雷鋒網按：5月16日至17日，以「智能+時代，智勝未來」為主題的第四屆中國機器人峰會暨智能經濟人才峰會在寧波餘姚舉行，此次峰會主題涉及人工智慧、機器人最新前沿技術、創新創業等多個當前被熱議的話題。在5月16日上午的主論壇中，中國人工智慧學會理事長李德毅發表了《從知識工程到認知工程》的主題演講，提出如今的人工智慧的發展離不開智能科學和技術的研究，知識工程才是人工智慧時代最有意義的課題之一。本文由雷鋒網進行整理，在未改變原意的基礎上略有刪減。
李德毅，中國人工智慧學會理事長、中國指揮和控制學會名譽理事長。李德毅參加了多項電子信息系統重大工程的研製和開發；最早提出「控制流—數據流」圖對理論和一整套用邏輯語言實現的方法；獲國家和省部級二等獎以上獎勵9項，獲得10項發明專利，發表論文130多篇，出版中文著作5本、英文專著3本。現為北京郵電大學計算機學院院長。現任中國電子系統工程研究所副所長，國家自然科學基金委員會信息科學部主任。
大家上午好！我的演講主題是《從知識工程到認知工程》，我想特別提醒大家今年是全世界的知識工程誕生40周年。我今天重點講講知識工程這方面的內容。
最近我們中國人工智慧學會做了一件重要的事，北京開了一個一百人的論證大會，論證智能科學和技術在科學史上是一個什麼樣的地位。智能學科的誕生方式到底是怎麼樣產生的？
智能科學與技術是人類進入智能社會後，科學技術自身發展催生出來的一級學科。在座的不少是老師，現在在你們的學校裡面是三級學科，我告訴你它應該有它的位置，我們不能因為軟體工程和安全的學科搞得大家有意見，就不進行科學的認知。
有人說智能科學是多學科交叉出來的，我的觀點是交叉滲透僅僅起了助催的作用。這個觀點很重要。
科學技術的歷史就是人類認識世界、改造世界能力的拓展史，就是人類勞動工具的發展史。
我們想一想智能的單位是什麼？智力的單位是什麼？認知拿什麼來度量？作為一個智能科學技術研究者就必須回答這樣的問題。
人類走過了農業社會、工業社會、信息社會，進入到用「智能」作為當今社會時代印記的新的階段——智能社會。在農耕社會和工業社會，人類的生產工具主要是基於物質和能量的動力工具，得到了極大的發展；今天，勞動工具轉向了基於數據、信息、知識、價值的智能工具，人口紅利、勞動力紅利不那麼的靈了，人才紅利、智能的紅利來了，所以創新驅動的時代來了。
無論是人類智能、人工智慧、個體智能還是群體智能，都是提升創新驅動發展源頭的供給能力，是創新的原始驅動力量，是生產力中的核心生產力，所以人們才開始聚焦人工智慧。
我們在認知研究上走過了很長的一段歷史，今天終於到了人腦認知。從發明動力工具拓展到發展智能工具的現階段，智能作為一級學科是提升創新驅動發展源頭供給能力的時代需求，有著廣泛的應用前景和發展前景。
我們黨早就重視對智能和認知的培養，宋健主任是我們工程院的老院長，他在1993年就提出了「人智能則國智，科技強則國強」。
李嵐清在1997年就提出了通過對腦科學的研究，若能提高人的學習認知效率，將是對人類一大貢獻。
知識工程之父、1994年圖靈獎獲得者、美國工程院院士愛德華·費根鮑姆（Edward Albert Feigenbaum）對中國人的感覺，李克強授予他中國友誼獎的時候說了這樣一句話，「中國有全球六分之一的人口，但是沒有擁有全球六分之一的智能資源」。當前，人的素質和智能產生的大數據正是訓練機器人的素質和智能的前提條件。
理學裡面的數學、物理學、生物學、心理學；工學裡面的計算機科學與技術，文學的語言學，應用語言學造就了當今的智能科學和技術。
