清華大學無人駕駛專家盧教授
Ⅰ 武漢發出全球首張自動駕駛商用牌照！我國在無人駕駛領域處於什麼水平
據今年9月的報道，武漢新能源智能網汽車基地封閉試驗場道路樁基工程一期工程已經基本完成。據說封閉的試驗場佔地2平方公里。此外，該基地還包括一個90平方公里的智能聯網汽車示範區和幾個相關的創新工業園區。這次獲得第一張自動駕駛商業牌照的網路已經開始在武漢布局:在過去的半年裡，其第一輛宣布「量產」的無人駕駛汽車「阿波羅」已經在武漢「運營」。
雖然不同國家的代表企業廣泛使用不同類型的無人駕駛技術，但主流企業如美國通用汽車、福特、德國大眾、寶馬、賓士、等歐美車。都處於L1-L2階段，即從駕駛輔助過渡到部分自動化的階段。從一汽大眾、起亞、東風雪鐵龍等代表性企業來看。在我國，只有少數車型開始配備先進的輔助駕駛功能，合資品牌是主要的。因此，中國無人駕駛行業仍處於駕駛輔助功能普及階段，比發達國家晚一步。
Ⅱ 人臉識別解決方案目前國內的哪家強啊我說的是商業解決方案，不是技術哈。
分幾個方面分別的論述一下人臉識別的技術和產業發展的相關狀況。 第一，人臉識別技術的價值在哪裡。我們把人臉作為一個生物學特徵，作為一個商業化運用，只是備選的一個方案之一。生物學當中，唯一的判斷的標准，其實識別從精準度的角度和不可替代的角度來講，最精準的是虹膜，但是虹膜的識別採集成本非常高，識別的效率相對不是很高，需要等待的時間。所以這兩個條件約束了整個的產業化運用只能局限在相對小眾的，對識別要求極高的軍工、國防等安全性非常高的遠的投入，不適合大范圍的推廣。 第二，指紋。我們知道指紋的唯一性比較強，指紋同時採集成本是比較低的，比對成本也不高。但是為什麼指紋沒有成為一個特別大的可供支付、刷臉可替代的方案呢？實際上主要的原因是因為指紋的可復制性，是一個靜態圖像之間的比對，現在我們可以看到淘寶也好，各種各樣的大量的指紋貼，指紋膜，可復制的特徵，不適合支付。所以指紋現在也大致上被pass了。 第 三和第四分別是人臉識別和聲音識別技術。這兩個在現在橫向來相比，採集成本和比對的效率，以及生命特徵的唯一性來講，性價比比較高。所以現階段來看，人臉識別浮出水面，是有它的道理的，這是它的價值。商業特徵的應用場景到底在哪裡。 人臉識別的應用場景是非常寬泛的，現在主要兩塊，一個是金融行業，一個是安保行業。金融行業，已經從馬雲的螞蟻金服演示中看到了場景，通過刷臉進行支付，顯然刷臉可以付錢了，為什麼不可以簽收快遞呢，下一步淘寶應該會把淘寶簽收快遞的功能打通。我相信有一天，我們會收到無人機送來的快遞，無人機在你的面前拍一張照片，進行對比，就知道這個用戶就是需要的用戶，完成整個的支付過程。實際上這種場景，是經過多方面的討論和認證的。基於這樣的場景，是跟第三方的支付認證相關的，包括我們看到的騰訊的銀行，第一張遠程開卡，就是通過人臉識別的技術，把人證合一進行認證，這樣遠程開戶，遠程開卡的功能，在我們的券商，在我們的網路銀行上面，應該有廣泛的應用。 對於安保行業來說，刷臉開門，現階段，人臉識別的應用應該說達到了一個可具備商業化的水平，我們舉個例子，在去年的時候，香港有一個導演叫許鞍華，他在南京地鐵中丟了一個他的皮包，這個案件的破獲，只花了5個小時。視頻監控裡面獲取了一張照片截圖，截到了嫌疑人的照片，是極其模糊的，側臉的照片，如果肉眼比對，發現不了什麼。但是有一家非上市公司，在這里不能提供他的公司名稱，他們通過一個圖像還原技術，把那個照片還原出可能嫌疑人的樣子，清晰照，用這個照片到圖庫當中比對，鎖定嫌疑人的身份，把嫌疑人抓獲，只需要了5個小時的時間。現在安防領域的監控，我們可以看到各個省市以及地級市，都在上大量的視頻監控，人臉識別的大平台。在整個安防的投入當中，上一代的安防只是靜態的記錄下來數據，但是下一代的安防，是對實時數據的採集、辨認，就是一個核心的技術，這個技術，人臉識別在其中發揮的作用是很大的。 我 們再拓展一下，未來的商業用途，到底有沒有第二代人臉識別技術的潛在的應用的場景呢。我們說在未來，應該說原來整個確定身份的身份證，但是證和人的比對需要人工來完成。如果我們直接界定，達到了這樣的一個標准，實際上每個人所對應的唯一的ID就是臉部的生物特徵。這個識別了以後，所有的地方都可以用刷臉的方式，所有的地方都可以用刷臉去開門，用刷臉去做各種各樣的事情。