“数字化、网络化、智能化” 新一代信息技术的聚焦点
作者：徐宗本
来源：《科学中国人》 2019年第7期
    专家简介:
    徐宗本,数学家、信号与信息处理专家,西安交通大学数学与统计学院教授,中国科学院院士。1955年1月出生于陕西商洛。主要从事智能信息处理、机器学习、数据建模基础理论研究。提出稀疏信息处理的L(1/2)正则化理论,为稀疏微波成像提供了重要基础;发现并证明机器学习的“徐—罗奇”定理,解决了神经网络与模拟演化计算中的一些困难问题,为非欧氏框架下机器学习与非线性分析提供了普遍的数量推演准则;提出基于视觉认知的数据建模新原理与新方法,形成聚类分析、判别分析、隐变量分析等系列数据挖掘核心算法,并广泛应用于科学与工程领域。
    习近平同志在2018年两院院士大会上的重要讲话指出:“世界正在进入以信息产业为主导的经济发展时期。我们要把握数字化、网络化、智能化融合发展的契机,以信息化、智能化为杠杆培育新动能。”这一重要论述是对当今世界信息技术的主导作用、发展态势的准确把握,是对利用信息技术推动国家创新发展的重要部署。
    数字化:从计算机化到数据化
    数字化是指将信息载体(文字、图片、图像、信号等)以数字编码形式(通常是二进制)进行储存、传输、加工、处理和应用的技术途径。数字化本身指的是信息表示方式与处理方式,但本质上强调的是信息应用的计算机化和自动化。数据化(数据是以编码形式存在的信息载体,所有数据都是数字化的)除包括数字化外,更强调对数据的收集、聚合、分析与应用,强化数据的生产要素与生产力功能。数字化正从计算机化向数据化发展,这是当前社会信息化最重要的趋势之一。
    数据化的核心内涵是对信息技术革命与经济社会活动交融生成的大数据的深刻认识与深层利用。大数据是社会经济、现实世界、管理决策等的片段记录,蕴含着碎片化信息。随着分析技术与计算技术的突破,解读这些碎片化信息成为可能,这使大数据成为一项新的高新技术、一类新的科研范式、一种新的决策方式。大数据深刻改变了人类的思维方式和生产生活方式,给管理创新、产业发展、科学发现等多个领域带来前所未有的机遇。
    大数据的价值生成有其内在规律(服从大数据原理)。只有深刻认识并掌握这些规律,才能提高自觉运用、科学运用大数据的意识与能力(大数据思维)。大数据的价值主要通过大数据技术来实现。大数据技术是统计学方法、计算机技术、人工智能技术的延伸与发展,是正在发展中的技术,当前的热点方向包括:区块链技术、互操作技术、存算一体化存储与管理技术、大数据操作系统、大数据编程语言与执行环境
、大数据基础与核心算法、大数据机器学习技术、大数据智能技术、可视化与人机交互分析技术、真伪判定与安全技术等。大数据技术的发展依赖一些重大基础问题的解决,这些重大基础问题包括:大数据的统计学基础与计算理论基础、大数据计算的软硬件基础与计算方法、大数据推断的真伪性判定等。
    实施国家大数据战略是推进数据化革命的重要途径。自2015年我国提出实施国家大数据战略以来,我国大数据快速发展的格局已初步形成,但也存在一些亟待解决的问题:数据开放共享滞后,数据资源红利仍未得到充分释放;企业赢利模式不稳定,产业链完整性不足;核心技术尚未取得重大突破,相关应用的技术水平不高;安全管理与隐私保护还存在漏洞,相关制度建设仍不够完善等。当前,应采取有效举措解决制约我国大数据发展的瓶颈问题。
    网络化:从互联网到信息物理系统
    作为信息化的公共基础设施,互联网已经成为人们获取信息、交换信息、消费信息的主要方式。但是,互联网关注的只是人与人之间的互联互通以及由此带来的服务与服务的互联。
    物联网是互联网的自然延伸和拓展,它通过信息技术将各种物体与网络相连,帮助人们获取所需物体的相关信息。物联网通过使用射频识别、传感器、红外感应器、视频监控、全球定位系统、激光扫描器等信息采集设备,通过无线传感网络、无线通信网络把物体与互联网连接起来,实现物与物、人与物之间实时的信息交换和通信,以达到智能化识别、定位、跟踪、监控和管理的目的。互联网实现了人与人、服务
