7月25日-26日，在中国科学技术协会、中国科学院、中国工程院、浙江省人民政府、杭州市人民政府、浙江省人工智能发展专家委员会指导下，由中国人工智能学会、杭州市余杭区人民政府主办，浙江杭州未来科技城管理委员会承办的2020全球人工智能技术大会在“数字之都”——杭州，成功举办。在26日举办的

  尊敬的戴院士、各位嘉宾，在六位重量级嘉宾演讲之前，我抛砖引玉，先简单地为大家介绍一下机器智能的发展现状。

  所谓机器智能，按照赛迪智库的解读，就是机器利用各类智能技术自主达成目标的能力。应该说机器智能是属于人工智能的一部分，但是不同之处在于，一般的人工智能强调在信息空间中实现智能化，而机器智能侧重于信息物理空间，也就是CPS中实现智能技术，关注利用智能芯片和智能软件技术实现各种类别机器的智能化。事实上，我国早在2008年全国智能科学与技术教育学术研讨会上就形成了共识，在本科专业培养方案中还设置了“机器智能”这样一门课程，当时的定义是泛指一切机器所具有的智能，将结构模拟、功能模拟和行为模拟三大主流方法融为一体，但当时还没迎来发展高潮。

  随着以深度学习为代表的AI发展高潮的到来，机器智能日益受到重视，包括机器情感、机器行为学等新的机器智能技术开始涌现出来，机器智能技术也成为国家战略性新兴起的产业-机器智能产业领域的一个颠覆性的技术创新。

  下面我们简单的看一下国内外的一个发展状况。2018年美国国际战略研究所发布了《美国机器智能国家战略报告》，提出了机器智能对包括经济、社会等各方面的广泛的影响，以及美国在战略制定方面的一些差距，并给出了具体的意见和建议。我们再看国内，机器智能的技术发展也日益得到重视，比如戴琼海院士认为机器思维、机器决策研究，也是脑科学研究的一个很重要的补充；潘云鹤院士提出通过自主智能把机器人和制造装备提升为自主智能机器人和自主智能机器机械；复旦大学校长许宁生院士也提出了复旦的ABC大脑计划，甘中学教授等进一步提出人机物三元群智智能，其目标就能发展具有自我进化能力的机器智能技术，使机器智能逐步进化到自主智能的一个水平。

  发展机器智能技术，核心离不开人工智能基础理论上的突破。下面我分享一下相关的一些进展情况。目前大家都很清楚深度学习在图像分类、语音识别这样一些特定领域取得了很大的进展。但正如中科院院士张钹教授在去年接受各个媒体采访的时候指出，深度学习技术潜力已近天花板，人工智能的核心是知识表示不确定性推理这些。无独有偶，2019年美国也启动了人工智能事件推理计划-KAIROS，期望建立一种以知识为导向的基于模式的人工智能推理和预测模式。正如张钹院士指出，“从长远来看，我们一定要要走人类智能这条路，因为最终发展人机协同人类和机器和谐共处的世界，要走人机共生这条路”。

  2019年11月，潘云鹤院士在人民大学作了题为《人工智能2.0与数字化的经济》的报告。在报告中，潘院士同样对AI的发展做出了深刻的见解，从哲学的角度分析了人工智能走向2.0的本质原因：我们已由传统的以“物理空间”和“人类社会”为主的二元空间逐步进入了“物理空间”-“人类社会”-“信息空间”所构成的三元空间。“信息空间”的出现势必会对人类生存的方方面面产生一定的影响，例如通过信息空间，人类可以用新的方法改造物理空间；通过信息空间，人类可以以新的手段认识我们人类自己。实际上昨天潘云鹤院士已经给所有线上线下的嘉宾介绍了三元空间的概念，这里我就不再过多重复了。由此可见，随着新一代信息技术的高度发展，人机交互已不再是简单意义上的人和机器之间的这种二元的交互。以甘中学教授为代表的复旦大学研究团队提出了人机物三元群智智能的理论，其目的是要在这种新的人类空间、物理空间、信息空间三元空间中，人类智能体、机器智能体与虚拟智能体之间建立人-机、机-机、机-群等高效交互、可控行为与智能涌现的自主机器智能理论与技术体系。

