新浪科技讯 11月1日下午消息，首届中国智谷大会暨人工智能与产业创新高峰论坛在江苏南京召开，本次大会以“感知时代 智造中国”为主题。中国科学院院士、清华大学智能技术与系统国家重点实验室学术委员会名誉主任张钹应邀发表演讲。
在其题为《人工智能技术的产业化》的大会演讲上，张钹院士指出：“公司的竞争力在于知识专业，好公司的优势在于学习能力，而最好的公司在于快速的学习速度能力与极强的适应力”，人工智能的产业化恰恰是实现了学习速度与适应力的大幅提升。
张钹院士还表示，人工智能目前火热，主要原因是需求旺盛，第一、第二和第三产业都有人工智能方面的需求。
此外，张钹院士还指出，计算机模仿人进行理性思考、对周围环境的感知和机器人是人工智能技术应用的三个任务。
最后，他还点评了目前无人车的进展，他说：“当前在马路上无人驾驶车这个还不现实，因为目前来讲，主要做的自动辅助驾驶，真正还是做不到无人。”
据了解，本次大会由新华网股份有限公司和南京市经信委主办，清华大学智能技术与系统国家重点实验室联合主办，中科院沈阳自动化研究所机器人学国家重点实验室、清华大学全球产业4.5研究院等机构提供支持，新华网融媒体未来研究院、新华网移动互联网产品创新研发基地和江宁经济技术开发区承办。(李根)
以下为张钹院士发言实录：
张钹：各位领导、各位企业家、各位听众早上好，因为我的PPT做得比较早，底下应该写上清华大学智能技术与系统国家重点实验室。
人工智能的问题为什么现在这么热或者是产业化，大家热情这么高，我觉得一个重要的原因首先是需求，这个需求不管是第一产业、第二产业或者第三产业都有这个需求。
现在因为大家谈的比较多的是制造业，第二产业或者第三产业，服务业。其实农业对于智能化的需求也是很高的，我们国家在80年代做人工智能的时候，中间一个重要的应用是在农业领域，当时做了一些农业领域的专家企业，比如说如何施施肥关于后面两个问题大家谈得很多，我不谈了。制造业对智能化的需求，服务业对智能化的需求，所以我觉得这是一个重要的动力。因为有这个需求，那么才会促使人工智能去进一步发展。
我今天讲的不是讲需求，而是讲人工智能技术，究竟能够提供什么样的对产业化需求的那些技术。
这个过程中从计算机做起，计算机非常简单，大家都在用，实际上计算机是名副其实只能作为计算来使用的。大家知道，传统的计算机应用主要是三个方面，科技计算和传统的数据处理、以及自动化，其实所有这些应用都是应用计算机的一个能力，数字计算的能力。因此，我们把这个计算机用到这些领域里头，都是建立一个数学模型进行计算。那么，人工智能这个大家认为大家认为不是智能的，大家认为人排好程序，计算机去算。那么什么是人工智能，实际上人工智能让计算机做下面这三件事，这三件事都是人所具有的。
头一件事就是思考、决策，这是人的高级思维，我们有的时候讲的逻辑思维，或者理性思考，因为我们做任何事情的时候，做决策也好，做其他的事情，做规划也好，我们都要进行一些理性的思考。那么计算机我们头一件事要做的，就是是计算机能不能模仿人进行理性思考，这是头一个任务。
第二个任务就是感知，对周围环境的感知，这就是我们通常大家讲的视觉、听觉，触觉，通过这些感觉器官来感知周围的环境，我们希望计算机能做这个事。第三件事就是对周围环境影响通过手、脚、和其他的机构对周围环境的影响，那么这是第三件事，这是第三件事往往我们做出来的大家管他叫机器人。
根据这几样事向大家介绍一下计算机能提供什么样的一个技术，特别对我们产业化应用的技术。那么，所以应该讲这三个内容逻辑思维一个感知，一个动作协调控制就是我刚才讲的人工智能要实现的这三个功能。首先我们讲的逻辑思维，逻辑思维实际上包括以下，推理、决策、诊断、规划、设计等等，我们都认为这是一个人的理性思考的主要内容。
那么这个现在实际上把这所有的思考都可以看作是一个推理，这推理有几种：一种是有原因推到结果，由医疗看，通过疾病推出来他会有什么症状，那么也可以是反向推过去，就是从结果推他的原因，我们看病也是这样，反向推理，看什么样的症状，去思考他的原因是什么。那么这个在所有我们的日常的决策也好、设计也好、都是这么一个思考过程。如果计算机能够做这样的事情，那么计算机也能思考。那么，这就是传统的人工智能所做的一件事，就是根据人的知识和经验把它建立一个推理模型，放到计算机里头去，计算机就可以根据这样的一个推理模型进行思考，这种模型有的时候启发式搜索模型，知识驱动模型，规则法等等。这个大家都知道，就是有两样成功，大家都非常熟悉，这是标志着人工智能在这两件事当中会做的比人更要好。
