雷鋒網(wǎng) AI 科技評論按：2018 年 12 月 17 日，由鵬城實驗室、新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟共同舉辦的「新一代人工智能院士高峰論壇」在深圳隆重開幕。本次論壇持續(xù)兩天，由 17 日的主論壇和 18 日的醫(yī)療專題論壇組成。

17 日的主論壇的演講嘉賓包括眾多國內(nèi)一線科技企業(yè)的技術(shù)負責人、多位高校教授，以及論壇的關(guān)鍵嘉賓：高文、趙沁平、俞大鵬、吳建平、桂衛(wèi)華、廖湘科六位院士。演講嘉賓做了精彩的報告，院士們也在現(xiàn)場討論中分析解答了觀眾們提出的許多問題（人工智能開源開放平臺的技術(shù)挑戰(zhàn)，人工智能核心技術(shù)及關(guān)鍵應用落地）。

ACM / IEEE Fellow，騰訊 Robotics X 實驗室張正友博士也是 17 日主論壇的演講嘉賓之一。他的報告題目是《人工智能和智能機器人》。張正友博士曾任微軟人工智能及研究事業(yè)部首席研究員和研究經(jīng)理，是世界著名的計算機視覺和多媒體技術(shù)的專家，在立體視覺、三維重建、運動分析、圖像配準、攝像機自標定、人臉表情識別等方面都有開創(chuàng)性的貢獻。他發(fā)明的平板攝像機標定法在全世界被普遍采用，被稱之為「張氏方法」。

雷鋒網(wǎng) AI 科技評論根據(jù)現(xiàn)場速記把演講全文整理如下。

張正友：各位領(lǐng)導、各位院士、各位同學，大家好！首先感謝高文老師邀請，給我一個機會跟大家分享一下我對人工智能和智能機器人的一些想法。

在此之前我想介紹一下我自己，因為我是最近才回到國內(nèi)的，我從 1986 年就離開了祖國，我是 1985 年從浙大畢業(yè)的，當時第一次接觸計算機，用的是大型計算機，可能大家都沒用過，我當時用的是打孔的卡片，和電腦交互。畢業(yè)以后就去了法國，在法國之后用的電腦就越來越小，剛開始我學的是語音識別，后面轉(zhuǎn)到計算機視覺，當時覺得語音識別太簡單了，只有一維性，所以開始做立體視覺。我參與開發(fā)了世界上第一個用三維視覺做機器人導航的。然后我還參與了歐洲 Mars Rover，也就是航天機器人，還有海底機器人。在法國十幾年之后，我去了日本，在日本待了一年，開發(fā)了世界上第一個用人工神經(jīng)網(wǎng)絡做人臉表情識別的設(shè)備。1998 年加入了微軟研究院，在微軟工作了 20 年，開發(fā)「張氏標定法」，就是攝像機標定的方法，現(xiàn)在全世界都在用這個方法，無論是無人駕駛、機器人還是視覺方面都在使用，我也開發(fā)了 Kinect 深度傳感器，還有遠程操控機器人的研究工作。

我介紹這些，主要是講我為什么有現(xiàn)在的這些想法，這是和我的經(jīng)歷有關(guān)系的。

下面我講一下人工智能，人工智能是一個多學科的交叉研究，現(xiàn)在大家可能都覺得人工智能都是和計算機有關(guān)，其實它是和腦神經(jīng)、認知科學、數(shù)位科學有緊密關(guān)系的，它主要包括識別、分析和決策等等方面。

1843

人工智能技術(shù)是有很多層次的，從基礎(chǔ)設(shè)施到硬件計算能力、算法、技術(shù)方向，包括計算機視覺、語音處理、語言處理等等，到最后運用到具體的技術(shù)，解決行業(yè)的各個問題。

人工智能技術(shù)其實已經(jīng)發(fā)展了好多年，從最開始基于規(guī)則，慢慢的基于統(tǒng)計，現(xiàn)在開始做一些數(shù)據(jù)方面的研究，應用也是很多的。

最近人工智能經(jīng)過幾個高潮和低潮，現(xiàn)在火起來了，這里面很大的原因就是深度學習，深度學習讓我們的識別率在很多方面得到很大提高，超出了我們在實際應用中需要的精確度。比方說以前很長時間，語音識別可能只達到77%，現(xiàn)在已經(jīng)能達到97%了，其實是可以用了。所以催生了很多公司，包括大公司和小公司，還有創(chuàng)業(yè)的很多公司。這里我列了一些國內(nèi)的公司。

