"人-機-物智能"的挑戰(zhàn)、思考及應(yīng)用實踐

1   智慧城市與人-機-物智能

隨著以信息技術(shù)、人工智能（AI）為代表的新興科技快速發(fā)展，我們正在進入“人-機-物”三元融合的萬物智能互聯(lián)時代。為了實現(xiàn)人-機-物的互聯(lián)互通，是否可以找到類似TCP/IP協(xié)議等計算機業(yè)的標準元素，并研究它們的共性，以服務(wù)智慧城市（智慧交通、智慧社區(qū)、智慧家庭等）應(yīng)用？

但是現(xiàn)在還沒有什么核心技術(shù)和關(guān)鍵理論（后面會有楊天若教授理念的簡單介紹）。為什么還沒有什么相關(guān)理論？因為三元空間的差異很大。三元空間主要由三部分組成：信息空間、物理空間和社會空間。

●   信息空間：主要是計算、通信、控制，特點是離散的、邏輯的、數(shù)字化的。

●   物理空間：是自然的、人造的系統(tǒng)，受自然規(guī)律支配，具有時間連續(xù)性。

●   社會空間：是人在社會交往中形成的空間，為人類思考、行動、感知、交互和協(xié)作提供平臺。

可見，在這三個空間中，每個空間有自己的學科，例如信息空間有電子、計算機等，物理空間有物理、材料、化學等，社會空間有社會學、心理學等。但是沒有一個學科能夠把這三個空間融合。

當然，我們非常希望出現(xiàn)愛因斯坦這樣的天才形成一套理論，但目前還沒有。不過，這三個空間的融合已勢在必行。目前已有兩個空間之間的融合，例如如果以信息空間為基礎(chǔ)，與社會空間相融合，有情境感知、基于用戶行為的主動服務(wù)等，未來有元宇宙等；如果以信息空間為基礎(chǔ)，與物理空間進行融合，就是物聯(lián)網(wǎng)、數(shù)字孿生等。

三個空間的融合可以更好地為我們提供前瞻性、個性化的服務(wù)。

圖：人-機-物智能的發(fā)展階段

2   人-機-物智能面臨的挑戰(zhàn)

人工智能當前發(fā)展迅猛。楊天若教授認為有幾個發(fā)展階段。

第一階段。傳統(tǒng)人工智能階段，是在信息層面和邏輯方面去做。

第二階段。但是后來人們發(fā)現(xiàn)有很多問題解決不了，因為神經(jīng)元網(wǎng)絡(luò)是從物理世界得到啟發(fā)而來的，后來受到了社會空間的影響，現(xiàn)在到了技術(shù)融合的智能階段。為什么？人工智能發(fā)展了這么多年，可解釋性和基本理論實際上沒有本質(zhì)上的提高。但為什么現(xiàn)在人工智能特別火？并不是因為強人工智能的發(fā)展，而是因為弱人工智能，即人-機-物智能的蓬勃發(fā)展。人-機-物智能不一定非要像人一樣能夠思考，但是能行使部分職能，因此目標較小，較容易實現(xiàn)?，F(xiàn)在由于有強大的算力，豐富的應(yīng)用場景，無處不在的通訊，使人-機-物智能變得無處不在。

挑戰(zhàn)一：缺乏人-機-物智能的系統(tǒng)級設(shè)計

物理空間、信息空間、社會空間的差異巨大，怎么進行融合？盡管目前還沒有什么理論，但有一個方法可以嘗試，即從數(shù)據(jù)入手。數(shù)據(jù)是三個空間的一個共同點：每個空間都會產(chǎn)生數(shù)據(jù)，根據(jù)這些數(shù)據(jù)進行融合，這是一條可行之路。因此，是否可以從這些空間中提取出一種系統(tǒng)化的方法？以下楊天若教授介紹了怎么去做仿真。

按照這個思路，如果想做一件事情不可能一蹴而就，是一個逐步迭代提高的過程。因此可以先設(shè)計一個人-機-物系統(tǒng)，可以借鑒EDA（電子設(shè)計自動化）的方法?，F(xiàn)在EDA的方法是從上到下、從高層到低層（gate級，門級）。

是否可以設(shè)計一套像EDA的方法，把人-機-物系統(tǒng)做統(tǒng)一的設(shè)計，使三個空間能夠互通融合？

楊天若教授的思路是：首先進行大數(shù)據(jù)分析，進行系統(tǒng)分析，然后產(chǎn)生出智能決策，之后再快速做自動化；再做一次；不斷地周而復始，以達到理想的人-機-物系統(tǒng)。

