【静点评】去年9月12日,我曾经到中科院自动化所探访模式识别国家重点实验室,当时我就跟刘成林主任和陶建华副主任咨询过类脑研究的事,当时听说脑研究是他们实验室里的一个组,但也在做相关扩充的规划。今年1月6号,我正在发烧到38度,但听说自动化所举办的模式识别大讲堂邀请了国防科学技术大学的胡德文教授做大脑神经与代谢活动模式识别的报告,我还是一咬牙去了。果然很过瘾,虽然胡教授有口音,但他最后讲到的脑电波控制轮椅和汽车的技术非常有科幻感。那天还有幸见到华中科技大学副校长骆清铭教授,他也在负责一个重大的脑科学项目。
4月15日,中科院自动化所主办第二届中国图像视频大数据产业创新论坛,而王亮副主任已经在几个月里把图像视频大数据产业联盟的微信群做得有声有色,论坛当天图像视频领域的相关专业人士济济一堂,气氛非常活跃。当天的论坛还邀请到中科院副秘书长谭铁牛院士致辞。刘成林主任在论坛期间,介绍了自动化所类脑智能研究中心的筹备情况。
近两天,中科院自动化所的微信公众号将类脑智能研究中心的规划和图像视频大数据产业创新论坛的详细内容进行了披露。我今天就将这两篇文章推荐给大家。并提请各位关注刘成林主任对自动化所类脑研究方向的阐述。他说
类脑智能研究中心将融合智能科学、脑与认知科学的多学科优势,研究创新性的认知脑模型,实现类脑信息处理、类脑智能机器人等相关领域理论、方法与技术的突破。该中心将主要包括三个研究方向:认知脑计算模型、类脑信息处理和神经机器人。 具体来说,
第一个方向,是借鉴现有的脑科学的成果,建立人类脑神经的模拟机器,
深入开展基础研究,助力于人工智能在视听觉、学习、思维等方面的突破;第二个方向,是受脑信息处理机制启发,研究基于类脑信息处理机制的多模态数据语义理解;第三个方向,是通过类脑研究,提升机器人的智能化程度,让机器人掌握精细动作并实现自主动作学习等能力。类脑是手段 智能是目标—中科院自动化所发力类脑智能研究来源:2015-04-27 中国科学院自动化研究所
你能试想有一天,机器人的大脑能够如同人脑一样自主识别陌生的环境,并具备思考能力吗?
或许这一天的到来并不会很遥远。借鉴脑与神经科学研究的成果,将脑信息处理机制融入未来信息与智能系统,让机器人变得更加智能,这就是中科院自动化所类脑智能研究中心(以下简称类脑中心)的目标。
4月15日,类脑中心正式在中科院自动化所挂牌成立。这意味着该所长期酝酿的、为发展未来人工智能与信息技术的类脑智能研究计划全面启动。
中国科学院自动化研究所(以下简称自动化所)所长王东琳指出,智能科学和智能信息处理是中科院自动化所的定位和战略重点方向。中科院自动化所的“一三五”规划中,“一”即优先发展一个领域——智能技术。为在信息化迈向智能化发展的道路上抢占战略制高点,欧美等国的脑计划当中都不同程度地部署了受脑启发下一代信息技术的战略。类脑智能研究是作为国立科学研究机构的中国科学院自动化研究所经过长期凝练,面向下一代人工智能与信息技术的发展及激烈的国际科技竞争提出的重大科研战略。
“研究所专门成立类脑智能研究中心,是具有独立建制的所级科研部门。未来,将在自动化所统一战略规划下,联合模式识别国家重点实验室、复杂系统管理与控制国家重点实验室等科研部门,进行有关类脑智能的协同创新。”王东琳表示。从平行到交叉
在很长时间内,人脑的科学研究和人工智能的研究,犹如两条平行线,几乎看不到实质性的交集。
人类研究脑的运行机制已经有上百年的历史。出于健康的考量,脑科学的发展很快,也越来越受重视。
1956年,来自不同领域的学者在达特茅斯(Dartmouth)研讨会上首次提出“人工智能”的概念。“实现人工智能主要有两条路线,一个是符号表示的推理,即符号主义;一个是人工神经网络的方法,又称连接主义。”中科院模式识别国家重点实验室主任刘成林向《中国科学报》记者介绍,连接主义的研究在上世纪50年代提出,60年代~70年代陷入低谷,因为当时神经网络的代表方法感知机只能实现线性分类,做不了非线性分类,“而真实世界中很多任务都是非线性的”。
上世纪70年代人们提出了多层神经网络的误差反向传播(BP)训练算法,但并未得到重视。80年代中期,美国的科学家把BP算法用于多层神经网络训练,成功解决复杂的非线性分类和回归问题,连接主义的人工智能研究随即进入新的高潮。但是到90年代中期,连接主义再次陷入低潮,因为进一步增加神经网络的层数带来训练收敛慢的问题且泛化能力有限,而新提出的支持向量机(SVM)在这些方面优于神经网络。
