汇报人： 高文院士
时间：19-11-15
地点：哈深活动中心
备注：笔记不全，部分为回忆内容，不实之处请忽略

世界人工智能发展历程和趋势

1. 1956至今63年
   1. 1956-1976基于符号的推理证明阶段
   2. 1976-2006基于人工规则的专家系统
   3. 2006-~基于大数据驱动
2. 1956年-1976年的技术与工具
   1. 技术工具
      1. 逻辑运算
         1. 又称布尔运算（数学工具）
      2. 演绎推理
         1. 三段论是其方法
         2. 逻辑编程是其实施
      3. 三段论
      4. 逻辑编程Lisp，Prolog
   2. 数学定理证明
      1. 《数学原理》，“王”算法
3. 专家系统三十年
   1. 基于逻辑推理的专家系统
      1. 规则能掰扯明白的
   2. 基于神经元网络的专家系统
      1. 规则不能掰扯明白的，如手写体识别（起源于早期邮件分拣？）
4. 2006年至今
   1. 技术与工具
      1. 深度学习算法演化
         1. 算法优化
         2. 应用创新
   2. 这一阶段之前的人工智能是被设计出来的，这一阶段后的智能是从数据中算出来的，更完备
   3. 从神经元的工作原理获得启发
   4. 里程碑
      1. BP反向传播网络使得网络一定能收敛
      2. 卷积网络使得收敛足够快
      3. ResNet使得网络可以很快收敛（华人发明的）

5. 当前人工智能发展趋势

   1. 感知智能成熟，认知智能继续突破
   2. 目前的智能成为数据智能，基于统计
   3. 人机融合成为重要方向
   4. AI应用驱动加速推进，经济社会巨大潜力逐步显现
      1. “剑桥分析”通过分析群众心理，操纵英国脱欧和美国大选特朗普

         我国人工智能发展水平和前景

6. 中国人工智能发展水平总体能和美国比肩

7. 发展优势
   1. 政策支持
   2. 人口多数据多，社会发展发达
   3. 城镇化大量的需求，老龄化对服务医疗的要求提高
   4. 中国工科比重大，世界会议中中国人比重很大
8. 薄弱环节
   1. 原创性工作不多
   2. 高端器件缺乏，依赖美国进口
   3. 国内人工智能开源开放平台比较少
   4. 高水平的人才不足，高端人才中国仅美国1/5

对我国人工智能发展建议

1. 同上一节薄弱环节

提问环节

• 提问者1： AlphaZreo采用的是强化学习不是深度学习，强化学习无label，能适应很多复杂的游戏场景，那么他更接近强人工智能，请问您是否看好他？

院士答：强化学习只是深度学习的一种策略，使用较小的样本进行训练，个人不认为他能诞生强人工智能……

• 提问者2：神经网络和大数据的混沌方法，您认为那个有潜力行成强人工智能？您怎么看谷歌的量子霸权？

院士答：实际上我认为他们都没潜力诞生强人工智能，我认为类脑科学和量子是比较接近强人工智能的途径，……，量子计算里成熟还远，目前实现出的量子计算也不稳定。

我的问题：

1. 强化学习 与 对抗学习别？
2. 大数据+混沌的方法 or 神经网络类脑系统，那个更能实现强人工智能? 谷歌量子霸权是否言之尚早？