悉尼科技大学副校长张成奇：人工智能三大学派与智慧物流

9月19-20日，由临沂市人民政府、新一代人工智能产业技术创新战略联盟、中国物流与采购联合会物流装备专业委员会、中国科学院计算技术研究所联合主办，临沂市大数据局、临沂经济技术开发区管委会、临沂人才工作集团有限公司、中科院计算所临沂分所、华为技术有限公司、中关村视听产业技术创新联盟承办的“2019国际人工智能及智慧物流大会”在山东临沂隆重举行。

大会为期两天，设有一个主会议和“人工智能技术及应用专题会议”“智慧物流专题会议”“人工智能产业园区发展专题会议”“人工智能与健康养老专题会议”“计算所技术与产业对接专题会议”共五个专题会议。

此次大会以“人工智能技术赋能新旧动能转换”为主题，旨在促进人工智能等前沿技术与临沂地方产业特色的深入融合，探索出一条智能化的城市转型升级之路。

在19日的主会议中，悉尼科技大学副校长、澳大利亚人工智能协会理事长张成奇教授以《人工智能发展与智能物流》为题发表演讲，介绍了人工智能技术的发展脉络与应用，并重点探讨了人工智能与物流产业的交集。

张成奇教授介绍，人工智能技术在物流领域有几点重要的应用方向，包括流量和流向预测、智能仓储、客户管理、风险管理等等。

作为一名临沂人，张成奇教授也为家乡的物流产业发展献上宝贵的建议。他表示，人工智能与物流产业的结合不是单一，而是全面与综合的。如果临沂能够成立一个人工智能物流研究院，一定会对当地的物流产业升级大有裨益。

他强调，成立物流研究院并不是要找100个人工智能方面的人才来做研究，事实上这样的人才很难找。相反，我们更应该成立一个高级研究顾问组来策划和动员全国乃至世界的精英力量来共同为临沂的物流产业升级添砖加瓦。

以下是张成奇教授的全部演讲内容，雷锋网 (公众号：雷锋网) 做了不改变原意的整理与编辑：

谢谢大会的邀请。我的分享主题是《人工智能发展及智能物流》，演讲共分为三部分：第一部分梳理人工智能的大致发展脉络，第二部分介绍它的主要应用方向，第三部分探讨人工智能与物流产业的交集。

人工智能的发展脉络

人工智能如今大家已经耳熟能详了。它提出至今已有63年的历史，但三年前才真正热门起来，直接原因是AlphaGo战胜了围棋世界冠军。此前人工智能经历了三起两落，一直不温不火。

我是从1982年读硕士开始研究人工智能的，至今也有37年了，这37年里人工智能的发展是有一定规律可循的。

人工智能的“热”并不是偶然，而是各方面条件成熟的结果，是一个厚积薄发的过程。算法、算力和数据三者缺少任何一个，人工智能都火不起来。事实上，即便现在火的也只是人工智能中一部分，没有做到全面开花。

图灵测试是人工智能发展历程中的一个重要里程碑。现在计算机界最大的奖项就叫“图灵奖”，相当于计算机界的诺贝尔奖。

图灵测试有几个非常伟大的地方。首先，它提出的时间非常早，1950年的时候计算机还只能做简单算数，图灵就想到了计算智能，非常具有前瞻性。图灵测试的内涵并不复杂，就是提出相同的问题分别让人类和机器来作答，由出题人来判断哪个是机器答的哪个是人答的。比如有100道题，分辨出谁是机器和人的概率小于70%，就代表机器已经具备智能了。里面包含了一个很重要的思想，它不管答案正确与否，也不管答案是怎么得出的，只关心机器与人的答案的相似性。

这个思想主导人工智能发展了至少60年，之后的人工智能研究基本都是沿着这个思路展开的。比如图像识别，人类和机器识别图像的方式几乎没有任何关联，但没关系，只要结果是一样的就行了。那么，究竟该怎样让机器来模仿人类的智能呢，由此诞生了人工智能的三大学派。

三大学派是如何划分的？实际上人的智能分成三大部分，第一部分是认知，它是人类所有独有的，其他生物都不具备。认知智能是机器最早要模拟的人类智能，我们认为人工智能主要就是认知智能。什么是认知智能？学习能力、推理能力、专家能力都属于认知智能。人工智能从1956年开始模拟认知智能，由此衍生出了人工智能的第一个大学派——符号主义人工智能。

