智能工業製造的變革與探索-人工智能大講堂第24/25/26講在西安舉行_風聞

10月27日下午，CIIS 2019同期重磅活動“人工智能大講堂第24/25/26講”在西安錦江國際酒店舉行，大講堂由中國人工智能學會主辦，西安電子科技大學及西安交通大學承辦，由中國工程院陳純院士，中國工程院錢鋒院士和中科院自動化研究所宗成慶研究員主講，中國人工智能學會第七屆副理事長、清華大學馬少平教授和西安交通大學電子與信息工程學部副主任李辰教授擔任主持人。

陳純：時序大數據實時智能：技術及應用

隨着互聯網/移動互聯網、雲計算、區塊鏈、物聯網、人工智能等技術的發展，人類社會和抽象意義上的信息空間、物理空間的交互愈加緊密，也由此產生了越來越多的大數據。陳純院士指出，研發數據驅動的大數據實時處理、智能分析和決策的技術和系統成為迫切需求。接着，陳純教授的報告從時序大數據實時分析計算、時序大數據實時智能技術體系以及應用案例三個方面展開。

首先針對時序大數據實時計算，陳純院士指出四大關鍵技術：面向複雜統計指標的增量計算、面向時序數據處理的動態時間窗口、基於流的事件序列識別和動態時序圖譜的實時計算。並着重介紹了面向時序大數據實時分析的“流立方”技術和麪向圖數據實時分析的“圖立方”技術。從基於深度學習的智能模型和技術架構兩方面對時序大數據實時智能技術體系進行了闡述。最後，陳純院士詳細介紹了基於“流立方（圖立方）”的智能技術在交易反欺詐、反爬蟲和網絡安全防禦等具體場景中的應用，針對實時智能技術廣闊的應用場景，陳純院士強調時序大數據驅動的在線分析計算和實時智能決策尤為重要。

錢鋒：人機共融流程工業智能系統--人工智賦能流程製造

錢鋒院士首先指出人工智能賦能時代是社會發展的加速器和經濟發展新引擎，在製造強國戰略下，人工智能助力製造業高質量轉型發展。他分別從宏觀層面、技術層面和總體狀況上詳細分析了我國流程工業存在的主要短板以及可行的解決路線，在此基礎上，進一步指出未來流程工業“智能+”的前沿研究方向為製造過程->智能+自主+可控，面臨的重大挑戰在於創新面向多時間-空間尺度影響因素的調控方法。接着，錢鋒院士分析了美國、德國和日本等國家制造業發展戰略，指出流程工業轉型發展刻不容緩；進而分析了我國流程工業轉型升級重大需求，探討了以“智能製造+綠色製造—>高端製造”為目標的智能優化製造願景；最後圍繞人工智能與流程製造深度融合實現智能優化製造闡述了二者凝練的相關工程科學問題，比如AI+物聯網->智能工業互聯網、AI+管理決策->智能決策和AI+製造過程->智能自主控制等。圍繞上述工程科學問題，錢鋒院士以需求驅動、應用導向為目標，提出當前流程工業製造系統智能化的主要研究內容、關鍵技術和實現目標，並給出了煉油智能製造的工業應用示例。

錢鋒院士總結，未來流程製造應該是：基於信息物理系統與智能化軟件定義技術，構建“範在感知-實時分析-自主決策-精準執行-學習提升”的業務閉環，用軟件形成的信息流自動消除複雜系統的不確定性，在給定時間、目標場景下，自適應優化配置資源和能源，實現製造過程安全、綠色、高效的一種製造範式。

宗成慶：語言智能：從方法到應用

宗成慶研究員首先對自然語言處理的基本概念、研究內容和理論方法進行了簡要的梳理，介紹了自然語言處理這一學科的產生和發展，強調了計算機理解自然語言的科學意義和應用價值。接着，對自然語言處理面臨的技術挑戰進行了分析，包括自然語言中大量存在的未知語言現象、歧義詞彙和結構、隱喻表達、以及翻譯問題中不同語言之間概念的不對等性等，語義概念的表示和計算、説話人意圖的理解和推理、以及語用場景的分析是當前面臨的核心挑戰。之後，介紹了自然語言處理的基本方法，通過兩個具體實例展示了不同方法的實現過程及其存在的問題。他認為，雖然目前智能語言技術在很多領域得到了成功的應用，但遠未做到自然語言的深度理解，在這一領域仍然存在大量的難題和探索的空間，如現有的翻譯模型無法準確處理篇章範圍內的指代問題、無法區分由於細微文字或句法差異造成的句子語義反轉、無法從譯員的譯後編輯過程中自動學習翻譯知識等等，雖然深度學習在內的機器學習方法已經在自然語言處理和機器翻譯中發揮了重要作用，但是這些方法畢竟採取的是一種“賭博”思維，往往對於大概率事件有效，其性能表現嚴重依賴於樣本訓練，難以做到“舉一反三”，尤其缺乏合理的解釋。宗成慶研究員最後表示，建立人機交互、機器自主進化學習和知識引導下的可解釋性自然語言處理系統成為未來發展的必然，跨媒體分析系統將成為未來技術研發的必然趨勢。