通讯员（王丹 张若浛 张丹 黄思婧）10月27日下午，CIIS2019同期重磅活动“全国高校人工智能学院院长/系主任论坛”与“人工智能大讲堂第24/25/26讲”在西安锦江国际酒店举行，两场活动分别围绕人工智能人才培养、未来人工智能学科建设、学院建设以及人工智能在工业制造领域的应用发展的话题，由11位人工智能领域学术、技术带头人分享了他们的前瞻思路，带领大家了解和掌握智能教育及智能制造的发展现状与未来趋势。

人工智能人才培养前瞻

——CIIS 2019全国高校人工智能学院院长/系主任论坛

“全国高校人工智能学院院长/系主任论坛”由中国人工智能学会主办、西安电子科技大学承办，由中国人工智能学会理事长、中国工程院院士李德毅担任主席，中国人工智能学会副理事长、西安电子科技大学焦李成教授、中国人工智能学会认知系统与信息处理专委会主任、清华大学孙富春教授担任程序委员会主席，孙富春教授以及西安电子科技大学侯彪教授担纲主持。

中国工程院院士李德毅、北京大学刘宏教授、清华大学孙富春教授、北京邮电大学王文博教授、北京交通大学于剑教授、新思科技人工智能实验室主任廖仁亿主任、西安电子科技大学侯彪教授、西南交通大学李天瑞教授8位领域学术、技术权威专家做了主题报告。

中国工程院院士李德毅：《智能植根于教育》

李德毅院士的报告从人类最伟大的智能是发明了教育、人类面临新一轮认知革命、智能时代驱动教育变革三个方面展开。

1）人类最伟大的智能是发明了教育

人类智能与其它高等生物智能的最大区别，在于发明了教育，并与时俱进的改革教育。李德毅院士提出：“教育=传承学习+自主学习”。传承学习是显知识，适应生态文明，由上而下，带有强制性和引导性；自主学习是隐知识，需反复实践，成为本能，由下而上，主体性强。“教育≈培养获取知识的能力×决策的能力×创新的能力”，教育的目的是培养和孕育学生创新的内生动力。

2）人类面临新一轮认知革命

李德毅院士说，人类的进化发展史就是一部人类制造和使用工具的历史，人类社会随着科技的发展而发展。未来智能的想象空间很大，人工智能是人类智能的体外延伸，其中计算机是人的计算智能的体外延伸；搜索引擎是人的记忆智能的体外延伸；机器人脸识别是人的视觉智能的体外延伸；自动驾驶是人的驾驶认知能力和对车辆操控能力的体外延伸。

3）智能时代驱动教育变革

李德毅院士认为，人工智能冲击最大的行业是教育，直接冲击是当人类进入人工智能时代，教育需要新的手段，社会需要大量人工智能从业人员；根本冲击是，人工智能倒逼人类认识自身的智能，认识人脑认知规律，认识人工智能对人类认知的反作用，这就必然要重新认识教育和改革教育。

最后，李德毅指出教育不是纯知识的灌溉，传承学习和自主学习是同一个问题的两个面，知识为基，能力为要，创新为本。人工智能可以反作用于教育，让人的智能跃上新台阶。

北京大学刘宏教授：《新一代人工智能学科建设的金字塔结构》

刘宏教授的报告探讨了“人工智能还能热多久”、“智能科学技术专业起源”以及“新一代AI学科建设的金字塔结构”三个问题。

首先，他指出人工智能经历了三起两落，目前正处于高峰期，起伏的原因是：经济基础、应用需求、求解能力和计算能力这四者相互制约、相互推动形成了内在矛盾的动力，造成了人工智能的三起两落。机器人成为全球热点的同时，其所面临的瓶颈是，智能化程度远远不够，与人工智能结合的深度和广度还远远不够。从人类社会的工具创新角度看，从简单的一元工具到复合的二元工具，刘宏教授提出物联网是典型的现代社会的物质向信息转化的“二元工具”，智能机器人是真正意义上的“三元工具”，智能工具是人类工具发展的最高形态。之后，刘宏教授从历史、队伍和成果，智能科学与技术专业内涵，智能科学系的课程体系，社会需求与人才定位以及开放日五个方面回顾了北大智能科学系的建设历程。他总结出，人才培养一定要超前设计，专业建设要自上而下，突出特色，学会引导，输出“革命”。

