媒体聚焦 | 香港中文大学（深圳）理工学院副院长黄建伟：观览黑科技 遇见未来

前 言

国内首档人工智能领域的电视新闻栏目《超级智能》走进深圳市人工智能与机器人研究院（AIRS）。香港中文大学（深圳）校长讲座教授、理工学院副院长、AIRS副院长、群体智能中心主任黄建伟教授接受采访，向主持人龚克介绍AIRS，并分享团队在群体智能领域所开展的研究工作。同时，黄建伟教授也与主持人探讨了人工智能的在科技发展中的重要性。

点击查看视频。

以下为黄建伟教授的采访节选

01

AIRS：基础研究赋能社会的助推器

AIRS 作为深圳市十大基础研究机构之一，希望集合中外院士、顶级专家在人工智能和机器人领域做出基础性的、关键性的、共性的研究。我们在群体智能、机器学习等方面开展研究，希望在学术上能够形成国际学术高地，推动前沿的发展；在产业化上有所建树，为企业服务、为产业赋能，把技术研究转化为社会影响力。比如我们在智能交通、低碳能源方面开展的工作，都是为产业赋能。

从长远来讲，我们希望我们的科技成果能够转化成生产力和利润，返回来继续支持我们的基础研究，形成一个创新链条。这样我们才是有造血能力、有生命力、能够长期发展的研究院。

02

群体智能：多智能体的群体智慧涌现

群体智能是我国《新一代人工智能发展规划》里的五大重要发展方向之一。

现在我们讲到人工智能，很多探讨的是如何增强单个个体的智能决策能力。

而群体智能从另外一个互补的角度来看问题。比如说一个大群体，群体里每个个体的智能能力不是很强，但它们协作起来，能够更好地合作，并产生远远超出于个体能力的更高的群体智慧。

这最早源于科学家对蚂蚁、蜜蜂等社会性昆虫的研究。比如说蜜蜂，当蜂群逐渐成长到一定规模，一部分蜜蜂就会分离出去寻找建设一个新的蜂巢。对于整个蜜蜂群体来讲，寻到一个好的蜂巢位置，对整个蜂群未来的安全和成长是非常重要的。在这个过程中，每一个蜜蜂的智慧是有限的，但它通过一个非常复杂的群体协作投票的机制，通常能够寻找出数英里以外完全没见过的一个地方，建立新的蜂巢，这是群体智慧非常好的一个模式。蜜蜂的这种行为是集分布与集中相结合的模式。它在寻找新蜂巢的过程中，会派很多蜜蜂到各地搜寻、侦察后把信息带回来，通过舞蹈的形式，向蜂群表达信息，通过这种复杂的交流来决定什么地方比较好，我们简单想象成是一个投票的机制。

这跟我们人工智能有什么样的关系呢？实际上，现在互联网的发展，已经把我们大量的人接入到一个互联的网络空间里。在这里面，我们每个人的智慧、算力是有限的，但我们能不能借鉴蜜蜂、蚂蚁的大型群体的构建方式，通过网络互联的方式，充份发挥人的智慧，使得人，甚至很多人机混合的大型群体场景，能够涌现出更高级的智慧？

现在我们都在互联网上，有一种集合群体智慧的方法，叫做众包决策。举个例子，有一个任务非常难以完成，需要我们投入大量人力和算力，但如果我们把这个任务拆分成很多小的任务，在众包的平台上发送给大家，那么普通人民群众，我们学术的术语叫做众包的工人，可以根据他自己有限的经验、知识、算力，来对这个问题进行求解。这个求解本身可能质量不是非常高，但是汇总到这个平台，就能形成一个超越大家自身能力可以完成的、准确度非常高的答案。

那么在群体智能研究中，可以采取什么算法或机制，来获取一个真正最优的方法呢？

在群体决策中，如果牵涉到人，实现最优是一个很有挑战的问题。其中一方面的原因是每个人的能力有限，另外一方面是每个人都有自己出发的动机，所以这里面不光是一个系统优化的问题，它还是一个和经济学紧密结合的激励机制设计问题。

我们发现当奖励定得合适的时候，有能力的个体更愿意投入时间和精力来做这个决策，能力较弱的个体反而不愿意投入。那么平台可以利用多数投票规则来筛选出高质量和低质量的众包工人，以提高整体决策的力量，这是一种方法。

但是在这个基础上，可能出现一些问题，比如说众包工人事先能够线下沟通、共谋。这时我们按照多数投票的这个原则可能是对的，但我们的激励机制不能简单地跟多数一致。我们提出另一种机制叫做测谎机制。

比如在一个问题中，我们不管你的选择是否跟多数一致，而会问你说，你在这个过程中是否投入了足够的时间和精力去仔细研究这个问题而获得了答案。这时候你回答是或不是，我会通过一定方式来判断你是否在撒谎，这个测谎的准确性不一定很高，但我们的研究表明，只要通过这个不太精确的测谎机制配上优化的激励机制方案，比如回答正确且没有说谎，就给激励，假如发现说谎，就给惩罚，通过这种有效的设计会抑制谎言，并使大多数人都愿意去努力地工作。从个体的角度来讲，他要承担说谎的风险，他会为了避险少说假话。

我们最近还在做一个很有意思的工作，并发表了一些很好的论文。我们发现传统的众包决策有一个假设——众包平台知道这些众包工人的决策的能力，比如一个受过高等教育的人，判断的准确性比较高。但这种假设通常不成立。为什么呢？因为众包的任务千变万化，一个人在一件事情上比较有经验，但在另一件事上未必也如此。所以在面临众包工人的准确性不断变化的过程中，我们提出一种叫在线学习的方法，它和机器学习非常相似。我们通过发布大量的众包信息，让一批用户不断去做这些众包的任务来得知他的结果，同时去向众包的平台展示他的能力，我们通过合理的激励机制设计，能够使这些众包的工人逐渐趋向提供真实信息，使平台对用户能力的预测误差越来越小，最后能准确判断出众包工人的能力。

03

人工智能：新一代工业革命的驱动力

现在人工智能非常热门，有公众会有疑问，人工智能到底是一个泡沫，还是确实是我们科学技术生产、生活、发展的一个必经的阶段？

我觉得人工智能会是新一代工业革命的驱动力，像第一次工业革命的蒸汽机、第二次工业革命的电一样，慢慢渗透到各行各业中去的。我们现在的人工智能不仅有基础理论和算法，也应用到了各行各业去推动各个产业的升级、推动国力的增强。所以从这个角度来讲，人工智能会一直存在下去，但可能不是以单独学科存在，是以为各个行业支撑、赋能的形式存在。

转载自深圳市人工智能与机器人研究院微信公众号

点击下方链接 阅读更多