人工智能需創(chuàng)新發(fā)展

一、中國人工智能的真實現(xiàn)狀

       發(fā)展人工智能的重要性已眾所周知，可嘆的是中國至今沒有自己的人工智能通用算法。目前，在全國上下使用的人工智能通用算法是外國的Deep  Learning  深度學習DL。因深度學習DL本身存在無法克服的一些嚴重缺陷，連發(fā)明人Hinton教授都從2017年開始多次宣布放棄深度學習DL，要推倒重來。

       從學術(shù)上看，深度學習DL因比以往的人工智能算法較先進，在人工智能發(fā)展史上占有一代新算法的位置和有一定技術(shù)貢獻。在應用場景不太復雜的如：圖像識別、人臉識別、語音識別等，深度學習DL還是有一定的應用效果，但遠沒有達到現(xiàn)在宣傳的那樣有神奇效果。反而因深度學習DL存在可解釋性差、魯棒性弱、泛化能力不強、推理能力欠缺等嚴重缺陷讓越來越多的專家和用戶失望。舉深度學習諸多缺陷中的可解釋差為例：專家們指出用深度學習DL訓練機器學習，有時機器會將受訓練所學的山體識別成狗，究其原因還得不到解釋。更危險的是，因深度學習DL有黑箱存在，隨時會出現(xiàn)計算機被停機的錯誤，后果難料。

       對于存在如此嚴重缺陷的深度學習DL，以美國公司為首的國際壟斷公司卻看到深度學習DL需要無窮的算力，有很大的出售他們大容量服務器的商機，就開始炒作深度學習DL。其中，最引人注目的商業(yè)炒作是：2016年的大吹大擂機器人Alphgo戰(zhàn)勝人類最佳圍棋手的包裝宣傳。其實，在該機器人中實際只用了約占30%的很少的深度學習DL，主要還是事先存儲的大量的圍棋規(guī)則庫起了作用。但是，為了商業(yè)利益，壟斷公司有意掩蓋真像，向公眾大肆神化深度學習DL，一時深度學習DL名聲大噪，給人造成無所不能的錯覺。

       同時，這些壟斷公司又投入巨資開發(fā)出一些簡單應用場景的深度學習DL開源軟件，可讓用戶很快照貓畫虎地應用。特別是，別有用心地采用各種方式和渠道，大量快速培訓出深度學習DL的技術(shù)人員。在掀起的人工智能熱潮中，在很短時間，這些深度學習DL的技術(shù)人員紛紛走上了國內(nèi)各部門、各單位的人工智能的相關(guān)負責崗位，形成全國上上下下幾乎清一色的獨尊深度學習DL的掌控我國人工智能發(fā)展的領導和專家隊伍。

      國家多年來在不斷號召大力發(fā)展具有國際戰(zhàn)略競爭意義的人工智能，可各地和各單位卻出現(xiàn)領導和專家們以不惜投入巨資大力推動深度學習DL做響應的怪現(xiàn)現(xiàn)象。所以，在美國卡中國高技術(shù)脖子的清單中，看不見列有人工智能。由此，行業(yè)外的人士可能會認為中國的人工智能已很先進了，卡不住中國人工智能脖子了。其實，中國根本就沒有人工智能算法，是沒有脖子需要卡！令人奇怪的還有，明明全國都在用外國的深度學習DL，沒有中國自己的人工智能算法，卻從不見政府主管部門、研究單位的領導和專家們?nèi)缤匾曆邪l(fā)操作系統(tǒng)、高端集成電路一樣站出來疾呼，要發(fā)揚研制兩彈一星的精神，集中全國力量爭取早日研發(fā)出人工智能通用算法。

二、自律學習SDL是逆流的創(chuàng)新發(fā)明

       中國是沒有自主知識產(chǎn)權(quán)的人工智能通用算法嗎？實際中國早就研制出功能遠超深度學習DL的人工智能通用算法，只因得不到產(chǎn)業(yè)化，不能被廣泛推廣使用。

