人工智能和机器人科学将带给社会更多进步和惊喜——李世鹏院士专访

“十四五”时期，我国的重点工作是坚持创新驱动发展，加快发展现代产业体系；坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑；完善国家创新体系，加快构建以国家实验室为引领的战略科技力量，打好关键核心技术攻坚战，制定实施基础研究十年行动方案，提升企业技术创新能力，激发人才创新活力，完善科技创新体制机制。为此，《经济》杂志、经济网记者专访了国际欧亚科学院院士、IEEE Fellow、深圳市人工智能与机器人研究院执行院长李世鹏。

《经济》：2020年，我们经历了新冠肺炎疫情，中国在对疫情的控制方面做得非常好，这得益于我们国家在信息技术、大数据方面的迅速发展。这些技术让我们能够更及时有效地了解人员的流动轨迹，迅速采取积极有效的措施进行科学隔离和管控。基于科学的防疫措施，我们国家取得了十分亮眼的成绩。请您结合科技发展现状，谈一谈疫情期间科技如何发挥作用以及我们应该注意哪些问题。

李世鹏：感谢您的提问。这个问题很好，同时这也是一个比较大的问题，因为它涉及领域较多，比如人工智能、大数据以及物联网等。

中国的疫情控制得特别好，得益于以下几个方面。

第一点，得益于我们中央的决策好，层层传导，令行禁止，集中决策的结果是很多东西能够被很快地落实。全国上下一盘棋。

第二点，科技在其中发挥了很大作用。

疫情期间，每个人的行动轨迹都可以被追踪，是因为我们人手一部手机，而这个手机就是一个传感器，通过手机，我们能对一个人的位置、行动轨迹了解得七七八八。因此，一些人如果他到过高风险或中风险地区，我们可以很快且有效地对他进行管控和隔离，或者采取一些其他措施，既保护这个人，也保护他身边的人。我们也可以通过这些信息对疫情进行有效的预测。

疫情预测需要科技，对于疫情的防控实际上也要用到科技。例如，我们在对新冠肺炎病例进行诊断的时候，核酸检测是第一步，肺部CT又是另外一步。有些单位就推出了用人工智能来读拍摄的医学影像的技术。如此一来，人工智能实际上就在帮助医生们加快诊断速度；而我们知道，新冠肺炎疫情期间，“诊断速度”是非常重要的。

在非接触物流方面，机器人运送技术也发挥了独特作用。比如，在医院里面，有些区域是隔离病房，有些是干净或者普通病房，如果由人去运送物品，对运送者或患者来说都不太安全，但如果是机器人去做这个事情，比如运输药品，然后我们再对机器人进行消毒，风险就被很大程度地降低了。

如果从更大的物流运输角度看，我们事后也发现，自动驾驶技术或者远程驾驶技术其实是可以应用其中的。新冠肺炎疫情最初暴发的时候，武汉封城了，各种物资很难运输进去，又或者速度比较慢，就算成功运进去，出城后先要隔离司机14天，效率很低；如果运输到距离武汉一公里的时候，我们换掉司机，使用自动驾驶或者远程驾驶技术进入武汉，就可能避免司机与城内人们的接触，同时物流供应也会更高效、充分。而自动驾驶技术，本身与人工智能分不开。这是后来我们得到的一个启发，当时还没有充分应用起来。

还有一点，是我们现在都比较熟悉的远程办公。疫情还没有来的时候，大家出差，一两天都算少的，但是现在，我们很多事情都可以在网上解决，这是很大的进步。远程办公，也是混合各种先进的技术在里面的，现在几乎成为一种常态。更值得关注的是，远程办公又催生了我们大规模网上办公时需要的一些新产品、新技术，可以说这是挑战也是机遇。

脱离疫情只看日常生活，人工智能技术的应用也很多。我们研究院的英文简称是AIRS,全称是“Shenzhen Institute of Artificial Intelligence and Robotics for Society”。这里面有一个“for society”,就是指“为社会的共同福利”。这里不仅有自动驾驶技术，还有智慧交通以及城市治理的新应用。可以说，在物联网技术与人工智能的应用领域，中国走在世界前端，这为我们创造了更加安全的生活环境。

