本周五（7月23日）晚19：30，“亞太人工智能學會（AAIA）2022第一屆中國東部人工智能高峰論壇”成功在線上舉辦。

本屆論壇圍繞大數據、數字經濟、分析與智能控制、機器學習、智慧交通、跨模態學習、情感AI等10余個前沿科技和產業發展現狀進行了深入交流和探討。大會旨在通過多學科交叉融合，促進人工智能技術的普及和推廣，打造中國人工智能領域產、學、研緊密結合的高端前沿交流平臺。

本屆論壇全球人工智能領大咖云集，亞太人工智能學會60余位會士、300余位專家、學者和產業界優秀代表一同分享了前沿技術、產業現狀、應用落地和發展趨勢與調整等大家共同關注的熱點問題。

亞太人工智能學會副主席李學龍（歐洲科學院院士、國際歐亞科學院院士、IEEE 會士、ACM 會士、AAAS 會士、西北工業大學教授、校學術委員會副主任委員、光電與智能研究院（iOPEN）院長、首席科學家）做了開場致辭。

亞太人工智能學會副主席李學龍也對參會的各位專家學者表示了熱烈歡迎，李學龍副主席表示十分高興能夠參加本次中國東部的論壇，跟各位人工智能科學家齊聚一堂，集眾人之智慧，相互碰撞交流，探討如何將人工智能相關研究跟產業相結合，推動人工智能技術的轉化與落地，是非常有意義的一件事情。李主席說在多家中國科技巨頭的推動下，中國已成為全球人工智能發展的中心之一。眾多的人口和完整的產業結構給中國提供了創造海量數據和廣闊市場的潛力。中國東部作為中國經濟產出最為活躍的區域，這一經濟巨人群，直接吸引了眾多世界級經濟巨人的目光。

隨后，多為專家和學者分別帶來精彩的主題報告。

IEEE會士、IAPR會士、同濟大學計算機科學系教授、機器學習與系統生物學研究所所長黃德雙教授首先給大家帶來了“關于人工智能發展與生物醫學大數據的思考”的主題報告。

黃德雙教授指出目前人工智能浪潮主要是由連接主義中的代表——神經網絡帶動起來的，接著介紹了人工神經網絡發展的歷程，從單層線性感知機到淺層神經網絡，再到深度神經網絡，神經網絡經歷了多個不同的發展階段。深度神經網絡主要指隱層神經網絡的層數比較多，目前深度網絡的層數可以達到幾百上千，能處理的數據量也已經達到百萬級的了。正式由于神經網絡這個核心模塊的快速發展，才使得人工智能有了發展的可能。

人工智能也賦能了在生命科學與生物醫藥的研究，比如深度學習與綁定位點預測，生物醫學大數據研究等，這些研究使得藥物的開發和靶點的發現等更加便捷。

最后黃教授引申到對生命科學與生物醫藥研究的思考，提到了三維基因組與DNA綁定位點預測研究、各種RNA數據與疾病關聯研究、生物醫學圖像與疾病機理研究、人工智能與生物醫療等方面，并闡述了醫療人工智能的七大應用場景：醫學影像、輔助診斷、疾病預測、藥物研發、健康管理、醫院管理、醫學研究等。

IEEE會士、IET會士、國家杰青、東南大學自動化學院副院長、東南大學首席教授李世華教授就“機電系統建模、分析與智能控制”進行深入分析。

李教授長期做機電系統控制方面的研究，指出在復雜環境下，各類機器、設備對信息處理的智能化要求越來越高，包括多元信息融合、包括機器學習的算法，做自主決策、自主調度、自主控制等等。李教授的研究定位主要在控制理論與應用結合方面，即能夠在對不同實際控制系統特性分析的基礎上，針對性地設計先進的、工程實現性好的控制算法。目前也已經取得了比較多的研究成果，比如圍繞家電系統的控制（壁掛爐溫度控制）、電動兩輪/三輪車控制，傳統的交流伺服系統、單軸多軸的機器人系統、新能源電力電子變換器系統等機電系統的控制進行研究，構建了一套完整的機電系統的時頻域建模、系統分析和先進控制一體化設計方法體系，能夠明顯提升機電系統的動態性能、穩態精度和抗干擾等閉環性能，提供參數自動智能整定，不同工況參數自適應、諧振抑制、無傳感器控制、故障診斷等高級智能功能。

最后李教授重點剖析了3個案例，分別是港口輪式吊車全自動無人化作業案例、海上液化天然氣裝卸臂對接作業案例和永磁同步電機的無位置傳感器算法研究案例（即無傳感算法）。

國際歐亞科學院院士、腦信息與決策分析專家、浙江工業大學教授、中國技術經濟學會神經經濟管理學專業委員會主任、中國管理科學與工程學會名譽副理事長、浙江大學神經管理學實驗室創始人馬慶國教授“廣義機器學習：框架、科學問題、難點與鴻溝”的報告。馬教授首先介紹了什么是廣義機器學習（機器學習是指人工神經網絡從數據中學習，而廣義機器學習是指機器視角的“從實踐中學習”，即機器參照人從實踐中學習）。