与服务之间的互联,而物联网实现了人、物、服务之间的交叉互联。物联网的核心技术包括:传感器技术、无线传输技术、海量数据分析处理技术、上层业务解决方案、安全技术等。物联网的发展将经历相对漫长的时期,但可能会在特定领域的应用中率先取得突破,车联网、工业互联网、无人系统、智能家居等都是当前物联网大显身手的领域。
    物联网主要解决人对物理世界的感知问题,而要解决对物理对象的操控问题则必须进一步发展信息物理系统(C P S)。信息物理系统是一个综合计算、网络和物理环境的多维复杂系统,它通过3C(Computer、Communication、Control)技术的有机融合与深度协作,实现对大型工程系统的实时感知、动态控制和信息服务。通过人机交互接口,信息物理系统实现计算进程与物理进程的交互,利用网络化空间以远程、可靠、实时、安全、协作的方式操控一个物理实体。从本质上说,信息物理系统是一个具有控制属性的网络。
    不同于提供信息交互与应用的公用基础设施,信息物理系统发展的聚焦点在于研发深度融合感知、计算、通信和控制能力的网络化物理设备系统。从产业角度看,信息物理系统的涵盖范围小到智能家庭网络、大到工业控制系统乃至智能交通系统等国家级甚至世界级的应用。更为重要的是,这种涵盖并不仅仅是将现有的设备简单地连在一起,而是会催生出众多具有计算、通信、控制、协同和自治性能的设备,下一代工业将建立在信息物理系统之上。随着信息物理系统技术的发展和普及,使用计算机和网络实现功能扩展的物理设备将无处不在,并推动工业产品和技术的升级换代,极大地提高汽车、航空航天、国防、工
业自动化、健康医疗设备、重大基础设施等主要工业领域的竞争力。信息物理系统不仅会催生出新的工业,甚至会重塑现有产业布局。
    智能化:从专家系统到元学习
    智能化反映信息产品的质量属性。我们说一个信息产品是智能的,通常是指这个产品能完成有智慧的人才能完成的事情,或者已经达到人类才能达到的水平。智能一般包括感知能力、记忆与思维能力、学习与自适应能力、行为决策能力等。所以,智能化通常也可定义为:使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、行之有效的执行功能等。
    智能化是信息技术发展的永恒追求,实现这一追求的主要途径是发展人工智能技术。人工智能技术诞生60多年来,虽历经三起两落,但还是取得了巨大成就。1959年—1976年是基于人工表示知识和符号处理的阶段,产生了在一些领域具有重要应用价值的专家系统;1976年—2007年是基于统计学习和知识自表示的阶段,产生了各种各样的神经网络系统;近几年开始的基于环境自适应、自博弈、自进化、自学习的研究,正在形成一个人工智能发展的新阶段——元学习或方法论学习阶段,这构成新一代人工智能。新一代人工智能主要包括大数据智能、体智能、跨媒体智能、人机混合增强智能和类脑智能等。
    深度学习是新一代人工智能技术的卓越代表。由于在人脸识别、机器翻译、棋类竞赛等众多领域超越人类的表现,深度学习在今天几乎已成为人工智能的代名词。然而,深度学习拓扑设计难、效果预期难、
机理解释难是重大挑战,还没有一套坚实的数学理论来支撑解决这三大难题。解决这些难题是深度学习未来研究的主要关注点。此外,深度学习是典型的大数据智能,它的可应用性是以存在大量训练样本为基础的。小样本学习将是深度学习的发展趋势。
第一范式正则化不能产生稀疏解    元学习有望成为人工智能发展的下一个突破口。学会学习、学会教学、学会优化、学会搜索、学会推理等新近发展的元学习方法以及“AlphaGo Zero”在围棋方面的出表现,展现了这类新技术的诱人前景。然而,元学习研究还仅仅是开始,其发展还面临一系列挑战。
    新一代人工智能的热潮已经来临,可以预见的发展趋势是以大数据为基础、以模型与算法创新为核心、以强大的计算能力为支撑。新一代人工智能技术的突破依赖其他各类信息技术的综合发展,也依赖脑科学与认知科学的实质性进步与发展。
    (文章转载自人民网)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。