騰訊有一個騰訊AI開放平臺，網(wǎng)址是 ai.qq.com，它依托騰訊的三個實驗室，騰訊 AI 實驗室、微信 AI 實驗室，以及騰訊優(yōu)圖實驗室。我加入騰訊創(chuàng)建了一個機器人實驗室 Robotics X，目前需要的不是這些AI技術(shù)。騰訊 AI 開放平臺現(xiàn)在已經(jīng)開放了100多項 AI 能力的接口，大家需要的話可以去試一試，歡迎大家使用。

下面就回到我今天要講的主題，我加入騰訊就是想創(chuàng)建機器人實驗室，為什么我要參與這項工作？因為我覺得我們在不久的將來要進入到人與機器人共生的時代。為什么我這樣講？剛才我講了好多方面，一是從計算的演變，計算從最初的大型計算機到PC的普及，到互聯(lián)網(wǎng)的興起，到智能手機的普及，到現(xiàn)在可穿戴式或者陪伴的設(shè)備，這些都說明了這個計算能力從最初的固定的時間、固定的程序、固定的地方慢慢變得移動化、無處不在，還有連續(xù)化，你隨時隨地可以拿到你要的信息。另外計算也變得非常個人化，無論是GPS還是信息，都是在你的手機、PC上，所以得到無微不至的關(guān)注。

另外從感知技術(shù)上看，剛才講到我最早用的是打孔的卡片，慢慢有了鍵盤、鼠標，后面又有了攝像頭、觸摸器等等?，F(xiàn)在我們的智能手機上有很多的傳感器，除了攝像頭以外，還有很多其它的傳感器，現(xiàn)在設(shè)備變得越來越主動、個人化和多模態(tài)，我們現(xiàn)在還沒有充分地把這些感知技術(shù)用起來，我們大部分人都是把手機放在口袋里的，女士可能都是放在包里的，這些就是我們的技術(shù)還沒有得到充分的應用，所以我認為我們應該把這些傳感器從口袋里面或者是從女士的包里面解放出來，這是我們以后需要追求的機器人的方向，就是要從非常發(fā)達的感知技術(shù)里面把這些能力用起來。所以我覺得隨著技術(shù)發(fā)展和感知技術(shù)發(fā)展，機器人必然會出現(xiàn)，但是目前還不夠，所以我們還要繼續(xù)研發(fā)。

接下來講一下機器人的現(xiàn)在與未來?？梢园褭C器人分成6個部分，

• 第一部分是機器人本體?？赡芎芏嗳硕纪浟?，說到人工智能，人家都以為就是一個算法就夠了，但是它還要一個本體，這樣才能實現(xiàn)真正的智能，本題就包括它的手臂、腿等等。

• 第二是感知，因為機器人需要了解周圍的環(huán)境，才能做決策。

• 第三是執(zhí)行器，如果沒有執(zhí)行器的話，機器人本體動不起來。

• 第四是動力系統(tǒng)。

• 第五是交互系統(tǒng)，機器人需要跟機器人交互，還需要和人交互，所以交互系統(tǒng)也是非常重要的。

• 第六是決策，機器人要識別、規(guī)劃，還要學習。

講到機器人，大家都會想機器人很早就存在了，以前我們講的是工業(yè)機器人，它更多的是有關(guān)自動化的，預先設(shè)計好了之后做重復的運動?，F(xiàn)在我們開始慢慢往自主方向發(fā)展，自主的目的就是要在有很大不定性的動態(tài)的環(huán)境里面，它要自主地決策需要做的事情，然后完成任務。

我們把自主分成兩部分，一部分是反應式自主，它不需要很多深度思考，比方說我們走路的時候可能絆了一跤，我們很快獲得平衡，或者是機器你踹它一腳，它馬上獲得平衡，這是反應式自主。第二個是有意識的自主，需要你決策路徑。

怎么識別這兩種自主呢？我用了一個叫做 SLAP 的范式來描述它，這是講一個機器人的結(jié)構(gòu)，SLAP 是什么意思呢？就是 Sense（感知）和 Act（行動）之間要緊密結(jié)合，它幫助我們實現(xiàn)了反應式的自主，然后在這上面有一個 Plan，它是做規(guī)劃的，這個規(guī)劃是幫助我們?nèi)崿F(xiàn)有意識的自主。在這個周圍我們需要另外一個能力，就是 Learn，我等會兒還會繼續(xù)強調(diào)。機器人需要通過和外界交互，不斷地提升自己的能力。當你有了智能以后，機器人就可以在很多場景里面，比方說在智能制造、老年陪伴等等很多方面都有應用。