刘成林表示,直到2006年,神经网络的研究才再次取得重大突破,深度学习算法诞生,加上采用GPU的并行计算的推广,使具有很多层的深度神经网络能够在大规模样本上有效训练且泛化性能明显提高,深度神经网络在语音识别和多种图像识别任务中大幅提升性能,人工智能进入一个新的发展阶段。 “但是,深度神经网络依然有它的瓶颈。第一是训练效率问题,必须有大量标注样本训练才能保证足够高的泛化性能。第二是不够鲁棒,神经网络可能把不属于任何类别的模式非常自信地判别为某一类。而人脑学习模式只需要少量样本,而且对不认识的模式可以很可靠地拒识。”刘成林指出,人工智能面临的局限,急需新的理论来突破。目前,人工智能在图像识别、语音处理上的精度难以进一步提高,且学习过程很不灵活。故此,急需从脑科学和神经科学寻找新的借鉴。
“人脑是最好的模式识别系统,是一个具有复杂度极高的神经网络结构。和其相比,人工神经网络(包括深度神经网络)对人脑神经系统的模拟还处在很初级的阶段。因此,有必要从模拟人脑的神经结构、思维方式和学习方式入手,让脑科学和人工智能的研究产生交叉,寻找人工智能新的突破。”他说。 在这样的考量下,类脑智能研究计划应运而生。三大研究方向
刘成林指出,类脑智能研究计划的目的是发展以下一代人工智能为核心的信息技术,而“类脑”是实现类人智能水平的手段与途径。目前还没有任何一个人工系统具有全方位的人类水平的智能,而作为人类智能的载体,人脑信息处理系统具有高度的自主学习能力、自适应性和语义理解能力,并能够以高性能、低能耗的方式长期工作几十年。
他表示,借鉴脑与神经科学研究的成果,将脑信息处理机制融入未来信息与智能系统已经成为国际学术与产业界发展的趋势。欧盟与美国相继推出的脑计划中,都包含了脑模拟与类脑智能研究的探索,在这种趋势下,作为国立科学研究机构的中科院自动化所将挑起类脑智能研究的重任,与国际科技界同台竞争。 在这种背景下,为推动研究所在类脑智能领域的科学研究,积极参与国家创新科研战略,进一步推动未来智能科学与信息技术的发展,中科院自动化所整合集结了研究所相关优势学科方向与科研团队,成立了类脑智能研究中心,协同进行类脑智能的科研和战略推进。
类脑智能研究中心将融合智能科学、脑与认知科学的多学科优势,研究创新性的认知脑模型,实现类脑信息处理、类脑智能机器人等相关领域理论、方法与技术的突破。该中心将主要包括三个研究方向:认知脑计算模型、类脑信息处理和神经机器人。 具体来说,
第一个方向,是借鉴现有的脑科学的成果,建立人类脑神经的模拟机器,
深入开展基础研究,助力于人工智能在视听觉、学习、思维等方面的突破;第二个方向,是受脑信息处理机制启发,研究基于类脑信息处理机制的多模态数据语义理解;第三个方向,是通过类脑研究,提升机器人的智能化程度,让机器人掌握精细动作并实现自主动作学习等能力。 “比如说,过去我们让机器人学动作,都是通过编程的方式实现。以后,我们试图通过人机交互的方式,让机器人通过对话、阅读等,能够向人自主学习动作。”刘成林介绍。从技术路线来看,第一个研究方向偏基础,后两个研究方向偏应用。
目前,类脑中心规划招聘数十名专职的科研人员,同时自动化所将结合两个国家重点实验室的力量,集全所之力,全面展开类脑智能研究。独具特色
近年来,关于脑科学的研究如火如荼。2013年,欧盟启动10亿欧元的“人脑计划”。同年,美国启动45亿美元的“脑计划”。
在国内,科技部正在规划“脑科学与类脑研究”的重大专项。北大、复旦等高校也开展相应研究。中科院自动化所的类脑中心,有哪些优势和特色呢? 刘成林指出,经过“十二五”期间的不断凝练与提升,自动化所提出了类脑智能工程战略,部署了先期探索的科研团队。在过去几年,一方面积极向国家有关部门建言,同时开展基础与探索性研究
。目前在针对脑皮层认知功能的计算模拟、类脑自主学习机制及其计算实现与应用、脑知识图谱、“手、眼、脑”协同的认知机器人等方面取得阶段性进展。 该中心副研究员
曾毅向《中国科学报》记者详细介绍了认知脑模拟仿真平台并展示了他们构建的哺乳动物脑模拟系统,记者在看到各种尺度的动态生物细节(如不同类型的神经元真实形态及其放电模式、脑区之间的动态交互)的同时,还看到了这个脑模拟系统初步展示出来的视觉感知、记忆与自主学习的能力。
