设为首页收藏本站
开启辅助访问 切换到宽版

科学网

 找回密码
  注册
科学网 › 标签 › 智能化

tag 标签: 智能化

相关帖子

 版块 作者 回复/查看 最后发表

没有相关内容

相关日志

我们在做什么？
purewater 2020-5-9 21:56
1、水处理智能化技术 2、污水处理精细化运行管理系列数字化产品 厂有看水狗，环保不用愁！ 其它信息正在输入 3、代表作 1. Z.-H. Li, Y. Guo, Z.-Y. Hang, T.-Y. Zhang, H.-Q. Yu, Simultaneous evaluation of bioactivity and settleability of activated sludge using fractal dimension as an intermediate variable. Water Research 178 , 115834 (2020). 2. Z.-H. Li, Z.-Y. Hang, M. Lu, T.-Y. Zhang, H.-Q. Yu, Difference of respiration-based approaches for quantifying heterotrophic biomass in activated sludge of biological wastewater treatment plants. Science of The Total Environment 664 , 45-52 (2019). 3. Z.-H. Li et al. , Evaluation of robustness of activated sludge using calcium-induced enhancement of respiration. Bioresource technology 253 , 55-63 (2018). 4. Z.-H. Li, Y.-M. Zhu, C.-J. Yang, T.-Y. Zhang, H.-Q. Yu, A simple respirogram-based approach for the management of effluent from an activated sludge system. Bioresource technology 261 , 412-419 (2018). 5. Z.-H. Li, Z.-B. Ma, H.-Q. Yu, Respiration adaptation of activated sludge under dissolved oxygen and hypochlorite stressed conditions. Bioresource technology 248 , 171-178 (2018). 4、欢迎博士生、博后加入！ http://talent.sciencenet.cn/index.php?s=/Info/index/id/18916
个人分类: 学术教育|5058 次阅读|0 个评论
智能化碳纤维复合材料技术-轻量化装备从感知到认知的跨越
jyx123321 2018-9-16 09:16
背景说明： 应山东大学技术转移中心之邀，总结本团队这16年来在智能化碳纤维复合材料技术方面的工作，写出了一页纸的材料。现在放在自己的科学网博客上，抛砖引玉，权作案例，期望“智能制造”之实施路径能更加具体、可行、接地气、易落实。 通过碳纤维复合材料结构和功能的复合化、材料与器件的集成化，使装备构造大幅度地简约化、轻量化；发挥碳纤维、玻璃纤维的一维材料特性，按照相似相容的原理，内植一维的阵列式光纤光栅传感器，实现分布式、纤细、高密度传感器在装备上的按需内植或表贴；综合应用分布式传感器、工业仿真分析软件和大数据技术，实现装备从传统到感知再到认知的跨越，从而使装备发展切实符合轻量化、智能化和高性价比的大趋势！ 举例来说，通过内植阵列式的应变和温度光纤光栅传感器，可以使 碳纤维增强环氧树脂复合材料 / 芳纶蜂窝三明治结构变得有自感知能力，实现从传统装备到自感知装备的跨越，即 借助激光和光栅之间的相互作用，在线实时监测、自动记录、远程传输装备的应变和温度参数。通过工业仿真分析软件，准确地模拟分析装备的热力耦合行为，开发装备的在线监测应变、温度信息与装备变形、载荷、力矩、损伤、断裂信息的快速映射数据库，根据已知的在线监测数据实时快速在线评估装备健康状态，进而快速反查数据库，即时做出决策，优化装备工作过程及参数，实现装备从感知到认知的跨越。 本团队研制的碳纤维增强环氧树脂复合材料层合板 / 芳纶蜂窝三明治结构如下图所示，内植了 4 个温度传感器和 6 个应变传感器，全部存活，且可靠地在线全程监测了模具内固化成型、脱模过程和承载变形过程，同时开展了该结构的热力耦合有限元模拟，建立了结构在线监测数据和认知所需大数据的映射关系，实现了该结构的健康状态评估和剩余寿命预测。 本团队以贾玉玺教授和中国科学院院士安立佳研究员为主要发明人，申请了直接相关中国发明专利 28 件、美国发明专利 2 件，其中获得授权 16 件，其余都在审查状态；登记计算机软件著作权 7 件；发表 SCI/EI 收录论文 160 余篇。在 2010 年本团队获得了省级科技进步一等奖。相关技术应用于航空航天、高铁、共享汽车、机器人和智慧城市等领域。 联系人：山东大学技术转移中心，刘灿刚， T. 15066663709.
个人分类: 未分类|4001 次阅读|0 个评论
Understanding Model ABC by Xiaohui ZOU namely Geneculture
geneculture 2018-8-30 12:31
Optimized selection： Formal understanding model Social understanding model Intelligent understanding model
个人分类: 融智学前期探索|968 次阅读|0 个评论
浅谈机器人和无人机对智能化碳纤维复合材料结构的需求
jyx123321 2018-8-27 21:24
昨天下午按照计划我们课题组开了组会，我首先谈了我去 Z 市参观机器人制造企业的概况，就机器人产业和我们课题组持续 15 年研发的智能化碳纤维复合材料技术的结合谈了我的看法：一、感觉机器人本身的轻量化对机器人制造公司是个伪需求，看似这些公司并不在意；二、机器人本身的智能化（包括机器人结构的温度、应力、应变、弯扭力矩、变形、力载荷等物理量的实时在线监测和健康状态评估）看似是个真需求，因为我感觉机器人如果能以关键核心结构件的温度、应力、应变、弯扭力矩、变形、力载荷等物理量的实时在线监测和健康状态评估为技术基础优化工作模式，就可以充分发挥机器人的工作效用。例如，一个工业打磨机器人本来要 8 小时才干完的活，在基于在线实时自检 / 健康状态评估的工作优化后，也许 5 个小时就能干完这个活，且质量更高、机器人本身的力学结构更健康。 本课题组 WGS 和 XYZ 同学的看法则和我的看法有较大的不同。他们说，碳纤维复合材料结构取代铝合金结构，其轻量化的优势肯定是明显的，且能在几何形状和尺寸都不改变的前提下使得机器人结构具有更大的刚度和强度，这样的话，不但可以使机器人承担更大的力载荷和弯扭力矩，而且使得机器人结构的运动惯性大幅度降低， 可以使用更加低端价廉的控制机构达到原来的运动控制精度或者运动速度，或者使用原来的控制机构达到更高的运动控制精度或运动速度。也就是说，机器人关键结构的碳纤维复合材料轻量化不仅仅使得其有更大的 “ 劲 ” ，同时还能更 “ 巧 ” 和更 “ 快 ” ， 未必就是一个伪需求。 从机器人引申到无人机，同学们认为那些需要承载的无人机的轻量化、在线实时自检和健康状态评估也许比工业机器人更重要，只是大家这些年来一直仅仅和航空、航天、高铁领域的单位合作，对这些蓬勃发展的大宗民品产业不去关注而已。需要好好调研一下机器人、无人机等大宗民品产业对智能化碳纤维复合材料结构的需求，去伪存真，把 15 年来持续不懈地努力研发的技术和数十件相关发明专利更好地应用起来，服务社会，而非仅仅以优秀成绩完成一大批国家项目为最终目的。最后，我们课题组请 ZLD 同学负责精心调研和分析机器人、无人机对智能化碳纤维复合材料结构的需求，争取在下次组会上给大家做一个报告。
个人分类: 未分类|9710 次阅读|2 个评论
[转载]智慧农业，让生产更智能
jiaqiangzheng 2018-4-25 11:47
智慧农业，让生产更智能 来源：科学网 （《中国科学报》2018-04-11（农业周刊）） 关键字:智慧农业 农业物联网 农业信息化 现代农业 智能自动拖拉机在河南驻马店作业。禾壮慧农供图 编者按：未来农业是什么样的？大多数人都会有这样的疑问。作为当前农业发展的更高阶段，智慧农业给出了合理的解释。我国正处在传统农业向现代农业加快转型的关键时期，农业发展需要更智慧的技术打破传统农业面临的资源与环境困境。智慧农业是现代信息技术与农业深度融合的产物，已逐步成为现代农业发展的最重要趋势和显著特征。 从实践情况来看，智慧农业的发展正逐渐推动传统农业升级改造，具体表现在对生产领域、经营领域和服务领域的深度影响。从本期开始，本报将陆续对上述三个领域的新变化进行报道，以飨读者。 “谁来种地”的问题快成了世纪之问，人人皆说，人人皆问。自动耕作拖拉机、植保无人机等智能生产设备的出现，让农业发生了翻天覆地的变化。而这正体现了现代信息技术与农业领域的深度融合和对接，催生出了智慧农业。 上述智能生产设备只是智慧农业的一般表现形式。随着农业4.0时代的到来，以移动互联网、物联网、云计算等技术为代表的现代信息技术，为我国农业现代化建设提供了强有力的工具。在中国农业科学院农业资源与农业区划研究所智慧农业创新团队首席科学家吴文斌研究员看来，智慧农业使生产变得越来越数字化、网络化和智能化。 “十三五”规划明确提出，推进农业信息化建设，加强农业与信息技术融合，发展智慧农业。但多久能达到智慧农业的标准？深耕智能生产设备20多年的北京禾壮慧农科技发展有限公司创始人兼董事长史中超乐观地表示，“按照目前的发展趋势，估计用不了5年。” 绕不开的“世纪之问” 春节回家过年，是一件再高兴不过的事了。吴文斌来自于湖北农村，家乡近年来的变化他都看在眼里，农村基础设施好了，环境有所改善了，农民生活水平提高了。但有一个现象让他感触比较深：种地的农民基本是老年人。 和大多数人担心的问题一样，“未来谁来种地？”吴文斌对《中国科学报》记者说。 根据湖北统计局的数据显示，2016年湖北省外出农民工总量为1112.81万人，虽然比上年略有减少，但仍然稳定在“十二五”期间年均外出1092.80万人之上。其中，外出农民工占农村从业人员比重47.4%，高于“十二五”时期年均46.7%的占比。 放眼全国，随着我国工业化、信息化、城镇化和农业现代化的深入推进，农村剩余劳动力大量转移，新型农业经营主体不断涌现，土地流转和规模经营发展已成为必然趋势。 记者调研期间了解到，大部分农民比较赞成土地流转。根据农业农村部统计，截至2016年底，全国承包耕地流转面积达到4.6亿亩，超过承包耕地总面积的1/3。 而进行土地流转的主体大多是农业企业、农民合作社、种植大户等。对这些新型经营主体来说，土地适度规模经营有利于先进技术的研发和应用。