本周五（7月23日）晚19：30，“亚太人工智能学会（AAIA）2022第一届中国东部人工智能高峰论坛”成功在线上举办。

本届论坛围绕大数据、数字经济、分析与智能控制、机器学习、智慧交通、跨模态学习、情感AI等10余个前沿科技和产业发展现状进行了深入交流和探讨。大会旨在通过多学科交叉融合，促进人工智能技术的普及和推广，打造中国人工智能领域产、学、研紧密结合的高端前沿交流平台。

本届论坛全球人工智能领大咖云集，亚太人工智能学会60余位会士、300余位专家、学者和产业界优秀代表一同分享了前沿技术、产业现状、应用落地和发展趋势与调整等大家共同关注的热点问题。

亚太人工智能学会副主席李学龙（欧洲科学院院士、国际欧亚科学院院士、IEEE 会士、ACM 会士、AAAS 会士、西北工业大学教授、校学术委员会副主任委员、光电与智能研究院（iOPEN）院长、首席科学家）做了开场致辞。

亚太人工智能学会副主席李学龙也对参会的各位专家学者表示了热烈欢迎，李学龙副主席表示十分高兴能够参加本次中国东部的论坛，跟各位人工智能科学家齐聚一堂，集众人之智慧，相互碰撞交流，探讨如何将人工智能相关研究跟产业相结合，推动人工智能技术的转化与落地，是非常有意义的一件事情。李主席说在多家中国科技巨头的推动下，中国已成为全球人工智能发展的中心之一。众多的人口和完整的产业结构给中国提供了创造海量数据和广阔市场的潜力。中国东部作为中国经济产出最为活跃的区域，这一经济巨人群，直接吸引了众多世界级经济巨人的目光。

随后，多为专家和学者分别带来精彩的主题报告。

IEEE会士、IAPR会士、同济大学计算机科学系教授、机器学习与系统生物学研究所所长黄德双教授首先给大家带来了“关于人工智能发展与生物医学大数据的思考”的主题报告。

黄德双教授指出目前人工智能浪潮主要是由连接主义中的代表——神经网络带动起来的，接着介绍了人工神经网络发展的历程，从单层线性感知机到浅层神经网络，再到深度神经网络，神经网络经历了多个不同的发展阶段。深度神经网络主要指隐层神经网络的层数比较多，目前深度网络的层数可以达到几百上千，能处理的数据量也已经达到百万级的了。正式由于神经网络这个核心模块的快速发展，才使得人工智能有了发展的可能。

人工智能也赋能了在生命科学与生物医药的研究，比如深度学习与绑定位点预测，生物医学大数据研究等，这些研究使得药物的开发和靶点的发现等更加便捷。

最后黄教授引申到对生命科学与生物医药研究的思考，提到了三维基因组与DNA绑定位点预测研究、各种RNA数据与疾病关联研究、生物医学图像与疾病机理研究、人工智能与生物医疗等方面，并阐述了医疗人工智能的七大应用场景：医学影像、辅助诊断、疾病预测、药物研发、健康管理、医院管理、医学研究等。

IEEE会士、IET会士、国家杰青、东南大学自动化学院副院长、东南大学首席教授李世华教授就“机电系统建模、分析与智能控制”进行深入分析。

李教授长期做机电系统控制方面的研究，指出在复杂环境下，各类机器、设备对信息处理的智能化要求越来越高，包括多元信息融合、包括机器学习的算法，做自主决策、自主调度、自主控制等等。李教授的研究定位主要在控制理论与应用结合方面，即能够在对不同实际控制系统特性分析的基础上，针对性地设计先进的、工程实现性好的控制算法。目前也已经取得了比较多的研究成果，比如围绕家电系统的控制（壁挂炉温度控制）、电动两轮/三轮车控制，传统的交流伺服系统、单轴多轴的机器人系统、新能源电力电子变换器系统等机电系统的控制进行研究，构建了一套完整的机电系统的时频域建模、系统分析和先进控制一体化设计方法体系，能够明显提升机电系统的动态性能、稳态精度和抗干扰等闭环性能，提供参数自动智能整定，不同工况参数自适应、谐振抑制、无传感器控制、故障诊断等高级智能功能。

