李德毅院士：“人工智能在奔跑”，兼论AI的内涵和外延
点击图片上方蓝色字体“慧天地”即可订阅
（点击图片可放大观看，更多精彩请留意文末推荐)
一、人工智能60年
李德毅院士以“人工智能60年”为题开始，回归了“昨夜群星灿烂”，映照当下的竞相奔跑。也就是在1956年6月，在十几位青年学者参与的达特茅斯暑期研讨会上诞生了“人工智能”，这张图就是当年所留下来的——人工智能领域的大腕。
六十年沧桑砥砺，一甲子春华秋实。我们格外怀念那些为人工智能做出过杰出贡献的科学家和工程师们。那一个个熠熠生辉的大师，一座座巍峨炫目的里程碑，人工智能已经长成枝繁叶茂的参天大树，正在对世界经济、人类生活和社会进步产生极其深刻的影响，我们更加充满前行的勇气，去拥抱人工智能的新时代。
人工智能技术能够穿越六十年，如今奔跑在天梯上，而深处却是更多基础和阶梯的支撑，比如光网宽带、移动宽带、移动互联网、云计算、物联网及大数据，如果联网通信、数据量爆发及计算能力的极大提升，人工智能技术也许还处于实验室之中。
科学技术的发展史就是人类认识世界、改造世界能力的拓展史，就是人类劳动工具的发展史。人类走过了农耕社会、工业社会、信息社会，已经进入到用“智能”作为当今社会时代印记的新阶段——智能社会，已经进入到在动力工具基础上发展智力工具的新阶段。
在农耕社会和工业社会，人类的生产工具主要是基于物质和能量的动力工具，得到了极大地发展；而今天，劳动工具转向了基于数据、信息、知识、价值和智能的智力工具，人口红利、劳动力红利不那么灵了，智能的红利来了。
当前人工智能应用的典型案例，一是围棋脑，也就是AlphaGo战胜李世石引发的里程碑事件，广为传播；二是驾驶脑，适用于无人驾驶汽车。
二、人工智能的内涵和外延
无论学术界、产业界和媒体、资本所关注的人工智能的边界如何扩大甚至泛化，都离不开关于AI内涵的基本理解，以及其外延的界定（笔者注）。
在李德毅院士看来，人工智能的内涵包括四个方面：
1.《脑认知基础》：阐明认知活动的脑机制，即人脑使用各层次构件，包括分子、细胞、神经回路、脑组织区实现记忆、计算、交互等认知活动，以及如何模拟这些认知活动。包括认知心理学、神经生物学、不确定性认知、人工神经网络、统计学习、机器学习、深度学习等内容。
2.《机器感知与模式识别》：研究脑的视知觉、以及如何利用机器完成图形和图像的信息处理和识别任务，如物体识别、生物识别、情境识别等。在物体的几何识别、特征识别、语义识别中，在人的签名识别、人脸识别、指纹识别、虹膜识别、行为识别、情感识别中，都已经取得巨大成功。
3.《自然语言处理与理解》：研究自然语言的语境、语用、语义和语构；大型词库、语料和文本的智能检索，语音和文字的计算机输入方法，词法、句法、语义和篇章的分析，机器文本和语音的生成、合成和识别，各种语言之间的机器翻译和同传等。
尤其是计算语言学和语言数字化取得巨大成功，例如信息压缩和抽取、文本挖掘、文本分类和聚类、自动文摘、阅读与理解、自动问答，话题跟踪、语言情感分析、聊天机器人、人工智能写作等，形成一大批井喷成果，中文信息处理与理解尤为突出。
4.知识工程：研究如何用机器代替人，实现知识的表示、获取、推理、决策，包括机器定理证明、专家系统、机器博弈、数据挖掘和知识发现、不确定性推理、领域知识库；还有数字图书馆、维基百科、知识图谱等大型知识工程。
人工智能的外延：机器人与智能系统——智能科学的应用技术
三、人工智能，以润物无声的柔软改变着整个世界
创新驱动，智能担当。当今，不仅是材料、能源、传统制造和动力工具，更重要的是智能及智能工具，体现人的认知力、创造力，成为人类认识世界、改造世界新的切入点，成为先进社会最重要的经济来源！
科学技术的发展已经从认识客观世界、改造客观世界拓展到认识人类自身、认识人脑认知的新阶段，从发明动力工具拓展到发明智能工具的新阶段。智能，是提升创新驱动发展源头供给能力的时代需求，有着广阔的应用和发展前景。
