李德毅院士：大数据时代的跨界创新机器人革命真的要来了

2014年6月,由2014世界莞商大会组委会、东莞市科学技术协会、中国民主建国会东莞市委会联合主办,东莞科技进修学院和东莞市工程师协会承办的"2014东莞院士讲坛"在东莞举行,该讲坛旨在融合更加广泛的智慧资源,交流前沿技术发展和大数据时代信息最新资讯,为东莞经济加快转型建设发展助力,向全国展示东莞深化改革率先发展的新思路。中国工程院院士、国际欧亚科学院院士李德毅少将在讲坛做了"大数据时代的跨界创新"专题报告。

李德毅 马楠:智能时代驱动教育变革

我们正处在从信息时代走向智能时代的交叠期。人工智能是新一轮科技革命和产业变革的重要驱动力量,给人类带来深远的影响和美好前景,我们正处在从信息时代走向智能时代的交叠期,过去未去,未来已来。信息化时代智能科学与技术有赋能的作用,与电子、微电子与光电子工程的交叉形成“智能芯片”,与通信工程的交叉形成“智能网联”,与计算机科学和技术的交叉形成“智能计算”,与控制科学与工程的交叉形成“智能控制”。智能科学与技术跟随着智能时代的到来将成为推动未来社会发展最主要的动力。

认知物理学导引

人工智能作为当今时代的新质生产力,正如日中天,全球发达国家都在奋力研发能够认知的机器。机器不是生命,只是机械的、物理的、电子的装置,人类作为高等生物,认知是其生存和繁衍的基本活动。要实现机器认知,怎样用物理学的理论和方法,解释生命体的新陈代谢和生老病死,人们越来越关心生物物理学;如何用物理学的理论和方法,解释机器如何感知、思维、决策和行动,人们越来越关心认知物理学。

认知物理学基础:认知自然和人类自身的奠基石

物质、能量、结构和时间是人类认知和机器认知的最基本要素,是人类智能和人工智能共同的奠基石。信息不是物质,不是能量,是在结构、时间上形成的衍生物。位于四要素之上的是思维软构体和物质硬构体,其上分别对应基于想象与推理的数学和基于观察与实证的物理,而基于数学和物理之上的是认知物理学。认知物理学的使命是用物理学的理论和方法解释人类认知及其形成过程,人工智能浓缩重演人类智能,用机器来模仿、拓展人的认知。未来,要突破图灵机局限,发展难以计算的记忆智能和具身交互智能;用云模型、数据场、拓扑势、云变换等认知物理学理论和方法,形式化人类的不确定性认知,形成认知螺旋,实现认知的自成长;研发可交互、会学习、自成长的认知机器,开辟各智其智、智人之智、智智与共的人工智能新方向。

用语言云模型发掘关联规则(英文)

该文提出用语言云模型用于 KDD中知识表达和不确定性处理 ,引入了多维云模型作为一维模型的扩展 .语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起 ,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟 .为了发现强关联规则 ,属性值要在较高的概念层上泛化 ,同时允许相邻属性值或语言项间有重叠 .这种软划分可以模仿人类的思想 ,使发现的知识具有稳健性 .将基于云模型的泛化方法与 Apriori算法结合起来 ,从空间数据库中发掘关联规则 .试验显示了其有效性、高效性和灵活性 .

隶属云和隶属云发生器

本文针对模糊集理论基石的隶属函数，提出了隶属云的新思想，给出了用数字特征描述隶属云的方法和正态隶属云的数学模型，探讨了隶属云发生器的实现技术及应用场合，从而为社会和自然科学中的诸多问题用定性和定量相结合的处理方法奠定了基础。

位置服务:接地气的云计算

随着移动互联网的迅猛发展,人类社会已不可避免的进入了大数据时代.云计算支撑大数据发现价值,在各个领域均已开花结果,其中最典型的案例,就是无人不用,无时不需,无所不在的位置服务.传统的地理信息系统(GIS)、导航定位系统(GNS)与云计算结合,给原本垂直的领域应用赋予了社交、位置和移动等特点.研究位置服务的关键技术,探讨云计算支撑下位置服务数据中心的特点,应具备的内在指标如时间连续,空间无缝、精度多样、结果可靠、在线服务,和外在指标如电力消耗随服务负载变化情况,带宽支持及其动态使用情况,位置服务覆盖的范围和粒度,服务注册的用户数量及在线微支付能力等等,能有效促进位置服务成为最接地气的云计算.