腦科學，腦認知成為全球的關注點，對應過來的是人工智慧。受腦認知啟發的人工智慧，主要體現在腦認知和人體的動作，腦認知和語言，腦認知和視知覺，腦認知和學習。我周邊的展覽會都是講的運動控制+智能。語言帶來的智能的產業化給我們極大地驚喜，無論是聽、說、讀、寫、問、譯。尤其是「問」，這麼多年來搜尋引擎就是在「問」，一開始我們進入關鍵詞，現在直接用語言來問。科大訊飛語音產業在全世界佔到了應有的地位。
這裡面最難的一個是腦認知和情感，就是人的意識是哪裡來的？我們有一句話叫「我思故我在」。我們要問人存在的意義是什麼？只有有意識的人才能定義人生的意義，情感都是主觀的命題。
因為中國人工智慧學會和其他的20多個學會共同組成的論證組，得到了69個大學的一同的籤約，一百名專家的籤字，論證了這個報告。它們有五個方面，分別是腦認知、機器感知與模式識別、自然語言處理與理解、知識工程、機器人與智能系統。
我們學科的四門課都是人工智慧的核心，受腦認知核心技能啟發的核心。這個核心裏面腦認知是我們的基礎，機器感知和模式識別是以視覺為主，自然語言處理和理解是以聽覺為主，然後在這個上面積累出來是知識工程，加在一起就是受腦認知啟發的人工智慧。
知識工程研究的過程，我們可以看看歷史，沒有歷史就沒有未來。1994年美國工程院院士愛德華一開始說利用自動機對知識進行獲取，不操作和利用的工程稱之為知識工程。今天我們已經走過了40年，難道說知識工程還不夠成熟嗎？1999年愛德華在獲得圖靈獎上發表演講，主題為《How the What become the How》，說明了什麼問題？什麼叫知識？知識就是力量嗎？
勞伊雷迪跟他一起獲得了圖靈獎，還有西蒙也是來到中國很多次，不但拿到圖靈獎，還拿到諾貝爾獎，還拿了美國心理學會的終生成就獎。我們的吳文俊做的幾何定理機器的證明被全世界認知。這裡還要提到一個重要人物，還有維基百科的創始人多納爾·威爾士把知識給了全社會。
「知識工程」研究如何用機器代替人，實現知識的表示、獲取、推理、決策，包括機器定理證明、專家系統、機器博弈、數據挖掘和知識發現、不確定性推理、領域知識庫；還有數字圖書館、維基百科、知識圖譜等大型知識工程。知識工程不僅僅是研究如何獲取、表示、組織、存儲知識，如何實現知識型工作（如教師）的自動化，還要研究如何運用知識，更要研究如何創造知識。所以在幾年前提出了知識工作的自動化，過了幾年，大家發現這個定義已經不行了，自動化遇到了天花板，要靠人工智慧來解決。
最明顯的問題，那些白領包括教師在內，會不會被機器人替代？我們從小就被教育，知識就是力量，這個是培根講的。費根鮑姆說這句話不太準確，他主張講知識蘊含著力量。
什麼叫認知？我們看幾個字，看中國機器人峰會，看到這個字你頭腦裡面是那一塊發出反映，你想起一個字，聽起一個字，說起一個字都不一樣。這樣的認知我們不該研究嗎？這就是腦認知給我們的啟發。我們的計算機做什麼？只能存儲，不能記憶。這麼多年來我們一味的追求計算，計算的智能超過了單個的人或者說一群人，但是我們忽略了記憶。
記憶不是簡單地存儲，伴隨有取捨，取捨地過程就是計算、簡約或抽象，記憶和計算同時發生。通常，時間越長丟失信息越多。記憶常常有聯想和搜索，聯想和搜索也是計算。
無論是語言記憶還是圖像記憶，本質上都是統計記憶，可以把語言記憶視為圖像記憶地標註。越是長期地、大量的、反覆的，越難遺忘，也有一次性或者少量的難忘記憶，但不會很多。所以我們提出了一個很重要的觀點，就是用數據的方法研究人的記憶和遺忘，這個圖我以前寫過人類的不確定的智能裡面就提到了，什麼叫識記、保存、再認與恢復。
我個人認為是知識是遺忘和卷積，知識可以用數學的方式來表達，為什麼卷積網絡今天這麼的時髦。用函數f(t)表示待認知的圖像，用函數g(t)表示已經學習得的部分，那麼尚待進一步認知的部分是：h(t)=f(t)×g(t)。
