谭光明：人工智能的发展现状及其在环保中的应用.pdfVIP

谭光明：人工智能的发展现状及其在环保中的应用 12 月 9-10 日，由全国工商联环境商会主办，以“学习贯彻十 九大精神：锻造产业利 护卫美丽中国”为主题的“2017 中国环保上 市公司峰会”在广东肇庆召开。中科院高性能计算机研究中心主任、博 导谭光明在峰会上表示，人工智能成为经济发展的新引擎，还给社会 建设带来新机遇。在技术层面也是国际社会各个国家科研机构竞争的 高端技术。中科院高性能计算机研究中心主任、博导 谭光明 以下是演讲实录：最近在环保应用领域做了一点事情，雾霾检测 方向做了一些应用，一些算法研究，跟大家分享一下，后续还有很多 事情需要往前推进。人工智能已经成为国家发展战略的一部分，美国、 欧洲、日本等也发展迅速。这些数据能够说明问题，像各领域人工智 能公司的创建，如雨后春笋般出现。人工智能成为经济发展的新引擎， 还有给社会建设带来新机遇。在技术层面也是国际社会各个国家科研 机构竞争的高端技术。人工智能技术可以分类，引用 UCLA 朱松纯的 分类，归纳为六个：①机器学习（各种统计的建模、分析工具和计算的 方法）②计算机视觉（暂且把模式识别，图像处理等问题归入其中）③ 认知与推理（包含各种物理和社会常识）④机器人学（机械、控制、设计、 运动规划、任务规划等），像近期波士顿动力公司做了机器人后空翻 的演示。⑤博弈与伦理（多代理人 agents 的交互、对抗与合作，机器人 与社会融合等议题）。⑥ 自然语言处理（暂且把语音识别、合成归入其 中，包括对话）。把近几年的大事件，包括自动驾驶，把这些做一些分类， 跟人工智能的深度学习技术，包括知识图谱、深度学习、增强学习，这些 在行业应用中跟行业技术配合使用。今天提到人工智能就是深度学习， 其实这只是人工智能大领域里面很小的一块，事实上还有早期机器学 习相关算法的研究，发展到今天，深度学习的技术已经把很多技术做 了替代，变得更加前沿的一个方法。人工智能的三次浪潮与深度学习 算法有比较好的契合。1958、1982、1986 年分别是人工智能兴起的时 候。李国杰院士说过：“人工智能已经炒过几回了，经历了几个夏天和 冬天，忽冷忽热；现在终于到了秋天了，是收获的季节了。”这次人工 智能浪潮的兴起，毫无疑 问得益于深度学习技术的发展和兴起。深度 学习技术发展历程坎坷。20 年前，Hinton 提出了Neural Network ，没有 得到热门发展。NN 逐渐冷落，SVM 和 Boosting 等不断兴起…… Hinton 于 2006 年在《科学》上发表文章，首次提出 DL。热点的兴起也 离不开背后技术的发展。一方面得益于计算技术的发展和推动，还有 就是大数据的发展，两者结合使 DL 深度学习方法能够发挥更有效的 作用。深度学习的基本思想就是构建具有很多隐层的机器学习模型和 海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的 准确性。深度学习模型，层次很多，通常有 5 层、6 层，甚至 10 多层， 上百层神经网络，对于技术能力的需求越来越大。在高度发展空间，深 度学习类型有很多。针对不同领域， 图像、文本、语音识别等等，在实 际应用中常常都混合着使用，出现很多灵活的组合方式。根据实际实 用问题，选择合适的网络。像很多宽带一样，google tensorflow，Caffe 以及 MX.NET 等深度学习的框架。很多大公司或创业公司都基于这 些框架开发自己的产品，做自己的研究。这些框架有不同的优点和缺 点。这些缺点和深度学习的模型是一样的，根据实际问题选择更合适 的框架和模型。做个简单总结，Caffe 是最早的深度学习框架，科研应 用的综合性能好，但主要局限于 CNN。MX Net 更加注重高效，文档详 细，上手很容易，运用也灵活。 Google 强力推出的 Tensor Flow，很多 人跟随这个框架使用，功能很齐全，能够搭建的网络种类更丰富，但 综合性能比别的开源框架要差一些。但在某些阶段也不太注重性能。 一个有效的解决途径是针对具体应用设计混合型学习框架。但是目前 存在很多的 问题，可以通过三个方面来阐述。第一，产业链。产业链不 完整，缺少从国产芯片、平台、应用软件的完整产业链。生态圈不丰富： 缺乏 CNN、RNN 等多种深度学习算法训练库。第二，平台。缺少对国 内处理器、DCU 及其他国产加速器的开源服务平台。像跟曙光合作 的 DCU、寒武纪，都没有一整套开源作为支撑。缺乏覆盖科学研究、经 济民生等大规模深度学习训练的数据资源。现在很多信息不共享，比 如医院、政府资源，数据