最后李教授重点剖析了3个案例，分别是港口轮式吊车全自动无人化作业案例、海上液化天然气装卸臂对接作业案例和永磁同步电机的无位置传感器算法研究案例（即无传感算法）。

国际欧亚科学院院士、脑信息与决策分析专家、浙江工业大学教授、中国技术经济学会神经经济管理学专业委员会主任、中国管理科学与工程学会名誉副理事长、浙江大学神经管理学实验室创始人马庆国教授“广义机器学习：框架、科学问题、难点与鸿沟”的报告。马教授首先介绍了什么是广义机器学习（机器学习是指人工神经网络从数据中学习，而广义机器学习是指机器视角的“从实践中学习”，即机器参照人从实践中学习）。

关于如何学习，马教授提到一种是智能机器的“受学习”，即策略/行为通过工程师调整程序被发展和被进化；另一种是智能机器“自主学习”，即机器首先要感知工作中的“人-机-环”的变化，其次要理解“人-机-环”的变化（人是通过概念和事物的对应关系+群体共识来理解外界的，机器则通过对应关系+通讯协议来理解外界），再次要自主产生应对变化的策略/行为。如何产生应对策略/行为呢？对于曾经出现过的变化，智能机器是可以通过历史经验找到应对策略的，但是遇到没有出现过的变化时，似乎就无解了，这也是人工智能和人的智能的天然鸿沟，因为机器从实践中学习只能在数理逻辑中施展，无法学习HI（人的智能）的非数理逻辑的部分。所以，现在AI界有一个说法，从“感知智能”到“认知智能”，问题是“认知智能”里的非数理推理的部分，AI如何习得？是目前AI面临的一个技术难题。

最后，马教授也阐述了在技术难题下我们仍能够做的几个工作，如多通道感知“人机环”的变化；依照工程师设定的规则，重组策略要素，产生新策略；或依照工程师设定的“策略采选规则”，选出可行“策略”；最后评估所选策略的安全性，通过依次执行策略集中的策略，根据所得到的结果，选出“最优新策略”，这种“最优新策略”，就可视为一种“认知灵感”。

毛教授给大家阐述了人工智能在交通领域的应用，当前全球交通问题日趋严重，全球每年因为公路交通事故造成的经济损失高达5000亿美元，交通事故到底是如何形成的，是一个复杂系统，我们不能头痛医头，脚疼医脚。

目前，交通系统中的传感器越来越多的利用人工智能技术，并给大家展示了数字孪生系统与感知系统；进一步讲述了交通建模、分析预测，通过人工智能对路网及交通流相关性进行建模及分析，对交通拥堵进行分析后，对治理交通拥堵提出了新的方法。

未来发展方向面临的一些挑战，首先，交通是一个非常复杂的系统，以往的研究，缺乏对应用场景的专业性及有针对性的分析和系统化梳理，用一套方案解决所有的问题；其次，试图用人工智能解决所有问题，忽略了与“传统”解决方法的融合，反而效果不好。有时候简单方法有更好的效果。第三，现有人工智能算法依靠大量数据训练，缺乏像人一样的主动学习能力，无法处理前所未遇的场景。

未来发展方向的几点展望，一、深入研究行业需求，和行业的解决方案更加紧密结合；二、要明确定位，和各种“传统”方法融合；三、需要基础学科的突破，特别是主动学习能力方面。

石勇教授，发展中国家科学院院士、国际欧亚科学院院士、国务院参事、中国科学院虚拟经济与数据科学研究中心主任、中国科学院大数据挖掘与知识管理重点实验室主任、中国管理现代化研究会联职理事长，分享报告主题是“数字经济的发展与未来”。

石教授先给大家阐述了数字经济的基本问题，大数据是来源众多、类型多样，大而复杂、具有潜在价值、但难以在期望时间内处理和分析的数据；大数据是数字化时代的新型战略资源，是驱动创新的重要因素，正在改变人类的生产和生活方式。

大数据分析包括决策过程、机器学习原理，智能知识管理这三大基本原理；当前，数据挖掘存在非结构化数据的结构化、数据复杂性与不确定性、数据异构与决策异构的关系的挑战。

当前国际数字经济的发展从技术准备期到快速繁荣期，到目前的大数据与人工智能时代；当前，大家都比较重视数据的获取与使用，国际数字发展经验，数字建设采取政策先导，建设数字政府、发展基础电信设施、促进数字技术创新；面临人口分布、预算、数据监管与开放、跨部门协同与隐私安全等挑战；国际数字经济体的一些领先之处，比如法律与政策先行引导、创新驱动企业发展、完善的市场形态等。

我国在十三五期间数字经济取得的成就有，数字产业化规模不断壮大、产业数字化转型步伐加快、新业态新模式不断涌现、数字经济创新发展、政务信息系统整合共享、以及数字服务改善民生，比如在线教育、线上办公、网路购物和无接触配送服务等。