比如，四川华朴现代农业股份有限公司就自主研发了智慧农业管理ERP系统及移动端APP，实现生产过程的智能化、透明化和猕猴桃产品全程可追溯管理。 对于未来谁来种地的问题，史中超在接受《中国科学报》记者采访时表示，要让机器看懂农业、数据服务农业。 农业生产更加智能透明 相比于传统农业生产方式，中科院半导体研究所研究员肖宛昂认为目前的农业生产方式更加自动化、智能化了，这要得益于基于物联网的农业感知技术、基于云计算的数据处理技术和基于大数据的农业分析技术。 以蔬菜大棚为例，肖宛昂向《中国科学报》记者介绍，目前可以对光照、土壤湿度、大棚温度等参数进行自动调节，一直到合适的参数；农户可以利用手机等设备进行远程查看和控制，而现场的数据还可以上传到服务器，供植保专家等进行访问，并远程分析作物病虫害等。 以上环节得以实现正是现代信息技术与农业深度融合的体现。事实上，在农业生产各环节实现智能化管理和作业是实现农业现代化的客观要求。 北京水木九天科技有限公司董事长王晓庆接受《中国科学报》记者采访时表示，未来如何吸引更多年轻人种田，要有标准化的农业生产流程，而不再是靠经验，这需要科技手段。 多年来，水木九天致力于提供农业综合解决方案。以低耗能解决方案为例，水木九天通过广泛使用终端滴灌、营养液精细化配比、能源消耗实时分析等技术解决方案，实现对传统农业成本的严格控制。根据初步试验的测算，单位用水和用电量分别是传统的阳光温室1/10和1/3。 此外，水木九天基于物联网技术，构架了从信息采集到信息处理以及存储反馈的整体方案。 对于当下社会普遍关心的食品安全问题，智慧农业的作用将更加明显。北京新型智慧农业研究院执行院长李佳向《中国科学报》记者介绍，通过智能化，可以将农产品生产、加工等过程的各种信息进行记录并储存，并通过识别号码在网络上对产品进行查询认证，追溯全程信息，进而透明化。 在肖宛昂看来，我国是农业大国，农业物联网前景很广，但因标准未建立、耕地分散、费用较高等原因，“目前在农业中引入农业物联网技术的地方还不多”。 吴文斌向记者提到，当下一些农垦垦区、现代农业产业园、大型农场等单位应用物联网的比较多，将智能设施与互联网广泛应用于测土配方、生产资料管理等领域。 据介绍，我国在加快推广物联网的同时，相关机构正加紧对技术进行研究，以做好技术储备。如肖宛昂正与中国农业大学信息与电气工程学院合作研究农业专用芯片，即农业物联网的基础部件中央处理器(CPU)，并已于2017年9月完成了第一次流片。 据透露，他们还在合作研制植入式带温度感知的RFID芯片，预计今年6月份流片。“可以监测动物体温，是食品溯源的核心技术。”肖宛昂说。 天空地一体化的服务生产 不难看出，如今随着物联网、云计算、移动互联等现代信息技术在农业领域的广泛应用，大数据已在农业全产业链中发挥越来越重要的作用。 在采访时，吴文斌提到了禾壮慧农是国内在智慧农业领域做得比较好的企业。据介绍，禾壮慧农着眼于“种什么”“如何种”“如何收”“如何卖”等问题，在农业生产全周期为用户提供科学的决策规划、完善的种植方案、及时的灾害预警、高效的农机调配及利益最大化的销售管理，目的是推进并实现天空地一体化精准农业的新方法、新未来。 史中超向记者介绍，天空地农田管理系统可以直观地指示所选地区休耕轮作的情况及各类相关历史信息，及时高效地为休耕轮作管理工作提供依据，为推进我国农业供给侧结构性改革提供重要支持。 在李佳看来，农机正在取代人力。而如何实现农机的统一管理和调度，促进信息共享，减少资源闲置，禾壮慧农目前积累了一些经验。 据了解，禾壮慧农的农机管理系统为田地与农机之间、农机与农机手之间架起了一座桥梁，农机主可用手机APP或网页登录到“农机注册”页面，提交相关信息后即可接受订单，为农户提供服务。而农户使用手机APP可方便地查找周边在线的农机主信息，自主预约下单。 据禾壮慧农测算，农机管理系统可为农户节省约20%的设备购置成本以及约50%的作业时间。 此外，北斗导航农机自动驾驶系统可通过云服务获取作业任务路线，进行自动作业驾驶。作业直线精度2.5厘米、交接行精度2.5厘米，中途停车起步无起步弯，实际性能已达到国内同类产品先进水平。 “自动驾驶农机解放了农民的双手，单位面积产量提高约10%，实际作业时长可提高到1000～1200小时/年。”史中超表示，未来禾壮慧农还将进一步推广农业生产机械化与自动化，与传统农业一起创造精准农业大未来。 据悉，多年来禾壮慧农在数字农业、精准农业以及智慧农业领域深耕细作，服务用户遍及新疆、黑龙江、河北、河南、湖南、广东、湖北、四川、云南等多个省（自治区）。 李佳强调，目前国内能提供智慧农业服务的企业比较少，“智慧农业的路还很长”。 肖宛昂表示，目前我国智慧农业发展还处在起步阶段，主要在蔬菜大棚、有一定规模的种植园等实现了初步的智能化和自动化。“后续应该引入人工智能，比如在病虫害的智能识别和治理上。”肖宛昂告诉记者。
个人分类: 揽胜|1346 次阅读|0 个评论
人类为全球化智能化准备好了吗？
热度 1 jiasf 2018-4-6 20:00
我们知道专门化且规模化的分工可以大大提高生产效率。全球化是人类所能做到的最大尺度的分工体系，因此全球化肯定可以带来在全球尺度进行专门化分工、大规模生产的红利，对人类好处多多。但是，并不是每个国家都能从全球化中天然得到好处；即使一个国家能得到好处，也不是这个国家的每一部分人都能得到好处。如果一个国家面对全球化应对不当，就可能在全球竞争中处处被动，陷入所有行业都竞争不过别人的尴尬境地，那就必然是经济停滞、劳动力失业、人民生活陷入困境。而由于受民族国家体系的限制带来的全球化的不彻底性，资本、商品可以自由流动，但劳动力、人口不能自由流动，必然带来资本与劳动力、人口分离的矛盾。因此，即便一个国家总体上从全球化进程中获益了，也会有一部分被资本抛弃的劳动力、人口会受到全球化的伤害。发达国家的蓝领阶层就属于这样一批人！发达国家的资本跑到全世界賺钱去了，发达国家的蓝领阶层却在失去国内工作岗位的同时，不能跟随资本到别的国家去工作——即使允许，他们也竞争不过发展中国家的蓝领，除非他们愿意降低工资！这些被资本抛弃的蓝领将何以求生？ 我们总认为技术进步会给人类带来幸福。现在的智能化技术已经到了超过人类技能的地步。智能化就天然会给人类带来福祉吗？ 毫无疑问，智能化会进一步加剧全球化造成的资本与劳动力分离的矛盾——将来大部分人所从事的工作，都可以由智能机器来代替！具有资本、拥有机器人的资本家，可以富可敌国，甚至控制世界。而那些没有资本、工作被智能技术替代了的人，能靠什么来维持生计呢？ 欧美的右倾化民粹主义转向，可以看作冷战后现有经济发展模式下全球化、生产智能化的一种必然结果。如果没有新的解决方案，还是按现在的模式发展下去，发展中国家也必将出现与今天发达国家同样的问题。 特朗普总统看到了美国社会的问题所在，但对问题的根本原因缺乏深刻的认识，把美国工人失业的原因错误地怪罪到与中国的贸易赤字，试图通过对中国征收高额关税来解决问题——差了十万八千里！ 看起来，人类还没有准备好！
个人分类: 社会观察|1856 次阅读|5 个评论
[转载]中科院王飞跃 | 神经元网络：从复杂性到智能化的特例还是一般...
Kara0807 2018-2-6 16:31
神经元网络：从复杂性到智能化的特例还是一般表达形式? 王飞跃 中国自动化学会副理事长兼秘书长 中国科学院自动化研究所复杂系统管理与控制国家重点实验室主 任、研究员 我们议题的名称是“神经元网络是否是复杂系统模型的特殊表达形式？”，在开始自己的报告之前，我必须首先明确地回答这个问题：特殊形式！否则就是今人对自己智力水平的“非分”评价，也是对未来人类智力的无理限定。下面我就自己30余年的科研经历，谈一下我所知道和体会的，利用神经元网络从复杂性到智能化尝试的一段特殊路径。 上世纪80年代末甚至90年代中，大家写论文谈神经元网络，一般总要加一个形容词：人工（Artificial），即人工神经元网络（ANN，Artificial Neural Networks）。今天ANN这个词已经很少用了，一些年青学者甚至不知道。回想起来，神经元网络的发展就是一个活生生的把实的做成虚的，虚的再做成实的案例：从人工神经元网络ANN，到神经网络NN，到深度学习DL，再到生产式对抗网络GAN；从不被人工智能研究主流认可，连边缘化的地位都不给，被迫以“计算智能”的名义“私奔”独立门户，到今天居然成了人工智能的“救命神草”主力主流，似乎实在的生物大脑“虚”了，人工的计算大脑“实”了，甚至引发“人脑不如机器”的人工智能威胁论。不错，这就是一段把虚的弄成实的，把直觉弄成经验再向认知前进的活生生历史和现代史。 为什么这么说呢？这要从一本书和一篇论文谈起。书就是差不多百年前罗素和怀德海的《数学原理》，三大本，整整写了十年多，单单为了证明1+1=2（不是哥德巴赫猜的1+1=2，是小学生的1+1=2)就花了70多页纸，就是为了给数理推理的机器化打下一个坚实无比的基础。当然，Godel的不完备定理很快就证明这只能是梦想，属“想像智能”，不是“算法智能”可企求的。 这本书曾激起无数人的直觉与激情，连进精神病院甚至自杀的都有，尽管按罗素自己的看法，世界上差不多只有5个人认真读过他们的书。真与假不知道，但有两个人却因此书神奇地走到一起，真的就凭直觉“侃大山”般地“侃”出了今天的神经元网络，最开始的MP(McCulloch-Pitts）的模型，这就是1943年麦卡洛克和皮特斯所发表在《数学生物物理通讯》上的“关于神经活动里内在思想的逻辑运算（ A Logical Calculus of the Ideas Immanent in Nervous Activity )”。 本来麦卡洛克是学心理学的，对哲学也感兴趣。他读了《数学原理》之后，凭“直觉”认定人的大脑就该照此“工作”，从美东到美中改行去了芝加哥，创立了差不多世界第一个大脑研究室，制作了世界上第一张大脑功能图。皮特斯就更传奇了，出身社会底层，小时候不但被小朋友欺负，还被父亲虐待。一天，被打逃进图书馆避难，结果一头“撞”到三卷本的《数学原理》。没想到，这位连小学都没有读完差不多已是流浪儿的皮特斯，无师自通不但“翻”完《数学原理》，还写下厚厚的读书心得寄给远在英国的罗素。罗素读了笔记，立即回信请皮特斯赴英做他的研究生！皮特斯不知所措，连邮费都付不起，哪有钱赴英读书，最大问题是小学还没毕业！万一罗素知道自己的真相又会怎样想？直到后来从报上得知罗素赴芝加哥讲学，才义无反顾地离家出走，去了芝加哥，至死再也没有回家过。在芝加哥，皮特斯认识了麦卡洛克，才能得到了极大的欣赏。麦卡洛克邀请经济拮据的皮特斯住到家中，晚上下班后聊天聊出了MP模型和1943年的论文。皮特斯的所作所为靠什么？我真不知道，这只能是天才的直觉。 现在大家公认神经元网络就是这样开始的，核心是计算。但你看原文的名字，是Logical Calculus，他们的目的就是逻辑的微积分，像布尔要给思维建模一样，希望为大脑里面的神经活动中无处不在的内在思想建模。这着实比我们今天讨论的给直觉建模还要玄呢！在论文里，他们给出单个神经元的模型，神经元组成不同网络的模型，如何进行各种逻辑运算的方式，证明了他们的神经元网络可以从事各种各样的逻辑运算，自然包括AND、OR等等之外的XOR。这是一篇有史以来引用最高的论文之一，当然，真正读过此文的人也很少，其实现在也没有必要再去读，除非研究历史或个人爱好。 