2019年9月5日，“中國（南京）人工智能+國際論壇”在江寧會展中心舉辦。來自國內外人工智能領域的院士專家、科技企業(yè)領袖等齊聚，開啟前瞻的頭腦風暴和高層次對話。會上，清華大學博士、云創(chuàng)大數據總經理劉鵬教授提及，南京在不久的未來將擁有人工智能中樞，有望告別堵車。

　　以下是劉鵬教授在“中國（南京）人工智能+國際論壇”上的演講實錄（主題：《人工智能在智能城市中的應用》）：

　　圍棋人機大戰(zhàn)：人工智能走向大眾

　　我們大家可能都知道，以前快遞行業(yè)是怎么做的，而現(xiàn)在京東無人送貨車已經上路了，這個車每天能夠送一千個包裹，相當于十個快遞員，每天只需要充電就可以。京東現(xiàn)在利用無人機送貨的嘗試，在中國農村很需要，因為農村最后幾公里特別難到達，我們通過無人機送貨是非常有效的做法。

　　不少制造類企業(yè)現(xiàn)在已經開始大規(guī)模裁員，因為現(xiàn)在的生產變成用機器人來代替人工做生產，這個已經轉變的非?？炝恕Ｎ覀円郧翱吹降拇a頭總是有人的，現(xiàn)在的碼頭開始變成了無人碼頭，只有7個工作人員。

　　以前每年雙十一會看到大量貨物擠壓，這幾年雙十一這么多包裹，我們卻很快就收到了，為什么？因為物流中心已經完全智能化了，以人工智能實現(xiàn)拆解。我們以前都是自己去商場買東西，現(xiàn)在所有的購物越來越網絡化了，通過二維碼、刷臉支付就完成了支付流程。所以出門基本上不需要帶現(xiàn)金，而乞丐要錢都用二維碼收款。

　　人工智能真正被關注是2016年3月9日到15日，AlphaGo與李世石的圍棋大戰(zhàn)，使人工智能從科學技術走到大眾視野里。比賽結果大家都比較清楚，AlphaGo贏了李世石。這個比賽很重要，比賽前所有人認為人工智能不能贏。

　　【賽前】

　　?柯潔：計算機戰(zhàn)勝李世石的可能性不到百分之五。

　　?聶衛(wèi)平（3月7日）：若機器和人比賽圍棋，我認為機器是一點機會沒有的，因為我認為計算機有它不可克服的問題。

　　?李世石：除非出現(xiàn)不可理喻的低級失誤，否則我絕不會輸。人工智能向人類發(fā)起挑戰(zhàn)，還屬起步階段。

　　這是在比賽前的看法，但是比賽之后，所有人轉變了看法。

　　【賽中】

　　?古力：5個九段一起上可能會贏。

　　?聶衛(wèi)平：AlphaGo全局幾乎完全零失誤。

　　?柯潔：AlphaGo圍棋確實是有史以來我見過強大的對手！

　　那么AlphaGo誰做的呢？DeepMind公司做的。公司創(chuàng)始人哈薩比斯4歲開始下國際象棋，8歲開始思考兩個問題，大腦是如何學習掌握復雜任務的，計算機能不能效仿？17歲，他做了一個游戲《主題公園》，這個游戲風靡全球。后來，他回到劍橋大學學習計算機科學，又到了倫敦大學攻讀認知神經科學博士學位。他本人是計算機專業(yè)，博士是醫(yī)學的，他當年的醫(yī)學博士論文被《科學》雜志評為當年全球十大科學突破之一，是跨專業(yè)人才。

　　他所做的AlphaGo有什么偉大的地方？圍棋棋盤由19條橫、豎線組成，但如果把所有的路探過一遍，需要10的171次方，宇宙原子總數為10的80次方，我們把所有計算機集中起來都做不了。AlphaGo怎么做到這點？