挑戰(zhàn)二：怎樣進行融合？

如果這個理論/方法論可行，就有幾個相關(guān)的問題需要考慮。

第一，怎么去做自動化設(shè)計？做嵌入式的人都知道，設(shè)計電子電路用EDA工具，同樣，我們能不能做類似EDA的人-機-物系統(tǒng)？答案是肯定的。楊天若教授團隊做了“Petri網(wǎng)的超空間流”模型。

第二，怎么進行融合？現(xiàn)在大部分人做的還是大數(shù)據(jù)，數(shù)據(jù)大就行了，把原來的方法拿過來套用，但是缺乏一個整體的方法論。有沒有一個整體系統(tǒng)的方法能夠更好地把它們進行融合？

挑戰(zhàn)三：怎樣反饋、自適應(yīng)、迭代學習？

第三，怎么能夠反饋、自適應(yīng)、迭代學習？即做出基于高階Petri網(wǎng)的張量反饋機制，實現(xiàn)人-機-物智能系統(tǒng)的自適應(yīng)優(yōu)化設(shè)計。

主要是以上三個方法。楊天若教授主要介紹前兩點。第一，準備做一個自動化的設(shè)計方法，第二，對多模態(tài)進行分析。

3   人-機-物智能的關(guān)鍵技術(shù)

關(guān)鍵技術(shù)一：系統(tǒng)級設(shè)計方法

人們熟悉的EDA軟件是怎么做的：從上到下，一開始寫Verilog HDL（硬件描述語言），或者用一些最簡單的Python或C語言，它會自動地編譯生成出中層語言，然后到高層語言、到gate，最后逐步自動化生成。

那么，是不是可以做成“人-機-物系統(tǒng)”這種自動化系統(tǒng)？于是楊天若教授團隊就往這個方向來做。首先把想要的部分用高層、C語言/簡單的語言來進行簡單的描述，然后自動化生成一個中間模型，之后經(jīng)過映射，最后再優(yōu)化，并逐步迭代，生成一個系統(tǒng)。

做完之后，再做數(shù)據(jù)分析。數(shù)據(jù)分析里有一個挑戰(zhàn)：怎么具體進行設(shè)計自動化？楊天若教授團隊已做了一套整體系統(tǒng)，像EDA一樣從上到下，已經(jīng)做出了初步原型，現(xiàn)在正在逐步把它商業(yè)化。

關(guān)鍵技術(shù)二：多模態(tài)數(shù)據(jù)分析方法研究

這也是一個有意思的點，即怎樣做數(shù)據(jù)分析？現(xiàn)在人們做數(shù)據(jù)分析，無非視頻歸視頻，圖像歸圖像，輸入文本歸文本，最后再合起來，因為現(xiàn)有的方法都是各自獨立的。那么，有沒有一種理論或方法能夠把這幾個部分合在一起？

楊天若教授團隊采用了張量模型。很多人在大學時學過向量、矩陣、張量。張量是一種高階高維的數(shù)據(jù)表達形式，優(yōu)勢如下。

①可表示。不管是什么樣的異構(gòu)數(shù)據(jù)：結(jié)構(gòu)化、半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，可以想辦法把它們都納入到一個框架之下。也許它們的階數(shù)不同（3階、4階或5階），因為數(shù)據(jù)的特征不一樣，但是它們是可以歸納在一個框架下的。

②可操作。有很多矩陣理論，例如矩陣分解、矩陣加減乘除取余，張量也同樣如此，只不過是更高階的，有很多數(shù)學理論可用。

③可計算/存儲?，F(xiàn)在有很多硬件來支持，例如張量核、TPU等。

④可以做分析。實現(xiàn)推薦、預測、聚類和分類等。

這樣可以做到張量的融合。盡管數(shù)據(jù)、知識、智慧、服務(wù)等每一層都可做，但每層之間是割裂的，有沒有一個理論能夠把這幾層打通？因為有些知識可以反饋到數(shù)據(jù)，數(shù)據(jù)可以反饋給知識，知識可以反饋給服務(wù)，但是有沒有一種方法論能把它們統(tǒng)一起來，使它們之間可以互操作？它的表述還是傳統(tǒng)的方法。