2016年获得“中国政府友谊奖”的美国科学院院士、美国工程院院士约翰·霍普克罗夫特的观点值得我们深思：
“中国拥有全球1/6的人口，却没有能拥有全球1/6的智能资源。”
如今，智能已经提升到国家战略的高度，智能科学与技术，对于经济繁荣、国家安全、人口健康、生态环境和生活质量，比以往任何时候都重要。
智能是提升创新驱动发展源头供给能力的时代需求。无论是人类智能还是人工智能，无论是个体智能还是群体智能，无论是集中智能还是网络智能，都是在提升创新驱动发展源头的供给能力，是创新的原始驱动力量，是生产力中的核心生产力。
机器人将成为人类认知自然与社会、扩展智力，走向智慧生活的重要半路，引发人人联网、物物联网的崭新形态，也改变着人类的生产活动、经济活动和社会生活。
值得注意的是，当智能工具崛起的同时，我们身边的很多行业将受到人工智能的巨大冲击。李德毅院士认为，制造业、教育、医疗和金融等四个行业将会受到当前最大冲击。
我国将成为机器人的最大市场，机器人是制造业皇冠顶端的明珠，是国家科技创新和中高端制造业的重要标志。机器人革命是世界性的、时代性的，只有原创性的智能科学与技术，才能使我们成为机器人的产品和机器人市场规则的重要制定者和主导者。
人工智能自身的迅速发展和跨界渗透是我国抓住历史机遇的又一次崛起！
在我们这个星球上，机器人“新人类”正发展成为人类的伙伴，他们有智慧、有个性、有行为能力，甚至还有情感，机器人给人们带来的影响将远远超过计算机和互联网在过去几十年间已经对世界造成的改变。
2015到2030年，争取我国每万名产业工人所拥有的工业机器人数量要达到300台左右（2015年，全球平均69台，韩国531台，我国49台）；农村城镇化导致中国农民急剧减少，无人拖拉机、农用无人机、背包机器人和收割机器人将成为新一代“农民”，黄牛退休、铁牛耕地、农民进城、专家种地；全国大中医院的微创手术机器人近一半国产化；
在全社会普及使用形形色色的服务机器人，翻译、新闻报道、助理、客服、交易、会计、司机、家政、咨询等工作被人工智能代替，我国老年人、残疾人和儿童平均每人拥有一台形态各异的服务机器人。
人类的发展史，就是人类学会运用工具、制造工具和发明机器的历史，机器使得人类更强大。今天，人类正在发明越来越多的机器人，智能手机可以成为你的忠实助理，轮式机器人也会比一般人开车开得更好，曾经的很多工作岗位将会被智能机器人替代，但同时又自然会涌现出更多新的工作，人类将更加尊严、优雅、智慧地生活。
人类始终善于更好地调教和帮助机器人，善于利用机器人的优势并弥补机器人的不足，或者用新的机器人淘汰旧的机器人；反过来，人类还能够利用机器人提升自身的智慧和能力，机器人一定会让人类自身更智能。
各式各样人机协同的机器人，为我们迎来了人与机器人共舞的新时代，伴随着优雅的舞曲，毋庸置疑人类始终是领舞者！
来源：造奇智能（版权归原作者及刊载媒体所有）
李德毅院士：L3 的挑战与量产
中国工程院院士、中国人工智能学会理事长李德毅。
近日，在 2017 中国人工智能大会（CCAI 2017）上，中国工程院院士、中国人工智能学会理事长李德毅发表了主题为《L3 的挑战与量产》的演讲。从“L3 难在哪里？”、“如何突破 L2 的天花板？”、“量产 L3 的策略”三个方面出发，重点讨论了当前 L3 自动驾驶汽车所面临的挑战以及量产问题。
在此次演讲中，李德毅院士谈到了L3级别自动驾驶的难点，以及从L2向L3过渡过程中需要考虑的重要问题。他认为一定要界定清楚L3的基本问题到底是要解决车的问题，还是解决人的问题。
此外， L2 到 L3 的过渡是掌控权由人到机器的转移过程。就此，李德毅院士提出了以下三点质疑：
1、自动驾驶等级转换点如何度量？
2、掌控权交接点如何度度量？
3、掌控权交接过程中的事故如何度量？
以下内容根据李德毅院士本次主题报告整理，略有删减：
一、L3难在哪里？