　　首先是向人類的高手學習，向人類5段到9段學習下棋，學了之后，自己下，自我進化，是尤為成功的原因。到了第二年，AlphaGo已經不再像人類學習，從零開始，自我成長，用了30多個小時就戰(zhàn)勝了以前的AlphaGo。

　　2016年AlphaGo用了一千多臺計算機，2017年就用了一臺計算機，下棋能力又提高了一千倍。這是非常驚人的事情，而且在這么復雜的空間里面，形成了對戰(zhàn)略態(tài)勢估計的能力。這種能力雖然人類有直觀的判斷，但是往往是錯的。AlphaGo對態(tài)勢的估計都是對的，這是我們從AlphaGo與李世石的比賽里能學到的東西。這個東西，是已經超越了我們現(xiàn)在其他技術所能表達的空間。

　　我們的大腦是人類引以自豪的很復雜的一個精密裝置，這個裝置在人類很小的時候，剛出生的時候，里面表現(xiàn)的是神經元，一個月之后，大腦的神經元連接增長了很多，到2歲的時候就這么密集，在2歲之前進步的速度是非?？斓模菑?歲到成年就沒什么進步了。

　　如果教一個小朋友學習的階段是2歲之前，在2歲之前教會他一些東西，這個小朋友有可能會變成天才，這是我的看法。大家應該有經驗，如果小孩在美國出生，2歲之后搬到中國來，這個小朋友講的語言就是英語，沒有學習過的中文對他來說是外語，他真正的分水嶺只有這兩年，這兩年他在美國的語言一輩子甩不掉，后來學習其他語言卻相對困難。

　　我們現(xiàn)在已經能夠用計算機模仿人類神經元，人類神經元很簡單，只是一個細胞核，從別的神經元傳來信息，經過簡單的處理通過軸突再傳給別的神經元，用了很簡單的數學模型表達出來，幾十年前就已經做到這點了。當我們用網絡將很多神經元連接起來就變成了神經網絡。

　　神經網絡在過去十幾年都有，但是不成功。直至2012年，加拿大的一個教授提出來一種方法，能夠使我們訓練復雜的神經網絡，后來參加一個比賽把人工智能水平大大推進，進入人工智能爆炸式增長階段。所以現(xiàn)在所有的進步，來源于當時的突破。

　　以前沒辦法模仿大腦，現(xiàn)在由于一個很小的改進，帶來了質的變化。代表性技術是深度學習，模仿人類思維方式。大腦看到的場景表現(xiàn)出來就是不同變色的像素，但是我們人類大腦在干嗎？是在觀察這個看到的畫面里面的細節(jié)，人類眼睛會下意識找這個畫面里面的特征的地方。

　　比如我看到一張照片，大腦會有意識把白色地方忽略掉，而大腦會找邊，我們眼睛其實在做這種處理，將所有的邊、所有的形狀等區(qū)別與別的東西的細節(jié)地方先找出來，然后判斷這是一個方塊、這是一個場景。人是一層一層思考的，所以深度學習用了同樣的方法模仿大腦思維過程。

　　人工智能典型的應用場景有兩個，第一個場景是對圖像的理解，第二個場景是對文字的理解。目前對圖像的理解已經遠遠超越了人類，對語言的理解，現(xiàn)在已經基本上跟人類水平差不多了。我估計在幾年以后計算機智能水平會超越人類的水平，到這個水平之后，其實將來的風險就會越來越大。

　　美國未來學家?guī)炱濏f爾在《奇點臨近》書中提到，人工智能的進步會不斷加速，聰明的機器會設計更聰明的機器，這種自我強化最終會導致人工智能達到一個奇點，成為遠遠超出人類智能水平的一種存在。他對未來的看法在過去這幾十年來逐漸得到印證，一般都比較準確。