  比如2019年，由MIT媒体实验室领衔，包括来自哈佛、耶鲁、谷歌、脸书等众多研究者在Nature上发表了一篇以Machine behaveior为题的综述文章，宣告了”机器行为学”这门跨越多个研究领域的新兴学科的正式诞生。该课题组在论文的开篇中就引用了图灵奖获得者、也是人工智能的一个先驱Herbert Simon在1969年发表的一本AI发展史上里程碑式的著作《人工科学》，其中他说了一句话，“自然科学是关于自然物体与现象的知识，我们想了解是否是有一种人工科学研究人造物和他们的现象”。受此启发，作者们给出了机器行为学和这门学科必然具有的交叉学科的特质，从制造智能机器的学科延伸整合其他学科的学者能够给大家提供重要的方法性工具，研究工具，多种可选的概念性框架，最后并用加大机器人与人-机生态学科研究的呼吁与学科的技术、法律、机构上的研究障碍等的讨论结束这篇综述。

  我们注意到，当前以深度学习为代表的人工智能技术所解决的问题，往往需要具有大量可以借鉴的学习的训练集，同时要求所获取的信息是相对完整的。但是复杂实变的真实的应用环境中，机器采集到的数据往往包含大量的噪声和不确定性，且仅包含环境的局部信息，这就导致了基于深度学习的AI应用的局限性。而在同样的环境下，人类往往却可以依靠直觉思维来做出较为迅速且适宜的判断。什么是直觉思维呢？与理性思维相对，直觉思维能力是很少或者是不经过逻辑的，根据当前信息（可能是不完整的，局部的信息）进行无意识推理且具有整体性、快速性的一种从感知直通决策的一种思维型习惯。比如灵感与顿悟，因此，包括爱因斯斯坦在内的很多大科学家都认为直觉在科学研究等创造性思维活动的关键阶段往往起着很重要的作用。比如阿基米德，他是在浴室里找到了辨别王冠真假的这种方法。事实上，直觉在日常生活中也很普遍，比如足球守门员，他对对方球员将要做出的动作其实就是有一种直觉的判断，否则如果等对方已经出脚看到以后再动作，往往可能就接不到了。事实上诺贝尔经济学和图灵奖双料得主，刚才我提到的Herbert Simon早在1985年就认识到了经验直觉的重要性，并且在管理学领域进行了探索。他定义直觉为快速再识别的能力，决策者通过学习经验和规范而形成感知、认知和意识，无需将其专业经验“解码”，而按照过往的行为直接操作执行。

  昨天在大会上张亚勤院士特别提到了著名的双系统理论，事实上一位心理学和认知科学研究专家Steven A Sloman在1996年的文章中就提到了在哲学和心理学中关于双系统的理论的观点还可以追溯到亚里士多德时代。所谓双系统理论，它的基本观点就是把人的基本的信息处理方式分为两种系统，系统一处理信息的本质是依赖于语境，进行联想、启发，具有默契快速和内隐的特点，我们称这个系统为直觉思维。相比之下，系统二就是理性思维的处理在本质上是语境独立的，基于推理并且明确的，它的处理过程相对较慢，对认知资源的需求更大。那么直觉思维是不是飘渺的，是不是只是纯粹的我们想象中的第六感，实际上不是的，它是客观存在的。Kuo在2009年的科学杂志上发表了一篇题为《直觉与蓄意：大脑决策的两种系统》的文章，文中他用脑科学研究的方法，用实验证明了人们在进行理性思维和直觉思维时，活跃的脑区是不同的，从而给出了直觉思维不同于逻辑思维在脑科学上的证据。

  正是受人类直觉启发，我们结合管理学、认知科学、决策论、脑科学等多学科领域对人类直觉的研究成果，总结了直觉思维的可能机理，提出了机器直觉这一新的交叉学科方向，给出了通用机器直觉框架的8个基本准则。爱因斯坦曾经说过，“直觉的应用超越了智力的应用，众所周知，创新往往是直掘战胜逻辑的胜利”，我们大家都希望能够通过机器直觉的研究，能够为机器智能的进一步发展打开一个新的突破口。

  最后，正如戴琼海院士所指出的，为了进一步加强国内外机器智能相关领域的学术交流与科研合作以及产学研的协同创新，助力我国在机器智能相关领域理论和技术的突破和发展，我们在中国人工智能学会的指导下，策划成立机器智能专业委员会，希望可以为国内外业界人士提供一个专业的学术交流平台，为机器智能产业提供关键技术成果转化与产学研的一个合作多对接平台，加强国内国际合作。以上就是我的一个简单分享，欢迎相关单位和专业技术人员，热情参加专委会的组建，谢谢大家。