目前，几乎所有上路的自动驾驶汽车都还处在L2（部分自动驾驶）等级，包括特斯拉在内，都需要由人掌控。而最近奥迪已经宣布8月底将要发布L3量产车，这是全世界第一家量产的、“有驾照”的车，对驾驶行业意义重大。从L1（人工驾驶）到L2（部分自动驾驶），再到L3（机器自动驾驶），固定驾驶员的角色将不复存在，而原先为人服务的LBS也为无人驾驶开辟了新的战场。
在整个行业的驱动下，无人驾驶车不再只是高等院校和研究所的事情，目前已经开始走向企业和普通人，这时量产就非常有意义了。但在此之中，量产涉及到规模、可靠性和价格等因素，并且，从整体上梳理L3，我们也需要思考以下几个问题：
1、用户为什么会买这款车？
2、市场容量大吗？
3、国产的L3企业在哪里？
如何界定L3？
L3是区分以人为主和以车为主的驾驶方式的分界线。L3级别是车辆拥有驾照，不再以人有驾照作为基本要求。下图中蓝色是以人为主，绿色是汽车自驾为主。
在此之中，最难的是从L2到L3，鉴于驾照发放（交管）和车辆管控（工信部）的因素，让L3上路还不是件容易的事。
自动化行业提出一个“自动驾驶+智能网联”的解决方案，即：
结构化道路
确定性窗口
网络协同
软件定义的机器
假如让软件来完成自动化的操作过程，基本上汽车人都是走这条路。对于用户来说，L3是社会对自动驾驶要求的底线，拿到驾照是最基本的要求，将来如何度量还未可知。
对于跳过L3级别，直接做L4、L5的汽车厂商来说，这个度量并不好掌握，尤其是掌控权交接过程中出现事故这种情况，要如何处理呢？比较糟糕的是，越是信任自动驾驶，越容易造成驾驶员注意力不集中。这种情况下该如何分担事故责任呢？
从 L2 到 L3 的过渡，是掌控权由人到机器的转移过程。这里面有三个疑问：
1、自动驾驶等级转换点如何度量？
2、掌控权交接点如何变度量？
3、掌控权交接过程中的事故如何度量？
在J3016标准中，明确了驾驶掌控权由人转移到车，跳升的界定很明确。
二、如何突破L2的天花板，进入L3？
光靠自动化解决不了无人驾驶，于是人工智能来了。汽车绝不是四个轮子加一个手机，我们人工智能工作者要对汽车人心存敬畏，开过好车的就知道汽车的人机设计非常好。
汽车是在开放的不确定性环境下行驶，人工驾驶常常会遇到偶发的事件，“常常”就是概率比较大，“偶发”就是概率比较小，一个驾驶员遇到这样的情况是必然的，什么情况呢？大雾、大雪、大雨、大风、狭小胡同、崎岖小道、傍山险路、积水、冰雪、地裂以及地陷；红绿灯失效、道路施工、行人违规、以及熙熙攘攘农贸集散区等通行状况。连新手驾驶员都难以完成这些驾驶任务，而有经验的驾驶员往往能够灵活处置，那么自驾车如何应对呢？
在道路狭小的地方，如果一个无人驾驶遇到有人驾驶车，怎样办？一旦突破了自动驾驶所设置的窗口条件，如地理栅栏、气候栅栏、以及人文地俗栅栏，马上需要进行驾驶掌控权的交接。在这样的交接过程中的事故也许比纯粹的人工驾驶更危险，因此汽车拿驾照不是容易的事情。
L3的基本问题到底是要解决车的问题，还是解决人的问题？
车子的问题就是把车越做越好，做成软件定义的机器。而人是指把驾驶员的认知用机器人替代，要具有记忆能力、决策能力和行为能力，要实现自主驾驶，不但有技巧还要有个性。
汽车是从马车演变而来的，现在的动力可以达到100匹马力，但汽车远远不如马在不同负荷、不同天气、不同路面状况、不同车辆情况下的适应能力。汽车的感知、认知能力远不如马这个认知主体，老马识途，车不如马。在自动驾驶过程中，驾驶员和周边车辆的交互认知哪里去了？驾驶员的经验和临场处置能力由谁来替代？
重要结论：自动驾驶好在专注，传感器不会疲劳，但是自动驾驶难在拟人，不仅在车。驾驶员脑不等于驾驶脑。
人在回路中的预测与控制被驾驶脑取代
驾驶过程中，驾驶员在回路中的预测与控制是汽车自身无法替代的。轮式机器人驾驶脑应运而生，它不同于雷达等传感器的感知，要去完成包括记忆认知、计算认知和交互认知在内的驾驶认知，成为智能车产业化链条中的重要零部件，车载机算机和机器人操作系统也无法替代。
记忆、计算和交互同样重要。计算机的计算能力已经超过人的能力，要把注意力转移到记忆、计算以及交互上，靠一个车的计算机无法替代驾驶脑。