他们的目的,旨在不断完善这套模拟系统,给机器人安装一个“大脑”,最终让其学会独立思考。 “让机器人获得类人脑的思维能力,一直是人工智能研究的长期目标。这也是现在的发展趋势。”曾毅说。 刘成林指出,类脑中心和其他脑科学研究机构的不同在于中心立足智能,并将人脑研究与人工智能的研究深度结合起来,相互借鉴、相互促进。“人工智能当然需要借鉴当前脑科学的研究成果,但是人工智能独特的计算和分析能力,我觉得脑科学在进行大数据处理时也可以用得上,目前自动化所已经在这个领域进行了初步探索。”刘成林说。 “类脑是手段,智能是目标”,这就是类脑中心最大的特色。类脑人工智能的核心在于脑与神经科学、认知科学、计算科学、信息科学等学科领域的交叉融合,它将有力地推进新的技术革命。 在学术交流方面,类脑智能研究中心积极开展广泛的国内外合作。近期已与瑞士洛桑联邦理工大学(EPFL)共建成立了“中瑞数据驱动神经科学联合实验室”,开展神经信息学平台合作研究;与美国塔夫茨大学、波士顿大学合作开展认知脑模拟研究;并与中科院神经所、北京师范大学等单位保持密切合作关系。
“未来,类脑智能研究中心将进一步加强与国内外相关学术机构、产业界开展广泛深入的合作,搭建类脑智能国际创新网络,致力于成为脑与智能科学交叉领域有国际影响的研究中心。”刘成林说。
(作者:彭科峰,原载于《中国科学报》 2015-04-27 第5版创新周刊)【观点】图像视频大数据:创业者掘金新读图时代来源:2015-04-27 中国科学院自动化研究所
在全球图像视频数据爆炸式增长的今天,有志于在这个行业掘金的人,如何才能抓住机遇、迎接挑战、成功创业?近日,由中国科学院自动化研究所主办的第二届中国图像视频大数据产业创新论坛在北京召开,《经济日报》记者就此问题,采访了来自科研机构和行业企业的与会嘉宾们。
现状——游戏规则正在改变 我们正在进入一个海量数据的时代。2012年全球数据总量是2.84ZB(1ZB=10的15次方MB),到2020年,这个数字将上升到40ZB,IDC(国际数据公司)将其称之为“数字宇宙”。这个数字宇宙的一大部分正在被图像视频所占据。据统计,2010年,仅监控视频就占了全球大数据的大约一半。
这种现状,让数字媒体产业的蓬勃发展显得如此顺理成章:美国数字媒体产业年营收超过4000亿美元,占其GDP的4%;在日本,电子游戏、动漫卡通等数字媒体产业已超过钢铁业两倍,成为仅次于汽车业的第二大产业;我国的数字出版收入规模2013年达到2540亿元,比2010年增长31.3%。
“数字媒体技术已成为影响社会生活和国民经济的最主要的信息来源。”北京航空航天大学教授李波说,“但人们遨游于信息海洋时会面临三大挑战,即存不起、查不准、管不住。”
据IDC公司统计,2014年全球新增数据总量为4.1ZB,其中超过75%来自个人,主要是图片、视频和音乐,如果按1TB硬盘300元计算,需要用12300亿元的硬盘来存储。海量增长的数据让人们“存不起”。
同时,谷歌、百度等商业化搜索引擎,主要支持基于文本的搜索,“以图搜图”与人们的预期相比还有不小差距,跨媒体形式的搜索能力更是有限。滞后于需要的技术让人们“查不准”。
此外,数字媒体传播速度快、信息量大、内容丰富、互动性和影响力都很大,不仅传统媒体无法比拟,媒体的数字化和网络化还使得盗版、伪造、谣言、淫秽、反动等非法媒体内容日益猖獗。“管不住”也成为数字媒体发展的一大挑战。
新变化带来新挑战,也带来了很多新的创业模式。北京数据堂公司就利用互联网建立数据众包平台,成立了“数据银行”,将各种大数据收集起来,对数据进行“清洗”整理后,向外提供数据出租等服务。公司首席运营官柴银辉说:“算法不足,可以靠人来补。我们在全国有40万众客,比如采集一千万女性人脸,每个众客采集25个就可以完成任务。现在,华为等大公司都成了我们的客户,向我们购买数据。”
“大数据正在改变游戏规则,你必须把握新规则,才能跟上新时代。”奇虎360科技副总裁谭晓生说。
趋势——人类眼和脑的延伸 在各种技术和产品日新月异的今天,我们或许需要洞悉先机才能跟上时代。图像视频大数据产业,未来将走向何方?