Self Discipline Learning自律學習 SDL就是我們中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟理事、阿波羅日本株式會社和天津市阿波羅信息技術(shù)有限公司首席科學家顧澤蒼博士（中國籍）在業(yè)界首先發(fā)表論文指出深度學習DL存在的一些嚴重缺陷，并基于自己在日本從事三十多年的人工智能積累的經(jīng)驗早在2018年就獨自發(fā)明出來的。自律學習SDL完全是針對在我國人工智能占主流的大模型、大數(shù)據(jù)、大硬件的深度學習DL算法存在的嚴重缺陷，逆流發(fā)明沒有深度學習DL諸多嚴重缺陷的小數(shù)據(jù)、小模型、小硬件的在性能和用途都大大超過深度學習DL，具有中國知識產(chǎn)權(quán)的新一代人工智能通用算法。

       自律學習SDL是于2018年8月18日舉辦的《北京世界機器人大會》的我們聯(lián)盟主辦的“新一代人工智能創(chuàng)新發(fā)展論壇”上，由顧澤蒼博士親自正式發(fā)布。（最初曾稱為自組織學習、超深度學習）

       為顯示自律學習SDL的優(yōu)勢功能，顧澤蒼博士選擇可以代表人工智能最復雜和最高應用水平之一的自動駕駛，做為自律學習SDL的首個應用展示項目。顧澤蒼博士帶領他的二十幾人的小技術(shù)團隊，應用他發(fā)明的自律學習SDL，僅用不到二千萬的很少資金，在不到一年的短時間內(nèi)，就研制出自己的自動駕駛汽車，在技術(shù)上超過目前世界所有研制自動駕駛的單位采用深度學習DL，投入數(shù)以億計的巨資，組織龐大的技術(shù)隊伍，經(jīng)許多年才研制出的自動駕駛汽車的最高水平。

      經(jīng)多年不斷在實踐中改進提高，顧博士團隊已成熟掌握四項領先世界自動駕駛水平的技術(shù)：

1、目前只有顧博士團隊用顧博士發(fā)明的 自律學習SDL已在自 動駕駛的三個感知、決策和控制功能上全部用人工智能實現(xiàn)。其他團隊用深度學習DL只在自動駕駛感知功能上在實現(xiàn)人工智能。

2、目前只有顧博士團隊不用激光鐳達（車頂上的大鼓包）研制出自動駕駛汽車的高效安全的感知系統(tǒng)。美國特斯拉團隊的自動駕駛感知系統(tǒng)雖然也不用激光，但采用的是深度學習DL，不但識別率低，而且事故頻出。

3、目前只有顧博士團隊用自己發(fā)明的 自律學習SDL 實現(xiàn)自動駕駛控制功能采用人工智能，可在 180 米的小半徑的彎道上，他們的無人的駕駛汽車能以每小 時 80 公里的速度行駛。其他單位的研制的自動駕駛汽車，在直線道上最快的行駛速度才是50-60多公里。用人工智能控制自動駕駛汽車在彎道高速行駛的技術(shù)難度是非常大的。

4、目前只有顧博士團隊可去掉自動駕駛汽車上的中央工控機，實現(xiàn)全模組自律分散的分布式控制自動駕駛，每個模組都有自律學習SDL實現(xiàn)獨自的功能。模組間依靠以太網(wǎng)的鏈接，做到全系統(tǒng)低頻信號傳輸， 避免了傳感器的高頻信號在引線過長時受到干擾，顯著提高了行車安全。分布式控制的自動駕駛還有很多優(yōu)勢，在此就不多述。

      中國現(xiàn)有世界上最多的研發(fā)自動駕駛的單位，這是中國人工智能的一個怪現(xiàn)象?，F(xiàn)在有越來越多的人工智能專家發(fā)文指出深度學習DL存在嚴重缺陷和安全隱患。試想，一旦用戶知內(nèi)情，有多少人愿冒險，駕駛采用深度學習DL研制出來的自動駕駛車呢？很明顯，因不能完全去掉深度學習DL存在的嚴重缺陷，在自動駕駛上應用深度學習DL是原始性的錯誤。