有一个问题不得不提，即技术发展过程中如何去保护个人隐私。疫情期间，我们其实是牺牲了一些隐私去换取更大的安全的，因为生命、身体健康实在太过重要。但必须说，从长远看，个人隐私的保护是科技发展无法避免的课题，而作为研究人员，我们的愿望是，未来，大数据在带给我们工作学习生活更多好处的同时也带来对个人隐私的保护。

《经济》：您分析得非常好。在技术发展与个人隐私保护上，我们需要寻求一个平衡点，在寻找这个点的过程中，我们总会遇到各种各样的问题，在解决问题的过程中不断推动技术的进步，这是非常有意义的事业。我们知道深圳作为中国特色社会主义先行示范区得到党中央给予的多项利好政策。在大湾区、示范区的建设上，无论是经济、金融、社会发展、人才引进还是建立面向世界的一流高校，这些都离不开国家政策的支持。请您谈谈您在这些方面的感受以及对未来的期待。

李世鹏：这也是特别好的问题。

深圳，肩负着建设中国特色社会主义先行示范区的使命。国家给我们重任，而这些任务有时候是很艰巨的。简单说，国家赋予深圳的使命是，“敢为天下先”。为了一个美好的目标，深圳可以去尝试各种各样未曾被别人尝试过的方法、模式；在深圳地方政府层面，甚至鼓励他们要敢于去尝试一些新的办法并且因此享受一些免责的保护。这给深圳带来了巨大活力。大家不是要去死气沉沉地循规蹈矩，而是真的要探索一些新路子。

我以“深圳市人工智能与机器人研究院”为例来说明。

我们研究院就是一个新型的研发机构，我们的定位是“四不像”，我们不是一所大学，也不是一家企业，不是传统的研究院，也不是典型的事业单位；政府同时也给我们很多自由，即我们可以把以上四种模式里面的所有优点集中到一起，包括管理、机制上的优点，聚集在一起，探索出一条新道路。现在我们的目标是，第一吸引人才，第二激发人才，第三创造一个宽松环境，鼓励人们做出世界领先的科研成果。

与此同时，我们也要去管理，这里的管理不是管死，而是从知识、技术层面提供支持，让很多事情迎刃而解。从某种角度说，我们实际上是在帮助研究人员，给他们更多新空间、新机会，为他们提供新资源，为此我们做了很多大胆的尝试，以前事业单位没有尝试的东西，我们为了更好的发展目标就可以去尝试。

在我看来，深圳就是一个迷人的大实验室，在这里，你可以试验各种各样的东西，做错了也没关系，因为这是一个特区，错了影响的范围也有限。这给了我们足够的信心，让我们敢于把好的东西继承下去，并且及时纠正不好的东西。

放眼整个粤港澳大湾区，在“深圳效应”的带动下，很多有意思的事情正在发生。

最初，深圳的人才优势并不强，这里以前也没有好大学，但现在我们看到慢慢地，人才正不断汇聚到这里。我认为这是非常值得我们反思的一个现象，那就是深圳是靠着什么吸引这些人才的。

第一个是比较开放的环境。深圳距离香港很近，在与国际接轨方面，程度比其他城市好很多。

以前，深圳在科教方面是存在短板的，后来市政府就重点发展这一块，投入了不少资金，最近几年也成立了一些大学，包括香港中文大学（深圳）。在很短的时间里，这所大学连续多年成为广东省高考录取分数第一名的高校。这里面少不了新体制和新办学方式的支撑，在这种支撑作用下，深圳吸引了无数海外优秀人才。

第二个是深圳的地理位置。

除了紧邻香港，深圳其实还有一个特区中的“特区”，我们叫“河套地区”，正式名称是“深港科技创新合作区”。这个合作区很有意思，因为它建设的目的就在于吸引包括海外人才在内的海外资源进行合作，一些项目可以在特区内有效进行。

关于这个合作区，当时是有一个说法的，不知最终是否会落实，就是香港人员到河套地区不算入境，深圳人员到河套地区不算出境。这等于创造了一个“人才岛”或“人才特区”，让大家集中起来做科研，不必太过担心其他问题，也不用过多分散注意力。

其实在和内地一些政府部门交流的时候，我们也讲到，“人才岛”实际上是地方人才政策的放大版，就是说我们不仅要把人才吸引过来，还要为他们创造一个小环境，在这个小环境里，这些人才不需要去与自己不熟悉的环境打交道，他们只需要把自己的优势放在专业研究上，把琐事交给专门的服务机构。