關于如何學習，馬教授提到一種是智能機器的“受學習”，即策略/行為通過工程師調整程序被發展和被進化；另一種是智能機器“自主學習”，即機器首先要感知工作中的“人-機-環”的變化，其次要理解“人-機-環”的變化（人是通過概念和事物的對應關系+群體共識來理解外界的，機器則通過對應關系+通訊協議來理解外界），再次要自主產生應對變化的策略/行為。如何產生應對策略/行為呢？對于曾經出現過的變化，智能機器是可以通過歷史經驗找到應對策略的，但是遇到沒有出現過的變化時，似乎就無解了，這也是人工智能和人的智能的天然鴻溝，因為機器從實踐中學習只能在數理邏輯中施展，無法學習HI（人的智能）的非數理邏輯的部分。所以，現在AI界有一個說法，從“感知智能”到“認知智能”，問題是“認知智能”里的非數理推理的部分，AI如何習得？是目前AI面臨的一個技術難題。

最后，馬教授也闡述了在技術難題下我們仍能夠做的幾個工作，如多通道感知“人機環”的變化；依照工程師設定的規則，重組策略要素，產生新策略；或依照工程師設定的“策略采選規則”，選出可行“策略”；最后評估所選策略的安全性，通過依次執行策略集中的策略，根據所得到的結果，選出“最優新策略”，這種“最優新策略”，就可視為一種“認知靈感”。

毛國強教授，IEEE 會士、IET 會士、國家特聘專家、西安電子科技大學領軍教授、西電智慧交通研究院院長、西電廣州研究院副院長、綜合業務網國家重點實驗室副主任，分享報告主題為“人工智能在交通系統中的應用及未來展望”。

毛教授給大家闡述了人工智能在交通領域的應用，當前全球交通問題日趨嚴重，全球每年因為公路交通事故造成的經濟損失高達5000億美元，交通事故到底是如何形成的，是一個復雜系統，我們不能頭痛醫頭，腳疼醫腳。

目前，交通系統中的傳感器越來越多的利用人工智能技術，并給大家展示了數字孿生系統與感知系統；進一步講述了交通建模、分析預測，通過人工智能對路網及交通流相關性進行建模及分析，對交通擁堵進行分析后，對治理交通擁堵提出了新的方法。

未來發展方向面臨的一些挑戰，首先，交通是一個非常復雜的系統，以往的研究，缺乏對應用場景的專業性及有針對性的分析和系統化梳理，用一套方案解決所有的問題；其次，試圖用人工智能解決所有問題，忽略了與“傳統”解決方法的融合，反而效果不好。有時候簡單方法有更好的效果。第三，現有人工智能算法依靠大量數據訓練，缺乏像人一樣的主動學習能力，無法處理前所未遇的場景。

未來發展方向的幾點展望，一、深入研究行業需求，和行業的解決方案更加緊密結合；二、要明確定位，和各種“傳統”方法融合；三、需要基礎學科的突破，特別是主動學習能力方面。

石勇教授，發展中國家科學院院士、國際歐亞科學院院士、國務院參事、中國科學院虛擬經濟與數據科學研究中心主任、中國科學院大數據挖掘與知識管理重點實驗室主任、中國管理現代化研究會聯職理事長，分享報告主題是“數字經濟的發展與未來”。

石教授先給大家闡述了數字經濟的基本問題，大數據是來源眾多、類型多樣，大而復雜、具有潛在價值、但難以在期望時間內處理和分析的數據；大數據是數字化時代的新型戰略資源，是驅動創新的重要因素，正在改變人類的生產和生活方式。

大數據分析包括決策過程、機器學習原理，智能知識管理這三大基本原理；當前，數據挖掘存在非結構化數據的結構化、數據復雜性與不確定性、數據異構與決策異構的關系的挑戰。

當前國際數字經濟的發展從技術準備期到快速繁榮期，到目前的大數據與人工智能時代；當前，大家都比較重視數據的獲取與使用，國際數字發展經驗，數字建設采取政策先導，建設數字政府、發展基礎電信設施、促進數字技術創新；面臨人口分布、預算、數據監管與開放、跨部門協同與隱私安全等挑戰；國際數字經濟體的一些領先之處，比如法律與政策先行引導、創新驅動企業發展、完善的市場形態等。

我國在十三五期間數字經濟取得的成就有，數字產業化規模不斷壯大、產業數字化轉型步伐加快、新業態新模式不斷涌現、數字經濟創新發展、政務信息系統整合共享、以及數字服務改善民生，比如在線教育、線上辦公、網路購物和無接觸配送服務等。