当然，我国数字经济也面临不少挑战，比如大而不强；卡脖子工程有待突破，主要是操作系统；第三是我国数字经济的国际话语权需要提高，应积极参与数字经济相关的国际组织，争取话语权。

报告最后，石教授也提出建议与思考，个人提出6条建议，持续强化数据开放与数据保护、持续推动大数据职业技能培训、持续加强“卡脖子”工程政策扶持力度、加快建立“一卡一码”民生服务体系、加快建立面向全社会的征信体系和积极争取国际话语权。

孙富春教授，中国人工智能学会副理事长、IEEE 会士、CAAI 会士、国家杰青、清华大学计算机科学与技术系教授、清华大学校学术委员会委员、智能技术与系统国家重点实验室常务副主任，报告主题是“跨模态学习的研究与进展”。

孙教授从我们人类学习抓取和操作物体，学习行走，学习读和写，学习语音及其所指的物体等等开始入手，阐述了在这些日常的行为中，视觉、听觉、身体躯体感觉或者其他感知方式必须要综合起来，然后去增加另外一个感官的学习效果，这就是夸模态学习；事实上，人后天学会的技能中大多都是跨模态的；婴儿的脑发育极大的依赖不同感官的交互。

接着，孙教授分析了相关研究背景，随着算力的提高与网络结构发展，深度学习在单一模态上取得了优异的性能。这两年跨模态与多模态学习的研究与论文成果越来越多。报告给大家讲到模态的定义，模态是指事物发生或存在的方式，进一步解释的话，模态是指某种类型的信息，或者是指该信息的标识；例如说出的话或者文字、图像和视频、声音和音乐等音频、触觉、嗅觉和味觉等；多模态研究经历了四个时代，1970-1980年的“行为时代”，1980-2000年的“计算时代”，2000-2020年的“交互时代”，到2010-至今的“深度学习时代”；报告给大家讲述了当前的核心问题及研究方法，多模态表示、多模态对齐、跨模态翻译、多模态融合和多模态协同学习等，并给出其团队当前的研究成果与大量实例。

IEEE 会士、IAPR 会士、澳门大学科技学院计算机与信息科学系讲座教授、香港浸会大学计算机科学系荣誉教授唐远炎教授的报告是“机噐学习微型化---下一轮人工智能技术的一个方向”。唐教授提到人工智能（AI）正在加速从“云端”走向“边缘”，进入到越来越小的物联网设备中。在终端和边缘侧的微处理器上，实现机器学习过程，被称为“微型机器学习”，即TinyML。TinyML是指工程师们在毫瓦功率（mW）范围以下的设备上，实现机器学习的方法、工具和技术。TinyML是机器学习和嵌入式物联网设备的交叉领域，是一门新兴的工程学科，具有革新许多行业的潜力。最后唐教授介绍了微型机器学习的最新研究进展。

赵国英是芬兰科学与人文院院士、IEEE 会士、IAPR 会士、芬兰奥卢大学机器视觉与信号分析中心教授、芬兰科学院教授，研究方向主要为图片和视频描述、情感计算、机器学习、人工智能。在赵教授“Vision based emotion AI”报告中，赵教授由浅入深地对宏表情、微表情以及下意识的肢体动作等进行了讲解，通过动画、图片等加深大家对面部表情识别、微表情分析、情绪手势识别、视频远程心率识别等技术的了解。

最后，赵教授概述了该领域的一些挑战和未来的研究趋势。其中赵教授提出视觉线索会因为采集环境或者采集设备等问题未必能够采集到某一个模态的信息，缺失模态下的多模态信息应该如何进行的问题。情绪在人与人之间的互动中发挥着重要作用，成为未来人工智能研究的重点之一。其应用领域包括人机交互、情感聊天、心理健康和医学、在线学习、用户或客户分析等。

欧洲科学院院士、国家级海外高层次人才、长江学者讲席教授、清华大学车辆与运载学院长聘教授曲小波以“从智能运载到智慧出行”为题做主题报告。曲教授提出城市化和立体交通是必然发生的，曲教授解读通过城市和系统层面进行顶层设计提升智能运载工具通行效率的研究方法，详细介绍了团队在构建“能量云系统”和打造“立体交通网络”的前瞻设想。他表示，构建“智慧出行”系统需要着眼未来，在学科交叉中协同创新，并呼吁高校、企业、政府共同在“产-学-研-用”的深度融合中紧密合作。

本次论坛由中国科学院大学云计算与智能信息处理实验室主任、中国科学院大学计算机学院徐俊刚教授主持。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：