人类还有一类智能叫做感知智能，眼、耳、鼻、舌、身对环境的感知能力都属于感知智能，动物也具备这个能力。过去机器的感知智能一直做得不好，准确率低到无法应用，现在随着深度学习、云计算和大数据技术的发展，这一类智能有了很大提高，这正是人工智能突然火起来的原因。现在人工智能的很多应用，比如识别图片、识别语句实际都属于感知智能。

第三类是行为类智能，叫做行为主义人工智能，比如机器人的操控。当然，机器人的操控也涉及到了认知和感知智能。

基于知识的认知类人工智能我们称之为第一代人工智能，而像图像识别、语音识别这类基于数据的感知智能，我们称之为第二代人工智能。机器人则是一种混合智能，既要用到感知和认知，也要用到行为。三者加起来就构成了人工智能发展的脉络。

50年代人工智能也曾红极一时，当时用到了符号推理，但后来发现不大成功，原因在于它没有知识。所以70年代的时候就开始发展基于知识的专家系统。当时大家认为，人的认知智能主要决定于知识而不是推理能力。专家系统在人工智能的发展中起到了很大的作用，现在依然有很多专家系统在使用，包括在保险理赔、法律顾问、医疗辅助、气象辅助等领域。

但专家系统也有它的局限性，就是太专一了，所以后来90年代初又发展出了分布式专家系统。我的博士论文就是专门研究分布式专家系统的，而且发表在了《世界人工智能杂志》上，这在大陆华人里还是第一个，当时是1992年。分布式专家系统的感知能力非常有限，但相比过去的专家系统已经有了很大的提升。其中数据挖掘作出了重要贡献，很多知识专家也不具备，但可以从数据挖掘中获得。可以说，数据挖掘是第二代人工智能的开始。

数据挖掘的应用非常广泛，从社会保障、保险、证券、银行到物流都大有用武之地。应用数据挖掘最成功的例子当属沃尔玛，它可以用数据预测客户需求，然后根据客户需求做仓储预测，希望借此将库存降低到0。但实际它只要把库存降低一个百分点就已经能够节省非常多的钱了。此外，数据挖掘做的比较好的企业还有京东和滴滴。

临沂的物流业也离不开数据挖掘，我建议在这方面加大投入。物流业的本质就是把商品从一个地方运往另一个地方，如果我们能通过数据挖掘预测需求，就不必等需求来了才去调度车辆。滴滴的空车调度就是一个很好的例子，它不但能在来订单的时候把车辆调过去，还能在所有空车都在等客的时候，把车提前调度到未来一小时客流量会大幅增加的地方。物流也是同样的道理，你对需求的预测越准确，物流的效率就越高。

人工智能的第二个学派称之为连接主义学派，主要对应图像和视频，它的成功得益于神经网络的发展。神经网络其实很早就有了，但只能做到三层，层数多了它就不收敛，算着算着就发散了，得不出结果。现在的深度学习是怎么做的呢？假如你有很多的数据，通过算法不断迭代，它就能知道哪一类特征应该识别出什么样的结果。它的本质通过大量数据迭代找到了一个复杂的函数关系，但是它太复杂了，很难去解释。现在整个行业面临的难题就是如何让深度学习算法具有可解释性。

深度学习算法的发展催生了感知智能的成功。目前人工智能领域的独角兽企业基本都可以归类为感知类企业。现在深度学习算法的准确率已经能够让人接受了，比如车牌识别和人脸识别的准确率都非常高了，京东有几万员工，但他们上班都不用刷卡，通过人脸识别比对一下就行了。

大家可以想象，等图像识别的准确度足够高的时候，整个世界会发生怎样的改变。现在我们去高铁站要刷票，去海关要带护照，本质上都是为了证明你是你。等人脸识别足够准确了，这些证件就都不需要了。

语音识别的应用范围就更广了，科大讯飞和云知声在这方面都做得很好。这项技术发展成熟后，我们出去旅游直接说中文就行了，别人说法文、西班牙文都没有关系。我们不用学英文，不用做翻译，可以节省大量的时间。

还是视频解析，现在大家习惯把视频解析理解成寻人或者追逃，实际它的价值远不止于此。

总而言之，连接主义人工智能或者第二波人工智能之所以火起来，主要是因为它的感知能力提高了。

第三个学派是行为主义人工智能。因为机器人不光要认知和感知，还要操作和行动。机器人可以代替我们完成很多工作，减轻工作负担。比如我们学校为日本东京电力集团研发的蜘蛛机器人，可以自动爬到铁塔上去检测维修。我们还和招商集团合作，在海门造船厂用螃蟹机器人除锈喷漆。

