首页 百科正文

中山大学人工智能(中山大学智能工程学院考研)

中山大学人工智能(中山大学智能工程学院考研)

王国利简介:

中山大学教授,德国洪堡基金获得者

机器智能与先进计算教育部重点实验室主任

中国仿真学会智能物联系统专业委员副主任委员

中国人工智能学会智能空天专业委员委员

IEEE Control and System Chapter (Guangzhou) 副主席

致力于泛在感知与物联系统的研究,重点关注压缩计算成像实现的周边感知技术,以及场景化学习实现的周边智能方法,解决人机交互和智能融合涉及的复杂对象感知、深度数据分析和系统综合集成所面临的科学和技术难题。研究成果发表于IEEE汇刊(包括神经网络、机器人与自动化、机电学、仪器与测量、工业电子、传感器、移动计算、普适计算)等核心学术期刊。

Q:简单介绍下您研究的领域及取得的最新进展,在我国人工智能技术发展过程中起到怎样的作用?

王国利:专注泛在智能感知研究,探索“感算”一体化新模式

我们团队的研究工作是聚焦在泛在智能感知领域。物联网的快速发展正在不断催生出更多更丰富的泛在计算场景。泛在计算的过程正是由数字空间和物理空间交互驱动的,泛在智能感知就是要通过这种交互反演出兴趣目标和事件的感知线索。团队目前正在致力于发展“感算”一体化的新型泛在感知模式,探索了窄带射频视觉、光纤传感阵列、热释电红外运动视觉等周边感知实现技术,并结合诸如独居老人失能风险监测等周边智能化场景进行有效性验证研究。

中山大学人工智能(中山大学智能工程学院考研)

(王国利老师团队的泛在智能感知实验探索)

机器智能与先进计算教育部重点实验室成立于2007年,主要开展机器智能与先进计算领域的基础理论与关键技术研究,2017年通过了教育部五年定期评估。目前实验室挂靠中山大学的数据科学与计算机学院运行,实验室依托天河二号国家超算广州中心提供的先进计算和大数据平台,实现机器智能的关键技术突破和系统集成创新,主要包括三个研究方向,即机器智能、大数据处理与计算和智能系统与应用。

近几年我们的研究成果和发挥的作用主要表现在三个方面。在科学研究方面,实验室承担了国家和广东省的重大(重点)研发项目和课题,发表了包括ESI高被引论文的高水平学术论文,研究成果获得了多项国家和省的科技奖励。在人才培养方面,实验室起到了聚合高水平人才的平台作用,形成了由国家人才工程入选者、教育部长江学者和青年长江学者、国家杰青和优青等组成的核心团队。在社会服务方面,以云超算为例,现在支撑的用户包括了相当规模的初创企业,服务内容涵盖了气象、动漫、电子商务、教育、医疗、大数据等众多领域,还服务于国家重大和重点研发项目团队,取得了众多重大研究成果。我们的人脸身份验证关键技术也应用于重大民生领域,例如,广州市的高考身份验证系统,高铁广州南站的自动检票系统等。

Q:人工智能方面我国有哪些在世界上领先的技术?有没有对国外技术依赖的情况?

王国利:我国人工智能有优势也有短板,完善技术生态是关键

从国家整体来说,我国在5G通讯技术、先进计算技术、以及人工智能芯片等方面都有很好的基础和优势。但技术短板也是比较明显的,从微观上来讲,一些基础核心的技术,包括重要芯片和专用软件等,目前还缺少国产替代的技术,容易被“卡脖子”。从宏观上来讲,技术生态和体系还不够健全,缺少相互支撑协同创新发展的技术生态环境。以控制系统设计仿真软件Matlab为例,在我读大学的时候,我们的老师就承担了国家的相关项目,研发类似的控制辅助设计软件系统,形成了较高水平的技术成果,但受到了Matlab的冲击,相关国产系统缺少用户的支持,也就没有了进一步迭代和优化升级的动力。归结原因就是我们缺少发展技术的好的生态环境。其实我们现在一些被“卡脖子”的技术,或者说我们过度依赖国外的技术,并不是我们没有能力做好,而是我们缺乏很好的技术生态环境,来让技术不断成长,这是我们发展过程必须面对和需要克服的问题。

Q:万物互联背景下,预判您研究领域的技术发展方向?

