張成奇：人工智能發(fā)展與智能物流

9月19-20日，由臨沂市人民政府、新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟、中國物流與采購聯(lián)合會(huì)物流裝備專業(yè)委員會(huì)、中國科學(xué)院計(jì)算技術(shù)研究所聯(lián)合主辦，臨沂市大數(shù)據(jù)局、臨沂經(jīng)濟(jì)技術(shù)開發(fā)區(qū)管委會(huì)、臨沂人才工作集團(tuán)有限公司、中科院計(jì)算所臨沂分所、華為技術(shù)有限公司、中關(guān)村視聽產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟承辦的“2019國際人工智能及智慧物流大會(huì)”在山東臨沂隆重舉行。

大會(huì)為期兩天，設(shè)有一個(gè)主會(huì)議和“人工智能技術(shù)及應(yīng)用專題會(huì)議”“智慧物流專題會(huì)議”“人工智能產(chǎn)業(yè)園區(qū)發(fā)展專題會(huì)議”“人工智能與健康養(yǎng)老專題會(huì)議”“計(jì)算所技術(shù)與產(chǎn)業(yè)對(duì)接專題會(huì)議”共五個(gè)專題會(huì)議。

此次大會(huì)以“人工智能技術(shù)賦能新舊動(dòng)能轉(zhuǎn)換”為主題，旨在促進(jìn)人工智能等前沿技術(shù)與臨沂地方產(chǎn)業(yè)特色的深入融合，探索出一條智能化的城市轉(zhuǎn)型升級(jí)之路。

在19日的主會(huì)議中，悉尼科技大學(xué)副校長、澳大利亞人工智能協(xié)會(huì)理事長張成奇教授以《人工智能發(fā)展與智能物流》為題發(fā)表演講，介紹了人工智能技術(shù)的發(fā)展脈絡(luò)與應(yīng)用，并重點(diǎn)探討了人工智能與物流產(chǎn)業(yè)的交集。

張成奇教授介紹，人工智能技術(shù)在物流領(lǐng)域有幾點(diǎn)重要的應(yīng)用方向，包括流量和流向預(yù)測、智能倉儲(chǔ)、客戶管理、風(fēng)險(xiǎn)管理等等。

作為一名臨沂人，張成奇教授也為家鄉(xiāng)的物流產(chǎn)業(yè)發(fā)展獻(xiàn)上寶貴的建議。他表示，人工智能與物流產(chǎn)業(yè)的結(jié)合不是單一，而是全面與綜合的。如果臨沂能夠成立一個(gè)人工智能物流研究院，一定會(huì)對(duì)當(dāng)?shù)氐奈锪鳟a(chǎn)業(yè)升級(jí)大有裨益。

他強(qiáng)調(diào)，成立物流研究院并不是要找100個(gè)人工智能方面的人才來做研究，事實(shí)上這樣的人才很難找。相反，我們更應(yīng)該成立一個(gè)高級(jí)研究顧問組來策劃和動(dòng)員全國乃至世界的精英力量來共同為臨沂的物流產(chǎn)業(yè)升級(jí)添磚加瓦。

以下是張成奇教授的全部演講內(nèi)容，雷鋒網(wǎng)做了不改變?cè)獾恼砼c編輯：

謝謝大會(huì)的邀請(qǐng)。我的分享主題是《人工智能發(fā)展及智能物流》，演講共分為三部分：第一部分梳理人工智能的大致發(fā)展脈絡(luò)，第二部分介紹它的主要應(yīng)用方向，第三部分探討人工智能與物流產(chǎn)業(yè)的交集。

人工智能的發(fā)展脈絡(luò)

人工智能如今大家已經(jīng)耳熟能詳了。它提出至今已有63年的歷史，但三年前才真正熱門起來，直接原因是AlphaGo戰(zhàn)勝了圍棋世界冠軍。此前人工智能經(jīng)歷了三起兩落，一直不溫不火。