论正态云模型的普适性

分布函数是分析随机现象的重要工具 ,正态分布是最重要的概率分布 ,在自然科学和社会科学中应用广泛 ;隶属函数是模糊集合的基石 ,正态隶属函数也有广泛的应用。但是 ,精确确定一个模糊概念的隶属函数已经成为模糊学应用的瓶颈。云模型把随机性和模糊性结合起来 ,用数字特征熵 ,揭示随机性与模糊性的关联性 ,并用来表示一个定性概念的粒度。正态云模型通过期望、熵和超熵构成的特定结构发生器 ,生成定性概念的定量转换值 ,体现概念的不确定性。这种特定结构不但放宽了形成正态分布的前提条件 ,而且把精确确定隶属函数放宽到构造正态隶属度分布的期望函数 ,因而更具有普遍适用性 ,更简单。

正态云模型的重尾性质证明

正态分布和重尾分布在概率研究中具有非常重要的地位,二者具有完全不同的数学形式和物理意义。正态分布的密度函数以指数函数衰减至0,服从正态分布的随机变量,其绝大多数取值在其期望附近,偏离期望很大的取值很少。而服从重尾分布的随机变量,其尾分布函数具有重尾特性,密度函数以幂指数衰减至0。笔者证明了正态云模型是具有均值的重尾分布,是介于正态分布与重尾分布之间的中间状态,正态云模型的参数超熵He是可以实现正态分布向重尾分布转换的桥梁。

网络时代的人工智能

五十多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远。本文强调在当今的网络时代,作为信息技术的先导,人工智能科学有着非常值得关注的研究方向,要在学科交叉研究中实现人工智能的发展与创新。要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透,尤其是重视认知物理学的研究;自然语言是人类思维活动的载体,是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能科学与应用新的辉煌。

AI——人类社会发展的加速器

综述了人工智能60年来的发展历程及其取得的重要成就,分析了人工智能和智能科学技术的区别和联系,深刻讲解了人工智能的内涵与外延,通过各种具体事例详细介绍了人工智能是如何润物无声改变整个世界的,最后展望了人工智能技术发展的愿景,人类会利用机器人的优势并弥补机器人的不足,同时还能利用机器人提升自身的智慧和能力,我们将迎来人与机器人共舞的新时代。

大数据时代的创新思维

大数据时代的思维创新有着与以往时代不同的方法及途径。从认知计算——思维的形式化入手,以处理不确定性推理、智能驾驶、自然语言理解及群体智能为例,阐述在大数据时代创新所应采取的思维方式。作为培育创新型人才的大学,除重视单一学科建设外,更多地是要强调多学科的协同和交叉,将分隔的垂直学科划分转变为交叉、协作式的科学研究,在开放协作的环境下寻求创新。

云计算支撑信息服务社会化、集约化和专业化

从图灵计算机到网格计算的发展,云计算要求云计算中心支持社会化、集约化和专业化的信息服务,从而达到"网络丰富,边缘简单、交互智能"。系统阐述了云计算的核心技术,提出了"虚拟集群"的概念,计算资源的虚拟化组织、分配和使用有利于资源合理配置并提高利用率,促进节能减排,实现绿色计算。指出高端服务器和虚拟集群将是云计算发展的重要方向,形成新的高端服务器产业链将成为计算中心、数据中心发展的趋势。

网络时代人工智能研究与发展

50多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远.当今网络时代,人工智能科学要在学科交叉研究中实现人工智能的发展与创新,会更加关注认知科学、脑科学、生物智能、物理学、网络科学、计算机科学与人工智能之间的交叉渗透,重视认知物理学的研究;自然语言是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无标度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络智能.对这3个重要方向进行了阐述,并提出了具体建议.

发现状态空间理论

本文提出用发现状态空间理论建立数据库中知识发现研究的总体框架，给出了该理论的基本内容。

三级倒立摆的云控制方法及动平衡模式

文章提出了定性和定量之间转换的云模型的形式化表示方法 ,用来反映语言值中蕴涵的模糊性和随机性 ,给出云发生器的生成算法 ,解释多条定性推理规则同时被激活时的不确定性推理机制。利用这种智能控制方法有效地实现了单电机控制的一、二、三级倒立摆的多种不同动平衡姿态 ,显示其鲁棒性 ,并给出了详细试验结果。研究成果不仅可用于对太空飞行器以及机器人控制 ,而且对揭示定性定量转换规律和策略具有普遍意义。

人工智能在奔跑 教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告

人工智能的发展改变了人类的认知方式和生活方式,人工智能延伸了人类的体力和脑力,将会让人类更加有尊严、更加优雅、更加智慧地生活。人工智能给人类带来的影响将远远超过计算机、互联网在过去几十年对世界的改变,也为教育带来了前所未有的机遇和挑战。北京联合大学在全国率先成立机器人学院,突破传统教学的边界,采取科学任务带动创新人才培养的模式,致力于培养面向先进机器人、智能汽车及无人系统等领域的高素质、应用型专门人才。

知识表示中的不确定性

知识表示一直是人工智能研究中的一个瓶颈 ,其难点在于知识中隐含有不确定性 ,即模糊性和随机性。文章提出用云模型 3个数字特征 (期望值 ,熵 ,超熵 )来描述一个定性概念 ,用熵来关联模糊性和随机性。代表定性概念的云的某一次定量值 ,被称为云滴 ,可以用它对此概念的贡献度来衡量 ,许许多多云滴构成云 ,实现定性和定量之间的随时转换 ,反映了知识表示中的不确定性。论文以此对我国农历 2 4个节气进行了新的量化解释。云方法已经用于数据开采、智能控制、跳频电台和大系统效能评估中 ,取得明显的效果。