王国利:破解算力墙和能耗墙,感算存一体化技术大有可为

我们10年前开始关注压缩传感支配的周边智能,是基于对数据灾难常态化的判断,即来自物理空间的数据不断增长与数据存储、处理和传输能力受限之间的矛盾将长期存在。进入移动互联网时代,数字化进程快速地跨入了一个新的阶段,获得的更多数据没有办法存储,传输这些数据需要更高带宽的通信技术等,因此首先需要对这些数据进行压缩存储,再去加以研究利用。近几年新一代信息技术在解决10年前我们面对的数据灾难的问题上已经取得了显著的进展。首先,5G通信技术很好的满足了数据传输高带宽低延时的需要;其次,建立了很多的数据中心和超算平台,很好的解决了我们大数据的存储和处理问题。但是,随着我们的数字化规模持续不断的发展,有两个问题其实还没有得到解决,或者说变得更糟糕了。一是边缘计算能力受限,其次是能耗遇到的新瓶颈,也称之为算力墙和能耗墙。

目前,人工智能主流的算法都是采用“感算存”分离的计算架构,这与人类大脑以及其他生物的信息处理模式是背道而驰的,因为生物信息处理是“感算存”一体化的,所以现在这种计算架构很难自身去突破算力墙和能耗墙。以能耗为例,单独一个5G基站的能耗成本一年就高达7万。中国移动预期今年规模建设300万基站,那么投入运行以后,能耗成本将带来相当大的运营压力。数据中心在2018年的时候,产生的能耗已经超过当年上海市的用电量。我们现在所关注的“感算”一体化感知模式,其实就是一种跨越能耗墙的尝试,用低能耗的非数字化运算替代高能耗的数字运算,完成感知过程需要的关键信息处理任务。相信通过我们的不断努力,在突破能耗墙限制的过程中是大有可为的。

中山大学人工智能(中山大学智能工程学院考研)

Q:全球技术割裂背景下,在人工智能领域,中国能不能赢得主导权?

王国利:中国具备独特优势,对未来人工智能发展有信心

每一个国家技术发展的体系或技术生长的环境有所不同,技术长短优势存在差异也是客观存在的。中美技术割裂势必会对技术体系和生态之间原来形成的优势互补,或者协同发展的条件和环境,产生一定程度的破坏作用。这就要求中国自身的技术体系和技术生态要有自我修复和自我补齐短板的能力。从这个角度上讲,现在存在的挑战或存在的短板,也可以看成是进一步健全和完善技术体系和技术生态的机遇。回顾互联网发展的过程,相关的核心技术都是来自于国外的。而在新一代信息技术发展浪潮下,我国很多技术都是独领风骚的,例如,5G通信技术、先进计算技术、还有大数据处理能力,以及人工智能芯片等领域,都有独特优势或自身特色。现在国家从政策层面大力支持人工智能产业的发展,特别是新基础设施建设的全面铺开,我还是非常看好我国人工智能在新一轮全球的科技革命和产业革命中会有所作为。

Q:对人工智能教育热怎么看?中山大学在人工智能人才培养方面有哪些优势和经验?