我是從1982年讀碩士開始研究人工智能的，至今也有37年了，這37年里人工智能的發(fā)展是有一定規(guī)律可循的。

人工智能的“熱”并不是偶然，而是各方面條件成熟的結(jié)果，是一個(gè)厚積薄發(fā)的過程。算法、算力和數(shù)據(jù)三者缺少任何一個(gè)，人工智能都火不起來。事實(shí)上，即便現(xiàn)在火的也只是人工智能中一部分，沒有做到全面開花。

圖靈測試是人工智能發(fā)展歷程中的一個(gè)重要里程碑?，F(xiàn)在計(jì)算機(jī)界最大的獎(jiǎng)項(xiàng)就叫“圖靈獎(jiǎng)”，相當(dāng)于計(jì)算機(jī)界的諾貝爾獎(jiǎng)。

圖靈測試有幾個(gè)非常偉大的地方。首先，它提出的時(shí)間非常早，1950年的時(shí)候計(jì)算機(jī)還只能做簡單算數(shù)，圖靈就想到了計(jì)算智能，非常具有前瞻性。圖靈測試的內(nèi)涵并不復(fù)雜，就是提出相同的問題分別讓人類和機(jī)器來作答，由出題人來判斷哪個(gè)是機(jī)器答的哪個(gè)是人答的。比如有100道題，分辨出誰是機(jī)器和人的概率小于70%，就代表機(jī)器已經(jīng)具備智能了。里面包含了一個(gè)很重要的思想，它不管答案正確與否，也不管答案是怎么得出的，只關(guān)心機(jī)器與人的答案的相似性。

這個(gè)思想主導(dǎo)人工智能發(fā)展了至少60年，之后的人工智能研究基本都是沿著這個(gè)思路展開的。比如圖像識(shí)別，人類和機(jī)器識(shí)別圖像的方式幾乎沒有任何關(guān)聯(lián)，但沒關(guān)系，只要結(jié)果是一樣的就行了。那么，究竟該怎樣讓機(jī)器來模仿人類的智能呢，由此誕生了人工智能的三大學(xué)派。

三大學(xué)派是如何劃分的？實(shí)際上人的智能分成三大部分，第一部分是認(rèn)知，它是人類所有獨(dú)有的，其他生物都不具備。認(rèn)知智能是機(jī)器最早要模擬的人類智能，我們認(rèn)為人工智能主要就是認(rèn)知智能。什么是認(rèn)知智能？學(xué)習(xí)能力、推理能力、專家能力都屬于認(rèn)知智能。人工智能從1956年開始模擬認(rèn)知智能，由此衍生出了人工智能的第一個(gè)大學(xué)派——符號(hào)主義人工智能。

人類還有一類智能叫做感知智能，眼、耳、鼻、舌、身對(duì)環(huán)境的感知能力都屬于感知智能，動(dòng)物也具備這個(gè)能力。過去機(jī)器的感知智能一直做得不好，準(zhǔn)確率低到無法應(yīng)用，現(xiàn)在隨著深度學(xué)習(xí)、云計(jì)算和大數(shù)據(jù)技術(shù)的發(fā)展，這一類智能有了很大提高，這正是人工智能突然火起來的原因?，F(xiàn)在人工智能的很多應(yīng)用，比如識(shí)別圖片、識(shí)別語句實(shí)際都屬于感知智能。

第三類是行為類智能，叫做行為主義人工智能，比如機(jī)器人的操控。當(dāng)然，機(jī)器人的操控也涉及到了認(rèn)知和感知智能。

基于知識(shí)的認(rèn)知類人工智能我們稱之為第一代人工智能，而像圖像識(shí)別、語音識(shí)別這類基于數(shù)據(jù)的感知智能，我們稱之為第二代人工智能。機(jī)器人則是一種混合智能，既要用到感知和認(rèn)知，也要用到行為。三者加起來就構(gòu)成了人工智能發(fā)展的脈絡(luò)。