　　第四次科技革命：深度互聯(lián)+人工智能

　　我們已經進入到一個深度互聯(lián)時代，在這個時代，每個人在手機屏幕上的時間已經遠遠超過了在書本上的時間，每個人平均有了幾百個一直在線的聯(lián)系人，所以到了深度互聯(lián)的階段。在這個階段，由于人工智能和深度互聯(lián)融合起來，產生了各種應用。比如在交通方面的應用，特斯拉無人駕駛汽車現(xiàn)在都是標配無人駕駛，而且在全球行駛。

　　所以不要用停止不變的觀點去看問題，現(xiàn)在人類的變革是非?？斓?，現(xiàn)在的一天相當于過去幾千年。我們甚至也能做到把一個火箭發(fā)射上去，讓火箭再回到原來的位置上重復使用，未來高鐵將達到1小時1200公里，這些事情是一個人做的，伊隆·馬斯克做的。我看好馬斯克，他描繪的世界才是這個世界真實的世界，是未來的樣子。

　　機器狗現(xiàn)在變的非常靈活，還有倉庫里的機器人，下水道的機器人······世界正在慢慢改變?，F(xiàn)在的無人機也都是帶人工智能功能的。目前，大疆無人機在刮大風的時候也不會抖動，會適應大風，無人機可以拿一個網接東西，把一個乒乓球打過去，無人機給打回來，把一個無人機隨便怎么扔上去會自動保持平衡等等。

　　所以我們說人工智能+是什么東西，其實什么東西是沒有人工智能的？如果這個東西沒有人工智能，這個行業(yè)會被淘汰。就像互聯(lián)網，沒有互聯(lián)網就沒有生命力，沒有人工智能也沒有生命力，所有的東西，萬物都會和智能相結合在一起。如果你們看以前的《阿凡達》，萬物都有感知，萬物感知都會聚到埃娃那里。我們地球上任何人，任何物體，都會和星球智能連接在一起，整個星球是一個智慧體，這種局面是非常顯然的結果。

　　像十年前我講云計算結果是一樣的。我們進入到深度互聯(lián)網+人工智能時代，叫第四次科技革命，從這個時代開始，人類進入了全新時代，在這個時代里萬物判斷的依據，思考的方式都發(fā)生了本質性變化。華為的一位老總到我這里來，我跟他講，最近幾天感覺華為有很大的變化，現(xiàn)在完全人工智能，他們計算部門就叫智能計算部門，包括人工智能數據中心，所有東西都是圍繞人工智能，這個方向是正確的，這樣做更有戰(zhàn)斗力。

　　問題又來了，當機器都開始思考了，人類該怎么辦？我們看過很多科幻電影，比如《終結者》等，在未來科幻電影里面，所有的未來世界都不是那么美好的，科幻電影里面的場景一般都是地球一片荒蕪，人躲在下水道，機器人滿天飛，我們其實要做的事情是避免出現(xiàn)這種場景，而不是坐在那里講人工智能不會影響人類。

　　我們必須要認識到這種可能性，而且要提前去預防，而現(xiàn)在沒有更好的方法去控制人工智能，因為你沒辦法停下全世界的人工智能，甚至把全球電給停了，這是做不到的。所以我們沒有任何辦法能把人工智能停下來，如果把電停下來，必須要全球首腦考慮，要討論很長時間，人工智能不知道你在干這個嗎？不太可能做到這一點的。

　　所以我們只能在這個階段，即人工智能不太強大的時候，我們應該做出一些準備。人工智能這個孩子從2、3歲到30歲不用等27年，所以他進步的速度是非常驚人的，我們要提前做出預防。

　　用科技優(yōu)化世界

　　我們成立了一家公司叫南京云創(chuàng)大數據股份有限公司，8年前成立的，我們目標是能夠解決當今社會的挑戰(zhàn)問題，包括社會穩(wěn)定、環(huán)境治理、地震預警、人才培養(yǎng)，同時我們通過解決這些問題，用我們的力量去面對人工智能的挑戰(zhàn)問題，這就是我們成立這家公司的初衷。