最后，他指出以智能科学技术为核心、金字塔型、新一代的AI学科群需要数据科学与大数据技术的数据智能的支撑，机器人工程的智能系统的支撑，软件工程、电子科学信息与技术的硬件智能的支撑。刘宏教授认为，智能科学技术人才培养，是需要软件、硬件、系统和数据共同支撑的新一代的人工智能金字塔体系，是未来学院发展的基本模式，信息科学技术学院的未来，是智能科学技术学院。

清华大学孙富春教授：人工智能教育：机遇与挑战

孙富春教授以“教育”两个字的文字演变和社会发展教育形式为引子，分析指出从农耕时代的技能教学到工业时代的规模化教学，再到信息时代的网络多媒体教学，教育是时代的产物，从而提出问题：人工智能时代需要什么样的教育呢？

孙富春教授指出在“能力培养、知识传授和价值塑造”三位一体的培养人才核心教育理念中，AI能够助力能力培养和价值塑造，创新教育内容、改革教学方法，让教育这件事变得更好。他结合各学科领域中AI的应用案例，指出现代教育需要的十个方面的改革：教育生态从平面到立体、思维模式从一维到多维、知识体系从单一到跨界、教师能力从一元到多元、教育技术从单一到复合、教材呈现从纸质到数字、教学场景从传授到互动、学习方式从静态到动态、管理模式从传统到智慧、教学评价从粗放到精准。且人工智能在教育领域应用呈现出：（1）智能教育项目投资热度高，深受资本市场青睐；（2）将有更多教育培训机构布局智能教育产品研发；（3）教师需要具备与人工智能配合教学的能力三种趋势。“人工智能+教育”是人工智能技术对教育产业的赋能现象，本质上是人工智能对教育工作的替代和辅助，教育机器人是主要的产品形态。但人工智能和教育的有机结合还存在数据积累不足、市场认知不够、人才问题等诸多挑战，而学生也面临学习内容变化带来的能力培养挑战和学习方式变化带来的自主管理挑战。孙富春教授强调：（1）AI教育下沉意味着课程理论要有底层化的体系；（2）AI天生与实践紧密结合，必须避免空中楼阁；（3）AI尚在快速发展，激发学生的探索和创新更有空间。

最后，孙富春教授还为论坛赋诗一首：

贺CAAI教育论坛

雨后秋风爽，天高渭水沧。

翠林成密境，绿草送芬芳。

教育培贤圣，智能拓新方。

群英金聚会，协力铸辉煌。

北京邮电大学王文博教授：《人工智能助力无线网络发展》

王文博教授从无线网络智能化的需求、人工智能方法、人工智能与无线网络的结合和应用人工智能的优势与挑战四个方面向我们详细阐述了人工智能在无线网络领域的发展与应用。

王文博教授指出指数型增长的业务需求是无线网络发展的重要支撑，未来无线网络复杂性日益剧增，无线网络面临自配置、自优化和自愈合式的智能化需求，而人工智能具有记忆、计算、学习、判别和决策的内在能力逻辑，人工智能将是助力无线网络的有效工具。利用人工智能技术，可以对传输层数据进行无线信道建模，对网络层数据进行网络流量分析、资源结构优化、网络负载均衡，对应用层数据进行业务特征分析，利用网络分析、算法应用和控制方法智能化地管理无线网络，使其以最高效的方式自适应网络和业务需求。智能在无线网络中部署主要包括终端、云端和边缘三种方式，而边缘智能是智能网络和智能应用的有效方式。同时，王文博教授也表示，虽然机器学习方法具有很好地揭示无线网络特性、识别无法通过传统分析方法发现的相关性和异常等优势，但其同时也面临三大挑战：（1）大数据分析消耗大量存储、计算资源；（2）网络发生突变的适应性；（3）网络大数据的安全性等挑战。因此，面对机遇与挑战，不断推动人工智能与无线网络的结合将成为信息通信领域发展的重要引擎。

北京交通大学于剑教授：《从图灵测试谈起》

于剑教授首先介绍了何为图灵测试（Turing Test, TT），判断人是否智能是通过人的外在表现，判断机器是否具有智能是用图灵测试（外在性标准）。哲学家塞尔在中文屋实验中提出即使通过图灵测试，做到的也是人工智能，不是人的智能，因此，完全的图灵测试（Total Turing Test, TTT）被提出。然而，常见的图灵测试假设了很多事实，但有的在现实生活中并不成立，在《哲学研究》以前，人们认为概念存在经典定义，一般情形下，如果概念没有经典定义，那么只能说明研究还不够深入，需要继续研究。概念的经典表示通常分为符号、内涵、外延三种表示。《哲学研究》以后，一般认为概念不一定存在经典定义，日常生活中使用的大多数概念，不存在经典定义。图灵假设其模拟游戏（IG, TT）中的概念（智能，人）是经典概念，可惜的是，这一预设并不成立。由于图灵测试的不确定性，人没有经典定义，这导致图灵测试中的人没有了统一的标准或者一致的判据，得到的后果是图灵测试的重复性没有保障。于剑教授认为图灵测试是思想实验，不是工程实验；没有强弱人工智能，只有人工智能；强人工智能、人类级人工智能，通用人工智能，超级人工智能没有工程实现的可能。