圖：基于張量模型的人-機-物大數(shù)據(jù)的統(tǒng)一表示

現(xiàn)在就用這種張量的表述方法來表示原始數(shù)據(jù)，也可以把知識來進行更高階的知識表示與認知和推理。不一定是知識圖譜，傳統(tǒng)的、高科技的都可以，然后可以用數(shù)學方法對它進行一些操作、融合，還有很多的理論可以使用。

根據(jù)此理論，楊天若教授發(fā)展了一整套根據(jù)張量的表達方式，做表征、分解、特征提取，包括張量和深度計算。

例如做深度學習時有這種現(xiàn)象：輸入時是一個向量，無論怎樣的特征數(shù)據(jù)，都要把它割裂成向量，然后輸出來進行學習。

可以想象一下原來的數(shù)據(jù)，如果是更高階的表示/張量的形式，那么直接進行學習，效果是否會更好？確實這樣更好。從張量的深度學習到知識圖譜，都可以用一整套的張量理論來進行學習，而得出來的效果也確實比較好。

但是還有一個問題：張量計算的特點是計算量特別大（因為是高階的），TPU能夠很好地去彌補這種缺陷。這里重點提一下TPU。TPU是谷歌最近推廣的一種處理器，T就是Tensor（張量）的意思，TPU即張量處理單元?？梢园押芏鄰埩窟\算放到TPU里去做，有些不適合的放在GPU里去做，或者放在CPU里去做，以此使異構(gòu)計算能夠更好地幫助進行計算。

4 應(yīng)用案例

楊天若教授團隊已經(jīng)做了一些項目，例如在湖北和江蘇的智慧交通場景得到了實際應(yīng)用，并在為海南自貿(mào)港項目做研發(fā)。

●   智慧交通

與常州市公交以及湖北交投合作，其“人-機-路/車”是一個典型的人-機-物的系統(tǒng)。第一步，怎么去做系統(tǒng)設(shè)計？設(shè)計完后怎么去做數(shù)據(jù)分析？然后進行反饋。

例如在人-車-路的大數(shù)據(jù)中，有天氣、路線、公共汽車上的視頻等都是非結(jié)構(gòu)化的數(shù)據(jù)。這些數(shù)據(jù)怎么融合？通過張量分析模型，最終可以做到線路分布、客流分析和預測等。楊天若教授領(lǐng)銜的項目從2016年開始就已經(jīng)用到了江蘇省常州市公交的200多條線路上，公交車2000余輛，每年累計服務(wù)量近億次。

第二個案例是湖北交投的智慧交通，高速路的綜合監(jiān)管平臺和智慧服務(wù)區(qū)也是以數(shù)據(jù)為中心的。

●   智慧自貿(mào)港

海南自貿(mào)港計劃在2025年封關(guān)，封關(guān)以后有很多智慧應(yīng)用，涉及如何使各種應(yīng)用互聯(lián)互通。

設(shè)想遠程仍然采用上述這種模式：第一，先做總體的系統(tǒng)設(shè)計分析，然后進行數(shù)據(jù)驅(qū)動和數(shù)據(jù)分析，再進行決策，回來之后進行迭代的提高，最終使設(shè)計出來的應(yīng)用能夠真正地達到互聯(lián)互通的目的。

海南大學成立了協(xié)同創(chuàng)新中心，由多個學院、近100支團隊組成。這些團隊根據(jù)整體思路分成了不同的方向。有的做基礎(chǔ)產(chǎn)品，例如材料與器件、通信芯片、傳感芯片、網(wǎng)絡(luò)等。楊天若教授團隊主要做系統(tǒng)設(shè)計，把人-機-物系統(tǒng)的設(shè)計方法進行有效的集成，然后進行數(shù)據(jù)分析，這是以張量人工智能為主要特色的分析、預測、決策。當然也不排除別的方法，其他團隊從另外的角度來做，最終都會提供這種決策。安全也非常重要，有三支團隊分別去做密碼安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全。

這些工作最終是為了服務(wù)自貿(mào)港應(yīng)用。自貿(mào)港的應(yīng)用是由一些典型的應(yīng)用組成的，例如智慧導航、熱帶農(nóng)業(yè)、深海探測、水下網(wǎng)絡(luò)、智慧養(yǎng)老、離岸金融等，這些都是海南的主要特色。

5 結(jié)束語

希望這些整體的思路和應(yīng)用能夠應(yīng)用起來，真正達到人們所期望的智慧應(yīng)用、互聯(lián)互通的目的。