王国利:建立长效机制,人才培养要有自己的特色

中山大学2007年开始关注人工智能研究生的培养,在模式识别和智能系统方向开始招收人工智能方面的研究生。2012年申报了智能科学与技术本科专业,开始人工智能本科生的培养工作,我个人是亲历参与者。近几年,学校分别在深圳校区和珠海校区新建立了智能工程学院和人工智能学院,人工智能的人才培养规模得到了进一步提升。人才培养是一项系统工程,无论是国家层面还是学校层面,都应该注重专业知识体系的培养,需要建立一个长效的、可持续的、有专业特色的人才培养机制。截止2020年3月,已经有180所高校开设了人工智能本科专业,这种人工智能专业热需要冷静看待。教育过程需要长效机制的支撑,不要热衷短期的“一哄而上”,或者是采用某种运动式拔苗助长取得短期成效,应该避免这种粗放型的短视发展模式。

中山大学人工智能(中山大学智能工程学院考研)

中山大学人工智能的人才培养体系,立足于从本、硕、博一体化打通。我们的人才培养体系要求从本科开始要打好基础,最终输出的人才是多层次的,最高层次的博士培养目标是输出高水平人工智能人才。我们的人才培养体系是从理论基础到工程实践整个全部覆盖的。在珠海校区和深圳校区设置的人工智能相关专业,就是在我们的人工智能人才培养过程充分利用不同校区所在地区产业结构和特色的资源优势。比如深圳有很多IT公司或人工智能公司,依托这样的环境,会更有利于形成中山大学人工智能人才培养的专业特色。

Q:新闻报道,AI视觉领域泰斗级别专家朱松纯教授回国受聘担任北大人工智能研究院院长,人才回流对我国人工智能发展意义重大。您觉得在新发展格局下,如何打造人工智能人才体系?

王国利:构建合理的人才体系,形成金字塔形人才结构

合理的人才分布是金字塔形结构。在科技发展过程中,塔尖人才发挥着不可替代的作用。新科技革命或者新技术革命,可分为两类,一类是从0到1,就是原创或颠覆性的,确实需要塔尖人才发挥引领的角色和作用。我国在科技创新方面要有所作为,奠定引领的地位,需要更多从0到1的技术突破。更多的顶尖学者回来,带动引领更多的原创技术突破,这对于我们现在解决被“卡脖子”问题,意义非常大。引进的人才要能够充分发挥作用,必须要和国内人才队伍融合,所以也要重视实现1到N的人才队伍建设和技术积累,这两方面是相辅相成,互相促进的。科学本身的是没有国界的,特别是基础类的科学研究,因为它没有直接瞄准一个很明确的科技任务,或者它没有国界限定,都是面向人类未来的,符合人类命运共同体的理念,应该用更包容的态度敞开胸怀,欢迎更多国内外顶尖人才来中国工作。

Q:如何能让人工智能发挥更大的作用?

王国利:重视源头创新,开创颠覆性的人工智能技术

回顾一下互联网的发展历程,互联网产业出现了很多颠覆传统产业的技术,创造出了很多新的产品和服务。现在人工智能的发展,还没有看到类似的颠覆效应,目前还停留在非常初级的辅助角色,更多的作用是给传统行业在提升效能方面提供助力。人工智能产业由基础层、核心技术层、应用层构成,现有人工智能核心技术的发展,更多受到应用层的牵引,而不是通过基础层的发展,核心技术的突破去创造引导新的需求,颠覆传统模式。换言之,现在人工智能还只是一个很重要的配角,未来的发展应该自己去创造或引导出新的需求,创造颠覆性的产业模式或者服务模式。到目前为止,人工智能还没有上升到我们期待的这种产业层级。所以我们应该夯实基础层,加大基础研究的投入,引导更多的源头创新,用我们的技术发展催生更多新的需求,创造出更多新的业态,这样可以不断催生出更多颠覆性技术,提升人工智能的产业层级。让基础和核心技术成为人工智能产业的主角,去引领应用,对未来人工智能的发展至关重要。

文章内容来源于《AI时代》第二期,《AI时代》第三期正在筹备中,敬请期待!

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/11130.html

发表评论

评论列表(1人评论 , 10826人围观)
  • 2021-12-06 13:59:10

    AI TIMES 哪里看啊?