一本书、一篇文之后，就来了马文·明斯基，人工智能真正的四位创始人之二，其博士论文是讨论神经元网络的随机联结的。明斯基1954年的论文题目是：“神经模拟加强系统理论及其在大脑模型问题中的应用（ Theory of Neural-Analog Reinforcement Systems and Its Application to the Brain Model Problem ）”。他与人工智能排第一的创始人约翰·麦卡西都是普林斯顿大学数学系的毕业生。当时，系里的老师认为明斯基的论文不够博文水平，也不算数学论文。最后，还是靠冯·诺依曼一句：今天不够不是，明天或许就够就是了。这才解围顺利拿到了学位。之后先赴哈佛做初级研究人员，帮助在MIT任教的麦卡西举办了1956年的人工智能第一次研讨会之后，由麦卡西安排转MIT任教共同研究人工智能。后来，二人分歧严重，麦氏“败”走西岸的斯坦福大学，也有了今日斯坦福的人工智能实验室。 再一再二，不能再三。我要介绍的第三篇文章是弗兰克·罗森伯雷特1957年的报告《感知机：感知与识别的自动机（ The Perception：A Perceiving and Recognizing Automaton ）》。他是明斯基纽约高中时的校友，提出用差不多就是一层的神经元网络感知世界包打天下。你们只能想象当年的情景，比今天的人工智能似乎还要热，美国的大报小报、纽约时报、华尔街、时代杂志、电视、广播，都是智能的时代要到了：我们有弗兰克的感知自动机了，机器将替我们识别图像、语言、决策，替我们想，有了感知机什么都够了，一下子就把弗兰克送上了天，成名人了。最后呢，让明斯基一本书打翻在地，成了神经元网络史上的一位大喜大悲的转折人物。 真是好景不长，明斯基和佩伯特在他们1969年的合著《感知机（ Reception：An Introduction to Computational Geometry ）》一棍子就把弗兰克的感知机打死：皇帝的新衣，连一个简单的XOR都不能做，最简单的模式都无法识别，能做什么？还“智能时代”呢！这本书的第一版是红色，西方文化中十分忌讳的颜色。其实明斯基给军方的项目总结报告里更是把感知机说的一钱不值，还隐含欺骗的意思。结果不但军方关于感知机的研究经费没了，就连学界关于神经网络的研究也差不多整整停摆了十年，这也是人工智能研究里的一个著名的冬天故事。 弗兰克怎么办？这位马文的高中同学在一次单独的划船出游中再没有回来，好多人说是事故，但也有人说是自杀。其实当时候弗兰克连个正经八百的教授都不是，他是Cornell大学的一个研究人员，在大学里全靠“软钱（Soft Money）”生存，没有“线（Line）”（有Line将由学校发工资，旱涝保收），没有经费不但支持不了自己的研究和团队，连自己的工资也没有了，所以没有经费就得走人。遗憾的是弗兰克上错了船，走错了地方，再也回不来了。 十多年之后，大家都知道这是一场悲剧，由于韦伯斯的BP算法和辛顿等人的PDP一书，NN网络“咸鱼翻身”又活了过来，还有了今天的深度学习。这时候，明斯基说他从来就没有把NN往死里打的意思，还把他们的书的新版改为象征和平的绿色，并献给死去的弗兰克，但界内仍有许多人对明斯基的行为耿耿于怀，不愿原谅其所为。 实际上，这也是NN能够独立于人工智能之外单独成为一个国际学术组织的主要原因：开始叫神经网络委员会，后改为神经网络学会，最后于2005年正式改名为今天的IEEE计算智能学会，特设弗兰克·罗森伯雷特奖纪念。很长时间，包括90年代甚至10年之前，你的NN文章送过来，一些主流的人工智能会议或杂志就一个字：拒（Reject），不信的话，大家可以查查当年的会议文集和杂志。九十年代中期NN最热的领域在哪里？在控制，特别是自适应控制，这就是为什么在计算智能学会中有一大批控制自动化出身的核心人员的原因。今天，NN成了机器学习和人工智能的主力，但大家不应忘了这段历史，因为忘记了这段历史，不是背叛，那是政治，这里的忘记意味着进入了盲区，忘记了实际应用的需求，可能再回人工智能的冬天，这是学术问题。 接下来的这本书就是尼尔森1965年写的《学习机器（ Machine Learning ）》，当年不叫机器学习，但完全是一回事。这是我读博士时帮助很大的一本书，至今家里还有一本尼尔森签名的存本。尼尔森是位把人工智能从“文学”转化为科学的大功臣，80年代我读了他所有的书和大部分论文，还写过书评。其实在《学习机器》中，尼尔森已经讨论了多层NN的一般逼近能力问题，只是太数学，当时一般的“工程师”教授不感兴趣，估计连明斯基和佩伯特也没读过，结果就出了《感知机》和弗兰克的悲剧。当年明斯基如果多读点书，就不会有神经元网络十余年的“死亡”。我也曾问过尼尔森：当年你为什么不站出来说明白？他也就笑一笑，说那是早期的东西，博士一完的工作，都忘记了这回事了。 韦伯斯1974年在其博士论文中提向的NN误差反向转播的BP算法为NN带来了第一次重大转机。BP其实很简单，就是把梯度算法分阶段算就是了。这也是一位天马行空的天才，跨了许多领域许多职位许多兴趣，我认识他二十余年，交往也有十余年，很有体会。他曾劝我一起研究量子力学Bell问题，我只能拒之。但BP的成名，要归功于1986年出版的PDP（ Parallel Distributed Processing ）这本书，也是三卷书（严格讲二卷），特别是辛顿等三人写的：“通过误差传播学习内在表示（Learning Internal Representations by Error Propagation）”一章。当时我们的实验室，几乎张口闭口都是PDP，特别是做机器人视觉的几位研究生，大家用BP算了许多例子，还与Hopfield网络还有Boltzmann机结合起来，做了许多探讨，但论文发表不了。记得后来一位来自IBM的带薪博士生的BP与Boltzmann结合的文章最后于九十年代初发表了，但我至今认为是错的。 其实PDP是一部编著，没有这本书，当时的神经网络文章就出不来，因为很难被杂志接收，投了命运往往就是被打回来。在编著里发表文章，当时一般美国的好大学里是不认账的，评职称升级都不算数。可当年的PDP让大家意识到，神经网络不是一层，可以多层，不但是弗兰克的感知机，这为NN重新播下了火种，终于有了今天深度学习DL的熊熊大火。PDP不是计算机或人工智能领域的书，是心理学、认知科学、是个大杂烩、三不管的地方，就跟当年中国革命是通过井冈山这个三不管的地方成功一样，人工智能今天的突破，也是从无人之地兴起。许多人都忘了这段历史了，一心向往主流，忘了只有今日之细流，才有可能成为明日之主流。 与传统思想的冲突，我的记忆可能比一般人更深。我在博士论文中想用机器学习，就连最基本的加强学习，老板都反对，而且坚决反对。一不准神经网络NN，二不准模糊逻辑FL，因为一个是黑箱，不知道里面在算什么，因果关系上哪去了？一个评价更惨：“垃圾进，垃圾出（Garbage in，Garbage out）”，算什么逻辑？连修课都不行。就像小孩一样，越是“大人”不准的，越是要干，等1990年自己当上教授后，我就立即安排了自己的研究生进行相关的研究工作。 巧的是，此时我遇到二位“神人”，一位是我们工学院的副院长，时任NASA空间工程中心主任的Terry T. Triffet教授，他在斯坦福读书时，曾是对我影响很大的S. Timoshenko教授的学生，所以我们有很多的共同语言；另一位是量子力学创始人之一波恩的学生，著名的BBGKY方程组中的G，就是他的名字，Herbert（Bert）Green教授。二人“不务正业，偷偷摸摸”合作了三十多年，研究大脑，研究意识，特别是用量子力学的纠缠研究意识。其中格林是位围棋爱好者，写过差不多第一篇用人工智能下围棋的论文，他还是一位坚定的社会主义者，坚信人类政治家不可信，将来必须由人工智能机器替人决策。那时格林正在院里做Triffet的访问学者，希望我与他一起研究大脑、计算机、围棋和意识的纠缠模型，但我表示这些问题离我的专长智能控制还太远。后来，Triffet表示给我的外星无人车和无人工厂的项目经费可资助一到二位博士生从事相关研究，我才开始研究大脑的计算模型。这是我的第一次半独立的研究经费，20多万美元，但有四位PI。退休后，二人一起去了新西兰，自己盖房住，一边写科幻小说，一边研究纠缠与意识，还有他们的大脑NN模型，用了许多化学里的知识和术语。当年，他们认为自己的工作意义重大，可以获诺贝尔奖，忘了是物理、化学还是生物医学领域。 当时我只有三个博士生，第一位是位美国人，大学、硕士都是学物理的，还研究过弦论，因觉得物理博士方向宇宙天文毕业以后难找工作，所以转行在我名下读机器人的工学博士，他坚持表示不做脑的建模研究；第二位是位韩国人，现役军人，跟我读博士前在军舰上做了十年的舰长，读博士就是为了回去升将军，只想做智能决策，对大脑不感兴趣也没能力去研究；特别是当时我不到三十岁，这二位学生的年龄都比我大许多，只好劝我的第一位中国大陆来的学生跟我研究大脑。我给了他一本书名叫 Brain 的专著去读，这是Triffet和格林推荐的，说是当时最权威的大脑著作，让我大脑、小脑、前脑、皮下层、海马体看得头疼。学生一周后回来，说你看，人家最权威的脑专家在序言里就说了，目前对人脑大家几乎就是一无所知，凭想象凭摸索，你现在让我去建数学模型，怎么干？后来他拿了一个机器人的硕士，博士资格都考完了但不读就创业去了，结果非常成功，幸亏当时没有跟我研究大脑。前段时间回来见我，说现在意识到当年研究的超前，现在自己也开始投资人工智能产业了。 不到半年的时间，我就与Triffet和格林产生了严重的分歧，认为他们的路线行不通，希望从大脑宏观上的功能分区，不是微观上的生理分区，进行突破，试图为“黑箱”的NN建立类似于大脑功能分区的知识结构，使其“白”化，让NN可以解释，这就是1992年在SantaFe一次会议宣读，同年收入一本编著的“为神经元网络建立知识结构（ Building Knowledge Structures into Neural Networks ）”一文，后来成了博士生Kim的论文题目，补全算法于1995年发表在英文“模糊与智能系统杂志”，是约稿。因为投稿没有杂志接收，当时的共识是NN三层网络就够了，这是数学上的证明，过了三层就是“罪”过，可我们的模型是九层，太荒唐了！我曾竭力争辩说我们的九层是模块化构建式的，而且每个模块不超过三层，还可以用解析式子代替，又可以封装化组装化，理论上不比三层复杂，不但可以自动加层减层，还可以去掉旧的或生出新的模块。 但要命的是，当时算起来太困难，用手头最先进的Sun Sparc机器一个例子要算整整一个星期。有时Kim吃不准机器在干什么，是算法问题算不出还是正在正常计算，常常夜里电话问我，可否停机查查。当时他一家四口都来陪读，周末也拖家带口呆在实验室，十分担心没有结果不能按时毕业。后来其他学生告诉我，Kim有时晚上喝得大醉躺在实验室外的草场上，不得不让校警送回家里，不知是否是因为太担心他的研究而借酒减压所致。不管怎样，最后就是他提前一年获得博士学位，但说再也不碰这个问题了。所以1995年以后，我再也没有安排学生做这方面的工作，只是自己有时还想想这个问题。去年AlphaGo之后，与几位学生和朋友在滑雪之余又讨论了一番，写了一篇英文论文，之间整整21年。我至今依然认为模块组装化仍是NN未来的方向。 这些工作，当年对我的研究生涯的起步帮助很大，而且在没有正式发表前就得到了应用。