       但是，為什么國內(nèi)還有很多單位投入幾十億、上百億的資金在研發(fā)自動駕駛呢？因為，已有一些研發(fā)自動駕駛的單位在研發(fā)自動駕駛所投入的錢，經(jīng)過包裝和炒作在股市和其他各種獎勵和補貼等方面已名利雙收。還有一些用深度學習DL研發(fā)自動駕駛的單位，雖然沒有收回投資，但已經(jīng)投入了很多資金，因不好向投資商交待等種種難言的原因騎虎難下，還拒絕試用自律學習SDL，甘愿耗著。由于，國內(nèi)外領頭的大投入的研發(fā)自動駕駛的單位還都沒完成自動駕駛，技術(shù)人員以此為由堂而皇之拖著，反正技術(shù)人員拿著高薪又不需擔責，何樂而不為。單位領導擔心停止研發(fā)可能產(chǎn)生重大后果，也只能無奈地繼續(xù)供著自動駕駛的研發(fā)。

顧澤蒼博士用SDL研制自動駕駛不是為了批量生產(chǎn)自動駕駛汽車，而是在沒有專家認可自律學習SDL的情況下，不得已想通過研制出世界領先的自動駕駛汽車，以事實證明自律學習SDL優(yōu)勢遠遠超過深度學習DL，尋求資金和社會支持，以實現(xiàn)自律學習SDL產(chǎn)業(yè)化，供國內(nèi)外人工智能技術(shù)人員和用戶在本行業(yè)、本單位的場景應用。

三、自律學習SDL算法的無助、無奈的發(fā)展環(huán)境

       四年來的自律學習SDL的推廣應用所遇到的怪現(xiàn)象，不僅出現(xiàn)在研發(fā)自動駕駛的單位，在我國人工智能產(chǎn)業(yè)發(fā)展中也不少。比如：凡在深度學習DL應用上已投大資金和已獲得名利的單位和人士中，都有既得利益人不愿看到被他們推崇的，已帶來利益的深度學習DL存在的嚴重缺陷被人知曉，在有意無意地在阻礙優(yōu)于深度學習DL算法的新的人工智能算法的出現(xiàn)和替代深度學習DL可能。

       更難以讓人理解的是，為推薦自律學習SDL我們聯(lián)盟找過國家有關(guān)部委的人工智能的部門、學會、協(xié)會，一些著名的研究院、實驗室、大專院校、國有企業(yè)、民營企業(yè)、上市公司、投資單位和院士、專家、教授等專業(yè)人士。這些單位和人士一知道自律學習SDL是針對深度學習DL存在的嚴重缺陷發(fā)明的，有應用案例可證明其功能和應用范圍超過深度學習DL，請他們給以驗證或評論時，都是非常禮貌地回避，都回絕對自律學習SDL做深入了解和表態(tài)。所找的投資公司，也因沒有專家給進行技術(shù)論證，自然也都不投資。

       常說：如果認為大家都錯了時，應該考慮是自己錯了。但是，在中國人工智能產(chǎn)業(yè)出現(xiàn)的怪現(xiàn)象，可讓人感覺不是這樣。因為，國家和各級政府都為促進我國人工智能的發(fā)展每年都投入了巨資扶持，發(fā)布了發(fā)展規(guī)劃和制定出一系列政策給以支持，結(jié)果卻沒有相應的回報，這與國家大力扶持集成電路的結(jié)果差不多。

2018年11月，為加快推動我國新一代人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展,落實《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018-2020年)》，工信部發(fā)布和舉辦了《新一代人工智能產(chǎn)業(yè)創(chuàng)新重點任務揭榜工作方案》活動，還在中央電視臺的《新聞聯(lián)播》隆重做了宣傳。我們聯(lián)盟以顧博士發(fā)明的自律學習SDL與一汽的啟明信息技術(shù)股份有限公司聯(lián)合從《揭榜工作方案》選“視頻圖像身份識別系統(tǒng)”做了申報，按活動要求經(jīng)一汽總公司批準報到工信部。我們還去工信部的有關(guān)處做了項目匯報。最后，該活動經(jīng)主辦單位組織專家評審，評出的入圍方案都是用深度學習DL的方案，沒有用其他算法的方案。即為揭榜，應允許不同技術(shù)參與才有比試意義，都一樣的技術(shù)就達不到通過揭榜發(fā)現(xiàn)和支持人工智能創(chuàng)新算法的目的。同樣，近年來在全國上下舉辦的各類評比、竟賽、選優(yōu)、推薦等促進人工智能發(fā)展的活動，都是獨寵深度學習DL，都在捧深度學習DL唱獨角戲。