头一件事虽然讲的是下国际赛棋，虽然国旗下棋是决策的过程，无非是两个人的决策，那么他要下一步对自己最有利，对对方最不利的一步。最后谁赢谁输，谁决策正确谁赢，或者说谁决策一贯正确谁赢，所以这是一个非常典型的决策问题。那么如果在下象棋下能够打败国际冠军，就是说在我们讲完全信息情况下的决策问题。计算机可以做超过人或者跟人一样好，这里头要加一个定语，“完全信息”也就是说，如果计算机遇到不确定性的环境，遇到一个变化突发的事件，他的处理能力就不如人，但是如果在完全机器的情况下，我们计算机可以做得比人更好。那么完全信息的决策问题我们平时有很多事是这样，做设计、做诊断属于基本上是完全信息。这个问题实际上有很多的用途。这个在计算机里头是这么做的。
我们现在讲的智能制造有非常重要的问题就是说我们现在说到个性化的制造，要能够很快满足市场的需求，我们把生产的东西更好地满足市场不断变化的需求，这里头有一个非常重要的决策问题，这个决策问题就属于完全信息下的决策问题，那么用计算机来做就是合适的问题。包括考虑营销、考虑其他的策略都是需要这样的一些技能来做。当然在智能制造里头还有下面一个，关于生产的智能化和自动化，这个我们在第三部分讲到这个。所以前面的那一部分我们现在用的ERP系统没有智能化，往往大家希望在这个系统上面会加大一些智能化的决策，智能化的规划，那么这样子就可以提升生产。
第二个就是以知识为基础的问答系统，我们这里可以看到，这就是做的watson系统，实际上表明在一定范围里头，这个范围可以比较大，在一定范围里头的问答系统，计算机可以超过人。这个大家知道，这个watson系统是制定游戏，大家知道美国的智能游戏是三个人同时比赛，出题有一定的范围，历史、地理、娱乐、文化各个方面，抢答，最后就是watson系统跟左右两边都是全世界冠军，这个在智能竞赛中间，人工智能战胜了世界冠军，就是说在一定的范围，一定的场景下，人机问答系统可以达到超过人类的水平。
所以这个给我们一个很大的启发在人机交互上，如果在一定限定范围下面，那么计算机的问答系统我们经过努力是可以做到超过人，这个跟网络的交互是非常重要的，因为我们大家知道，现在跟网络的交互平时大概有这么几种，头一种就是搜索，搜索大家是非常多的就是关键字搜索，这是最简单、最简便的交互方式，这个方式不是很好，大家知道，你用关键字进去以后，会突然很多东西，这些东西跟你有关系，有些东西跟你没有关系，这是最简单的交互方式。还有一些交互方面现在正在做，一种聊天，聊天要比关键字搜索要难一点。但是要比人机交互对话要简单，要容易。所以现在有些制造聊天，今后的目标就是希望要对人机进行对话，那么对话要比问答稍微难一点，因为对话有上下文，问答就一问一答，所以现在有一个问答，问答是基础，将来再发展成对话，实际上将来人机交互肯定要往对话的形式发展，现在这也是很大的场景，很多的企业也在考虑做这件事，我们实验室做到今天下午我们实验室跟大家交流一下，我们应该说在问答的系统，交互系统上面做的水平是很高的，不具体讲了，因为这个项目重点朱教授会给大家介绍这方面的情况。
后面我就介绍一下，也是我们系的做的工作，这也是目前的大方向，如何利用大数据，通过大数据的分析解决一定范围的问题来发展这个产业，这个是我们系的一个教授做的工作，有一定代表性，就是我们网上有很多的文章，有很多的作者，这些量分布在各个地方，这个数据的量是很大的。这个就是利用大数据把所有的在这个领域和科技领域的有关人员把这个材料进行整理、分析、建立了这么一个平台，这个平台涉及到1.36亿研究者的信息，这个平台就非常有用了，很多用人单位一去找看看有哪些合适的专家，评审、推荐等等，所以用途还是很多，搞了数据挖掘和服务平台，帮助大家去找合适的科技人才。我们下午也要介绍一下，我们实验室做了这方面的工作，实际上利用大数据进行预测，这里做了很多传染病预测，二手车销量情况的预测等等。