先是根据这些想法写了一份立项书给美国基金会NSF，没中，但项目主任电话我，说他有权限批小额项目，你的想法很有意思，但申请十几万不行，几万接不接受？我一听立即表示感谢，接受！写了一个3.6万美元的小项目申请，这就是我的第一个NSF项目：买了一个F/T（力/力矩）传感器，用最老的机器人PUMA机械手挖石头。接着由格林引见，认识了我们医学院主管科研的副院长，来自澳大利亚的Doug Stuart教授，他邀我打了一生中的第一场高尔夫。球场上，Doug对我说：你的那二位研究大脑的朋友“too pretentious”，你到我们实验室来看看。我当时在球场上真不知pretentious这个词的意思，否则可能当场就会拒绝他的邀请。后来，参观了他的生物医学实验室（Arizona Lab），看了插了十六个电极探头的小老鼠，讲了我的工作。没想到他们认为我的工作很有意思，可用于飞蛾的嗅觉实验、电极信号识别、神经控制(Motor Control)等等。就这样，我加入了Arizona Lab，这才知道当时美国医学研究院NIH的经费之零头也比NSF的全部经费多，一下子解决了我许多经费问题，而且我的工作也得到了医学界的第一次引用。但最有“戏剧”性的应用是无人矿山项目：一次我在一个会议上讲完我们用机器人挖石头的项目后，一位坐在后面的人一脸神秘找我和同事Paul Lever教授，说请我们尽快安排去Caterpillar总部，费用他付。我们在一个周末飞去了卡特彼勒总部，参观了研究部门之后，主管给了我们五张纸，上写“Auto Dig Project”，问我们是否愿意以此作为项目合同，如可，一百八十多万美元，三年。后来又追加到200多万，原来的挖石算法奖了我个人3万美元。我不想在此形容当时的心情，反正自己辛辛苦苦写十五张纸的NSF项目书，最多才给十几万，而且当年命中率只有10%，万万没想到挖石头居然挖出“金子”来了！就是这些经历，让我从模糊逻辑和神经网络走向“当地简单、远程复杂”的代理控制想法，走向了今天虚实互动的平行智能之路。 回想起来，从上世纪50年代末弗兰克一层的感知机，到80年代中多层的兴起，但大家总觉得层数越少越好，等到了数学家证明三层就足够了的时候，大家就都觉得NN过了三层就是罪过，写更多层NN文章的作者自己都觉得不好意思。这是自我限制，想象力不够，胆量不足。没想到20年后辛顿来了一个千万层，一下子成了深度学习了！我从心底里佩服老先生的执着、胆量和想象力，也怪自己忘了在哥德尔的不完备定理之后，不该再让数学家”忽悠”了。其实，多层提供了足够的参数进行复杂计算，连“生命就是复杂化的物质”，相信智能化的算法也能用多层的NN实现。当然，能解释最好，这是我相信将来的出路是模块封装再组装化，也是我提倡平行智能、平行学习和平行区块链的原因。 对我而言，基于深度学习的AlphaGo开创了一个新的时代，就是新IT时代，IT不再是旧的信息技术，而是新的智能技术，我们从此进入了以智能产业为主的一个新的时代，这是从牛顿的“大定律、小数据”向默顿的“大数据、小定律”范式转移，是从计算机和信息时代的“Church-Turing Thesis”命题向我所称的“AlphaGo Thesis”的转变。在这个新时代中，直觉要变成经验，经验要变成数据，数据要变成智能，针对具体问题的具体智能，不再单单是因果关系，更多的是关联关系，从描述、分析、控制到数据、实验、引导。 今天的会议是关于复杂系统的认知和管理，不是复杂系统的描述和控制，因为无法进行传统的描述，更无法进行传统的控制，否则，越描述越不清楚，越控制就越乱，问题越多，最后无法收拾。我们必须换个思路，通过引导，英文Prescription，就是医生开处方的意思，对复杂系统像医生对病人那样的引导，对症下药，最后实现对其的有效管理。一定程度上，就是“忽悠”的数据化和科学化，其实就是智能化。 神经网络在此过程上发挥着十分重要的作用，除了模型是人脑虚化而来之外，目前基于NN的深度学习和AlphaGo的胜利，说明NN是从牛顿到默顿的一条有效途径。例如，AlphaGo把人类的80万盘棋的“小数据”，打成3000万，后来7000万，成为“大数据”，再提炼成价值与政策二张网络，成了“小规则”或“小知识”，战胜了人类围棋高手，甚至让有的棋手觉得是与“上帝”对弈*！将来“具体问题规则→小数据→大数据→小知识→具体问题的精准知识”会是大多数智能系统的套路，取替传统的建模、分析、控制的方式。 而且，NN用于感知和决策等问题有许多不同的方式，这从近年来涌现出来的，许多论文就可以看出。我特别要说的就是澳门大学陈俊龙教授的宽度学习和新加坡南洋理工黄广滨的极限学习，还有就是与我思路目前最一致，也是与平行学习最靠近的生成式对抗网络GAN。GAN通过把真与假平行而立，把一对矛盾体对立统一了，成为产生数据的有效手段，这与我自己把虚与实平行而立的想法不谋而合。但GAN是两端不全只是简单的平行，没有管理的平行学习。现在辛顿又提出要革“反向传播”BP的命，我觉得不必革命，自己都不清楚NN在算什么特征代表什么，革什么命？演化就行。我相信最后都是走向知识自动化之路，先从模块和组装化开始，再向模块自动产生，组装自动完成迈进。 总之，神经网络在深度学习上达到了一个高峰，可以说基本上是由直觉促成的。我个人认为目前最大的问题就是“开环”问题，DL处理的几乎都是开环问题。但如果要用到现实的实际问题，就必须考虑“闭环”问题，不但是识别对模式的决策，还要有对行动的决策，并直接反馈到下一个模式的产生，问题是连续进行的，一个接一个，就像在打仗一样。所以，必须要考虑动态规划DP之类的问题，大家都知道这里离散问题有“组合爆炸”，连续问题有“维数灾难”，都是NP-Hard在作怪。AlphaGo解决了围棋的计算复杂性问题，难道我们就不能解决DP的计算复杂性问题？这就是我对ADP方法的期望，目前我们算到四、五阶系统都吃力，将来平行动态规划PDP可否像AlphaGo一样比专家解DP还厉害？答案是一定的，问题是多少维数？多大尺度？ 这个问题我也是从1984年就开始研究，从近似ADP到自适应ADP，从最小二乘法到迭代到NN代替，数论布点都用过，还是利用直觉，但比大脑建模时的直觉“解析”多了，我相信PDP（是平行动态规划，不是PDP那本书）是一个很有前途的方法，时间原因，不能多讲，将来有机会再交流这方面的工作。 平行学习是PDP的进一步 扩展， 是描述学习、预测学习和引导学习的平行组合，与宽度学习和其它方法都不一样。深度宽度还都是二维的方法， *注：在最近的AlphaGo Zero中，人类的80已变成零，机器的7000万也减为3000多万，学习时间缩成3小时。但凡是规则包含全部信息的问题中，理论上本来就不需要人的知识和经验，比如跳棋和国际象棋的机器胜人，都没有利用人的知识。希望平行能走向三维或更高维的方法，实施时可降维，这就是“当地简单，过程复杂”的原理，云计算就是为此而建的。 最后，与大家分享两句名人之语。一个就是与中国渊源很深的，帮我们发现周口店北京猿人的法国学者德日进的话：生命就是复杂化的物质（见德日进《人的现象》）。一个是明斯基讲的：智能的诀窍就是没有诀窍，智能的力量源自我们自己巨大的多样性，而非任何一个完全的原理。（见明斯基《心智社会》）。 这都是非常相关的至理名言，据此，我理解神经网络既是从复杂性到智能化的特例也是通例，在复杂性上相通，在智能化上相异。关于仿真建模的相似原理，对我而言，NN不会是物理上的相似，也不是生物上或结构上的相似，只能是功能上的相似。至于置信性的考虑，我们也必须从历史上永恒的相关、因果的相关，到今天数据的相关。相应的置信问题也应当进行调整，必须创新出更合适的方法，就像引入虚数使 X 2 +1=0有解一样，我们须用新的理解考虑置信问题，如特定任务置信度等。这就是最后的六个问题，请大家进一步讨论。 ·神经元网络到底是复杂智能系统模型的一种特殊表达方式还是通用的一般形式？ ·是否可以把神经网络看作一种特殊的复杂系统模型形式？ ·是否可以通过观测和积累一个复杂系统的大量输入/输出数据，再利用构建神经元网络来近似地模拟复杂系统？ ·用神经元网络黑箱模型来模拟复杂系统黑箱模型是不是仿真建模的另一种相似性原理？ ·这与传统的相似性原理建模有什么不同？ ·如何看待这种相似性模型的可置信性？ （本文根据2017年9月22日在广西桂林召开的“中国科协第121期新观点新学说学术沙龙”报告内容整理而成。） 📚 往期文章推荐 人工智能名人堂第49期 | 斯坦福研究院名人堂成员：Peter E. Ha 🔗 廖湘科院士：树立科技是核心战斗力的思想 🔗 谭铁牛院士：生物识别是未来的趋势 🔗 聚焦2018国家智能产业峰会 洞知未来智能产业新风向 🔗 180页PPT！清华孙富春教授深度讲解人工智能技术与产业发展 🔗 盘点 | 中国最年轻的博士生，16岁读博士是优秀还是作秀？ 🔗 这位100岁老教授，任教70年，现在还在带学生！ 🔗 邬贺铨院士 | 5G已经向我们走来，2020年前至少要启动商用 🔗 倪光南院士 | 中国必须掌控网络空间主动权 成为网络强国 🔗 【最终通知】2018国家智能产业峰会2月2日在青岛盛大开幕 🔗 CFP | 第33届中国自动化学会青年学术年会 德先生公众号 ｜ 往期精选 在公众号会话位置回复以下关键词，查看德先生往期文章！ 人工智能｜机器崛起｜区块链｜名人堂 虚拟现实｜无人驾驶｜智能制造｜无人机 科研创新｜网络安全｜数据时代｜人机大战 …… 更多精彩文章正在赶来，敬请期待！
个人分类: 王飞跃教授|1066 次阅读|0 个评论
社会钱越来越多，但穷人可能越来越穷
热度 8 lin602 2016-3-13 22:48
全社会的钱与财富可能越来越多，但如果平衡不好，底层的人可能越来越穷。 随着机械化程度的增加，机器人的广泛应用，生产效率越来越高，生产的财富也越来越多，但这些工作可能都由机器人或机械完成，但底层的穷人没有工作机会，所以他们可能越来越穷。 如果农业生产全部实现机械化加上智能化，所有的耕种全部由智能的机械或机器人完成，数十万亩或者数百万亩的地，买来多少台机器，程序全部编好，管理人员只要一个指令，所有的事情全部完成。那么这么多人呢？ 扫地与清洁机器人已经进入了部分家庭，工业生产中的机械手越来越多，如果将来驾驶也是自动驾驶汽车，这是一个美好的的远景，也是诱人的美图。但是，老板的钱肯定越来越多的话，穷人会不会没有事做，没有钱的来源，会不会越来越穷？ 可能有人说，到时候没有穷人了，如果社会分配搞得好，这是可能的，但如果按当今分配体制，可能许多人没有工作，拿最低生活保障费生活。 我们再假设一下，如果这个机械化过程过半呢，一半的劳动都由机器人完成呢。 前几年美国的‘占领华尔街’，其实就是分配不平衡的结果。 这是一个非常严肃的社会机制的问题，而且可能会经历阵痛，甚至流血。 机器人，智能化，对人类是福音还是魔鬼，真不好说。有时候人斗不鬼，就象现在最高水平的围棋手也下不过机器人一样的。 机器狗也可以将底层穷人的‘饭’全部抢吃光。 现在已经有拟用机器人做‘老婆’‘老公’的报道，所以婚姻与爱情，男人与女人，都会受到严重的挑战。上帝已死，恐龙已亡，人类呢？ 说不准，人类将会被自己的科技发明打败甚至毁灭。 竞争下贪婪的人，将车开得飞快，已经超过200公里/小时的速度了，但仍然猛踩油门，加速度越来越快........。 因为世界没有‘交规’！！ 转基因、智能机器、能源与环境、核武器，世界性的‘交规’问题已经摆在人们面前。
3510 次阅读|13 个评论
智能化改变世界?