第三个就是深圳具备特别的、完整的产业生态链。

以我自己为例。我做机器人领域的研究，需要硬件，如果在内地，很多硬件加工是需要来深圳的；但在深圳，加工直接去隔壁一条街上的某个工厂就可以。效率很高。

科研如此，产业化亦如此。如果我研究了一个东西，需要很快做出来，也是不出深圳就可以，因为这里有厂家可以负责这些工作。

深圳非常吸引科研者和创业者。我身边一些朋友也在逐渐转移到深圳，有些可能还没完全定居下来但大部分时间生活在深圳，因为大家都看好深圳作为先行示范区的先导作用。

《经济》：确实，大家都在寻找一个模范，比如4月24日，经济日报就报道了“探索GEP核算 深圳渐入佳境”,涉及环保、低碳减排等，报道认为深圳发挥了示范效应。接下来，请您为我们介绍研究院目前关注的研究项目以及相关基础知识。

李世鹏：这就涉及专业领域了。我从我们研究院现在从事的一些研究说起，尤其是人工智能与机器人领域的一些新发展。

在这个领域里，有四个方向特别值得关注，第一个就是“机器学习”。

这是人工智能的根本。人工智能的应用现在已经很广泛了，如人脸识别、语音识别等，给我们的生活带来了很多便利。但我们也知道，人工智能不可能仅仅在这些领域有所体现，除了在社会生活的方方面面发挥作用，人工智能的强项最终一定体现在我们国家的工业制造领域，这也是我们国家新一代人工智能规划的一部分。

人工智能领域的“机器学习”现在大多是基于标注的大数据来为机器学习训练模型的。人脸、图像、语音等，这些东西都可以标注。但是我们在一些新的领域，尤其是针对小企业来说，他们可能没有实力去做大量的基于具体业务需求的数据标注。因此，问题就变成，我们如何去建立一个新的机器学习框架来尽可能少地减少对大规模数据标注的依赖,让这种机器学习的智能模型，很容易从一个领域迁移到另一个领域，这是机器学习面临的一个基本问题。如果我们能够把这个问题解决好，可能强人工智能时代就到来了。

简单地说，减少“机器学习”对标注大数据的依赖，是我们现在研究的一个方向。

第二个是运动智能。

如何去理解这个概念呢？我们可能看到“波士顿动力”经常会发布一些代表最新研究成果的视频，如新原型机器人或机器狗又学会了什么新动作，新动作看起来很平滑很自然就像真人真动物似的。这些看上去十分简单的行为背后是付出了巨大代价的。建立这样一个原型，最终它可能只能跑十几分钟，但需要大量的电力、大量的算力不停地计算。目前，这种演示还是非常昂贵的，它太耗电以至于无法规模化地应用到实际生活中。

再向更深层次想一想，会遇到一个更加基本的问题。我们知道人类或者动物的运动机制其实很简单，比如我们想要伸手抓一个东西，并不需要太多能量，而且可以很自然轻松地完成。我们在考虑，有没有可能去探索一种新的路径，即不要像今天这样大多靠电机驱动的机器运动，而是转成像人一样利用肌肉控制或者其他材料来控制的运动。这就不仅涉及人工智能，还涉及生物学和材料学等其他学科的科学。

还有一点，就是运动控制机制的改变。现在大部分机器人的运动，还是依靠正确计算规划，机器抓取东西，要先计算好了再去抓取，如果中途改变目标，机器需要重新计算、重新规划。我们知道，人类在抓取东西的时候，是很轻松很随便的，是行动以及各种传感器官对大脑不断反馈的过程，我们行动的时候，是通过不断调整运动轨迹来逼近最终目标；而且人类的行动是特别灵活的，目标随时可以变化，能耗很低。

所以，机器人的运动智能如何突破，也是我们的一个研究方向。可以想象，如果这个领域被突破，机器人像人一样自由、迅速、灵活，而且能耗大大降低的话，可能会颠覆很多还需要人类操作的行业，甚至会让人类从繁杂的手工技术中解放出来，去更多地享受自然和生活。

第三是人机“谐作”，这里面的“谐”不是协和的“协”，是和谐的“谐”。

这是我们自己造的一个词，为什么呢？因为“协作”这个词已经不能够表达人和机器人之间这种紧凑、密切的关系。这里的关键问题是，如何才能真正做到人和机器人和谐相处，如同一个有机整体。