利用微电子技术，采用CPU+GPU+PFGA+ASIC架构，生产专用芯片和板片，研发驾驶脑。
通过雷达传感器、视觉传感器，车姿传感器以及定位传感器这四个感知通道，形成认知的态势图。这个形成以后，对数据的需求就会大大减少。
驾驶就是记忆，驾驶不是靠计算的，要强调记忆认知、交互认知和计算认知。
上图中驾驶员记忆分三个区：瞬间记忆、工作记忆以及场景记忆。
创新：驾驶脑
驾照：传感器替代不了，车厂替代不了
驾驶技能：驾照替代不了
路熟：地图替代不了
个性化驾驶和标杆驾驶
经验驾驶员和标杆驾驶员
经验驾驶员不但要符合驾规，安全行驶，文明行驶，其经验还体现在节能技巧、驾乘舒适性、对不同动力学的车辆适应性等方面。世界上驾驶员的经验和行为，如同人的行走姿态，各个不同，可用驾驶行为作为驾驶员的身份识别，称为驾驶指纹。标杆驾驶员是经验驾驶员中的杰出代表。
智能车研发的困难，不仅仅是汽车动力学的性质和各种各样的传感器要求，更重要的是要研发和驾驶员一样的在线的机器驾驶脑，模拟实现人在回路的自主预测和控制，应对车辆行驶中的不确定性。
驾驶指纹和开车目的地无关
集图灵奖、诺贝尔经济学奖和美国心理学会终身成就奖于一身的人工智能早期学者赫伯特·西蒙（Herbert.A. Simon）的工作启发了我们，有了线控、数控汽车，通过深度学习，挖掘驾驶员对方向盘、动力踏板、制动踏板的驾驶行为大数据，就可以判断并获得特定驾驶员技巧的个性。驾驶技巧和开车目的地无关。
驾驶脑有个性，有在线学习能力，记忆许多驾驶事故的预防应对，还能和乘员聊天，和云上的驾驶超脑交互......
传统汽车仅仅是驾驶员的手、脚和力量的延伸，控制车辆行为的是人，线控汽车装备了传感器以后，用驾驶脑替代驾驶员认知，并获得驾驶指纹和驾驶技巧，使得汽车成为驾驶员自己，或者说让机器成为自己，应该是人工智能时代最有意义的问题之一。不同的驾驶脑，认知水平可以有差异，技巧和经验也可以有不同，但都具备了基本的驾驶认知能力，获得了驾照的自驾驶。有个性、有在线学习能力，有很多驾驶事故的预防应对能力，尤其重要的是我们还要关心驾驶超脑。
三、量产L3的挑战
截止 2016 年底，中国产销汽车超过 2680 万辆，汽车保有量2.79亿辆。对于自动驾驶：
我觉得不必把全球所有地域的道路状态，都压在一款特定的车型上，这很重要，否则跑多少英里也不能拿到驾照。不必把所有的认知放一个驾驶脑里面。先做园区观光车、通勤车、巡逻车、无人泊车、定点物流、校车、定点接驳、快速公交等。这些场景下，自驾车能否取代驾驶员掌控，取决于能否处置特定场景下的意外情况，能否发出求助信息要求人工敢于，或者在迫不得已时做出最小损失的策略。
无人泊车是绕不过去的
从当前的代客泊车市场预估无人泊车，有很大后装市场（百亿元规模）。泊车通常是怠速状态，四轮轨迹差异大，体现车辆动力学。泊车工况多样，手脚并用，繁忙切换，考验小脑，考验驾驶技巧，难搞定；可模拟多种多样艰难泊车环境，但用地不大。
大数据开车
未来汽车会成为大数据的源泉，移动社会的传感器，驾驶脑有学习和自学习能力，技巧和经验可以在线提升，驾驶脑智能的进化速度超过自然人，尤其是群体智能发挥驾驶超脑的作用，这样汽车制造商逐步地成为汽车运营商。随着L3、L4级别车辆的出现，L5级别的自动驾驶车迟早也会实现。当人们对L3、L4、L5的差异不再介意时，这个世界就变了。
从特定的应用环境寻找量产L3着手，人类摆脱了驾驶的羁绊，开始享受移动办公和移动生活，逐步推广到更高车速、更加复杂的道路场景、更多不确定性天气气侯下的自动驾驶。
最后以一句话总结今天的发言，那就是——人工智能以润物无声的柔软改变着整个世界。
来源：中国人工智能学会（版权归原作者及刊载媒体所有）作者简介
李德毅，中国工程院院士、国际欧亚科学院院士、中国人工智能学会理事长。
荐读
点击下文标题即可阅读
编辑：张 洁 | 审核：韩 磊
指导：万剑华教授(微信号wjh18266613129）