機器人本體目前有 6 個趨勢，第一個是仿生的機器人，比如說蛇形機器人，它可以進入到比較復雜的環(huán)境里面，比方說在地震或者其它環(huán)境里面搜尋有沒有人還活著。第二是靈巧的操控，第三個是觸覺技術(shù)，第四個是多機器人協(xié)同，第五個是人機交互，包括安全交互和物理交互，第六是醫(yī)療輔助。

剛才講到，我認為我們在不久的將來能夠進入到人和機器人共生的時代，但是目前的技術(shù)還沒到那個地步，所以無論是在工業(yè)界還是學術(shù)界，都需要努力地做更多的研發(fā)。我認為機器人領(lǐng)域有一些技術(shù)需要突破，才能使得機器人真正能夠為人服務。

我把它的技術(shù)突破點總結(jié)成 A2G 理論。A2G （A to G）是什么理論呢？就是 ABCDEFG 剛好對應了機器人技術(shù)相關(guān)的一些方面，A 代表的是 AI，B 是 Body（機器人本體），C 是 Control（控制），D 是 Developmental（發(fā)育學習），E 是 EQ（情商），F(xiàn) 是 Flexibe  Manipulator（靈活操控），G 是 Guardian Angel（守護天使）。A、B、C是代表了人工智能的集合能力，D、E、F、G 是相當于它們需要更高的智能或者是系統(tǒng)。

A 就是 AI（智能），因為機器人必須要能看、能說、能聽，能夠理解，這樣才能跟外界交互，能夠?qū)崿F(xiàn)它要做的事情。B 是 Body（本體），這是非常重要的，不同的本體決定了機器人的能力，比方說剛才講的蛇形機器人，它能夠穿過很狹窄的通道，到一個很復雜的環(huán)境，所以本體也是需要研究的。C 是 Control（控制），這是比較清楚的需要繼續(xù)努力的方向。

我剛到騰訊的時間不長，現(xiàn)在我做了三個機器人，大家去騰訊新大樓的展廳都可以看到。第一個是絕藝圍棋機器人，第二是桌上冰球機器人，第三是一個機器狗。

大家知道騰訊 AI 做了一個絕藝圍棋 AI，但是無論是絕藝圍棋 AI 還是 AlphaGo，都需要有一個人去下子。絕藝圍棋 AI 告訴一個人應該下哪個子，他會下。我們現(xiàn)在加了一個機械臂，它自動去完成下子的任務，這是從本體來做的。從感知角度來講，它要做一個棋盤和機械臂之間的標定，絕藝要通過后臺通訊，知道要下哪一步，控制方面就是機械臂的軌跡控制。

這是桌上冰球的機器人，它的感知是一個高速的攝像頭，它能夠高速的跟蹤冰球的位置，然后預測下一步這個冰球在什么地方出現(xiàn)。它有一個決策，就是到底采用攻擊的方法還是防衛(wèi)的方法，控制就是路徑規(guī)劃和快速控制。

機器狗，它的本體是我們和浙大合作的。它的感知系統(tǒng)是我們自己做的，感知系統(tǒng)能夠識別不同的場景和地面，能夠避開固定的或者動態(tài)的障礙物，控制方面就是針對不同的場景，它能夠有不同的步態(tài)和平衡控制。

機器狗有 3D 激光傳感器，同時周圍有四個廣角的攝像頭，前面還有一個立體的視覺系統(tǒng)。

當看到前面有一個比較高的障礙物，它能夠匍匐前進。

當看到前面有人的話，它會蹲下來跟人交互。

這只是簡單的幾個系統(tǒng)，是最近我們做的，大家下次有機會參觀騰訊的展廳的時候，可以去跟這些機器人互動一下。

我們對機器人 ABC 的評估標準，要從力量、靈巧、快速、準確和優(yōu)美的角度評估這些機器人的能力。

這里還想講一下本體，因為機器人領(lǐng)域里面很多人都強調(diào)是人形機器人。對這個問題我有一點思考，人形機器人是不是我們需要追求的機器人的目標？人之所以有直立雙足，是經(jīng)過幾百萬年演化出來的，是要在荒野里面、大草原里面生存下來，所以我們有了直立雙足。但是目前機器人的工作環(huán)境，大部分情況下都是平的地方，再加上幾個臺階，而且沒有生存淘汰的壓力。所以我們現(xiàn)在去研究機器人，不一定是一個人形機器人，而是應該思考什么樣的最佳的機器人本體，在現(xiàn)在的環(huán)境里面要去實現(xiàn)你需要的任務。