50年代人工智能也曾紅極一時(shí)，當(dāng)時(shí)用到了符號(hào)推理，但后來發(fā)現(xiàn)不大成功，原因在于它沒有知識(shí)。所以70年代的時(shí)候就開始發(fā)展基于知識(shí)的專家系統(tǒng)。當(dāng)時(shí)大家認(rèn)為，人的認(rèn)知智能主要決定于知識(shí)而不是推理能力。專家系統(tǒng)在人工智能的發(fā)展中起到了很大的作用，現(xiàn)在依然有很多專家系統(tǒng)在使用，包括在保險(xiǎn)理賠、法律顧問、醫(yī)療輔助、氣象輔助等領(lǐng)域。

但專家系統(tǒng)也有它的局限性，就是太專一了，所以后來90年代初又發(fā)展出了分布式專家系統(tǒng)。我的博士論文就是專門研究分布式專家系統(tǒng)的，而且發(fā)表在了《世界人工智能雜志》上，這在大陸華人里還是第一個(gè)，當(dāng)時(shí)是1992年。分布式專家系統(tǒng)的感知能力非常有限，但相比過去的專家系統(tǒng)已經(jīng)有了很大的提升。其中數(shù)據(jù)挖掘作出了重要貢獻(xiàn)，很多知識(shí)專家也不具備，但可以從數(shù)據(jù)挖掘中獲得?？梢哉f，數(shù)據(jù)挖掘是第二代人工智能的開始。

數(shù)據(jù)挖掘的應(yīng)用非常廣泛，從社會(huì)保障、保險(xiǎn)、證券、銀行到物流都大有用武之地。應(yīng)用數(shù)據(jù)挖掘最成功的例子當(dāng)屬沃爾瑪，它可以用數(shù)據(jù)預(yù)測客戶需求，然后根據(jù)客戶需求做倉儲(chǔ)預(yù)測，希望借此將庫存降低到0。但實(shí)際它只要把庫存降低一個(gè)百分點(diǎn)就已經(jīng)能夠節(jié)省非常多的錢了。此外，數(shù)據(jù)挖掘做的比較好的企業(yè)還有京東和滴滴。

臨沂的物流業(yè)也離不開數(shù)據(jù)挖掘，我建議在這方面加大投入。物流業(yè)的本質(zhì)就是把商品從一個(gè)地方運(yùn)往另一個(gè)地方，如果我們能通過數(shù)據(jù)挖掘預(yù)測需求，就不必等需求來了才去調(diào)度車輛。滴滴的空車調(diào)度就是一個(gè)很好的例子，它不但能在來訂單的時(shí)候把車輛調(diào)過去，還能在所有空車都在等客的時(shí)候，把車提前調(diào)度到未來一小時(shí)客流量會(huì)大幅增加的地方。物流也是同樣的道理，你對(duì)需求的預(yù)測越準(zhǔn)確，物流的效率就越高。

人工智能的第二個(gè)學(xué)派稱之為連接主義學(xué)派，主要對(duì)應(yīng)圖像和視頻，它的成功得益于神經(jīng)網(wǎng)絡(luò)的發(fā)展。神經(jīng)網(wǎng)絡(luò)其實(shí)很早就有了，但只能做到三層，層數(shù)多了它就不收斂，算著算著就發(fā)散了，得不出結(jié)果?，F(xiàn)在的深度學(xué)習(xí)是怎么做的呢？假如你有很多的數(shù)據(jù)，通過算法不斷迭代，它就能知道哪一類特征應(yīng)該識(shí)別出什么樣的結(jié)果。它的本質(zhì)通過大量數(shù)據(jù)迭代找到了一個(gè)復(fù)雜的函數(shù)關(guān)系，但是它太復(fù)雜了，很難去解釋?，F(xiàn)在整個(gè)行業(yè)面臨的難題就是如何讓深度學(xué)習(xí)算法具有可解釋性。

深度學(xué)習(xí)算法的發(fā)展催生了感知智能的成功。目前人工智能領(lǐng)域的獨(dú)角獸企業(yè)基本都可以歸類為感知類企業(yè)?，F(xiàn)在深度學(xué)習(xí)算法的準(zhǔn)確率已經(jīng)能夠讓人接受了，比如車牌識(shí)別和人臉識(shí)別的準(zhǔn)確率都非常高了，京東有幾萬員工，但他們上班都不用刷卡，通過人臉識(shí)別比對(duì)一下就行了。

