中國金融信息網(wǎng)訊9月10日-13日，2017世界物聯(lián)網(wǎng)博覽會在無錫召開，江南大學(xué)吳小俊教授在人工智能高峰論壇上表示，大數(shù)據(jù)人工智能有很多不同的視角，對于人工智能要找到簡單有效的方法，這是我們未來的發(fā)展路徑。

江南大學(xué)教授吳小俊發(fā)表演講

以下為演講全文:

謝謝主持人對我的介紹，我來自江南大學(xué)，今天我其實(shí)是為我的老師楊靜宇來補(bǔ)場的。大家都知道在大數(shù)據(jù)領(lǐng)域我們有很多機(jī)遇，比如說美國的智慧地球、聯(lián)合國的全球大數(shù)據(jù)脈動以及我們中國提出來的感知中國，實(shí)際上這都會給我們的大數(shù)據(jù)提供很多的機(jī)遇。所以我今天主要談一談大數(shù)據(jù)當(dāng)中人工智能的一些思想，以及大數(shù)據(jù)時(shí)代下人工智能的若干視角，對人工智能未來的走向做一些判斷。

我這個(gè)PPT是臨時(shí)做的，所以非常不好意思。因?yàn)槲铱紤]到今天有部分國外的嘉賓，所以我也采用了中英結(jié)合的方式來介紹。

大家都知道，在大數(shù)據(jù)時(shí)代，我們實(shí)際上有很多的機(jī)遇，我們提出來新的希望，事實(shí)上都會給我們大數(shù)據(jù)提供很多的機(jī)遇。所以如何面對抓住這些機(jī)遇，我想今天講大數(shù)據(jù)的概念，主要是談一談大數(shù)據(jù)當(dāng)中的人工智能的一些方法和思想，以及希望通過大數(shù)據(jù)時(shí)代的人工智能一些視角，然后來對這些人工智能未來走向做一些判斷，這就是我今天要探討的人工智能發(fā)展觀。

無論是深度學(xué)習(xí)，還是我們大數(shù)據(jù)，其實(shí)都不是新東西，這個(gè)由于時(shí)間關(guān)系不解讀，我們每天都面臨大量的不同的數(shù)據(jù)，這個(gè)數(shù)據(jù)量增長速度非常地快。事實(shí)上我們對大數(shù)據(jù)的理解，無論是政府也好，我們的學(xué)術(shù)界也好，事實(shí)上都有一些問題。

大數(shù)據(jù)是數(shù)據(jù)集，如果有現(xiàn)成的數(shù)據(jù)工具能解決的話，就不叫大數(shù)據(jù)，所以事實(shí)上挑戰(zhàn)會非常多。大數(shù)據(jù)給我們挑戰(zhàn)，同時(shí)也給了我們很多機(jī)遇，所以有人對大數(shù)據(jù)特點(diǎn)給出一些總結(jié)。世界上主流的媒體都對大數(shù)據(jù)給予了很大的關(guān)心，都進(jìn)行了關(guān)注。面向大數(shù)據(jù)時(shí)代的人工智能，主要是說我們有沒有一些新的方法來處理大數(shù)據(jù)。實(shí)際上我們面對大數(shù)據(jù)、人工智能，我們面臨一個(gè)非常矛盾的問題。

一方面，我們大數(shù)據(jù)，數(shù)據(jù)量大、復(fù)雜，數(shù)據(jù)稀疏關(guān)聯(lián)，所以一些簡單算法或許可以給出更好的結(jié)果。但是剛才柴院士前面也講了深度學(xué)習(xí)，深度學(xué)習(xí)是非常好的東西，大的模型有非常令人驚奇的效果，所以像AlphaGo，像我們的實(shí)時(shí)翻譯系統(tǒng)，都是帶給我們新的變化。但是這個(gè)事實(shí)上是有些矛盾，因此學(xué)術(shù)界最近正在將兩者進(jìn)行融合，如何找到既簡單又很高效的大數(shù)據(jù)處理方法，對大數(shù)據(jù)處理方法主要的點(diǎn)有三個(gè):領(lǐng)域的理解，如果你沒有領(lǐng)域知識，沒有辦法來處理大數(shù)據(jù);要有數(shù)據(jù)，大數(shù)據(jù)的東西比較多，由于太大，會帶來很多挑戰(zhàn);開發(fā)一些新的方法。有人對大數(shù)據(jù)的人工智能給出了一些解讀，事實(shí)上這個(gè)觀點(diǎn)跟柴院士觀點(diǎn)是一致的，人機(jī)融合，今后協(xié)同工作，使的我們大數(shù)據(jù)問題得到進(jìn)一步解決。