机器学习早期是基于符号的，现在是基于数据的。人工智能不仅要解决认知和感知问题，还要解决行为问题，三者融合是人工智能下一步非常重要的发展方向。有人说人工智能这么厉害，未来会不会比人还聪明。我认为至少这一代还做不到，因为它是基于数据的，和人类智能还有很大差别。所以说人工智能的研究接下来还有很多事情要做。

人工智能的应用范围

人工智能的应用范围非常广，比如自然语言处理，很多地方都用得到，包括物流行业。物流实际是一个综合性产业，人工智能的大部分技术都用得到，比如智能仓储、智能配送、客户管理都可以用到很多人工智能技术。

自动驾驶也是综合了人工智能的三大学派，其中图像视频理解属于感知智能，驾驶决策属于认知智能，驾驶控制属于行为智能。

智慧物流

做智慧物流首先要布局物联网，因为现在的人工智能都是基于数据的。数据从哪里来？一种是社交类数据，来自银行信息、社交网络等；还有一类是机器收集的，属于物联网的范畴。所以智慧物流要从物联网着手，增加信息的采集，收集数据后还要处理进和分析预测。

这里面涉及到了人工智能的方方面面，比如自然语言理解是感知智能，推理规划属于认知智能，智能控制是行为智能。人工智能在物流领域的具体应用包括需求预测、库存优化、仓库选址、自动分拣、机器人搬运、车货匹配、物流路线、自动驾驶、风险预测、客户画像、业务拓展、智能客服、订单管理，非常之广泛。

所以物流行业想要再上一个新台阶，在人工智能领域加入投入是非常有必要的。我认为临沂可以成立一个人工智能物流研究院，未来一定可以收到很大回报，但布局一定要趁早。

企业做智慧物流要加大与外界科研机构的合作。前面李院士说了一句话我很认同，就是“科研机构先做研究，有了成果再拿来转化，这种思路是错的”。因为科研院所的研究通常聚焦在核心技术，比如做机器人，我们可以做出样机但不知道市场上有爬铁塔的需求。这种定制化的需求我管它叫“最后一公里”。要迈过这最后一公里，一定是企业提供需求，和科研院所的核心技术结合起来，然后用两到三年的时间来共同开发，大家共同拥有知识产权。而不是我把爬铁塔的机器人造好了直接卖给你，科研院所没有这个能力，这也不是他们的主要目的。

经常有企业问我，你有什么技术我能帮你转化。我回答，“对不起，我开发的都是核心技术原型，还没到应用的阶段。如果你愿意，可以先投一点钱，我们一起来开发，知识产权共有。开发完成后就可以进行产业化了。”

其实市面上有很多的投资机构可以提供资金。那为什么还要产业界的人投一部分钱呢？因为不投钱你就不会专心。所以你可以把你的需求和产能投进来，再加上一部分的钱，我们找第三方投资机构合作，这是最理想的途径。

最后介绍几个智慧物流的具体应用。

首先是流量和流向预测，这对物流业非常重要。现在大多数还是被动型调度，订单来了我才安排，有了预测之后我们就可以进行主动调度，就像滴滴调度空车一样。里面需要用到数据挖掘技术，预测潜在的风险。物流高峰等等。

智能仓储。现在很多仓促都应用了机器自动分拣。其实合理安排库存也很重要，根据不同货物的属性和周期优化库存。做好了这些，物流的效率就能显著提高。

客户管理。物流行业里的所有物都是和人相关的。谁要？往哪运？运多少？什么时间运？这些都涉及到客户管理，包括客户画像、智能客服，知识图谱、个性化管理等。

风险管理也很重要，比如我们派单的时候可以分析司机的疲劳程度。如果他已经连续驾驶了12个小时，就必须进行干预，否则一旦出现交通事故，损失就将非常严重。此外还有包裹和集装箱的损坏检测等。

总而言之，人工智能在物流产业中的应用不是单一而是综合的。

我建议临沂成立一个人工智能物流研究院，这样就可以调动全国乃至全世界的相关人才来共同发挥力量。需要强调的是，成立研究院并不是要招100个人工智能人才来做研究，这很难做到。但我们可以成立一个高级研究顾问组来策划和组织全世界的人才来合作交流。

我今天的分享就到这里，谢谢大家。 雷锋网雷锋网

。