大家可以想象，等圖像識(shí)別的準(zhǔn)確度足夠高的時(shí)候，整個(gè)世界會(huì)發(fā)生怎樣的改變。現(xiàn)在我們?nèi)ジ哞F站要刷票，去海關(guān)要帶護(hù)照，本質(zhì)上都是為了證明你是你。等人臉識(shí)別足夠準(zhǔn)確了，這些證件就都不需要了。

語音識(shí)別的應(yīng)用范圍就更廣了，科大訊飛和云知聲在這方面都做得很好。這項(xiàng)技術(shù)發(fā)展成熟后，我們出去旅游直接說中文就行了，別人說法文、西班牙文都沒有關(guān)系。我們不用學(xué)英文，不用做翻譯，可以節(jié)省大量的時(shí)間。

還是視頻解析，現(xiàn)在大家習(xí)慣把視頻解析理解成尋人或者追逃，實(shí)際它的價(jià)值遠(yuǎn)不止于此。

總而言之，連接主義人工智能或者第二波人工智能之所以火起來，主要是因?yàn)樗母兄芰μ岣吡恕?/p>

第三個(gè)學(xué)派是行為主義人工智能。因?yàn)闄C(jī)器人不光要認(rèn)知和感知，還要操作和行動(dòng)。機(jī)器人可以代替我們完成很多工作，減輕工作負(fù)擔(dān)。比如我們學(xué)校為日本東京電力集團(tuán)研發(fā)的蜘蛛機(jī)器人，可以自動(dòng)爬到鐵塔上去檢測維修。我們還和招商集團(tuán)合作，在海門造船廠用螃蟹機(jī)器人除銹噴漆。

機(jī)器學(xué)習(xí)早期是基于符號(hào)的，現(xiàn)在是基于數(shù)據(jù)的。人工智能不僅要解決認(rèn)知和感知問題，還要解決行為問題，三者融合是人工智能下一步非常重要的發(fā)展方向。有人說人工智能這么厲害，未來會(huì)不會(huì)比人還聰明。我認(rèn)為至少這一代還做不到，因?yàn)樗腔跀?shù)據(jù)的，和人類智能還有很大差別。所以說人工智能的研究接下來還有很多事情要做。

人工智能的應(yīng)用范圍

人工智能的應(yīng)用范圍非常廣，比如自然語言處理，很多地方都用得到，包括物流行業(yè)。物流實(shí)際是一個(gè)綜合性產(chǎn)業(yè)，人工智能的大部分技術(shù)都用得到，比如智能倉儲(chǔ)、智能配送、客戶管理都可以用到很多人工智能技術(shù)。

自動(dòng)駕駛也是綜合了人工智能的三大學(xué)派，其中圖像視頻理解屬于感知智能，駕駛決策屬于認(rèn)知智能，駕駛控制屬于行為智能。

智慧物流

做智慧物流首先要布局物聯(lián)網(wǎng)，因?yàn)楝F(xiàn)在的人工智能都是基于數(shù)據(jù)的。數(shù)據(jù)從哪里來？一種是社交類數(shù)據(jù)，來自銀行信息、社交網(wǎng)絡(luò)等；還有一類是機(jī)器收集的，屬于物聯(lián)網(wǎng)的范疇。所以智慧物流要從物聯(lián)網(wǎng)著手，增加信息的采集，收集數(shù)據(jù)后還要處理進(jìn)和分析預(yù)測。

這里面涉及到了人工智能的方方面面，比如自然語言理解是感知智能，推理規(guī)劃屬于認(rèn)知智能，智能控制是行為智能。人工智能在物流領(lǐng)域的具體應(yīng)用包括需求預(yù)測、庫存優(yōu)化、倉庫選址、自動(dòng)分揀、機(jī)器人搬運(yùn)、車貨匹配、物流路線、自動(dòng)駕駛、風(fēng)險(xiǎn)預(yù)測、客戶畫像、業(yè)務(wù)拓展、智能客服、訂單管理，非常之廣泛。