2019年8月，為推動我國人工智能技術(shù)創(chuàng)新和產(chǎn)業(yè)發(fā)展，科技部制定了《國家新一代人工智能開放創(chuàng)新平臺建設工作指引》。科技部啟動建設了十五家國家新一代人工智能開放創(chuàng)新平臺，所樹立起的典型是：“自動駕駛（百度）、城市大腦（阿里云）、醫(yī)療影像（騰訊）、智能語音（科大訊飛公司）、智能視覺（商湯集團）、視覺計算（上海依圖）、營銷智能（明略科技）、基礎軟硬件（華為）、普惠金融（中國平安）、視頻感知（海康威視）、智能供應鏈（京東），圖像感知（曠視）、安全大腦（360）、智慧教育（好未來）、智能家居（小米）?！比欢?，這些企業(yè)所用的人工智能，都是追崇外國深度學習DL。三年過去了，國家隆重建設的這些新一代人工智能開放創(chuàng)新平臺中，現(xiàn)在有哪個平臺已經(jīng)發(fā)揮重大作用了。一個也沒有。

一個創(chuàng)新的發(fā)明技術(shù)從發(fā)明到實踐檢驗，再到推廣應用是很難的工作。其中實踐檢驗和推廣應用工作，在我國比技術(shù)發(fā)明本身還更難和還更費時。自律學習SDL發(fā)明出來并取得實踐成果后，非常需要通過媒體進行宣傳。但是，媒體要求為防止有廣告嫌疑，在介紹創(chuàng)新技術(shù)的文章中不能出現(xiàn)發(fā)明單位、發(fā)明人和發(fā)明技術(shù)的名稱，這還怎么有宣傳效果呢？可同樣是人工智能算法，在國家和政府的文件中，在一些地方政府的有關(guān)規(guī)劃中，在一些媒體上深度學習DL卻大量出現(xiàn)，還要求組織大力支持和廣泛推廣使用。為什么對國內(nèi)外的人工智能算法是如的此厚薄不一呢？

由于政府有關(guān)部門的文件和資料、專家和技術(shù)人員們大力宣傳和支持深度學習DL，甚至提出深度學習DL是我國人工智能的主體等引導性概念，在一些地方政府文件和社會人士中已形成深度學習DL與人工智能等同起來的錯誤認識，造成以為大力宣傳推廣應用度學習DL就是在響應國家號召大力發(fā)展我國人工智能的盲動行為，浪費了大量的人力和物力。

由于深度學習DL是大數(shù)據(jù)、大模型、大硬件的算法，在加上有黑箱等安全隱患，在占計算機應用的95%以上的工業(yè)控制和嵌入式系統(tǒng)中幾乎不能應用。在計算機應用的剩余不到5%的場景中深度學習DL也很難應用。這是深度學習DL本身的缺陷限制了應用場景就很少，可是，近日科技部等六部委聯(lián)合發(fā)通知要求創(chuàng)新人工智能場景，但深度學習DL場景少這是不能克服的現(xiàn)實問題，不是通過政府多部門聯(lián)合發(fā)通知就能創(chuàng)新出大量場景。但是，又一次突顯政府有關(guān)部門對深度學習DL的大力支持。

在這樣獨崇深度學習DL的我國人工智能環(huán)境中，外國的深度學習DL人為地牢牢地束縛和極大地阻礙著中國自主可控的人工智能通用算法的創(chuàng)新和發(fā)展。四年來，顧博士發(fā)明的中國自主知識產(chǎn)權(quán)的人工智能自律學習SDL，遭到冷遇和得不到支持就不見怪了。