下一步從物聯(lián)網(wǎng)、大數(shù)據(jù)聚類學(xué)習(xí)、智慧城市和深度學(xué)習(xí)四個(gè)緯度解讀一下大數(shù)據(jù)人工智能的一些新的趨勢。比如我們大家關(guān)心的物聯(lián)網(wǎng)，比如說我們的智能家居，智慧醫(yī)療，所以這里有很多人工智能問題，物聯(lián)網(wǎng)掀起了挑戰(zhàn)，人工智能就是新的一些技術(shù)，在物聯(lián)網(wǎng)當(dāng)中人工智能其實(shí)可以說無處不在，我們?nèi)斯ぶ悄苤饕夹g(shù)都可以在物聯(lián)網(wǎng)當(dāng)中得到很好的應(yīng)用，比如說感知、定位、跟蹤、優(yōu)化等等。

第二個(gè)就是數(shù)據(jù)的聚類。物以類聚、人以群分，因?yàn)槭谴髷?shù)據(jù)，數(shù)據(jù)量非常大，我們?nèi)绾芜M(jìn)行區(qū)分?聚類是非常好的方法，聚類對我們的大數(shù)據(jù)分析非常重要，因?yàn)槲覀兇蟛糠謹(jǐn)?shù)據(jù)都會有標(biāo)簽，這個(gè)聚類分析既是老話題，又是一個(gè)新話題，為什么?

面對我們的大數(shù)據(jù)，聚類很難解決，面對幾百個(gè)這樣的聚類分析算法，如果認(rèn)為現(xiàn)在的聚類方法跟過去是一樣的，那是一個(gè)大的錯誤。面對大數(shù)據(jù)的聚類分析，我們會有一些新的要求和新的思想方法論，比如說我們的抽樣、總結(jié)和聚合。我們希望隨著數(shù)據(jù)量不斷增長，我們的算法能夠很好的總結(jié)聚類特性，還可以對大數(shù)據(jù)進(jìn)行適當(dāng)?shù)膽?yīng)用，這樣使得問題得到解決。對于復(fù)雜的圖象庫，用聚類分析可以做的非常好，我的團(tuán)隊(duì)有博士生和青年教師正在做這個(gè)方面的研究。2014年由于無錫政府和江南大學(xué)的共同努力，使得我們無錫成為亞洲唯一的智慧城市，我們正在做一些這方面的研究。

我們陳校長所講的，在本月14號到17號在江南大學(xué)要召開智慧城市大會，智慧城市又涉及到非常多的方方面面，這些非常多的方方面面涉及到的數(shù)據(jù)，如何來進(jìn)行處理，如何來為我們政府，最主要是如何提高我們民生，為我們的市民來有效的服務(wù)，這里面就有很多的大數(shù)據(jù)問題。這些大數(shù)據(jù)怎么辦，這是我們遇到的一些挑戰(zhàn)，最近我們在做一些智慧醫(yī)療方面的數(shù)據(jù)處理，大家到醫(yī)院去可以知道，先給你做各種各樣的檢查，檢查以后對各類數(shù)據(jù)來進(jìn)行分析，最后做出結(jié)論。我們江南大學(xué)是教育部學(xué)校，通過教育部給我們的科技部提出了一些方案，就是國家重大研發(fā)計(jì)劃，明年初重大研發(fā)計(jì)劃就會發(fā)布，我覺得這就給我們在座的各位老師、各位同行創(chuàng)造了一些機(jī)遇，江南大學(xué)在重點(diǎn)研發(fā)計(jì)劃思路的設(shè)計(jì)上面是有一些貢獻(xiàn)的。