　　將我們做的一些人工智能應用給大家介紹一下，包括人工智能一體機、人臉比對一體機等。比如，我們做的模糊人臉智能比對，利用城市攝像頭把犯罪現(xiàn)場嫌疑人，雖然記錄下來的人臉看不清，但是卻能找出來，我們曾經在一個地方做了實驗，13個案子，我們能破9個案子。

　　我們做的大規(guī)模人臉識別系統(tǒng)，不管畫面出現(xiàn)多少張臉，如果后臺有數據，可以比對其中的臉，如果沒有數據，可以知道這個人什么時候出現(xiàn)過，找出來。人臉比對一體機1秒鐘能夠比對7億張人臉，有能力做到這一點，是非常有意義的。

　　我們大家知道高速公路上現(xiàn)在的車都需要取卡，或者用ETC，為什么高速公路不能像停車場一樣，車牌識別就扣費了？因為高速公路上車太多了，如果進來的時候沒有識別清楚，出去的時候怎么收錢，非常困難。所以我們要把車牌識別做到非常準確，但是高速公路上拍的照片經常不清楚，比如在逆光下車牌數字被擋住了，還有污損的、光線暗的車牌等，識別的時候都很困難。怎么能克服這些難題？人工智能都能識別清楚。在某江蘇交通行業(yè)公司組織的測試評估比賽中，我們做的是非常前沿的，雖然業(yè)界智能企業(yè)都參加了比賽，但結果顯示，我們的車牌識別非常準確。

　　還有一種情況是我們有可能會什么都看不見，人臉看不見，只有一個影子可以看到，我們能不能知道這個影子到底是誰？可以通過視頻DNA技術，對人的走路姿態(tài)進行建模，實現(xiàn)連續(xù)走路姿態(tài)的提取，形成一個DNA樣本，并在大量樣本的集合庫中與特定人物DNA進行比對，快速找出目標人物。

　　此外，我們通過鐵路非接觸檢測系統(tǒng)，以分布于鐵路沿線設施上的高清攝像機對鐵道進行視頻圖像信息采集，并對攝像頭拍攝的視頻或圖片進行智能分析，及時獲取鐵路病態(tài)診斷信息。這樣，人工智能把螺絲釘看一遍，從而及時發(fā)現(xiàn)異常并維修。

　　同時，我們用人工智能搜索互聯(lián)網圖片，當我們做個爬蟲，把某個互聯(lián)網網站所有圖片都爬出來，比如指定獎杯，人工智能會把所有獎杯照片找出來，這是人工智能通過對以前數據的學習尋找未知的東西。我們也可以通過人工智能去做圖像增強系統(tǒng)，人工智能可以提高圖像清晰度16倍，人工智能知道這里面是什么內容。

　　我們把人工智能用在醫(yī)學里面，我們跟南京鼓樓醫(yī)院合作，比如做前列腺癌、宮頸癌識別等。我們目前列腺癌識別做的很好，目前做到99.38%的識別率。我們也做宮頸癌篩查，如果提前能夠發(fā)現(xiàn)，這個病就是很簡單的病，但如果到了后期的話，已經沒辦法了。所以我們要在正常的體檢的時候，對女性進行宮頸癌篩查。

　　我們同時也用人工智能做交通優(yōu)化，城市的擁堵是全球的常態(tài)，我們其實是有辦法讓城市不再堵車，是可以做到的，但是需要一個“上帝腦子”做這個東西，“上帝腦子”是知道這個城市如果把整個城市紅綠燈都很好銜接起來，很好地調度每一輛車，這樣就可以讓這個城市盡量避免堵車。我們用類似AlphaGo做法，做了一個專門做城市優(yōu)化的交通大腦系統(tǒng)，用這個系統(tǒng)去優(yōu)化整個城市交通，這個也在南京進行，估計不久將可以做到很好的效果，我們也希望能把這個技術復制到全世界其他的城市。