四、自律學習SDL算法的技術(shù)先進性

清華大學人工智能研究院院長張鈸院士指出：“行業(yè)崇尚深度學習，但它本身的「缺陷」決定了其應用的空間被局限在特定的領域——大部分都集中在圖像識別、語音識別。而目前深度學習似乎已經(jīng)到了瓶頸期，就算財力和算力仍在不斷投入，但深度學習的回報率卻沒有相應的增長。目前基于深度學習的人工智能在技術(shù)上已經(jīng)觸及天花板，此前由這一技術(shù)路線帶來的『奇跡』在 AlphaGo 獲勝后未再出現(xiàn)，而且估計未來也很難繼續(xù)大量出現(xiàn)。”

     近日，中國工程院陳左寧原副院長介紹了人工智能模型和算法發(fā)展的七大趨勢：

趨勢一、向無監(jiān)督的方向發(fā)展。

趨勢二、可解釋（XAI）越來越重要。

趨勢三、人工智能的自學習、自演化。

趨勢四、多種算法、模型的有機結(jié)合。

趨勢五、人工智能應用需求需要關(guān)注全生命周期。

趨勢六、分布式、分散式的需求越來越突出。

趨勢七，深度推理。

陳左寧院士提出的人工智能七大發(fā)展趨勢，做為當前人工智能主流的深度學習DL都不具備，理應盡快淘汰和替代。

近日，顧博士也介紹了他發(fā)明的新一代人工智能通用算法自律學習SDL具有的七大特點。自律學習SDL的七大特點具體如下：

特點一、是超越無監(jiān)督機器學習，超越自監(jiān)督機器學習的，已跨越到自律學習的模型。

特點二、完全可以解釋的，不通過組合訓練數(shù)據(jù)，不一定需要GPU的贏家加速，可以根據(jù)應用自己搭建所需要的模型結(jié)構(gòu)。

特點三、在自律機器學習模型下，可使模型不需要人的介入自動的處于最佳的范式。

特點四、打開深度學習DL的黑箱，搞清不為人知的內(nèi)在機理，做到多種模型的優(yōu)勢融合，可使機器學習獲得最大的泛化能力。

特點五、分布式，分散式的機器學習系統(tǒng)。是由大量的小的自律機器學習模型構(gòu)成的概率空間自律聚類的大的機器學習系統(tǒng)。

特點六、具有深度機器感知，深度機器理解與深度決斷的機器意識能力。

特點七、可在深度學習不能的工業(yè)控制、智能終端等嵌入式系統(tǒng)廣泛應用。

自律學習SDL的七大特點與陳左寧院士介紹的人工智能模型和算法發(fā)展的七大趨勢高度符合，理應盡快扶持發(fā)展和推廣應用。

值得一提的是，正是自律學習SDL的這些特點是我們中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟發(fā)現(xiàn)本聯(lián)盟理事、顧澤蒼博士發(fā)明的自律學習SDL和四年來堅持不懈地宣傳和推廣自律學習SDL的主因。自律學習SDL的發(fā)明和應用，將使無處不在的嵌入式系統(tǒng)從第一代分立元件時代、第二代軟件編程時代、第三代專用芯片時代、引入第四代人工智能時代。

目前、對于顧博士自己獨立發(fā)明的顛覆性自律學習SDL優(yōu)勢，因為在顧博士沒有做系統(tǒng)的技術(shù)宣傳和培訓之前，沒有也不可能有專家做出全面客觀的論證。自律學習SDL的先進性，完全可通過自律學習SDL在自動駕駛上和在其他項目上的應用效果進行驗證，事實是最有說服力的科學認證。

五、自律學習SDL算法的產(chǎn)業(yè)化

大模型、大數(shù)據(jù)、大硬件的屬于人工智能仿生派的外國的深度學習DL已主導人工智能領域多年，廣為認知；但已顯現(xiàn)出嚴重缺陷，開始引發(fā)社會上產(chǎn)生人工智能又要從高潮走入低谷的議論。