新思科技人工智能实验室主任廖仁亿：《培养AI软件到AI芯片的新一代顶尖人才》

廖仁亿主任的报告面向产业，给出如何实现软硬件结合，将人工智能“落地”的思考。他认为人工智能与数学、物理同等重要，现在靠人类算法，将来要靠人工智能算法。Rodney Brooks说过，虽然深度学习已经有了很大进步，肯定会继续进步，但是终将有一些是不能永远成功的。对于人工智能，如果没有算力支持，即使有很好的算法，也很难推进，现在物理上还是有很大空间的，需要人们继续前进。廖仁亿主任表示，作为企业来说，更多关注的是应用，过去十年，企业快速增长变化，AI对企业的影响日益增大，人才的培养要从软件到硬件、从前端到后端，才能适应企业需求。

芯片发展方面，从网络模型、编译器到芯片结构，都要做适当的优化，不断提高芯片的算力。国内很多著名企业都会在神经网络模型上做一些模型优化，或者在编译器、芯片上做一些优化，但其实由于计算、存储、性能测试重要性，通常需要对算法、结构和编译器进行联合优化，因为一个完整的解决方案是囊括了从网络模型到硬件实现的方方面面的，必须要知道它上面的模型是用什么优化，下面的编译器对它的影响等。

西安电子科技大学侯彪教授：《人工智能国际化创新人才的培养与实践》

侯彪教授首先指出人工智能是国民经济建设，国家安全和社会发展的共性基础，完善中国人工智能学科布局和加快一流人才队伍和高水平创新团队建设十分重要。接着他以西安电子科技大学依托国际合作和科研培养创新性人才的发展历程为例，分享了西电在人工智能领域人才培养的实践与探索之路，详细讲解了西电人工智能课程体系，创新创业课程，研究生核心课程体系的建设以及相关专著、教材的出版情况。西电面向国际学术前沿和国家重大需求，实现科学研究和创新实践协同育人，为国家人工智能领域关键需求提供解决方案，产业发展提供科技支撑。西电在人工智能领域深耕三十年，取得了科学研究及人才培养的重要进展，获得了三项国家自然科学二等奖，多项省部级奖项，研制了类脑SAR系统、基于面阵CCD的光谱视频成像系统、人脸画像识别系统、深度学习FPGA系统、嵌入式并行处理系统、智能家居轮椅辅助系统、遥感脑、无人机跟踪系统，海空协同无人系统精准感知与智能识别系统、校园安防系统、医学影像分析系统等，建立了“人工智能+教育”的创新实验室。

西南交通大学李天瑞教授：《大数据智能的挑战及其解决方案》

在大数据和人工智能研究中，数据必不可少，然而当前的数据存在杂乱、缺失、量少和多源异构的问题，有效合理的数据采集和处理流程对大数据智能化具有重要意义。李天瑞教授以城市感知为例，提出“层次熵”最大化数据质量，针对数据缺失的问题，在数据预处理阶段考虑时间和空间、全局和局部的特点处理缺失值；对于标签少的数据，为提高学习系统的泛化能力和学习性能，在训练过程中使用成对约束信息来引导隐藏层编码；对于多源异构的数据，李天瑞教授以空气质量预测为例，提出了深度分布式融合网络来解决该类问题。李天瑞教授还以调度优化为应用案例，讲解了如何处理救护车实时部署优化和外卖送餐任务分组问题。最后，李天瑞教授强调，解决数据质量低，数据缺失，标签数量少，数据异构多源等问题是大数据智能化的重要挑战。

“人工智能大讲堂第24/25/26讲”：智能工业制造的变革与探索

“人工智能大讲堂第24/25/26讲”由中国人工智能学会主办，西安电子科技大学及西安交通大学承办,由中国工程院陈纯院士，中国工程院钱锋院士和中科院自动化研究所宗成庆研究员主讲，并由中国人工智能学会副理事长、清华大学马少平教授和西安交通大学电子与信息工程学部副主任李辰教授担任主持人。