教育是知識工程的典型代表，如果說土木工程是修路鋪橋，建築工程是蓋房蓋樓，軟體工程是在高效平臺上生產新的軟體，知識工程就是教書育人，學知識長本領。所以什麼叫學習？學習到底跟智能是什麼樣的關係？學習是理解知識形成記憶的交互過程，記憶是學習的結果。知識工程應該研究學習和記憶。
當智能走進學校的時候，當知識工程走進學校的時候，傳統的教育就要結束了。知識不算是灌輸，學知識也許和學外文、開車、遊泳沒有本質的區別，學習的動機比內容更重要，知識不應該是冷的，知識的運用比知識的容量更重要。知識工作的自動化遇到了天花板，因此對教育來說，不僅僅是電子書包，更重要的是個性化的教學，將來大中小學很多的教師工作都會被機器人替代，我們要做的是教練個性化的教學，讓智能進入課堂，讓學生走向成功。
如何聽說、如何看，表現在大腦裡面就是如何思維，因此我再一次強調研究腦認知應該研究記憶認知，技算認知和交互認知。人類對技術的貪得無厭的需求已經阻礙了我們的發展。為什麼不能去研究記憶呢？我們用那麼大的功率做一個阿爾法狗的程序，為什麼不想想記憶可以加速它的功耗呢？我做的這個就是三個記憶區：感覺記憶、工作記憶和長期記憶。
因此我們要學習記憶的形態或研發的過程，感知的理解和認知的理解是怎麼樣的關係。認知計算也許只有一種算法，相似的計算。確切的說，人的智能和高級的生物的智能在生物學上沒有本質的差別，最本質的差別是人類創造了文字，於是可以把文明傳承下來，其他動物創造文字的還沒有。正因為有了文字，所以我們的意識和身體可以脫離開。
視覺認知是認知的主體，我做智能車，為什麼這個車開出去走了一圈回來沒有長知識。人不是這樣的，當他一開始開車的時候到處都看，當他成為一個老的駕駛員的時候，他就不用看了。
因此，我們開始對馮·諾伊曼計算機說三道四了，我們認為腦認知的各個單元都要進行計算和交互，知識工程要防止被計算機誤導，人們把計算機想像為電腦，很可惜它不是電腦，是一個計算的工具。
學習離不開交互，有指導的交互學習，無指導的學習。就是我們現在做的卷積神經網絡的分類和聚類。小孩子成功抓住一隻高飛球，是長期結合實踐的結果，並沒有在大腦中建立形式化模型、建立三維空間求解複雜的運用學和動力學微分方程組，而是依靠小腦，從視野感知的運動時間和順序轉化為所需的肌肉運用的時間和順序，包括感覺運動協調、平衡和控制等，並有能力預測行動的結果，久而久之，技能成為「新」的本能。
傳統汽車僅僅是駕駛員手、腳或者說力量的延伸。如果說駕駛腦替代駕駛認知，並獲得駕駛的指紋，每個人開車都不一樣，有可能使得汽車成為駕駛員自己，或者說機器成為自己。這才是人工智慧時代知識工程最有意義的課題之一，這就是我為什麼樂此不疲的原因。
知識工程進入尋常百姓家
你們看機器人在和你聊天，它在和你聽、說、讀、寫、問、譯；機器人在給你開藥方；機器人在為你的孩子做諮詢，做心理諮詢，做輔導。我現在和東南大學合作，讓孩子們在手機上玩遊戲我就可以預測他有沒有自閉症或者說多動症，家裡看到的電視裡面的主持人可能是一個機器人，所以知識工程已經在我們的尋常百姓家裡了。
如果人腦特定問題域的認知能力可以先局部地形式化，哪怕在微觀上不具有組織結構的相似性，例如駕駛、寫作、聊天等，當千千萬萬的特定問題域的認知能力工程化之後，用人工智慧技術構建千千萬萬的特定機器人的認知腦，並通過移動網際網路、雲計算和大數據，是否可以倒逼併逼近一個人造生物腦呢？
可塑性是腦認知的基礎，人的一生都在做不同程度的神經突觸的修建，彌散在人腦神經網絡環路中的記憶、計算和交互認知，是人的生命中通過大數據不斷的學習、演變進而變成知識工具。
這就是我們對知識工程的看法，謝謝大家！
推薦閱讀：譚建榮：工業機器人的關鍵技術、發展趨勢及阻礙 | 中國機器人峰會
更多關於此次峰會報導內容，可繼續關注雷鋒網(公眾號：雷鋒網)報導！
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。