李波认为,数字媒体未来发展的趋势是真三维、云处理、个性化与强互动。高精度场景3维建模、3D打印、数字城市等三维产业将逐渐成为信息科技升级的主要驱动力,人们对数字媒体的需求逐渐从二维向三维过渡;数字媒体数据量大,内容分析关联复杂,越来越多的分析和服务需搬到“云端”来实现;网络电视、社交网络的兴起,代表着个性化与强互动结合成为媒体消费的新模式,数字媒体和其他数据的深度融合,将产生一系列个性化和智能化服务。
“移动设备上的摄像头,正在成为人类眼睛的延伸。大数据时代,万物互联带来人工智能,将成为我们大脑的延伸。”百度研究院副院长余凯表示,通过免费的搜索引擎,用户为百度提供了很多数据,百度则通过大数据人工智能,获得这些数据的商业价值。
“什么是人工智能?首先是感知,第二是理解,第三是作决策。智能产品的关键是学习能力,应该随着用户使用的越来越多,它越来越懂你,越来越好用。”余凯说,模拟大脑行为的学习,特别适合大数据。深度学习技术将让大数据真正成为商业壁垒,使企业获得别人难以复制的核心竞争力。
视频侦查和智能交通,正在成为数字媒体应用的两个“大户”。视频侦查已成为继刑侦、技侦和网侦后的第四大案件侦破技术,我国99%的大案要案的侦破需要视频监控信息。海康威视公司大数据开发总监赵世范说,公司的视频监控智能处理技术协助公安系统做了很多案件侦破工作,但目前仍存在人工判读效率低、图像模糊难以辨识等难题。“由于有车牌标示,我们对视频监控中的汽车智能识别技术比较成熟,成功率也高。但如何从多个场景中提取可关联的人,技术还不成熟。视频中的色彩、清晰度、光照、人脸角度这些因素的不同,都会影响我们对人脸的识别效果。”
此外,根据国家已公布的《道路交通安全“十二五”规划》、《道路交通科技发展十二五规划》,有专家预测,未来十年我国在智能交通领域的投入将达1820亿。这是一个巨大的市场,但目前仍存在数据处理和传输量大、智能化程度低等问题,同样也急需数字媒体技术高速发展的支撑。
策略——满足用户真实需求 对创业者来说,将数量大变成价值大,是大数据技术的本质需求。
瞪羚基金是扎根于中关村的创业投资基金,投资总监黄岩表示了对大数据行业的看好:“大数据是未来最有潜力的方向之一。现在互联网+是很热的风口,互联网加得到的领域,大数据全都加得到。”
“创业公司找风投,其实没有统一答案。我的经验是,技术和产品要细要专,还要找到用户的真实需求。”上海亮风台公司是一家主要从事图像识别和增强现实技术的创业公司,CEO廖春元介绍了公司开发的两款儿童产品。
为儿童读物《哈哈画报》开发的“哈哈探宝器”,让儿童在阅读时可以扫描书中角色,并在手机上玩相应的互动游戏。与淘米联合开发的“摩尔字母乐园”,让儿童在扫描实体字母玩偶后,看到手机或平板电脑上的动态玩偶变“活”了,可以眨眼睛、说话、教英语。
“电子产品对儿童发育不利,因此实体书、杂志和玩具有存在的必要。但传统读物和玩具缺少电子产品的互动性,吸引力低。”正是看到用户的真实需求,这两种让传统书籍玩具与电子产品结合在一起的应用,才应运而生。
不只是创业中的小公司,对大公司来说,找准并满足用户对图像视频大数据的真实需求同样重要。
腾讯公司微信事业群高级工程师谷沉沉谈起微信的视频通话功能时表示,微信的用户太多、分布太广,使用的网络各种各样,网络差异和终端差异非常巨大,为了提升用户满意度,微信团队只能细分用户需求,对不同端口的用户视频传输采取不同策略。
事实上,满足用户真实需求必须大家通力合作,成为这一行业的共识。
“我国图像视频大数据产业正迎来重要的发展机遇,也面临巨大挑战。”中科院院士谭铁牛说,挑战主要是自主创新较少、同质低价竞争普遍、国际化程度低等。他介绍说,去年9月成立的图像视频大数据产业技术创新战略联盟,联合了由百度、腾讯等家企业,清华、北大等高校,以及中科院自动化所、计算所等研究院所,目前已有43家会员单位。“联盟旨在团结、规范、引导我国图像视频大数据技术和产业的健康发展,以技术项目研发为重点,推进资源融合,建立利益共同体。”