热度 2 王飞跃 2016-2-11 08:45
智能化改变世界 ? ——《大智能时代》书序 王飞跃 在 2015 年第七届中国智能车未来挑战赛举办之际，《新智元》创始人杨静女士给了我 两本 将由机械出版社出版的译书：本书《数字法则：机器人、大数据和算法如何重塑未来》和另一本《大智能时代：智能科技如何改变人类的经济、社会与生活》，告我出版社希望我能为 两本 书写序，而且只有 5 天的时间。 杨静为宣传未来挑战赛不辞辛苦，连续两年亲赴现场报道，而且以极大的热情为传播普及智能技术付出了许多努力，开创了利用新媒体推介和交流人工智能与机器人等的新途径。虽然我时间紧，但实在无法拒绝她的请求，何况自己还兼任中国自动化学会科普工作委员会主任及中国科协智能自动化科普团队的首席科学家，这也的确是份内之事。没有想到，接下来， 仅仅 读这 两本 就花了 自己两周 多的时间。好在很有收获， 两本 书超出 了我 的期望。 本以为不过又是 两本 时尚之作，细读之后，感觉 两书极富 特色，代表了当代社会关于人工智能技术 两个 “对立”阵营的典型观点：失望与希望，或更直白地说，反对与支持，十分值得关注智能技术的用户、研究者及政策制定者阅读， 而且 最好 两本 合起来读。 显然，本书支持智能技术，对智能时代充满希望。写书的方式十分新颖，成于一位资深商界人士的问和一位年轻技术人员的答之间，引人入胜。松尾丰博士是东京大学的一位项目副教授，曾在斯坦福大学访问多年，主持过社会网络挖掘系统POLYPHONET 的研发 ，虽然年轻但对许多人工智能技术的看法，很有见地。书虽然不厚，但我在飞机、酒店、会场上断断续续的读了近一周，在内页写下许多随感和记号，为写序做准备。可惜在参加世界机器人大会期间，把书留在了饭桌座位上，尽管还用铅笔在书中写过自己的名字，但书再也找不回来了。不知何人拾到此书，唯一确定的是：一定不是机器人，它们还没有如此的智能。显然，有人喜欢此书， 认为至少 值得拿回去读。 本书以对话的形式，从对智能技术本身的描述和认识开始，探索其对政治与经济的推动，对伦理与文化的影响，对社会与教育的冲击，从各个角度进行了有趣，许多时候还是十分深刻的分析。特别是讨论判断 “ 人工智能 ” 的基准时，就 “ 中文房间 ” （即 “ 中国屋 ”) 与 “ 图灵测试 ” 之间的关系 ; 在讨论 “ 大数据 ” 时，就 “ 因果关系 ” 与 “ 关联关系 ” 之间的关系，等等，观点十分明晰。希望有助于解除当下社会上流行的图灵测试 “ 崇拜 ” 和数据挖掘 “ 神化 ” 。当然，我们也不要走向另一个极端，毕竟人类曾有过没有 “ 神灵 ” 认可就不敢放心的阶段，现在还处于弄不清因果关系心里就没有底的境地。 对于人工智能一些分歧较严重的话题，如 “ 奇点理论 ” 、 “ 强 AI” 等等，松尾丰只是描述观点，并没有加以渲染。显然，这是其智能技术一线工作经验的客观反应。其实，就像光速不可超一样，相信人的智力也是有限的，这也是有限理性的必然结论，我们不应过多地花时间去讨论那些极容易陷入 “ 无穷回溯 ” 的话题之中。我更感兴趣的是书中提出的 “ 网络国家 ” 、 “ 介数国家 ” 、 “ 初创国家 ” 和 “ 创业国家 ” 等概念，以及智能技术在形成与维持这类新型 “ 国家 ” 过程中的核心与关键作用。 更让我高兴的是书中关于结合实时智能技术与 PDCA 循环，用于大型社会或城市管理与服务、 “ 把神话性质的要素恰当地植于国民的认识中 ” 、 “ 在人工智能中安装模拟世界的设备 ” 、 “ 人工智能或监视机器是否会取代神明在人们心中的位置呢？ ” （这个问题让我想起《 1984 》中无处不在的 “Big Brother” ）、 “ 由大家一起决定关于人命价值评分机制的时代即将来临 ” 、 “ 现状的模式化 ” （其实八卦就是决策与状况的模式化之古老版本），等等讨论，不但有趣，而且相应的思路与自己从事的基于 ACP （人工社会、计算实验、平行执行）方法之平行智能的想法，相当一致。 本书的基调，对智能技术既希望又理性，虽然有着 “ 不放过任何犯罪行为的社会终将到来 ” 的偶尔 “ 超调 ” ，但讨论内容还是合理的。当然，我也不同意 “AI 是人类最后的发明 ” 之讲法，而 “ 人工智能是日本再次腾飞的机会 ” 之言语也让我想起日本上世纪八十年代的 “ 第五代机 ” 的雄心壮志，但智能时代必将改变世界，就像工业化已经改变了我们的世界一样。 就是为了这个原因，推荐你花点时间读读此书，科普一下智能技术，了解并准备迎接新的智能时代。
个人分类: 随思走笔|6276 次阅读|2 个评论
植物工厂—设施农业智能化的最高境界
jldxwsj2000 2015-5-14 15:54
植物工厂—设施农业智能化的最高境界 设施农业 设施农业，是在环境相对可控条件下，采用工程技术手段，进行动植物高效生产的一种现代农业方式。设施农业涵盖设施种植、设施养殖和设施食用菌等。在国际的称谓上，欧洲、日本等通常使用“设施农业（ProtectedAgriculture）”这一概念，美国等通常使用“可控环境农业（ControlledEnvironmentalAgriculture）”一词。2012年我国设施农业面积已占世界总面积85%以上，其中95%以上是利用聚烯烃温室大棚膜覆盖。我国设施农业已经成为世界上最大面积利用太阳能的工程，绝对数量优势使我国设施农业进入量变质变转化期，技术水平越来越接近世界先进水平。设施栽培是露天种植产量的3.5倍，我国人均耕地面积仅有世界人均面积40%，发展设施农业是解决我国人多地少制约可持续发展问题的最有效技术工程。 我国设施农业发展的成果 与日本、荷兰、以色列的设施农业进行对比 发达国家设施农业发展方向 近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室。（待续） 近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室。（待续） 近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室近年来,发达国家的“设施农业”已向“工厂化农业”过渡。如荷兰的计算机自控连栋大型温室,以色列的半自动连栋塑料大棚以及法国、日本等国家的封闭式循环流水鱼类养殖车间(平台、工船)等。荷兰的蝴蝶兰现代化温室。（待续）
个人分类: 论文交流|517 次阅读|0 个评论
智能移动互联网与森林健康
jiaqiangzheng 2014-6-13 21:51
单终端的PC互联网时代由微软和英特尔组成的“Wintel”几乎 控制了终端的生产与升级并 垄断了相关 产业发展。 而目前已经进入多终端的移动互联网时代， 智能手机、 智能 电视、 智能 汽车等基于移动互联网的智能产品层出不 穷 ，发展机会无限，实乃 群雄逐鹿，到底谁主沉浮有待市场评说。随着“大（大数据）智（智能化）移（移动互联）云（云服务）”的进一步发展以及智能科学和认知科学的创新发展，移动互联网还将会进入人工智能互联网时代，那时 人工智能将再造互联网 ，所有设备可能具有识别、语言、运算、控制甚至意识、精神等生物人特性，而森林健康所关注的对象本身也是有生命的生物体，因此作业装备的智能化与生物体之间的信息交换和虚拟现实技术研究，将有大量需要探索的研究课题，让我们共同努力和期待！
个人分类: 杂说|2168 次阅读|0 个评论
智能化的网络搜索引擎与搜索指标
liudazhe 2013-11-3 17:27
互联网的一个支撑平台是搜索引擎，比如百度、谷歌等。没有搜索引擎，互联网用户就无法检索到海量的网络信息，这一点众所周知。但是，现有的搜索引擎能够尽善尽美的满足网民们所有的需求吗？它们能够最大程度的搜索到所有的信息吗？恐怕不见得！笔者认为现有一个很不完善的地方，是用户不能够根据不同的搜索指标进行搜索。比如用户要按照时间进行搜索2000年到2002年的内容，再比如只搜索可提供下载的网站，或搜索访问量较低的网站等，这些现阶段都无法做到。 所以，我们应该设计一种能够进行智能化搜索的网络搜索引擎，功能堪比甚至超过在图书馆搜索书刊的水平。而要实现智能化搜索，就要设计 一种具备所有 指标 之 可能性，并 由用户自己选择，以进行搜索的网络搜索引擎。这些指标有很多种，且应该是有限多种，上边已经说过一些，再如有网页的时间范围、文件格式、访问量，或网站流量速度、信誉评级等等，各种指标，供用户选择。这样的话，我们就可以最大程度的搜索到我们想要搜到的内容了。 当然，智能化的搜索，还有很多其他的内容，比如个性化搜索，也属于其中之一。这些网络搜索方式的改变，将大大改善网络搜索的效率，使我们能够搜索到一些真正有用的东西。而设计搜索的不同指标选项，就会导致搜索到不同的内容。虽然现有搜索引擎能列出多达多少万种搜索结果，但其实真正能为我们所用的，不过寥寥几百项而已，极少有人能使用全部搜出的几千几万个选项。所以智能化的搜索，将使我们能够更加有效的进行网络搜索。
个人分类: 电子学研究与随笔|2149 次阅读|0 个评论
智能化和自动化会减少就业吗？（130706）
热度 5 ymin 2013-7-6 07:46
