2018年7月30日-31日，香港中文大学（深圳）携手清华-伯克利深圳学院（TBSI），共同举办“机器学习与工业智能国际论坛”，邀请到中外各国的顶尖学者汇聚南山智园，就工业智能、智能制造、智能操作和控制、工业物联网、不确定性处理，以及机器学习的领域知识整合方面，展开深入交流。

本次论坛吸引了来自华为、大疆、腾讯、上海证券等知名企业界人士的报名，以及来自世界知名高校清华大学、香港中文大学、斯坦福大学、浙江大学、厦门大学等师生的热情参与。香港中文大学（深圳）教授、国际电机及电子工程师学会院士、国际自动控制联合会院士秦泗钊，清华-伯克利深圳学院共同院长张林出席开幕式。

图为香港中文大学（深圳）教授、国际电机及电子工程师学会院士、国际自动控制联合会院士秦泗钊教授在开幕式讲话

图为清华-伯克利深圳学院共同院长张林致辞  

2017年，谷歌DeepMind团队研发的深度学习程序AlphaGo连胜人类围棋冠军，引发了新一轮狂热的AI浪潮。近年来，依靠全球网络、大数据和云计算的协同能力，人工智能的技术和发展模式正在发生深刻而本质性的变化。从智能手机系统、无人驾驶汽车，再到各种智能穿戴设备，人工智能似乎在一夜间广泛渗透到人们的日常生活中。

以产品形态衍生出的各种商业行为将人工智能的概念推向了一波高潮，这是普通观众眼中的社会热点，身处理论研究前沿的学者们，依然需要从内涵和外延等层面厘清这个领域所存在的一些问题。

什么是人工智能？人工智能的研究现状如何？未来的发展趋势又会怎样？

人工智能：高度复合的交叉学科

早在1950年，计算机科学的先驱阿兰·图灵即提出，“如果一台机器能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能”，这便是著名的“图灵测试”。其后，1956年夏，美国达特茅斯会议上，人工智能的概念被正式提出并确立。在半个多世纪的研究中，控制论、信息论、语言学、心理学、神经生理学、数学等多学科领域的交叉融合极大丰富了人工智能的内涵，并使其在跨学科的研究与应用中不断发展变化。

秦泗钊教授认为，人工智能是一个包罗万象的名词，对传统的学科领域都有渗透与带动，这种渗透与带动也随着人工智能的发展有不同的领先点。以前是利用规则与知识驱动，现在采用数据驱动。从学科角度来讲，人工智能不仅仅是计算机的一个分支，从对社会、对工业的影响来说，人工智能必须要跨学科，就像一把伞，覆盖了好多学科，并最终形成一种学科融合。

“我们在学校做学问的这群人，实际上只能在人工智能领域完成一部分事情，这一部分对我而言就是机器学习。”来自麻省理工学院的郑立中教授认为，人工智能是一门极其复杂的交叉学科，需要来自多方的互动，“本次论坛很有趣，很适合TBSI来做，参加论坛的几乎没有计算机科学领域的科学家，更多的是工业自动化方面的专家，他们在使用的算法上新的旧的都有，大家都想把它在深度学习方面做一个解释。我觉得应该邀请做市场、做计算机科学的人到一起来，多听我们的方法，在辩论、冲突中达成合作，走出一条路，实现一个整合。”

图为郑立中教授做主题演讲

工业4.0时代：人工智能面临的现实挑战

人工智能在工业领域的应用，为新时代产业结构升级和技术革新提供了机遇。重塑产业链形态与价值创造的方式，通过增强网络智能设计制造与服务，提高生产率。

在谈到本次论坛举办的初衷时，秦泗钊教授讲到了人工智能在工业制造领域的应用，“现在这批人工智能，包括大数据，对以下几个方面是很有效的。一是从事与人打交道的活动，例如语音、翻译、图像、认知等等，这一块做得挺好；另外一个领域是‘商务智能’（Business Intelligence），例如广告投放与定向广告，人类行为被深度解析，效果比随便发广告要好得多。现在，我们更关心的问题其实是‘工业智能’（Industrial Intelligence），这涉及到新一代工业革命（工业4.0），人工智能在机器学习等领域的成果如何转化到工业制造领域，产生更大的效果，这也是本次论坛主要的目的。”

“我认为这十几年甚至三十年来，机器学习是在冲破传统的框架，不论是主观的还是客观的。计算机领域搞机器学习的人，并不是全搞清楚传统的已有的东西再去做新东西，这样做可以将传统思路认为不可能做的事情变为可能，达成一种颠覆，这是一个非常大的特点。从事机器学习的人，逐渐会摸到传统领域的认为不可以做的事情，也有地方会有所突破，这是一个互动的过程。”秦泗钊教授谈到。

图为秦泗钊教授做主题演讲

未来之路：更规范、更多元

微软CEO纳德拉在谈到人工智能的发展前景时提到，如果人工智能的发展历程总长是100万公里，我们现在才刚刚走了几公里。在时下各种展会及新产品推出的热闹喧嚣背后，研究人员如何就其现状进行理性分析、审慎判断，并回归基础性研发，带动产业走向良性发展，是一个值得深思的命题。

就目前人工智能的市场应用中所存在的问题，郑立中教授表示，任何一个领域在发展初期一定会存在不同程度的乱象。研究人员应该在乱象落幕后用理论将其整理归纳，形成一套成熟的方法论，进而选择正确的发展方向，支持一个可持续发展的态势。

“深度学习的理论不太可能再带来一个像AlphaGo这样，全民热爱的东西，我们要对此有所预期。我们应该鼓励、集合各种力量，带动整个领域向一个更加规范化的方向发展。”郑立中教授说。

“在产品和科研的具体问题里，我们从理论到实现结果是非常受限制的，我现在打算把深度学习用于生物、机械、工业自动化等领域，然而限制很多，因为需要应用到该领域的特定知识。在我们拓展（深度学习）的时候，面临着很多新的挑战，要进一步扩大应用领域，使它变为一个非计算机科学的全领域，在其他各个研究方向大展拳脚。”

在为期两天的论坛中，包括挪威科学院院士、韩国科学院院士、加拿大工程院院士、美国麻省理工学院教授、国家“千人计划”引进人才在内的多位学界“大咖”，带来精彩的演讲内容与思想交锋，相信可以为人工智能、大数据与深度学习在工业制造领域的理论研究与应用思路上，指明发展方向。

30日上午的论坛中，国际电机及电子工程师学会院士、麻省理工学院电气与计算机科学系郑立中教授带领大家了解在神经网络中连接数据和专业领域知识，挪威科学与文学院成员、国际会计师联合会成员、挪威科技大学Sigurd Skogestad教授为大家梳理了流程优化的代理模型，德国马格德堡大学系统理论与自动控制实验室主任Rolf Findeisen教授分享了对联网自治系统的预测、学习支持控制的相关观点，香港科技大学讲座教授、博士生导师、浙江大学求是教授、国家“千人计划”引进人才高福荣教授则为与会者分析了智能制造工厂研究面临的挑战和机遇。

论坛发起人之一的秦泗钊教授指出，人工智能在从事与人打交道的活动，例如语音、翻译、图像、认知等，与“商务智能”，例如广告投放与定向广告等方面，已经发挥了显著的作用，本次论坛聚焦的核心命题是“工业智能”，这涉及到新一代工业革命（工业4.0）。人工智能在机器学习等领域的成果如何转化到工业制造领域，发挥更大的作用，相信通过各位科学家的交流探讨，可以碰撞出不一样的火花。