2019年8月9日，由中國高科技行業門戶OFweek維科網主辦的“OFweek 2019中國AI＋機器人高峰論壇”在上海新國際博覽中心成功舉辦。復旦大學智能機器人研究院副院長、研究員張文強先生，于會中做了題為《人工智能與機器人關鍵技術與產業創新》的主題報告。
會中，他從深度學習算法、NLP（自然語言處理技術）、自主駕駛應用、人工智能＋中國名族特色產業IP融合，AI＋中醫領域應用案例等方面深入剖析了人工智能與機器人關鍵技術的應用潛力和趨勢，并從AI智能化場景切入詳細闡述了AI驅動＂1＋N＂產業創新思路以及AI關鍵技術的應用發展價值。
機器人作為人工智能賦能“1＋N行業”發展的應用載體，如何把人工智能算法很好的融入到機器人行業？
張院長首先表示“隨著工業互聯網和移動互聯網的快速發展，以智能手機為代表的移動終端，它催生了云計算、大數據，物聯網和邊緣計算，同樣也催生了近兩年極具熱門的人工智能領域?！泵鎸θ绾胃玫拇龠MAI＋機器人技術的融合發展，我們需要思考和追溯一個本質的問題，人工智能近幾年快速發展成為熱門依靠什么？AI關鍵技術都有哪些？
“它靠的是以深度學習維代表的算法、它在語音識別，在人臉識別、在語義理解這個層面做出了非常好的一個效果。張院長給予了肯定的回答。
當下，以深度學習為代表的算法在以下方面取得極大成功。
1、語音識別領域，在人類會話測試中，精度超過了 95％
2、自然語言理解、機器翻譯等幾乎達到人類水平
3、計算機視覺領域，人臉識別等超越了人類
4、在人機博弈領域，AlphaGo完美戰勝了人類
······
但目前學術界和產業界對深度學習都有‘吐槽’，這些“吐槽”的重點有哪些？
對此，張院長從兩個方面闡述了深度學習所遭遇的瓶頸。
“數據”資源驅動 耗人耗力
對某物體進行識別之前，我們要給它“喂”大量的數據，而這個數據需要有人來做標注并給它打標簽。以語音識別技術為例，我們要給它喂大量的語料庫，比如在識別某種方言，要喂這個數據，所以說大家經常會吐槽“要有多少的人工，才能有多少的智能”。此外這將會消耗浪費過多的人力和物力。
質量與準確率如何掛鉤
深度學習大家都認為它就是一個“黑夾子”，對于里面的真實情況“不明所以”，“我們在調這些參數時往往是跟運氣相關的，調的好則它出來的效果將是非常好的”，這是大家在吐槽時，問題反饋比較多的一個點。所以說如何把數據驅動型的人工智能跟知識引導型的人工智能結合起來成為突破此瓶頸的關鍵。
深度學習瓶頸的破局之道
張院長認為，要解決這個問題的關鍵在于如何把數據驅動型的人工智能跟知識引導型的人工智能相結合以實現自主智能。
他表示“目前人工智能＋機器人現有的技術融合所達到的智能我們還不能把它歸類為自主智能，例如會打乒乓球的機器人，我們還不能說它達到了小孩子一兩歲的智能；低等的烏鴉這樣一個生物，如何在車來車往的鬧市區吃到堅果，它所體現出來的這個智能是不是自主智能？而我們目前在外面看到的所有的人工智能、機器人，它們所體現出來的智能是不是自主智能，這個要打問號的?！睂τ谧灾髦悄軓堅洪L指出“類似低等動物，通過觀察，學習，推理，到最后產生行為···這樣一個閉環，它就是一種自主的智能，并表示“仿生和類腦是我們這兩年關注最多的一個焦點，它將對于人工智能走向自主智能進發具有啟發意義”。
隨后，關于如何融匯“數據驅動AI”與“知識引導AI”，張院長基于仿生、類腦，智能發育理論、算法，人類視覺系統，WWN網絡模型等方面給出了具體的技術應用方法定義及寶鑒。
人類視覺系統兩條通路
腹部流，沿腹部經過側膝體（LGN）、初級視網皮層區域（V1，V2，V4）、下顳葉皮層（IT），到達腹外側額葉前部皮層（VLPFC），主要處理物體的外形輪廓等信息，即主要負責物體識別；
背部流，沿背部流經過側膝體（LGN）、初級視皮層區域（V1，V2）、中顳葉區（MT）、后頂葉皮層（PP），到達背外側額葉前部皮層（DLPFC），主要處理物體的空間位置信息等。