举一个例子,让我们再次回到自动驾驶。自动驾驶的最大缺点是，目前没有任何一家公司敢放心大胆地让无人驾驶汽车自己在路上跑，它还是需要一个安全员。可能这个人在车上也不做什么，但是遇到紧急情况就需要安全员来处理。实际上，安全员比普通汽车的司机还紧张，为什么？因为大部分时间这位安全员并不控制汽车，他也不知道汽车要怎么跑、跑到哪里去。现在我们设想，如果有一种机制可以让安全员去睡觉，然后遇到情况再及时喊醒他，让人来接手，情况就好很多，但这需要人的智能和机器智能和谐融合在一起。

要解决这个问题，实际上还是归结于人工智能层面。机器人需要自己判断什么时候它自己可以做决定，什么时候当它对自己决定的可信度降低到一定层次的时候，它就主动告知人类这个场景我做不好，需要叫人过来。我们寻求的人机和谐的模式，是真正安全的模式，一旦达到这个水平，人就真的可以放松下来，有状况的时候才去接管。换言之，人工智能与人如何智能地切换控制的问题很重要。

大家可能会问，自动驾驶车辆行驶的时候，如果前面100米突然出事故了，人工智能再把人叫醒，要是人反应不过来怎么办？

这就涉及下一个层次的问题。现在我们采取的自动驾驶策略是车路协同，而车路协同能感知单靠车本身不能感应到的一些视野、信号或状况，能依靠路的传感器把更多的信息及时传递给车辆。例如，如果路前方两公里左右有状况，汽车本身虽然没有感知到，但前方路的传感器能把信息传给车，车的智能了解信息后及时把人唤醒，人就有足够时间去反应了。

还有一点，是人类与机器之间的机体层面的和谐合作，例如残疾人的康复、外骨骼的应用等。当我们有负重要求、负重作业的时候，需要人的肢体和机器共同作业。关键是，当人机协作去行动的时候，人们并不希望通过不自然的外界操作或遥控来控制这种行动，最好是人往前一走，机器能感知到人类的意图，也同时行动，二者共同发出合适的力度，自然地完成任务。或者，人想加力的时候，机器也随着加力，不想的时候机器也不去这样做，这就是人与机器的和谐相处。

真正的和谐相处是，人不需要主动发出命令，而机器能够感知人类的意图，从而自己调节状态去恰到好处地帮助人类，这也是我们的一个核心研究项目。这种人机和谐合作的关系，会对未来的方方面面产生影响，甚至会对人机交互这个概念进一步进行拓展。

第四个是群体协作。

以前，当我们考虑人工智能的时候，大多考虑的是一个单体智能，也就是说考虑的是机器人个体能做什么。但随着社会的发展，我们发现越来越多的工作是通过一个群体去做的，这里面有多个机器人或多个智能体，我们叫多个智能体之间的协作。

举个例子。有信号灯的路口，车多时交通总是很容易拥堵，为什么？因为汽车是“蠕动式”起步而不是同时起步，前面的车开动走了后面的车才开始启动，依次下去，大家一个一个动起来，没办法同步，通过信号灯的效率会很低。将来，汽车是可能依靠群体协作的概念做到同时起步的，很多汽车联动在一起，同时启动并通过信号灯，这样效率就很高了。

最后，我们讲人的合作、人的协作。人的群体行为是可以通过设计去做出一个最优化方案的，比如交通管理。

如果除了依靠车和路上的感应器外，我们把人的群体行为放在一个大的交通管理模型中去，我们也会更好地去规划路线。前面拥堵，你需要避开这条路线。但当所有人都和你想的一样，那另一条路可能很快就拥堵了，而现在拥堵的路上没人了。这就是一个群体行为。如果我们把人、车和路的感应与行为放到一起考虑，得到的交通管理模型会使交通拥堵得到很大程度的改善。

群体彼此帮助、协作，但有些人也可能不会参与合作。当我们把这些全部合作或者不合作的人都考虑在一个模型里面的时候，就会对人的群体行为有更好的预测，会解决很多实际问题。因此，群体的协作、群体智能，也是我们很重要的一个研究方向。

人工智能和机器人领域还有很多非常有意思的研究方向，希望我们的科学研究给社会带来更多的进步和惊喜。

《经济》：感谢您为我们分享了如此精彩的前沿科学，希望未来看到更多的应用科学为人类社会生活服务，也希望看到更多的尖端科技服务国家发展大局。