为什么这方面做的很多，主要的原因就是我们过去做专家系统的时候，需要专家的支持和经验，这个比较稀缺和昂贵，现在有了大众的数据，我们随手都可以得到而且好多都是不用花钱的。那么如何利用大数据解决大规模的问题，这是目前我们企业开发里头重要的方面，这就是大数据分析。全世界有很多很多大数据分析公司，包括我们国内，但是大多数做的规模不大，影响不大，最主要的原因在哪儿，最主要的原因我们对大数据分析缺乏深层的、智能化分析。比如说有很多的大数据分析的公司，规模不是很大，比如为哪一个部门提出来我要开发这个产品，你帮助我看看分析分析这个产品前景如何，那么这些公司基本上就是说网上搜集一个材料，经过整理这种产品过去销售的情况，然后在这个基础上做一个预测，打一个报告，便宜的几万块钱，贵的几十万块钱。为什么做不好，其实现在有一个公司，印度人做的一个公司，现在发展得3269名员工，而且现在集资大概2.38亿美元，为什么做得这么好，实际是雇的这三千多个员工大部分都是印度人，而且都是博士学位的，而且有搞数学、有搞计算机，美国的500强企业中间，140家是他的长固定用户，为什么大家找他，比如说一个公司某个产品，销售量降低的，他分析完以后找出原因，而且提出来改进建议，根据他的改进建议马上销量上升了，零售商店叫他用大数据方面来帮助他设哪些分店，在哪些地方设，每个地方设的规模多大，他给他做出来的方案，根据这个方案销售量就高了，所以我们觉得这是一个很大的方面，因为大数据多处都有，但是大家要知道数据大，但是我们这些数据中间大多数对你来讲是没用的，你在那些大数据中间找出你有用的东西，这就是人工智能数据挖掘的重要领域。也就是这是不容易的，你数据大，好象对你有好处，但是对你提出很大的挑战，因为要从这样一个大量的数据中间找出来你需要，你要有点方法，所以这个公司就是按照这样做的，现在是非常有名，所以我们想发展这方面企业的话我们也得在这个上面下工夫。
理性思考这方面我们做很多智能系统为我们产业服务，下面关于感知方面就是我们通常讲感知行为，就是大家庭到的机器学习，神经网络都是指的这个，对感知来讲，我们人脸识别，我们识别脸但是我们说不清楚，我认识张三，张三长什么样你要描述出来你描述不出来，那现在的办法就是所谓的机器学习，你之所以然不知其所以然的问题我们通过机器学习的办法，也就是说我用大量的数据让他学，学完以后他就会了，这个就是我们现在讲的深度学习，为什么深度学习现在的人工智能非常火，一个非常重要的原因就是找到深度学习的办法。那么可以帮助我们解决那些知其然而不知其所以然的问题，而感知你大量的问题属于这个。
认知里头，我们有很多的东西说不清楚，比如说下国际象棋，我们大体上能够说清楚我为什么这么下，但是围棋不很，围棋大多数人大师们是说不清楚我为什么要下这个，所以过去围棋我们一直按照老办法做的，结果他把老办法再加上深度学习，也就是说，那些说不清楚的走法，我让他学，把过去所有大师下过的棋都让他学，他学会就达到大师学习，然后下个几十万次，这个水平就比大师的水平还高，所以深度学习解决这么一个问题，那些我们说不清楚的问题可以用这个来做。这个结果所谓深度学习是指用多层神经网络来学的。这个实际上是关于图象的识别信息的处理问题，这个大多数还是用这个办法来做的，这里包括物体检测，检测出来是一个物体，包括物体分类，检测出来分分类，还包括物体识别，我们不仅要把这个物体在什么地方找出来，还要说清楚他是什么物体，产生还有对物体的跟踪等等，这些方面的工作我们实验室也做得很好。在给定的数据库下，他能够达到或者超过人类的水平，所以这一点就是现在的技术能够达到的高度，在现在给定的条件下面，这也是一大块，生物特征识别，这也是企业现在正在做的，我们系也有很多这方面的工作，包括人脸、人脸用指纹、掌纹、视网膜、DNA、签名、姿势、键盘敲击的行为都可以识别 ，我们系做的比较好的是声纹，用声音识别 人。所以对声音信号几方面，现在技术做得比较好，第一种语种识别，你说的是英文还是中文，还是其他语言，还有口音的识别，你是哪个地方的人，语音的识别，然后性别的识别，情感的识别，比如说你被绑架了，他要你打电话，计算机一般可以识别出来，这里有很多人身份的识别等等。
好多人利用这个机器产业化，现在做这方面的一般来讲产业规模不够大，所以我希望这里的企业家，这个是企业家的事情，你们如何利用这个技术，关键的问题要发展大的产业，目前来讲这些产业相对规模都比较小。最后一个关于行为的问题，这里包括走路，汽车等等。一个是工业机器人，这个大家要熟悉的，就是要关键技术，第二代工业机器人 已经有了，这个比原来更安全，更好用。服务机器人做得很多，全世界很多，但是现在遇到一些瓶颈，这个大家要注意，大体上现在是三个方面，这四个方面做得比较多，一个是家庭服务，现在比较成功的是索非亚（音）机器人，住床的我们也在做，这个属于娱乐，对话，教育，大概现在主要这几个方面，这几个方面肯定对有一些关键技术，这里头的关键技术一个就是智能化的问题。
最后谈一下关于无人车，因为我们也做了很多，下午也有个报告，我给大家讲一下，当前在马路上无人驾驶车这个还不现实，因为目前来讲，主要做的自动辅助驾驶，真正还是做不到无人。我就讲这些，谢谢大家