你刷臉的數據，包括你去坐火車、坐飛機、去哪兒吃飯、購物、收快遞等等，這些數據都會掌握到人臉識別中，刷臉的數據將取代現在線上的點擊量. 現在信用卡、銀行卡消費的數據，其實有助於知道用戶消費習慣和消費數據，做大數據的營銷和徵信，但是刷臉時代來臨之後，這個的價值更大了。有很多張卡，但是只有一張臉，這是唯一的。刷臉數據是2.0時代當中，我們重點看到的。 為什麼在這個時間段，人臉識別的技術會大范圍的爆發出來，大范圍的應用起來，成熟度到底怎麼樣呢？我們首先要界定一下人臉識別技術要達到產品化的應用，是兩階段的過程。第一階段，需要獲取大量的樣本數據，這些數據是用於訓練的，訓練的是學習演算法，這個是深度學習演算法，把這些數據和相互人之間的關系提取出來，進行一個特別的比對。耦合度高，超過一定的水平之後，我們會認定這兩個人是一個人，但是這個模型是需要投入大量的成本，這個成本包括優化的成本，包括數據訓練的成本，包括運算的成本，我們當時人臉識別的一個業內的公司，這家公司的創始人，曾經說，人臉識別的技術意味著什麼呢？太上老君的煉丹爐，有了這個爐之後，大數據是爐子煉的原料，解決計算能力資源的稀缺。因此這些合在一起，形成了現在人臉識別大爆發的時代，就是我們說的技術上的突破。 但是在產業上面的應用來看，目前我們可以看到，美國和以色列的人臉識別，特別是動態識別的水平是國際領先的。全網的實時監控當中，FBI在去年推出了他們的下一代的電子識別系統，總的投入是超過10億美金的。在美國將來無論是在什麼地方犯了事，監控鎖定犯罪嫌疑人，進行全網追捕。 國內是什麼水平呢？頂尖的學術水平，就代表著國內產業發展的階段。目前主要是三種力量，一個是清華大學的蘇光大教授，他是中國的人臉識別之父。第二個是中科院的自動化所的李教授，他早年在微軟的亞洲研究院當中獲得了非常高的成就，後來到了中科院的自動化所，專攻人臉識別。在奧運會當中，以及後來很多的人臉識別的應用當中，提供了比較好的技術。第三支就是香港中文大學的湯曉鷗教授的團隊，每年會進行學術界的比賽，他是高記錄的保持者。目前的識別率是超過了人類的臉部識別的總體水平，湯教授幫助訊飛在語音識別領域之後，在人臉識別的領域當中，建立了自己的行業地位。所以國內基本上目前是這樣的發展階段，我們去推導下面的階段，我們怎麼去甄別人臉識別的技術，到底哪一家靠譜，哪一家不靠譜，我們可以提出一些關鍵的甄別的關鍵點。這些點在哪裡呢？ 第一，我們要區分的，動態和靜態配合式的識別還是非配合式的識別。配合式的就是像螞蟻金服那樣的，需要數據的比對方進行配合，可以很好的去採集正臉的二維的數據。另外，就是非配合式的，非配合式的沒有辦法對排除方的配合，是需要隨機採集的圖片進行比對，這個識別的效果會差一些，但是識別的時效性會很高。 這兩種模式當中，我們關注三點。第一點，你的人臉建模當中到底提取了多少個特徵點進行比對，這個跟我們人臉上面的一些特徵是關鍵節點，每個人的差異很大，而你選取的特徵點的數據越多，比對的准確率就會越高。我們也采訪了一些專家，他們目前能夠做到的特徵點的比對，應該是在700個點以上。目前大部分做刷臉的門禁這樣系統產品的公司，特徵點的選取大概是在50個左右。所以我們去做調研和交流，可以問一下整個公司人臉識別建模當中特徵點的數量。 第二點，人臉識別資料庫的數據樣本和大小，這是一個非常重要的指標。樣本及大小，是我們可供的數據集，這些必須要對人臉，比如說一個人有500張照片，拍的都是他的臉，不同的角度和位置、光線，把這些數據進行合理的清洗，供機器去訓練包括比對和識別之後，可以告訴你是識別對了還是識別錯了，這樣的樣本數非常重要，有助於訓練，提高模型的准確率。因此可標簽的數據樣本集的大小，這個大小目前至少是百萬以上的級別，才會使得現在識別率能夠提升到世界領先的水平，這個也是可以甄別的關鍵點之一。 第三點，是不是你的商業模式能夠對你的整個的數據的獲取，我們說人臉數據的比對，形成一個正循環的模式。實際上數據來源，人臉的樣本來源，是來源於兩個非常重要的渠道，美圖秀秀和美顏照相機，這是一個商業的互換，這個數據，因為考慮到做一個脫敏的處理，剩下的只有幾百個關鍵的特徵點的數據，其他的都被略去，用脫敏的技術之後，形成了從獲取數據到訓練模型，再到優化模型，持續的反饋結果，獲取新的數據，這樣的一個正循環的過程。