智能化和自动化会减少就业吗？（ 130706 ） 闵应骅 就业的问题现在大家都很关心。我在“ 要那么多自动化干什么？（ 120201 ） ”一文中谈到铁路编组站自动化以后 减少了工人。没太引起大家注意。本月 CACM 发表该刊主编 MosheY. Vardi 的文章“ The Great Robotics Debate ： Are robots and automation destroying more jobs thanthey are creating? ”（机器人学大讨论：机器人和自动化是否会毁掉比它们创造的更多的职位？）应该说这个问题的争论已经在全世界提上了日程。科学网正是进行这种讨论最适合的平台，因为它公开、平等，更适合心平气和的争论。 我理解，自动化是按照事先确定的规范控制执行机构自动运行；而智能化则可以根据环境条件，在无法根据规范执行的时候也能控制机器的运行。人工智能一词在我国一直受到极大的注意，几乎无人敢说一个“不”字，至少在公开场合是如此。但是，在美国，人工智能创始人在那里，但是争议一直存在。人工智能研究遭遇过两次所谓“人工智能的冬天（ AI Winter ）”，那就是 1971-1980 ，和 1987-1993 。那个时候，对人工智能的争议很多，搞人工智能研究的人很难得到研究经费。现在的争论主要由经济学家提出：机器人和自动化影响就业，以及技术性失业的可能性。过去，经济学家怀疑劳工主义反对自动化，但认为新技术会增加技术工人。现在，聪明的机器几乎不需要非技术性工种，减少许许多多体力劳动。当机器智能达到相当程度时，就会对劳动力市场构成威胁，特别是在今天的金融危机之下。人们的这种担心可以理解，数字革命究竟会怎么加速发明、推动生产力和不可逆转地改变就业率和经济。今年以来，这一场争论也转入到计算机科学。科学家注意到：到 2045 年人类的相当一部分，如果不是全部的话，工作可以由机器来做，我们能否想象： 50% 的人无工作可做是种什么情况？有人争执说：自动化本身也创造工作机会。机器人本身将是经济的关键推动力，就像今天的因特网一样。但是，它的收益是否能均等地分配，或者它将创造一批富人和穷人。 一个有趣的故事说：一个自由主义经济学家问一个发展中国家的官员：你们为什么不用许多推土机，而是用许多人用铁锹铲土？官员说这个项目是为了增加就业岗位。这位经济学家有点讽刺地说：那为什么不给他们勺子，而用铁锹呢？这个故事说明：技术进步减轻劳动量、提高效率，但可能减少就业，引起结构性的失业问题。技术进步和无限制的经济繁荣有止步的可能，如果经济体制不能很好适应新情况的话。譬如美国农业现代化使百万农民失去工作，转为工人。工厂自动化又把生产线上的工人转为服务行业。但不管怎么样，这些工作都是日常性的重复工作。技术的发展使劳力两极分化：要不就是高智商的工作；要不就是无须受教育而低工资的工作。但是这个过程不会很快，因为白领劳动者也是消费者，由于技术进步而失业的现象将抑制消费和对中间类工作的信心，甚至影响一个行业。不过，如果真有一天，机器的能力达到甚至超过人类，不但经济学，而且整个社会都需要重新考虑，政治斗争就更不可想象了。 在我国，经济结构调整说了许多年。根据我国的情况，农村劳动力减少，但是必须保证 18 亿亩耕地的耕种， 13 亿人的吃穿；制造业完全依赖出口不可持续；服务业依赖于国人的消费水平。每年增加 700 万大学毕业生怎么给他们就业岗位？智能化和自动化的影响不可忽视。
个人分类: 计算机|6185 次阅读|12 个评论
人工智能笔记—第一部分（绪论及智能化智能体）
热度 2 sunwu02 2013-1-29 22:49
人工智能笔记—第一部分（绪论及智能化智能体）
人工智能笔记 — 第一部分 之前看过《怎样阅读一本书》，里面介绍不同种类书的阅读和笔记的方法，结合自己的经验，若是希望效果好，可先通读一遍，然后在精度一遍，基本上能掌握书的 80% （但此法所费精力较多，需要再考虑摸索）。不过之前阅读财经类的畅销书时贪多务杂，大多数书读完一遍之后，就束之高阁，放在一边了，作者的思想基本过一下脑子就忘了。虽然读得多，但收获缺少，需要好好检讨一下。关于如何在一个领域精深学习，《一万小时天才定律》一书提出了一个公式：天才 = 激情 + 伯乐 +1 万小时精深练习。书中对于这个公式给了一个不算证明的科学证据，也可以叫脑神经基础。人对某项技能和知识的熟练程度取决于脑中髓鞘质的多少和粗细，练得越多，与该项技能和知识相关的髓鞘质就越粗壮。这应该不是一个严格的相关性，但多少说明了精深练习的必要性，这我们在生活中和直觉上都还是能理解。 言归正传，还是回到笔记本身上来。《人工智能：一种现代方法》是人工智能领域的经典教材，不似《新版机器人技术手册》已经绝版，目前手上有第二版的中文版、第二版习题英文答案和第三版的英文版，结合起来看应该效果不错，只是所费时间肯定会大大增加。这本书在智能化智能体这个统一框架下对人工智能领域的一些经典问题和算法进行介绍。全书分为八个部分，第一部分人工智能，在围绕智能化智能体的概念（能够自己做出决策并进行行动的系统）的基础上提供了对人工智能事业的概览；第二部分问题求解，集中讨论了需要提前思考若干步骤时决定要做什么的方法（如地图导航，国际象棋等）；第三部分，知识与推理，讨论了世界的知识的表示方式（世界如何运转，当前是什么样子，智能体的行为可能会产生什么影响），以及如何使用这些知识进行推理；第四部分，继续讨论了如何利用这些推理方法来决策要做什么，特别是通过构造规划的方法；第五部分，不确定知识与推理，集中讨论当前世界中存在不确定因素时的推理与决策；第六部分，学习，描述了如何为智能体的决策元件生成所需知识的方法；第七部分，通讯、感知与行动，描述了智能化智能体感知环境的方式，以便了解正在进展的情况（视觉、触觉、听觉、语言理解），并将它的规划转换为实际行动（机器人的工作或者语言输出）；第八部分，结论，分析了人工智能的过去与未来，以及其哲学和伦理含义。本文即是对第一部分的笔记。 一、 人工智能概念 在对一门新的学科进行学习和研究前，必须明白该学科要研究的问题和它的发展历程，才能找到正确的道路。如同在《 I ， robot 》中威尔·史密斯扮演史普纳问对问题才能获得郎宁博士预留的信息一样，我们也必须提对问题，要弄明白人工智能研究和解决的问题是什么，才能开启人工智能的大门。这里我们提出以下三个问题： 1 什么是人工智能呢？ 2 为什么要研究人工智能呢？ 3 人工智能都研究些什么呢？ 接下来将一一解答。 人工智能，顾名思义，就是人造的智能。这里又要问些问题，什么是我们所说的智能？只是指人的智能吗？在百度百科中查到：从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果就产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”，将感觉、去记、回忆、思维、语言、行为的整个过程称为智能过程，它是智力和能力的表现。它们分别又可以用“智商”和“能商”来描述其在个体中发挥智能的程度。而书中对此是这样叙述的： “ 我们一直试图理解我们怎么思考 … 怎能能够感知、理解、预测和应对一个比自身复杂得多和大得多的世界 …AI… 它不仅理解智能，还想建造智能实体 ” 。可见，人工智能中的智能主要是指人类的智能。这也是可以理解的，人类智能是我们已知的智能体中（如动物的智能）最为复杂和能力最高的，我们要研究、构建智能实体，以人类智能显然要比研究动物的简单智能要有意义得多。 人工智能是最为新兴的学科，现在一般认为人工智能最早工作是 1943 年 Warren McCulloch 和 Walter Pitts 提出可计算函数的人工神经元网络，发展时间并不长，但对科学以及人类社会的意义却不可小觑。人工智能研究的一些子领域已经取得了不少成果，产生了巨大的经济和社会效应。如机器视觉领域的一些成果被广泛运用到制造业、智能监控的领域，借由信息检索领域的技术更是诞生 Google 这样的企业，未来的智能机器人将会给人类社会带来更大的变化。 人工智能的定义一般可以从思维 / 行动，类人 / 理性两个维度来思考，有类人思考、类人行动、理性思考、理性行动四类，如下图所示。类人思考方法是研究人类思维模式和认知模式，更多的是属于认知科学的范畴；类人行动方法是考虑智能体是否能够做人类能做的事情，最有名的当属图灵测试；理性思考方法以一些理性法则来构造智能体；理性行动方法是指在当前环境和条件下，系统能做最正确的事情。本书就是采用理性行动的角度来讲述人工智能的，因此其研究内容就是智能化智能体的设计，包括理性智能体的通用原则及构成智能体的组件的研究。 图 1 人工智能定义 人工智能，确切来讲是计算智能（实现载体是计算机，计算机的本质就是实现二进制的计算，人工智能使用的工具也是以数学为核心），正式诞生于 1956 年 Dartmouth College 会议，吸收了哲学、数学、经济学、神经科学、心里学、计算机科学、控制论、语言学方面的成果，如今已经发展成为一门重要的科学。哲学提出了可以在某些方面，将人的思维可以看作机器；数学提供了处理确定性和不确定性的工具，也为了理解计算和推理有关算法打下了基础；经济学形式化了理性决策的相关问题；神经科学发现了人脑的部分工作原理以及和计算机的一些异同；心理学提供了将人和动物都看作信息处理机的想法；计算机工程提供了实现人工智能的强有力的工具；控制论提供了设计能与环境进行反馈的机器的相关工具。 本章延伸阅读包括图灵的《计算机器与智能》和冯洛伊曼的《计算机与人脑》。计算机其与智能是图灵对计算机和人工智能的关键问题的思考，计算机与人脑是冯诺伊曼对计算机和人脑的对比。这两位对计算机的诞生有着重要贡献的科学家都对计算机和人类的智能做了一定的研究，不知道是不是不约而同，但是从历史角度去看还是一件蛮有意思的事情。 图 2 绪论知识结构 二、 智能化智能体 智能化智能体是本书的核心概念，本书作者在前言中曾提到： “ 本书的统一主题是智能化智能体的思想 ” 。 本书的目的就是通过讨论理性的概念，并通过这个概念开发一组设计智能体原则以构建在某种程度上智能的成功的智能体。因此，理解智能化智能体的概念能够为后续的学习打下基础，可以将各个人工研究的各个子领域统一在智能化智能体的框架下。本章介绍了智能体的特性，理性度量，环境多样性以及由此产生的智能体的类型。 智能体能够通过感知器输入的感知序列感知外界环境和通过执行器执行动作。智能体包括执行器、感受器以及将感知序列转化为执行动作的智能体函数。这里涉及到的概念包括感知信息（ percept ）、感知序列（ percept sequence ）、智能体函数（ agent function ）和智能体程序（ agent program ）。我们可以将智能体函数简单的看作是感知序列集合到执行动作集合的映射，智能体可以根据当前输入的感知序列从智能体函数中选取动作。可以证明，直接查找智能体函数表来实现智能体是不明智的。通常，一个智能体通过智能体程序来实现智能体函数。智能体函数是抽象的数学描述，智能体程序是在物理实体上运行的智能体函数实现。 图 3 智能体通用结构 认识了智能体的概念后，我们来讨论另一个概念，好的行为：理性（本书第三版中理性一节与第二版有所不同，第三版将性能度量和理性合并为一个小节）。一个理性的智能体总是做最正确的行动，而行动的正确性要通过环境的状态来衡量。