智能工业制造的变革与探索--人工智能大讲堂在西安举行

10月27日下午，CIIS 2019同期重磅活动“人工智能大讲堂第24/25/26讲”在西安锦江国际酒店举行，大讲堂由中国人工智能学会主办，西安电子科技大学及西安交通大学承办，由中国工程院陈纯院士，中国工程院钱锋院士和中科院自动化研究所宗成庆研究员主讲，中国人工智能学会第七届副理事长、清华大学马少平教授和西安交通大学电子与信息工程学部副主任李辰教授担任主持人。

陈纯：时序大数据实时智能：技术及应用

随着互联网/移动互联网、云计算、区块链、物联网、人工智能等技术的发展，人类社会和抽象意义上的信息空间、物理空间的交互愈加紧密，也由此产生了越来越多的大数据。陈纯院士指出，研发数据驱动的大数据实时处理、智能分析和决策的技术和系统成为迫切需求。接着，陈纯教授的报告从时序大数据实时分析计算、时序大数据实时智能技术体系以及应用案例三个方面展开。

首先针对时序大数据实时计算，陈纯院士指出四大关键技术：面向复杂统计指标的增量计算、面向时序数据处理的动态时间窗口、基于流的事件序列识别和动态时序图谱的实时计算。并着重介绍了面向时序大数据实时分析的“流立方”技术和面向图数据实时分析的“图立方”技术。从基于深度学习的智能模型和技术架构两方面对时序大数据实时智能技术体系进行了阐述。最后，陈纯院士详细介绍了基于“流立方（图立方）”的智能技术在交易反欺诈、反爬虫和网络安全防御等具体场景中的应用，针对实时智能技术广阔的应用场景，陈纯院士强调时序大数据驱动的在线分析计算和实时智能决策尤为重要。

钱锋：人机共融流程工业智能系统--人工智赋能流程制造

钱锋院士首先指出人工智能赋能时代是社会发展的加速器和经济发展新引擎，在制造强国战略下，人工智能助力制造业高质量转型发展。他分别从宏观层面、技术层面和总体状况上详细分析了我国流程工业存在的主要短板以及可行的解决路线，在此基础上，进一步指出未来流程工业“智能+”的前沿研究方向为制造过程->智能+自主+可控，面临的重大挑战在于创新面向多时间-空间尺度影响因素的调控方法。接着，钱锋院士分析了美国、德国和日本等国家制造业发展战略，指出流程工业转型发展刻不容缓；进而分析了我国流程工业转型升级重大需求，探讨了以“智能制造+绿色制造—>高端制造”为目标的智能优化制造愿景；最后围绕人工智能与流程制造深度融合实现智能优化制造阐述了二者凝练的相关工程科学问题，比如AI+物联网->智能工业互联网、AI+管理决策->智能决策和AI+制造过程->智能自主控制等。围绕上述工程科学问题，钱锋院士以需求驱动、应用导向为目标，提出当前流程工业制造系统智能化的主要研究内容、关键技术和实现目标，并给出了炼油智能制造的工业应用示例。

钱锋院士总结，未来流程制造应该是：基于信息物理系统与智能化软件定义技术，构建“范在感知-实时分析-自主决策-精准执行-学习提升”的业务闭环，用软件形成的信息流自动消除复杂系统的不确定性，在给定时间、目标场景下，自适应优化配置资源和能源，实现制造过程安全、绿色、高效的一种制造范式。

宗成庆：语言智能：从方法到应用

宗成庆研究员首先对自然语言处理的基本概念、研究内容和理论方法进行了简要的梳理，介绍了自然语言处理这一学科的产生和发展，强调了计算机理解自然语言的科学意义和应用价值。接着，对自然语言处理面临的技术挑战进行了分析，包括自然语言中大量存在的未知语言现象、歧义词汇和结构、隐喻表达、以及翻译问题中不同语言之间概念的不对等性等，语义概念的表示和计算、说话人意图的理解和推理、以及语用场景的分析是当前面临的核心挑战。之后，介绍了自然语言处理的基本方法，通过两个具体实例展示了不同方法的实现过程及其存在的问题。他认为，虽然目前智能语言技术在很多领域得到了成功的应用，但远未做到自然语言的深度理解，在这一领域仍然存在大量的难题和探索的空间，如现有的翻译模型无法准确处理篇章范围内的指代问题、无法区分由于细微文字或句法差异造成的句子语义反转、无法从译员的译后编辑过程中自动学习翻译知识等等，虽然深度学习在内的机器学习方法已经在自然语言处理和机器翻译中发挥了重要作用，但是这些方法毕竟采取的是一种“赌博”思维，往往对于大概率事件有效，其性能表现严重依赖于样本训练，难以做到“举一反三”，尤其缺乏合理的解释。宗成庆研究员最后表示，建立人机交互、机器自主进化学习和知识引导下的可解释性自然语言处理系统成为未来发展的必然，跨媒体分析系统将成为未来技术研发的必然趋势。