陈纯：时序大数据实时智能：技术及应用

随着互联网/移动互联网、云计算、区块链、物联网、人工智能等技术的发展，人类社会和抽象意义上的信息空间、物理空间的交互愈加紧密，也由此产生了越来越多的大数据。陈纯院士指出，研发数据驱动的大数据实时处理、智能分析和决策的技术和系统成为迫切需求。接着，陈纯教授的报告从时序大数据实时分析计算、时序大数据实时智能技术体系以及应用案例三个方面展开。

首先针对时序大数据实时计算，陈纯院士指出四大关键技术：面向复杂统计指标的增量计算、面向时序数据处理的动态时间窗口、基于流的事件序列识别和动态时序图谱的实时计算。并着重介绍了面向时序大数据实时分析的“流立方”技术和面向图数据实时分析的“图立方”技术。从基于深度学习的智能模型和技术架构两方面对时序大数据实时智能技术体系进行了阐述。最后，陈纯院士详细介绍了基于“流立方（图立方）”的智能技术在交易反欺诈、反爬虫和网络安全防御等具体场景中的应用，针对实时智能技术广阔的应用场景，陈纯院士强调时序大数据驱动的在线分析计算和实时智能决策尤为重要。

钱锋：人机共融流程工业智能系统：人工智赋能流程制造

钱锋院士首先指出人工智能赋能时代是社会发展的加速器和经济发展新引擎，在制造强国战略下，人工智能助力制造业高质量转型发展。他分别从宏观层面、技术层面和总体状况上详细分析了我国流程工业存在的主要短板以及可行的解决路线，在此基础上，进一步指出未来流程工业“智能+”的前沿研究方向为制造过程->智能+自主+可控，面临的重大挑战在于创新面向多时间-空间尺度影响因素的调控方法。接着，钱锋院士分析了美国、德国和日本等国家制造业发展战略，指出流程工业转型发展刻不容缓；进而分析了我国流程工业转型升级重大需求，探讨了以“智能制造+绿色制造—>高端制造”为目标的智能优化制造愿景；最后围绕人工智能与流程制造深度融合实现智能优化制造阐述了二者凝练的相关工程科学问题，比如AI+物联网->智能工业互联网、AI+管理决策->智能决策和AI+制造过程->智能自主控制等。围绕上述工程科学问题，钱锋院士以需求驱动、应用导向为目标，提出当前流程工业制造系统智能化的主要研究内容、关键技术和实现目标，并给出了炼油智能制造的工业应用示例。

钱锋院士总结，未来流程制造应该是：基于信息物理系统与智能化软件定义技术，构建“范在感知-实时分析-自主决策-精准执行-学习提升”的业务闭环，用软件形成的信息流自动消除复杂系统的不确定性，在给定时间、目标场景下，自适应优化配置资源和能源，实现制造过程安全、绿色、高效的一种制造范式。

宗成庆：语言智能：从方法到应用

宗成庆研究员首先对自然语言处理的基本概念、研究内容和理论方法进行了简要的梳理，介绍了自然语言处理这一学科的产生和发展，强调了计算机理解自然语言的科学意义和应用价值。接着，对自然语言处理面临的技术挑战进行了分析，包括自然语言中大量存在的未知语言现象、歧义词汇和结构、隐喻表达、以及翻译问题中不同语言之间概念的不对等性等，语义概念的表示和计算、说话人意图的理解和推理、以及语用场景的分析是当前面临的核心挑战。之后，介绍了自然语言处理的基本方法，通过两个具体实例展示了不同方法的实现过程及其存在的问题。他认为，虽然目前智能语言技术在很多领域得到了成功的应用，但远未做到自然语言的深度理解，在这一领域仍然存在大量的难题和探索的空间，如现有的翻译模型无法准确处理篇章范围内的指代问题、无法区分由于细微文字或句法差异造成的句子语义反转、无法从译员的译后编辑过程中自动学习翻译知识等等，虽然深度学习在内的机器学习方法已经在自然语言处理和机器翻译中发挥了重要作用，但是这些方法毕竟采取的是一种“赌博”思维，往往对于大概率事件有效，其性能表现严重依赖于样本训练，难以做到“举一反三”，尤其缺乏合理的解释。最后表示，建立人机交互、机器自主进化学习和知识引导下的可解释性自然语言处理系统成为未来发展的必然，跨媒体分析系统将成为未来技术研发的必然趋势。

本文专家观点记录均根据活动现场速记整理，“全国高校人工智能学院院长/系主任论坛”部分整理人：贾楠，李鹏芳，黄欣研，张俊；“人工智能大讲堂24/25/26讲”部分整理人：董惠惠，张若浛。