下面講一下 D—G 。D 是進化學習，目前盡管人家說我這個機器人是通過深度學習出來的，但是學習出來的能力還是固定的，放到一個機器人身上，它永遠是這樣的，但是我們?nèi)藦某錾_始就跟父母、跟周圍人交互，能力越來越強大，所以我們怎么讓機器人也具備進化的能力，這是我們需要研究的。

E 是 EQ，因為人和機器人是要共存的，它必須對人有一個深刻的理解，包括感情的理解，同時要用適當?shù)姆绞桨堰@個感情表達出來，讓人理解，所以情感交互是非常重要的。

F 是靈活操控，我們看到電視、電影里面都是高科技的鋼盔鐵甲的機器人，但是在人和機器人共存的時代，這些機器人往往對人造成傷害，所以我們要研發(fā)不會對人造成傷害的機器人，所以這里面有人造皮膚，或者是高精度觸感的傳感器，這樣能夠靈活操控。

G 是 Guardian Angel（守護天使），機器人最終的目的是要服務人、保護人，不能把它當做一個獨立的個體，它應該跟周圍的環(huán)境和周圍的傳感器結(jié)合，同時還要和云結(jié)合，這樣即使你的家庭成員或者朋友不在邊上，你也能夠很快地跟他們?nèi)〉酶星榈慕涣鳌?/p>

我們也有一個用于進化學習研究的機器人。我們 Robotics X 實驗室的目的就是要為人機共存、共創(chuàng)和共贏的未來準備的，這里面包括了增強人的智力、關(guān)懷人的情感，發(fā)揮體能的潛力，還有推進人機協(xié)作。

前面講了很多機器人，現(xiàn)在我要給大家潑點冷水，人工智能和機器人還有很長的路要走，現(xiàn)在僅僅是人工智能和機器人的初春。講寒冬不太合適，初春比較準確。

舉個例子，幾周前在寧波街頭的一個街頭的系統(tǒng)識別到「董明珠過馬路闖紅燈了」。但事實上董明珠并不在那邊，而是卡車的車身廣告上有董明珠頭像的廣告，公交車從旁邊經(jīng)過，識別系統(tǒng)發(fā)現(xiàn)了，認為是董明珠闖紅燈了，這說明它的識別率是很高的，認出了這個圖片是董明珠，但是也說明它是很傻的，它不知道這個不是真人?，F(xiàn)在很多東西都非常單一，不接地氣，這里面還有很大的工作要做，這是從計算機視覺方面舉的一個例子。

第二個例子是自然語言的，「前門到了，請從后門下車」，我們都明白是什么意思。然后我們看看現(xiàn)在的機器翻譯能不能理解對。我們用谷歌翻譯，它把「前門」翻譯的是「Front Door」，它的翻譯是錯的，我覺得可能谷歌不懂中國的國情，所以我用了百度的翻譯，它還是翻譯「Front Door」，所以百度對中國還是不了解。

我想可能是我的語法不對，我改成了「前門車站到了，請從后門下車」，百度的翻譯仍然不對。人工智能語義理解方面還有很大提升空間。

還有機器人方面的例子，大家知道有一個叫索菲亞的機器人，被阿聯(lián)酋封為他們的榮譽公民，他們說可以和人交互，但是它還遠遠達不到這樣的水平，它的對話都是通過預先設(shè)計好的場景來對話的。

人家說人工智能會消滅人類，我已經(jīng)從事了30多年的人工智能研究，我覺得是不用擔心的。但是確實人工智能已經(jīng)發(fā)展了很多，有很多應用的地方，所以我們需要繼續(xù)往前推進人工智能的應用。但是還要繼續(xù)投入更多的研究，無論是視覺、語音還是自然語言，或者是機器人，還有認知等等，都需要繼續(xù)努力，不光是應用，還要有基礎(chǔ)的研究，所以我覺得有鵬城實驗室這樣一個平臺是非常好的，我也非常樂意回到祖國，和大家一起為人工智能的發(fā)展貢獻我自己的一份力量。謝謝大家！

雷鋒網(wǎng) AI 科技評論編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。