小模型、小數(shù)據(jù)、小硬件的屬人工智能算法派的中國的自律學習SDL剛進入人工智能領域四年，鮮為認知；但已顯現(xiàn)出技術(shù)優(yōu)勢，可以扭轉(zhuǎn)由深度學習DL產(chǎn)生的這次人工智能熱出現(xiàn)大降溫趨勢，將會替代深度學習DL引領這次人工智能熱繼續(xù)向高潮發(fā)展。

自律學習SDL要能擔起人工智能的主流使命，必須要實現(xiàn)產(chǎn)業(yè)化。首先自律學習SDL要在廣泛應用中檢驗得到業(yè)界認可，需要在社會廣泛宣傳讓大眾知曉，需要經(jīng)培訓讓大量用戶都能簡便使用和用好，需要及時提供滿足用戶需求的升級產(chǎn)品和服務等等。

要實現(xiàn)自律學習SDL產(chǎn)業(yè)化還要有許多工作要做，如研發(fā)和完善在自動駕駛和其他更多領域的應用案例、編輯出版教材和實驗指導書、研制自律學習SDL的模組和技術(shù)應用開發(fā)板、組織自律學習SDL技術(shù)教學和應用培訓班、開展應用成果交流和評定、制定有關(guān)技術(shù)標準和人才技術(shù)水平認證體系、在模組應用經(jīng)驗基礎上研制自律學習SDL的世界第一個人工智能算法的“智力”集成電路芯片、研究和推出自律學習SDL的升級版本等等。這些產(chǎn)業(yè)化的工作憑一個企業(yè)之力是無法完成的，需要更多的企業(yè)和單位參與，需要廣泛借助社會資源才有可能完成。調(diào)動社會資源的最有效形式就是充分發(fā)揮我國制度的優(yōu)勢，由政府出面組織社會資源投入，才能達到集中力量辦大事的目標。

人工智能是關(guān)系到國家技術(shù)發(fā)展的戰(zhàn)略大事，因此需要政府出面組織和支持。創(chuàng)建新一代人工智能產(chǎn)業(yè)化基地，應是政府對自律學習SDL產(chǎn)業(yè)化支持的最好形式和抓手。

以研究和推廣應用自律學習SDL、促進自律學習SDL產(chǎn)業(yè)化為目標所創(chuàng)建的新一代人工智能產(chǎn)業(yè)化基地應包含有:新一代人工智能研究院、孵化器、教育培訓中心等等利于促進自律學習SDL產(chǎn)業(yè)化的組織機構(gòu)。各地政府在創(chuàng)建各種高新技術(shù)產(chǎn)業(yè)園已有很多成功經(jīng)驗和實例，在創(chuàng)建新一代人工智能產(chǎn)業(yè)化基地中能發(fā)揮很大作用。

當前，由于深度學習DL存在的嚴重缺陷，使已在深度學習DL做出大投入的各級、各地政府和各單位及人士們處于很被動地位，也嚴重地影響我國人工智能的發(fā)展和應用。建議國家有關(guān)部門及時關(guān)注和支持自律學習SDL的研制和技術(shù)認證工作，盡快確認自律學習SDL的技術(shù)優(yōu)勢后，大力開展自律學習SDL的推廣應用工作，并積極組織社會力量構(gòu)建自律學習SDL的產(chǎn)業(yè)化基地，盡早實現(xiàn)自律學習SDL的產(chǎn)業(yè)化。

只有自律學習SDL完成產(chǎn)業(yè)化時，自律學習SDL才可完全替代深度學習DL成為全國乃至世界人工智能的新主流算法，不僅可創(chuàng)造出巨大的經(jīng)濟和社會效益，也可為國家贏得國際人工智能竟爭的高地。

顧博士現(xiàn)年老、體弱、多病，已決定在日本養(yǎng)老。顧博士希望他發(fā)明的自律學習SDL能在中國落地，能在祖國建設中發(fā)揮作用。如果他發(fā)明的自律學習SDL能在國際人工智能竟爭中為國爭光，也可實現(xiàn)他以此回報祖國的多年夙愿。顧博士期望國內(nèi)有關(guān)政府能接承完成自律學習SDL的產(chǎn)業(yè)化，他愿給以全力支持，各種合作方式都可商洽。