第二個是運動智能。

如何去理解這個概念呢？我們可能看到“波士頓動力”經常會發布一些代表最新研究成果的視頻，如新原型機器人或機器狗又學會了什么新動作，新動作看起來很平滑、很自然，就像真的。這些看上去十分簡單的行為背后是付出了巨大代價的。建立這樣一個原型，最終它可能只能跑十幾分鐘，卻需要大量的電力、大量的算力不停地計算。目前，這種演示還非常昂貴，它太耗電以至于無法規模化地應用到實際生活中。

再向更深層次想一想，會遇到一個更加基本的問題。我們知道人類或者動物的運動機制其實很簡單，比如我們想要伸手抓一個東西，并不需要太多能量，而且可以很自然輕松地完成。我們在考慮，有沒有可能去探索一種新的路徑，即不要像今天這樣大多靠電機驅動的機器運動，而是轉成像人一樣利用肌肉控制或者其他材料來控制的運動。這就不僅涉及人工智能，還涉及生物學和材料學等其他學科的科學。

還有一點，就是運動控制機制的改變。現在大部分機器人的運動，還是依靠正確計算規劃。機器抓取東西，要先計算好了再去抓取，如果中途改變目標，機器需要重新計算、重新規劃。我們知道，人類在抓取東西的時候，是很輕松、很隨便的，是行動以及各種傳感器官對大腦不斷反饋的過程。我們行動的時候，通過不斷調整運動軌跡來逼近最終目標，而且人類的行動特別靈活，目標隨時可以變化，能耗也很低。

所以，機器人的運動智能如何突破，也是我們的一個研究方向。可以想象，如果這個領域被突破，機器人像人一樣自由、迅速、靈活，而且能耗大大降低的話，可能會顛覆很多還需要人類操作的行業，甚至會讓人類從繁雜的手工技術中解放出來，去更多地享受自然和生活。

第三個是人機“諧作”，這里面的“諧”不是協作的“協”，是和諧的“諧”。

這是我們自己造的一個詞，為什么呢？因為“協作”這個詞已經不能夠表達人和機器人之間這種緊湊、密切的關系。這里的關鍵問題是，如何才能真正做到人和機器人和諧相處，如同一個有機整體。

我們仍然以自動駕駛為例說明。

自動駕駛目前最大的缺點是，無論如何，沒有任何一家公司的無人駕駛汽車是不需要安全員的。汽車行駛過程中，大多數時間，安全員什么也不做，但遇到緊急情況時，就需要他來接手。大部分時間，安全員并不控制汽車，他也不知道汽車要怎么跑、跑去哪里，所以安全員比普通汽車的司機還緊張。

問題來了：有沒有一種機制可以讓安全員隨意放心地去休息，而一旦出現情況，汽車會喚醒他，然后再由這個人接手汽車。

解決這一問題，需要人的智能和機器智能和諧融合在一起，而最終，還是歸結于人工智能層面。機器人需要自己判斷什么時候它自己可以做決定，什么時候當它對自己決定的可信度降低到一定層次的時候，它要主動告知人類“這個場景我做不好，需要叫人過來”。我們尋求的“人機和諧”模式，是真正安全的模式，一旦達到這個水平，人就真的可以放松下來，有狀況的時候才去接管汽車。

換言之，人工智能與人如何智能地切換控制，這個問題很重要。

大家可能會問，自動駕駛車輛行駛的時候，如果前面100米突然出事故了，人工智能再把人叫醒，要是人反應不過來怎么辦？

這就涉及下一個層次的問題。現在我們采取的自動駕駛策略是車路協同，而車路協同能感知單靠車本身不能感應到的一些視野、信號或狀況，能依靠路的傳感器把更多的信息及時傳遞給車輛。例如，如果路前方兩公里左右有狀況，汽車本身雖然沒有感知到，但前方路的傳感器能把信息傳給車，車的智能了解信息后及時把人喚醒，人就有足夠時間去反應了。

第四個是群體協作。

以前，當我們考慮人工智能的時候，大多考慮的是一個單體智能，也就是說考慮的是機器人個體能做什么。但隨著社會的發展，我們發現越來越多的工作是通過一個群體去做的，這里面有多個機器人或多個智能體，我們稱之為“群體協作”。

舉個例子。有信號燈的路口，車多時交通總是很容易擁堵，為什么？因為汽車是“蠕動式”起步而不是同時起步，前面的車開動走了后面的車才開始啟動，依次下去，大家一個一個動起來，沒辦法同步，通過信號燈的效率很低。將來，汽車是可能依靠群體協作的概念做到同時起步的，很多汽車聯動在一起，同時啟動并通過信號燈，這樣效率就很高了。

人工智能和機器人領域還有很多非常有意思的研究方向，希望我們的科學研究給社會帶來更多的進步和驚喜。

《經濟》：感謝您為我們分享了如此精彩的前沿科學，希望未來看到更多的應用科學為人類社會生活服務，也希望看到更多的尖端科技服務國家發展大局。