当一个智能体处于一个环境中时，它会根据接收到的感知信息产生一系列的活动，而这些活动会让环境产生一系列的状态，如果这些状态都是期望得到的，那么这个智能体的行为就是正确的。性能度量（ performance measure ）就是来衡量这一系列的环境状态是否是期望得到的。 判断一个智能体是否理性取决于定义成功标准的性能度量、智能体对于环境的先验知识、智能体能够完成的动作以及智能体接收到的感知信息。因此，理性智能体的定义就是：对于任意感知序列，智能体能够根据接收到的感知序列和对环境的先验知识选择使性能度量期望最大化的行动。 在定义中，一个智能体要是期望最大化，必须要收集环境的信息和进行学习，智能体才能有自主性。同时要区分一个智能体和全知者的区别。全知者是指能够让实际性能最大化，智能体是指能是期望性能最大化。这里的全知者能够知晓一个动作的实际结果，例如要预测到过街时会被空中掉下的花瓶砸中，这通常是不可能的。智能体并不需要完全理性。 我们定义了什么是理性，如何衡量一个智能体是否智能后，还需要对智能体所处的任务环境进行描述，并根据任务环境的情况确定智能体的设计。任务环境的说明采取 PEAS 的方式进行描述。 PEAS 指的是性能度量、环境、感受器、执行器。对任务环境进行描述后，需要再对任务环境的属性进行研究才能决定智能体的设计。任务环境的属性有可观察性与不可观察性、单智能体和多智能体、确定性与随机性、片段性和顺序的、离散的和连续的、可知和不可知这六种（第三版将多智能体放到了第二位）。 AI 的重要任务就是实现智能体程序，智能体程序是运行在一定的体系结构上。这里的体系结构是指智能体的感受器、执行器和承载这些机构的结构。 智能体 = 智能体程序 + 智能体体系结构 书中的智能体程序的输入为感知器的感知信息，输出为需要发送给执行器执行的动作。智能体程序分为简单反射型智能体、基于模型的反射智能体、基于目标的智能体和基于效用的智能体。简单反射型智能体直接响应感知信息，基于模型的智能体需要在内部维护外部世界的状态，基于目标的智能体需要完成目标，基于效用的智能体总是希望最大化自己的效用。 学习型智能体不是单独的智能体类型，上述的智能体都可以通过增加学习相关的元件改造为学习型智能体。学习型智能体包含执行元件、学习元件、评价元件和问题产生器，其他智能体在改造时，只需要加上学习元件、评价元件和问题产生器即可。执行元件可以看作其他智能体的智能体程序，主要负责接收感知信息并选择动作；学习元件使用评价元件对智能体动作的评价反馈，决定应该对执行元件做出什么改进；评估元件评估智能体当前动作是否符合性能标准，并将结果反馈给学习元件；问题产生器负责做出可能产生新的有价值的经验的动作建议。下图为学习型智能体的结构。 图 4 学习型智能体结构 下面我们来总结一下设计智能体的通用过程： 1 确定性能度量 2 描述任务环境，分析环境属性 3 确定智能体体系结构 4 设计智能体程序 根据智能体要完成的任务和设计目的的不同，接下来的实现智能体工作将有很大的差别。如实现火星登陆的智能体和私人助理智能体等，在此不再详细探讨。下图为智能化智能体一章的知识大纲。 图 5 智能化智能体知识结构
6816 次阅读|2 个评论
可拓软件研制___可拓学研究情况简介（6）
anley 2013-1-29 07:55
可拓学研究情况简介（6） 可 拓软件 研制 利用计算机处理矛盾问题，生成解决矛盾问题的策略是 可拓学研究 的目的之一，也是可 拓理论 和方法应用于实际领域的桥梁。因此，近年来部分 可拓学研究者 围绕利用 可拓论和可 拓 方法方法 处理矛盾问题的软件（简称可拓软件）进行研究。参加这项研究的有 哈尔滨工业大学、中国科学院、浙江工业大学、浙江大学、北京建筑工程学院、国防科技大学和广东工业大学等院校的 可拓学研究者 。 这是一项前人尚未做过的研究，难度很大，在十分困难的条件下，大家摸索着前进，为了交流可 拓软件 研制经验，确定可 拓软件 今后的发展方向，中国人工智能学会可 拓工程 专业委员会也召开了研制交流会，讨论各自的研究经验和存在的问题。通过大家的努力，逐步了解研制可 拓软件 的方法和难点，并研制了一些初步的实验软件进行 切蹉 。 另一方面，为了获取解决矛盾问题需要的数据和知识，有一部分 可拓学研究者 开始了另一类可 拓软件 ——可 拓数据 挖掘软件的研制，也逐步了解研制这类软件的过程和需要解决的问题。 2010 年 8 月 20-23 日，中国人工智能学会可 拓工程 专业委员会在北京召开了专题讨论会。学者们交流了在研制可 拓软件 方面的心得，并演示了如下实验软件。 软件名称 演示人 可 拓设计 苏楠博士 可 拓数据 挖掘 李小妹博士 租房策略的自动生成系统 李卫华教授 面向中小企业的自主创新策略辅助生成平台系统 朱正祥博士生 客户流失转化策略生成系统 李兴森副教授 这些试验软件为今后可 拓软件 的研究工作开辟了可以继续前进的路子。 今年，是可拓学创立卅周年，为此，由中国、美国、罗马尼亚、英国、法国 、 日本、印度、澳大利亚、荷兰和德国等十个国家的教授筹备在2013年8月16-18日 于北京 召开首届“可拓学与创新方法国际研讨会”，会上将组织“可拓学创立卅 周年庆祝活动”。这里，将陆续发表30年来有关可拓学的资料。 (有关可拓学的详细资料请浏览中国人工智能学会可拓工程专业委员会和广东工业大学可拓学与创新 方法研究所的可拓学主页 http://www.extenics.com/ 或 http://web.gdut.edu.cn/~extenics/ )
个人分类: 可拓学---学科介绍|1421 次阅读|0 个评论
[转载]移动搜索领域个性化与智能化将成主流
libing 2013-1-5 19:49
随着互联网信息更新的加快和用户数量的快速增长，搜素引擎已经成为当下最流行的应用之一，搜索领域也从PC逐渐转向移动搜索，正在开启一个新的纪元。据中国互联网信息中心(CNNIC)相关数据统计，仅2012上半年，搜索引擎在网民中的渗透率已经达到79.7%。 在移动互联网上，搜索应用同样占据着不可替代的位置，巨大的用户群成为了各大企业争相角逐的目标。不同于PC端的垄断局面，移动搜索领域还没有出现绝对优势的玩家。百度仅仅领先半个身位，宜搜、搜搜紧追不舍，360、盘古、云云等新锐则暗暗发力。面对全新的移动互联网环境，只有紧扣个性化需求，深挖信息技术的革新，才更有可能在竞争中弯道超车。 移动搜索方兴未艾 智能手机、平板电脑的普及正在改变人们获取信息的方式。据最新数据显示，移动互联网用户数量过5.2亿，已经超过互联网用户人数。 2011 年， Google 与益普索 (IPSOS) 市场研究机构开展了有关智能手机的市场调研，结果显示： 中国城市是全球五大智能手机普及率( 35% )最高的地区之一。 中国的受访者中，每三个人中就有一个人拥有两部或两部以上的手机，这个比例( 30% )在亚太地区是最高的。 中国城市地区拥有智能手机超过一年以上的人数比例( 64% )在亚太地区是最高的，超过韩国、日本和澳大利亚。 移动互联网将成为下一个发展重点已成为共识。随着移动互联网时代的到来，移动搜索服务的需求正逐渐凸显出来，移动搜索表现出了极大的扩张力。 截至2012年6月底，手机搜索用户规模达2.6亿，相比2011年规模增长17.3%。与此相反的，互联网信息统计公司comScore近日发布的数据显示，2012年9月份基于PC端所有搜索引擎的搜索量同比下降4.4%，这是2006年以来PC搜索量的首次下降。 毫无疑问，移动搜索这一后起之秀正在侵蚀原PC搜索的市场，显示出了强盛的生命力。移动互联网的发展是必然的趋势，具有得天独厚的条件。 其一，各大品牌3G手机的全面攻势和国内无线网络越来越高的渗透率，为移动互联网的发展创造了条件。根据艾瑞咨询统计数据显示，2012Q3中国移动互联网市场规模为147.8亿元，同比增长102.1%，环比增长16.9%。移动互联网的发展喜人，进一步刺激了移动搜索的需求。 其二，受传统搜索服务的影响，人们对移动搜索具有显著的刚性需求。中国互联网信息中心(CNNIC)发布的报告显示，截至2012年6月底，搜索引擎用户规模已达到4.29亿，稳居第二大网络应用之位。 各大厂商纷纷抢滩移动搜索 移动搜索的巨大蓝海引来众多厂商抢滩，移动搜索领域近来并不缺话题。 百度CEO李彦宏曾公开表示，“百度已调整战略，把移动搜索作为重点业务发展。”尽管在移动搜索上没有维持一家独大，百度布局移动搜索的表现也并未让人失望。近日，百度全面升级了移动搜索功能，一系列算法优化、语音搜索方面的突破，让百度移动搜索凸显时效性、关联性和便捷性。 不仅如此，百度在搜索领域积累下的大量资源和技术储备也不容忽视。百度的移动搜索战略具有明显的优势，为业内人士所看好。百度发布的2012年第三季度财报显示，百度移动市场份额继续扩大，移动搜索流量较去年同期增加110%，相比上一季度增长25%。 360今年在搜索领域频频发力，自称“有搜索基因”。自2012年8月份低调上线综合搜索，并迅速拿下国内10%的搜索市场份额后，360进军移动搜索就更显得顺理成章了。日前，域名为m.so.com的360手机搜索已经悄然上线。该移动搜索被设为360浏览器的默认搜索引擎，虽然还未清楚这一移动搜索的效果如何，但此举被业内人士看做是一场与百度的“约架”。 以盘古、云云为代表的，以自主创业方式进入搜索市场的后来者形成了一股新兴的力量。半个月前，潜心打磨近两年的云云正式上线，成为了我国第一个社会化综合搜索引擎。云云最近引起广泛关注得益于它与新浪微博合作，为新浪微博的Android客户端的搜索提供支持。而依托新华社和中国移动成立的移动搜索引擎盘古，被笑称为“国家队”。它的卖点则是可将搜索结果短信发送至手机，以及来自新华社新闻、舆情等多方面的支持。 此外，去年5月份腾讯宣布架构重组，旗下搜搜退出PC搜索，而把精力放在移动搜索领域。还有些在移动互联网耕耘多年的企业，如宜搜、易查等，在不断发力。 随着各大厂商加快移动搜索的布局，这一领域将越来越热闹，移动搜索的入口之争必将更加激烈。 智能化将成移动搜索发展方向 移动搜索引擎市场规模不断扩大，同时市场分布也逐渐明朗。最新数据显示，无线搜索站点搜索量份额中，百度34.9%，宜搜21%和腾讯搜搜19.7%位居前三。