赵琬姝 寇佳丽

“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。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，我们經历了新冠肺炎疫情，得益于科学的防疫措施，中国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：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，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，是因为每人都有一部手机，而这部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，一些人如果到过高风险或中风险地区，我们可以很快且有效地对其进行管控和隔离，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解读医学影像的技术。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，疫情期间，“诊断速度”是非常重要的。

此外，我们现在都比较熟悉的远程办公，也在疫情期间发挥了很大作用。远程办公实际上是各种先进技术混合的成果。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。

有一个问题不得不提，即技术发展过程中如何保护个人隐私。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》：解决技术问题的过程，本身也是不断推动技术进步的过程，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：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;从深圳地方政府层面来看，他们是被鼓励去尝试一些新办法并且因此享受免责的保护。这给深圳带来了巨大活力。

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，影响范围有限。这给了我们足够的信心，让大家敢于把好的东西继承下去，并且及时纠正不好的东西。

放眼粤港澳大湾区，在“深圳效应”的带动下，很多有意思的事情正在发生。

深圳的人才优势最初并不强，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。这值得我们深思，即深圳是靠着什么吸引众多人才的。

开放的环境和优越的地理位置，是深圳不得不提的优势。

深圳距离香港很近，在与国际接轨方面，程度比其他城市高很多。在深圳，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。

深圳具备特别的、完整的产业生态链。

在机器人研究领域，很多时候需要对硬件进行加工。如果在内地，加工要来深圳完成;但在深圳，直接去隔壁一条街上的某个工厂就能完成，效率很高。科研如此，产业化亦如此。研究成果需要做出来，不出深圳就能做到，因为深圳有不少厂家可以负责相关工作。

深圳非常吸引科研者和创业者，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。作为长期扎根人工智能研究领域的专业人士，请您为我们介绍深圳市人工智能与机器人研究院目前重点关注的研究方向以及相关基础知识。

李世鹏：在人工智能与机器人领域，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，却需要大量的电力、大量的算力不停地计算。目前，这种演示还非常昂贵，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來控制的运动。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，通过不断调整运动轨迹来逼近最终目标，而且人类的行动特别灵活，目标随时可以变化，能耗也很低。

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。

第三个是人机“谐作”，这里面的“谐”不是协作的“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。

我们仍然以自动驾驶为例说明。

自动驾驶目前最大的缺点是，无论如何，没有任何一家公司的无人驾驶汽车是不需要安全员的。汽车行驶过程中，大多数时间，安全员什么也不做，但遇到紧急情况时，就需要他来接手。大部分时间，安全员并不控制汽车，他也不知道汽车要怎么跑、跑去哪里，所以安全员比普通汽车的司机还紧张。

问题来了：有没有一种机制可以让安全员随意放心地去休息，而一旦出现情况，汽车会唤醒他，然后再由这个人接手汽车。

解决这一问题，需要人的智能和机器智能和谐融合在一起，而最终，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，它要主动告知人类“这个场景我做不好，需要叫人过来”。我们寻求的“人机和谐”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汽车。

换言之，人工智能与人如何智能地切换控制，这个问题很重要。

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。

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，我们称之为“群体协作”。

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。

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。