人工智能的发展现状及其在环保中的应用.docVIP

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：锻造产业利剑 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，数据看不到，平台做的再好也没有意义。第三，应用。顶级计算、国产处理器与深度学习应用结合不足。深度学习应用开发和使用门槛高、代价大、效率低、周期长。针对这些问题，希望能够结合以前在HTC做了一些技术，构建AI创新计算平台，从云计算、大数据、高性能计算这三个层面创造高效、灵活部署的平台，帮助用户快速使用AI的平台。我们希望构建一个面向人工智能应用的开源平台。 这个平台是从顶层到上层，就是