百度虽然仍居榜首，但三家份额相差并不大，移动搜索三足鼎立的局面正浮出水面。 在移动互联的时代，由于受消费者习惯等因素影响，生活搜索最有可能在移动的时代突破寡头。移动搜索机遇与挑战并存。搜索服务要想在移动互联网上生根发芽，必须适应其特定的环境，生搬硬套传统的搜索服务不可能获得成功，只有创新才可能占领先机，实现弯道超车。 事实上，人们在移动设备（智能手机、平板等）上使用搜索引擎的几率比在PC上少的多。这不仅因为移动设备上搜索引擎的体验比较糟糕，继续依循PC上的思路从网页到网页再到网页……，这在移动设备上显然具有一些先天性缺陷：小的屏幕、速度慢等。相反，APP则带来一种全新的体验模式，它无需你从这到那，一键式就可以获得自己需要的东西，而很多需求目前基本已可以通过APP得到满足。最后，当发现自己需要某些需求时，人们可能不会去搜索该问题，而是搜索与此相关的APP并将其下载，一旦发现该APP可以满足自己的需求，那么以后就不会通过搜索引擎来寻找这方面的答案。 同PC搜索领域相比，移动搜索具有不同的特性。从信息广度上讲，人们使用移动搜索更多是为了寻找附近相关信息，信息应更趋本土化和地域化。从搜索时间上讲，人们使用移动搜索的时间呈现碎片化，并且不会花太多时间在每一次的搜索上。所以信息的筛选显得格外重要。 不仅如此，移动互联网正朝着多元化发展，未来的移动搜索将更加地注重个性化和智能化。要想打破行业格局，能否提供差异化的产品体验是关键。不管是技术还是模式上的创新，各家厂商或应加强人工智能的探索、深挖用户信息技术的革新，使得每个用户都能得到符合其真实需求的个性化信息。
2071 次阅读|0 个评论
复杂性与情结vs智能化与情报
王飞跃 2012-1-27 13:36
复杂性与情结和智能化与情报 中文复杂性与智能化，相信大家都理解是什么意思，其学究式的解释就是复杂性是关于复杂系统的科学，而智能化是关于智能系统的科学。问题是这两个词都是外来语，转到对应的英文词 Complexity 和 Intelligence ，就出了歧意。 英文 Complexity 除复杂性和复杂之外，还有情结之意，是一个心理学和社会学的术语；而英文 Intelligence 除智能化和智力之外，还有情报之意，是一个谍报安全行业的术语。一段时间里，我曾被这两个词的英文多义所困扰，一是不愿与情结相连，二是不想与情报相关。 没想到 “ 时过境迁 ” ，现在不但与 “ 情结 ” 专业性的有关，更与 “ 情报 ” 专业性的相连。数字网络时代的到来，复杂系统研究的兴起，使我们不得不从更广更高更深的层次去研究相关问题，使我们不得不借助心理学、社会学和情报安全学中的许多方法和手段去探索复杂系统，特别是涉及人的复杂系统的管理与控制。看来，复杂性与情结本来就是一家，智能化与情报原来就是一体。 中国科学院复杂系统与智能科学重点实验室多年来致力于利用智能化方法解决复杂性问题的研究，特别是综合集成方法及其研讨厅体系更是实验室核心人员开拓并坚持了十多年的研究领域。在过去工作的基础上，目前实验室已确立了融合社会物理学、社会心理学、社会计算学并以人工社会、计算实验和平行系统为特色的复杂系统研究方向，重新设立了智能控制和系统、计算智能和系统两个研究中心，并组建了情报安全信息学的国际合作团队，希望从新的高度新的角度开拓复杂系统与智能科学的研究，力争为和谐社会的建设，为科学发展观的落实作出扎实和创新性的贡献。 原来，我们不应为复杂性与情结和智能化与情报在英文中分别是由同一个词来表达而烦恼；反过来，我们应该惊奇英文中居然两次把相差很大的两个领域的概念用同一个词来表述，放在同一个中国实验室的名字之中，并成为其新兴研究方向的表征。感叹人为语言之自然造化的神奇之余，我更庆幸实验室有如此恰如其分的好名称。 不过，好的想法不等于好的工作。我们不能总是围绕着概念和抽象思维转圈，下一步要完成的必须是实实在在具体的工作。切不要忘记前人所说的： “ 学者不患立志不高，患不足以继之耳 ” 。 《复杂系统与智能化》， 2005 年第 2 期，发刊词
个人分类: 科研记事|15470 次阅读|0 个评论
3G视频监控引领智能化未来发展之路
eaglezxw 2010-1-17 01:22
3G视频监控引领智能化未来发展之路 来源：新浪网站 3G视频监控已经开始发挥“杀手”能力效应。三大纷纷推出了基于3G网络的固定和移动融合的视频监控业务。 　　在即将到来的上海世博会上，3G视频监控将扮演“护卫”的角色，参与此次项目实施的上海电信的一位专家向记者表示：“3G视频监控解决方案将有效地保障上海世博会的成功举行，这在于工作人员可利用手机随时掌握现场的情况，并对可能发生的意外事件实现预控制。 ” 　　这只是一个特例，却反映出3G视频监控已经开始发挥它的“杀手”能力效应。而三大运营商也看到了这个潜力巨大的市场，纷纷推出了基于3G网络的固定和移动融合的视频监控业务。 　　运营商踩下油门 　　目前，韩国、欧美一些国家已经在2G网络上运营家庭无线移动监控业务，但从实际效果来看，由于无线网络带宽的瓶颈原因，效果不尽如人意，存在图像清晰度差和延时较大的问题。 　　而3G的到来将突破视频监控无线带宽的瓶颈，高至2MHz的带宽将为无线视频监控提供更加强有力的支持。同时，3G的启动将促使安防监控从PC的有线视频监控走向手机的无线视频监控，通过手机实现远程视频监控将成为网络视频监控的主流。因此，无线视频监控有望成为3G业务的“杀手级”应用。 　　进入全业务运营时代的三大运营商也纷纷发力固定和移动融合的视频监控业务，并借此业务提供行业用户和家庭用户的黏度。 　　据记者了解，中国电信正积极开发基于EVDO的无线视频监控应用，将提供监控视频直播、录像回放、视频/图片存储、云镜控制、报警通知等业务。 　　“无线视频监控系统主要由前端无线视频监控设备、视频监控中心平台、手机访问客户端设备三部分组成。其中，前端无线视频监控设备可将采集压缩后的数字视频信号通过3G(EVDO)网络传输到互联网，同时用户也可通过3G(EVDO)手机浏览访问或控制视频。”来自中国电信上海研究院的一位专家向记者表示。 　　中国联通则重新定义了原中国网通基于固定网络的视频监控业务，将移动元素加入“宽视界”业务中，成为中国联通新树立的一个品牌业务。据了解，宽视界视频监控系统完全基于TCP/IP网络为当今的企业提供一个全数字化的、纯网络架构的视频监控平台，它可给在任何地方的用户提供高效的视频监控和录像、预警事件管理、精确的视频回放以及企业级的管理功能。 　　“未来，中国联通还希望通过各种先进技术实现网络视频监控的智能化。即采用计算机为控制中心，通过系统软件实现控制界面的可视化，控制环境的多媒体化，可以方便地实现对视频切换、音频切换、镜头云台控制、报警输入、行动输出录像的智能化控制，进而达到对事件的分析、统计、处理，实现视频监控的智能管理。”来自中国联通的一位专家向记者表示。 　　而中国移动也丝毫不放松步伐，积极推出基于TD-SCDMA网络的视频监控业务，并在广东等地区进行试商用，得到一定数量用户的认可。 　　仍需培养家庭用户 　　毫无疑问，进入全业务运营时代，三大运营商都希望为用户提供固定和移动融合的业务，树立全业务市场的竞争优势，将3G视频监控打造成“杀手级”业务。目前，视频监控业务已经得到行业用户的认可，越来越多的行业用户选择视频监控解决方案推进企业信息化工作的实施，而且视频监控被越来越多地应用在“平安城市”的建设中。不过，家庭用户仍是较为薄弱的一环，虽然家庭用户日益感到安全的重要性，但由于消费意识以及对安全等问题的考虑，选择家庭视频监控业务的用户还较少，这就对三大运营商提出了一定的挑战。 　　“目前的家庭视频监控市场主要集中在：有安全、看护需求，对品牌有一定要求并且愿意接受新鲜事务的高端家庭用户。其应用服务主要用于家庭亲情沟通、居家室内/车库/房屋等的环境监控、老人/小孩/宠物的看护、保姆工作情况监看以及室内异常入侵报警等。”上述来自中国电信上海研究院的专家向记者表示。 　　据相关机构进行的家庭用户对视频监控业务感兴趣的原因以及需要的报警方式的调研结果来看，用户对家庭视频监控业务的需求主要集中在两个方面：一是报警联动，以提高家庭财产安全性;二是视频看护，可随时了解家中情况(包括老人、小孩等)。另外，通过手机监控和接收报警的需求也十分明显。 　　今后，家庭监控不仅可实现对家庭安全的防范，也可成为关爱家庭成员的有效手段。因此，家庭监控需要逐步增加联动报警及安全服务等一些新的服务功能和应用，例如紧急求助、与公安/物业互动、医疗/家政呼叫等。 　　智能化是未来方向 　　最初业界对网络化监控最主要的担忧集中在网络带宽、网络时延、网络稳定性、网络安全性这4个方面。苏州科达专家向记者表示：“而现在，即便在互联网上都可以进行稳定、清晰、流畅的交互式视频应用，包括视频会议、可视聊天、在线观影等，带宽、时延以及稳定性已经完全超越了用户以往的想像，完全可以满足视频监控的承载需求，而借助于用户鉴权、码流加密等安全性技术，网络化传输事实上也比模拟监控裸线传输更安全，且不易受到外部环境干扰。特别是3G丰富的上下行带宽进一步推动了网络视频监控市场的发展。” 　　而3G的到来，也在给智能监控带来积极的推动因素，技术实现上更灵活，既可以在IP前端集成智能，也可以在平台集成智能。由于智能化对视频监控而言有着非常深远的意义，它将实现视频监控由被动防御向主动防御的变革，让监控人员从繁琐的操作、海量的信息中解脱出来，并帮助他们更高效、更精确的管理监控目标。 　　“智能化一定是未来视频监控领域的发展方向。”事实上，智能化已经提了很多年，并已经在一些行业中获得了一定的应用，但规模很小，市场还没有真正起来。究其原因，来自多个方面，包括技术、标准以及实用性等。运营商和相关设备厂商也正在积极研发各种技术，制定相关标准，为智能化的早日实现提供条件。 　　“智慧的地球”已经成为全球范围内的发展趋势，而智能化视频监控显然也将起到积极的推动作用。
个人分类: 最新要闻|1616 次阅读|0 个评论
更多...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-9 17:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部