當然，我國數字經濟也面臨不少挑戰，比如大而不強；卡脖子工程有待突破，主要是操作系統；第三是我國數字經濟的國際話語權需要提高，應積極參與數字經濟相關的國際組織，爭取話語權。

報告最后，石教授也提出建議與思考，個人提出6條建議，持續強化數據開放與數據保護、持續推動大數據職業技能培訓、持續加強“卡脖子”工程政策扶持力度、加快建立“一卡一碼”民生服務體系、加快建立面向全社會的征信體系和積極爭取國際話語權。

孫富春教授，中國人工智能學會副理事長、IEEE 會士、CAAI 會士、國家杰青、清華大學計算機科學與技術系教授、清華大學校學術委員會委員、智能技術與系統國家重點實驗室常務副主任，報告主題是“跨模態學習的研究與進展”。

孫教授從我們人類學習抓取和操作物體，學習行走，學習讀和寫，學習語音及其所指的物體等等開始入手，闡述了在這些日常的行為中，視覺、聽覺、身體軀體感覺或者其他感知方式必須要綜合起來，然后去增加另外一個感官的學習效果，這就是夸模態學習；事實上，人后天學會的技能中大多都是跨模態的；嬰兒的腦發育極大的依賴不同感官的交互。

接著，孫教授分析了相關研究背景，隨著算力的提高與網絡結構發展，深度學習在單一模態上取得了優異的性能。這兩年跨模態與多模態學習的研究與論文成果越來越多。報告給大家講到模態的定義，模態是指事物發生或存在的方式，進一步解釋的話，模態是指某種類型的信息，或者是指該信息的標識；例如說出的話或者文字、圖像和視頻、聲音和音樂等音頻、觸覺、嗅覺和味覺等；多模態研究經歷了四個時代，1970-1980年的“行為時代”，1980-2000年的“計算時代”，2000-2020年的“交互時代”，到2010-至今的“深度學習時代”；報告給大家講述了當前的核心問題及研究方法，多模態表示、多模態對齊、跨模態翻譯、多模態融合和多模態協同學習等，并給出其團隊當前的研究成果與大量實例。

IEEE 會士、IAPR 會士、澳門大學科技學院計算機與信息科學系講座教授、香港浸會大學計算機科學系榮譽教授唐遠炎教授的報告是“機噐學習微型化---下一輪人工智能技術的一個方向”。唐教授提到人工智能（AI）正在加速從“云端”走向“邊緣”，進入到越來越小的物聯網設備中。在終端和邊緣側的微處理器上，實現機器學習過程，被稱為“微型機器學習”，即TinyML。TinyML是指工程師們在毫瓦功率（mW）范圍以下的設備上，實現機器學習的方法、工具和技術。TinyML是機器學習和嵌入式物聯網設備的交叉領域，是一門新興的工程學科，具有革新許多行業的潛力。最后唐教授介紹了微型機器學習的最新研究進展。

趙國英是芬蘭科學與人文院院士、IEEE 會士、IAPR 會士、芬蘭奧盧大學機器視覺與信號分析中心教授、芬蘭科學院教授，研究方向主要為圖片和視頻描述、情感計算、機器學習、人工智能。在趙教授“Vision based emotion AI”報告中，趙教授由淺入深地對宏表情、微表情以及下意識的肢體動作等進行了講解，通過動畫、圖片等加深大家對面部表情識別、微表情分析、情緒手勢識別、視頻遠程心率識別等技術的了解。

最后，趙教授概述了該領域的一些挑戰和未來的研究趨勢。其中趙教授提出視覺線索會因為采集環境或者采集設備等問題未必能夠采集到某一個模態的信息，缺失模態下的多模態信息應該如何進行的問題。情緒在人與人之間的互動中發揮著重要作用，成為未來人工智能研究的重點之一。其應用領域包括人機交互、情感聊天、心理健康和醫學、在線學習、用戶或客戶分析等。

歐洲科學院院士、國家級海外高層次人才、長江學者講席教授、清華大學車輛與運載學院長聘教授曲小波以“從智能運載到智慧出行”為題做主題報告。曲教授提出城市化和立體交通是必然發生的。解讀通過城市和系統層面進行頂層設計提升智能運載工具通行效率的研究方法，詳細介紹了團隊在構建“能量云系統”和打造“立體交通網絡”的前瞻設想。他表示，構建“智慧出行”系統需要著眼未來，在學科交叉中協同創新，并呼吁高校、企業、政府共同在“產-學-研-用”的深度融合中緊密合作。

本次論壇由中國科學院大學云計算與智能信息處理實驗室主任、中國科學院大學計算機學院徐俊剛教授主持。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。