若要說當(dāng)下哪種技術(shù)最火最熱，我想非人工智能技術(shù)莫屬了吧。雖然當(dāng)下人工智能技術(shù)發(fā)展還處于早期階段，但小到我們手機(jī)使用程序，大到航空航天等都離不開人工智能技術(shù)。

那么如何利用好人工智能技術(shù)向傳統(tǒng)行業(yè)滲透；發(fā)展人工智能是要以技術(shù)為導(dǎo)向還是市場需求為目標(biāo)；以及如何更好的利用人工智能推動養(yǎng)老產(chǎn)業(yè)發(fā)展；帶著這些問題，我們采訪到了澳門大學(xué)科技學(xué)院電腦及資訊科學(xué)系講座教授陳俊龍教授。

市場需求是發(fā)展人工智能的重要導(dǎo)向

眾所周知，人類對于科技的探索是永無止境的，就目前而言很多最新的科學(xué)技術(shù)已經(jīng)遠(yuǎn)遠(yuǎn)超出了當(dāng)下社會的需求，人工智能技術(shù)也不例外。對于是該優(yōu)先發(fā)展最先進(jìn)的科學(xué)技術(shù)，還是要以市場為導(dǎo)向進(jìn)行合理發(fā)展的問題，各方始終爭論不休。對此，陳教授也向記者表明了自己的看法。

他認(rèn)為：市場是決定技術(shù)發(fā)展的重要方向，如果沒有市場需求的話技術(shù)做的再先進(jìn)無法形成商業(yè)落地，也將成為一紙空談。就好比我們做了一個技術(shù)最先進(jìn)的產(chǎn)品，那么它必須要和現(xiàn)有的產(chǎn)品形成比較。如果它能給用戶帶來直觀上的改變，那么它就是有價(jià)值的。如若沒有，那么就算它做的再先進(jìn)客戶依然是不需要的。

除此之外陳教授還認(rèn)為，以當(dāng)下科學(xué)研發(fā)能力只要有良好的市場為導(dǎo)向，任何技術(shù)上都不會存在難題的。人工智能技術(shù)更是如此，目前的市場需求是完全能夠通過技術(shù)滿足實(shí)現(xiàn)的。

更為重要的是，我國人工智能市場大環(huán)境良好，中央對于發(fā)展人工智能的發(fā)展也給予了大力度的支持。但中央的支持畢竟是全面性的，無法做到因地制宜。因此，各地政府還需要根據(jù)當(dāng)?shù)厍闆r制定出適合自己的配套政策，引導(dǎo)人工智能產(chǎn)業(yè)在當(dāng)?shù)剡M(jìn)行合理開展。

人工智能向傳統(tǒng)行業(yè)滲透 需要多管齊下

在推廣的同時(shí)，如何更好的幫助人工智能向各大傳統(tǒng)產(chǎn)業(yè)進(jìn)行滲透一直是困擾業(yè)界的一大難題。對此，陳教授告訴記者：當(dāng)下人工智能技術(shù)主要應(yīng)用集中在人臉識別、語音識別這兩大領(lǐng)域并且都應(yīng)用到了神經(jīng)網(wǎng)絡(luò)技術(shù)。但這并不是人工智能技術(shù)的全部，除此之外，它還涉及到了包括：推問邏輯、智能關(guān)聯(lián)、模糊邏輯應(yīng)用、遺傳算法、混合智能等諸多技術(shù)。

而人工智能向傳統(tǒng)行業(yè)滲透首選目標(biāo)就是制造業(yè)。例如神經(jīng)網(wǎng)絡(luò)單元可以幫助其在流程控制或者工業(yè)控制中進(jìn)行有效模式辨識。就目前傳統(tǒng)制造業(yè)而言，在此過程中遇到的最大難題就是如何設(shè)置“控制器”。要知道傳統(tǒng)制造業(yè)的系統(tǒng)模型是 控制過程 無法用數(shù)學(xué)模式進(jìn)行描述，而這時(shí)就可以利用神經(jīng)網(wǎng)絡(luò)對其進(jìn)行控制，對整個工廠的操作系統(tǒng)進(jìn)行有效描述，并對細(xì)微參數(shù)差距進(jìn)行微調(diào)。

其次就是如何正確設(shè)置控制器。我們都知道在整個工廠的控制系統(tǒng)中，有很多細(xì)分的操作系統(tǒng)，這時(shí)如果只采用單一的神經(jīng)網(wǎng)絡(luò)單元是無法勝任控制工作的，因此我們就需要使用其他人工智能及時(shí)進(jìn)行整合控制。打個比方，一個大型的電力廠在使用人工智能技術(shù)后，就可以辨別什么時(shí)候使用點(diǎn)的高峰和低谷，在用電低谷的時(shí)候?qū)㈦娏Υ鎯ζ饋恚_(dá)到最理想的分配結(jié)果。

智能養(yǎng)老不僅要多方聯(lián)動 更需“個性化”訂制

除了向傳統(tǒng)產(chǎn)業(yè)滲透以外，人工智能在諸多新興產(chǎn)業(yè)也有著廣泛的應(yīng)用前景，例如現(xiàn)在十分火熱的養(yǎng)老產(chǎn)業(yè)。那么如何更好的利用人工智能技術(shù)推動養(yǎng)老產(chǎn)業(yè)發(fā)展呢？陳教授認(rèn)為：不論是智能醫(yī)療還是智能養(yǎng)老，單靠業(yè)界的努力是很難推動的，必須要依仗政府部門的支持。