另外一個(gè)是深度學(xué)習(xí)，我們也在研究深度學(xué)習(xí)。大家知道深度學(xué)習(xí)是對大腦很簡單的模擬。在大腦當(dāng)中，信息處理是從底層到高層，語言信息逐步明顯。我的理解和觀察是，在深入學(xué)習(xí)當(dāng)中最重要的一個(gè)模型叫做卷積神經(jīng)網(wǎng)絡(luò)(CNN)。CNN是一個(gè)寶藏，目前全世界人就像金礦一樣都去挖，每個(gè)人挖到的情況不一樣。江南大學(xué)用圖像表示，如果你觀察底層信息的時(shí)候，這個(gè)方面很有意思，我對近年來一些人工智能的期刊和會議，尤其是頂級會議和頂級期刊做了歸納和分析。現(xiàn)在很多主流的人工智能期刊都不一樣，如果有時(shí)間愿意跟同行做一些交流。我總結(jié)一下，深度學(xué)習(xí)現(xiàn)在整體方向是什么?因?yàn)樯疃葘W(xué)習(xí)需要海量的計(jì)算資源，所以如何得到比較簡潔的資源，如何得到更好辨別性能的模型，以及在這個(gè)深度學(xué)習(xí)當(dāng)中怎么樣獲取更多的語義信息，這將是深度神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)一個(gè)很好的未來的方向和大家現(xiàn)在正在做的，我們也在里面做一些工作。

最后一個(gè)視角就是人臉特征識別，人臉特征識別是很重要的方面，我們做了透視等很多問題。2011年之前是限制環(huán)境下的人臉圖像，2011年至今是非限制環(huán)境下的人臉圖像。面對這樣一些問題，我們提出了一些方法，比如說我們把深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的特征提取做了一些工作，這個(gè)是我們發(fā)布的論文。同時(shí)我們把從深度學(xué)習(xí)當(dāng)中，獲取的一些營養(yǎng)元素，利用叫做積累回歸的方法，來對人臉特征做一些研究，這個(gè)方面的一些研究也得到一些結(jié)果。有一些結(jié)果還是不錯，比如7月份在全世界競賽當(dāng)中，江南大學(xué)和英國一家大學(xué)的合作成果，獲得了全世界第四名，還是非常令人滿意的。我們還有一些其他方面的工作，時(shí)間關(guān)系不再一一介紹。

對于大數(shù)據(jù)人工智能，尤其是視覺信息處理，我們遇到的挑戰(zhàn)是很多的，比如一些圖像怎么來理解，怎么樣用機(jī)器來理解。

回應(yīng)我的主題，人工智能發(fā)展是否會存在極限，我初步回答一下。AI的初步目標(biāo)是對人腦的模擬，AI的最高的目標(biāo)是對人腦的擴(kuò)充和超越，超越似乎是沒有極限的!人和機(jī)器的智能可能會不斷地相互超越，而人和機(jī)器共同思考和工作正是大數(shù)據(jù)時(shí)代AI的重要特征。AI發(fā)展極限也許不確定，也許不存在!

做一個(gè)總結(jié)，大數(shù)據(jù)從研究來看才是剛剛開始，我們面臨挑戰(zhàn)會非常多，不是說業(yè)界聲音越大，技術(shù)就越成熟。實(shí)際上我們遇到很多挑戰(zhàn)，大數(shù)據(jù)人工智能有很多不同的視角，我今天給出一些有限的視角，也是我們正在關(guān)注的問題。深度學(xué)習(xí)是對大腦很簡單模擬，同時(shí)又是非常暴力的，這種簡單而暴力的方法實(shí)際上離我們完成超越，還有非常多的路要走。深度學(xué)習(xí)應(yīng)該說也不是人工智能發(fā)展的唯一，比如說有人最近提出來像寬度學(xué)習(xí)等等這樣的問題，我對人工智能的發(fā)展是否存在極限這樣的問題也做了個(gè)人的判斷和分析。

最后用愛因斯坦一句話，做的任何事情是要越簡單越好，但是不能過于簡單。這個(gè)啟發(fā)我們對人工智能尋找方法，我們既要找到簡單，但是又要非常有效的方法，所以這是我們未來一個(gè)發(fā)展路徑。非常感謝!(根據(jù)速錄整理，未經(jīng)本人審閱)

更多資訊請關(guān)注工業(yè)以太網(wǎng)頻道