WWN網絡模型
實時檢測和識別任何時刻的目標（What 信息）和目標所在位置信息（Where 信息）。
解決復雜背景下目標檢測、識別和跟蹤。
基于深度學習和強化學習的場景感知
應用深度學習方法獲得VO（視覺里程計），估算運動位置，局部地圖構建；
從三維場景提取特征并依據仿生方法獲得位置信息，構建全局軌跡與地圖；
回環檢測判斷機器人是否達到先前位置?；谠鰪妼W習，機器人自主導航。
關于V－SLAM
張院長表示“V－SLAM對比激光而言，它所擁有的攝像頭比激光要便宜，V－SLAM提供的信息更豐富。對于如何基于V－SLAM來做場景感知，這將是學術界和產業界不可避免的，它將是一種發展趨勢。
關于人類視覺系統兩條通路
張院長表示“我們人類視覺系統里面有兩條通路，一條是腹側流，一條是背側流，一條是來處理空間位置信息的，另外一條是來處理輪廓信息的，這是我們人的兩個視覺系統處理的方式，從計算機這個層面我們來設計網絡模型的話，這種雙通路的網絡模型是可以借鑒的，雖然它還不是深度的網絡模型，但比如我們訓練機器人在復雜背景下來進行識別物體的場景下也是可以借鑒的。
AI時代，中國如何趁勢而為
近幾年隨著各產業人工智能技術的不斷應用，各產業的整體效率雖有大幅提升之勢，但是面對當今日益復雜化的國際科技競爭形勢，尤其在當下“中美互掐”的局勢之下，AI＋機器人產業該如何更好的發展落地？
張院長表示在我國龐大的人口基數和巨大的市場需求之下，通過整合人工智能＋中國名族特色產業IP融合發展，將成為我國AI＋機器人產業更好的發展落地的新契機。
對于名族元素，張院長于會中，深入解析了AI＋白酒、AI＋中醫等AI賦能1＋N行業應用案例、他表示“以白酒為例， 從發酵－起窖、拌料（加糧食、糠殼）、上甑、出甑、摘酒、蒸餾、打量水、攤晾、入窖整個加工環節，可以借助傳統釀造大數據的人機互學系統和車間布局設計與虛擬工廠系統最終實現釀造智能化生產線改造，AI＋白酒的應用落地將加速我國制酒產業發展?！?/p>
AI＋中醫助力醫療大健康產業發展
最后，張院長介紹了AI＋中醫對于臨床研究、保健、起居養生、康復保養、AI＋醫學影像，AI＋病理切片、細胞檢測等AI應用場景，同時闡述了AI技術應用賦能醫療大健康產業發展的重要意義。
針對AI＋中醫具體應用層，張院長具體從面診、舌診、脈診、問診四診角度對系統算法進行全面的介紹。并報告了相關AI在四診方面的成果。
他表示：首先是面診部分，我們對面部膚色、光澤度、眼神、以及唇色特征進行分析。
利用基于haar－like特征的級聯分類器進行人臉檢測。
檢測成功后，利用混合高斯模型進行皮膚提取，經多次迭代，算法精度達95％。
提取面部皮膚后，進行膚色及光澤度分析。我們訓練分類器將膚色劃分為黑、白、青、黃、紅、正常六類，精度可達98％，利用??????算法進行光澤進行分析，精度達85％。
利用分類器將眼神劃分為：有神、少神、無神三類，算法精度可達96．3％。
采用基于膚色混合模型的嘴唇分割算法提取嘴唇區域，精度達97％，后利用分類器對唇色進行識別，劃分為淡白、淡紅、紅、深紅、紫5類。精度可達98％?！?/p>
更多會議精彩內容及詳細報道，請關注“OFweek 2019中國AI＋機器人高峰論壇”會后專題！
關于WAIE
OFweek維科網主辦的智能博覽會，涵蓋AI人工智能、智慧醫療、智慧教育、智能汽車、智能安防、智能制造、物聯網及5G等領域。
關于OFweek維科網
中國高科技行業門戶，現擁有行業會員1，000萬余名，及時報道行業動態及大事件，提供行業會員全面的資訊、深入的技術和管理資源，舉辦各類線下、線上行業活動，并為高科技行業企業提供品牌推廣、會議展覽、產業研究、產業園、人才獵頭培訓、招商引資、產業基金、電商等整體和專業的服務。