所以物流行業(yè)想要再上一個(gè)新臺(tái)階，在人工智能領(lǐng)域加入投入是非常有必要的。我認(rèn)為臨沂可以成立一個(gè)人工智能物流研究院，未來一定可以收到很大回報(bào)，但布局一定要趁早。

企業(yè)做智慧物流要加大與外界科研機(jī)構(gòu)的合作。前面李院士說了一句話我很認(rèn)同，就是“科研機(jī)構(gòu)先做研究，有了成果再拿來轉(zhuǎn)化，這種思路是錯(cuò)的”。因?yàn)榭蒲性核难芯客ǔ＞劢乖诤诵募夹g(shù)，比如做機(jī)器人，我們可以做出樣機(jī)但不知道市場上有爬鐵塔的需求。這種定制化的需求我管它叫“最后一公里”。要邁過這最后一公里，一定是企業(yè)提供需求，和科研院所的核心技術(shù)結(jié)合起來，然后用兩到三年的時(shí)間來共同開發(fā)，大家共同擁有知識(shí)產(chǎn)權(quán)。而不是我把爬鐵塔的機(jī)器人造好了直接賣給你，科研院所沒有這個(gè)能力，這也不是他們的主要目的。

經(jīng)常有企業(yè)問我，你有什么技術(shù)我能幫你轉(zhuǎn)化。我回答，“對(duì)不起，我開發(fā)的都是核心技術(shù)原型，還沒到應(yīng)用的階段。如果你愿意，可以先投一點(diǎn)錢，我們一起來開發(fā)，知識(shí)產(chǎn)權(quán)共有。開發(fā)完成后就可以進(jìn)行產(chǎn)業(yè)化了。”

其實(shí)市面上有很多的投資機(jī)構(gòu)可以提供資金。那為什么還要產(chǎn)業(yè)界的人投一部分錢呢？因?yàn)椴煌跺X你就不會(huì)專心。所以你可以把你的需求和產(chǎn)能投進(jìn)來，再加上一部分的錢，我們找第三方投資機(jī)構(gòu)合作，這是最理想的途徑。

最后介紹幾個(gè)智慧物流的具體應(yīng)用。

首先是流量和流向預(yù)測，這對(duì)物流業(yè)非常重要?，F(xiàn)在大多數(shù)還是被動(dòng)型調(diào)度，訂單來了我才安排，有了預(yù)測之后我們就可以進(jìn)行主動(dòng)調(diào)度，就像滴滴調(diào)度空車一樣。里面需要用到數(shù)據(jù)挖掘技術(shù)，預(yù)測潛在的風(fēng)險(xiǎn)。物流高峰等等。

智能倉儲(chǔ)。現(xiàn)在很多倉促都應(yīng)用了機(jī)器自動(dòng)分揀。其實(shí)合理安排庫存也很重要，根據(jù)不同貨物的屬性和周期優(yōu)化庫存。做好了這些，物流的效率就能顯著提高。

客戶管理。物流行業(yè)里的所有物都是和人相關(guān)的。誰要？往哪運(yùn)？運(yùn)多少？什么時(shí)間運(yùn)？這些都涉及到客戶管理，包括客戶畫像、智能客服，知識(shí)圖譜、個(gè)性化管理等。

風(fēng)險(xiǎn)管理也很重要，比如我們派單的時(shí)候可以分析司機(jī)的疲勞程度。如果他已經(jīng)連續(xù)駕駛了12個(gè)小時(shí)，就必須進(jìn)行干預(yù)，否則一旦出現(xiàn)交通事故，損失就將非常嚴(yán)重。此外還有包裹和集裝箱的損壞檢測等。

總而言之，人工智能在物流產(chǎn)業(yè)中的應(yīng)用不是單一而是綜合的。

我建議臨沂成立一個(gè)人工智能物流研究院，這樣就可以調(diào)動(dòng)全國乃至全世界的相關(guān)人才來共同發(fā)揮力量。需要強(qiáng)調(diào)的是，成立研究院并不是要招100個(gè)人工智能人才來做研究，這很難做到。但我們可以成立一個(gè)高級(jí)研究顧問組來策劃和組織全世界的人才來合作交流。