另外，鑒于每個人的狀況病癥也不盡一樣，在發(fā)展智能醫(yī)療、智能養(yǎng)老同時(shí)，必須要因人而異打造個性化服務(wù)。只有通過精細(xì)化的訂制服務(wù)，醫(yī)生在遠(yuǎn)程精準(zhǔn)獲取病人的信息之后，才能準(zhǔn)確對癥下藥。

當(dāng)然，這是最理想化的結(jié)果，如果各地受條件限制無法做到一對一的精準(zhǔn)服務(wù)，這時(shí)政府部門就可以承建養(yǎng)老服務(wù)中心，對需要幫助的老者進(jìn)行統(tǒng)一智能化管理服務(wù)。因此，陳教授認(rèn)為建立科學(xué)完善的智能養(yǎng)老、智能醫(yī)療體系是一項(xiàng)非常浩大的工程，必須要動員到各地政府部門、醫(yī)院等諸多部門進(jìn)行配合、運(yùn)用大數(shù)據(jù)及物聯(lián)網(wǎng)等技術(shù)才能得以實(shí)現(xiàn)。

寬度學(xué)習(xí) 一種具有顛覆性的人工智能創(chuàng)新理念

對于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)有所了解的朋友一定都知道，這種技術(shù)雖然在數(shù)據(jù)處理以及應(yīng)用層面有著很大優(yōu)勢。但是由于結(jié)構(gòu)復(fù)雜，其在訓(xùn)練時(shí)需要采集大量數(shù)據(jù)做支持，并且為了追求精度，深度訓(xùn)練模型往往需要增加大量的層數(shù)與參數(shù)，這樣一來不僅訓(xùn)練時(shí)間過長而且難度也很大。

正因如此，陳俊龍教授結(jié)合早期單隱層網(wǎng)絡(luò)的相關(guān)研究在業(yè)界率先提出了“寬度學(xué)習(xí)系統(tǒng)”（Broad Learning System）這一創(chuàng)新理念。寬度學(xué)習(xí)最大的特點(diǎn)在于其單隱層結(jié)構(gòu)特點(diǎn)，與傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)最大的不同之處在于，寬度學(xué)習(xí)并不采用深度結(jié)構(gòu)，而是基于單隱層神經(jīng)網(wǎng)絡(luò)而構(gòu)建，因此在處理中可以用易懂的數(shù)學(xué)推導(dǎo)來進(jìn)行增量學(xué)習(xí)，具有橫向擴(kuò)展和增量學(xué)習(xí)的優(yōu)勢。

除此之外，深度神經(jīng)網(wǎng)絡(luò)在面對精度不夠的難題時(shí)，一般會采用增加層數(shù)或者調(diào)整參數(shù)的方式來解決。而寬度學(xué)習(xí)則可以通過橫向拓展的方式，利用輸入映射的特征作為網(wǎng)絡(luò)特征節(jié)點(diǎn)，進(jìn)而增強(qiáng)成為生成權(quán)重的增強(qiáng)節(jié)點(diǎn)，并將特征節(jié)點(diǎn)與增強(qiáng)節(jié)點(diǎn)直接傳輸?shù)捷敵龆恕８鼮橹匾氖?，寬度學(xué)習(xí)并不需要從頭開始學(xué)習(xí)演練，只需要調(diào)解新增節(jié)點(diǎn)相關(guān)的權(quán)重，達(dá)到對新加入的節(jié)點(diǎn)進(jìn)行增量學(xué)習(xí)的目的。

更為重要的是，寬度學(xué)習(xí)系統(tǒng)可以輕松的置于客戶端來執(zhí)行，而不需要依賴超級計(jì)算機(jī)或者云端服務(wù)器進(jìn)行遠(yuǎn)程計(jì)算，可以輕松的在智能控制環(huán)境中進(jìn)行更新學(xué)習(xí)。采訪最后，陳教授對記者表示：雖然寬度學(xué)習(xí)現(xiàn)在還有諸多問題等待解決，但是在他看來寬度學(xué)習(xí)獨(dú)特的逼近優(yōu)勢以及算法快的特點(diǎn)能夠使其成為未來主流訓(xùn)練方法，未來工作重心也將繼續(xù)放在寬度學(xué)習(xí)領(lǐng)域，并為其尋找合適的應(yīng)用行業(yè)與場景。

專家背景

陳俊龍，澳門大學(xué)講座教授及科技學(xué)院前院長，博士生導(dǎo)師，國家特聘專家，我國自動化學(xué)會副理事長，IEEE Transactions on Systems, Man, and Cybernetics: Systems 期刊主編。1985 年獲美國密西根大學(xué)碩士學(xué)位，1988 年獲美國普度大學(xué)博士學(xué)位。曾在美國德州大學(xué)工學(xué)院任終身教授、工學(xué)院副院長及電機(jī)計(jì)算機(jī)系主任?？蒲蟹较虬ǎ合到y(tǒng)及智能算法理論與工程，數(shù)據(jù)分析及挖掘，物理建模及智能控制。獲得了國際學(xué)術(shù)學(xué)會組織的院士/會士（Fellow）認(rèn)可的殊榮，包括IEEE, AAAS, IAPR, 及歐洲科學(xué)院院士。