有了這個以後，你的模型的數據就會獲取的很好了，這是商業模式上非常重要的一個指標。 如果有了這三個指標之後，應當說同時具備了這三個，可能是在人臉識別領域當中有非常大的領先優勢，或者是未來發展潛力的東西。同時我們在直觀的性能方面去分析，直觀的到底識別的表現上有兩個非常重要的指標，一個是識別的准確率，我們界定了剛才說的學術界當中，每年一比的人臉識別大賽，現在基本上測試水平都在95%以上，但是是人和圖片之間相互比對，說明是這個人，這算一個，再比對一個，又對了，算第二個。所有的人和照片都是匹配好的，最後正確率在99.2%左右，這是我們說的目前的正常的比對方法。 還有一個非常重要的方法，我們看到商業銀行和淘寶在內的一些人臉識別的技術，會提出一個錯誤率的問題，這個數據，目前來看可以做到十萬分之一的錯誤率，別人拿著我的身份證去比對，如果機器能夠區分出來，是不通過，這是對的。如果機器把我的身份證給別人的時候也通過了，這可能就是一個錯誤的，錯誤率要在十萬分之一左右才可以，目前能達到這樣錯誤率的公司是屈指可數的，這是一個識別准確率的問題. 另外還是在多大樣本中可以實現這樣的准確率，這個是至關重要的。一個公司裡面也就是兩三百個人，在這些人當中，挑選出來通過，沒有什麼難度。但是在公安部的大平台當中，省級的平台當中，都是上億人的身份證照片中，要准確的挑出來十個或者是一百個候選人，這個范圍縮小到這個概率當中，你的准確率能有多大，這是一個很重要的指標。 第二點，識別的速度問題。同樣還是剛才我們說到的樣本集的大小決定了識別的速度。本身你在可供比對的樣本中，沒有很大的數據，比如說是成千上萬的，識別的數大家都是差不多，都是在1秒之內作出反映，但是如果在一個上億的大的樣本當中，去把照片准確的識別出來，這樣對時間的要求，對效率反映的要求就提高了。所以識別速度是一個很重要的指標。 以上我們說了五個指標，我們說這個確實是可以對公司的具體能力和技術進行綜合判斷的。 基於以上我們說的這些，關注的公司是有識別技術的公司，這個識別技術是人臉識別的技術。我們前面講了，本身國內發言的幾支學術界的力量大家非常清楚，來源於哪一支，背靠著哪一支強大的學術團隊，研究團隊的力量，使得這家公司是一個很好的位置。比如說我們前面講到的科大訊飛，在湯曉鷗教授的支持下，他們的團隊是學術界第一的力量在支持他們，這是一個資源性的優勢。比如說川大智勝，這個和李教授他們有密切的合作，同時他們自己在圖象識別領域當中，也有自己獨特的技術，承擔著國家大量的科研基金的項目，同時我們也特別強調一個就是川大智勝的人臉識別技術，是目前我們看到的人機交互，因為這個和二維的平面識別有很大的區別，優勢非常明顯，因為採集到了五官之間立體曲面之間的結合，所以採集到的數據量更豐富。可供比對的特徵也是更多的，我們之前在視頻當中找到拍到的側臉，不清晰的照片，很難去識別出來犯罪嫌疑人到底是誰，是因為我們二代身份證庫當中，本身就是只有正臉的可供比對的數據。三代或者是四代身份證採集數據的過程當中生物特徵肯定要被提取出來，首先是指紋，三維的人臉識別會更快，三代四代可能就會被提取。 一旦需要被提取到三維的人臉的數據，那麼這個時候川大智勝作為國內目前唯一一家有產品和技術的公司，面臨的是廣闊的市場。但是我們同時也要看到，三維人臉識別雖然有非常驚人的優勢，同時劣勢也是非常明顯的，特徵點的選取，包括側臉的選取，是有難度的。同時表情的因素，其實對於數據處理的影響，沒有在立體表情的因素那麼好，提取的時候效率是偏低的，消耗的數據也非常大。所以現在來看，我們能夠看到的應用場景目前還是小范圍的，包括像美國對犯罪的有案底的犯人，我們國內目前在監獄當中也逐步的推廣，將來全民都要採集，這肯定是一個非常巨大的市場。同時這家公司在人臉識別公司當中，技術特點和現在持續的對三維人臉識別加碼，有一個項目是1.8個億，要投入到研發當中，國家自然科學基金也已經持續的支持他們三維人臉識別的學術研究的項目，已經支持了很多年。所以在這個領域，應該是到了開花結果的地步。所以這一點，我們特別提示大家要關注這個公司，在技術上確實是有稀缺性的。 科大訊飛，就是典型的我們剛才講的商業模式，可以實現人臉識別數據正循環的公司，是擁有互聯網端的入口的。之前在語音的領域當中，訊飛語音雲走的就是這樣的模式，我獲取的是你語音的數據，用你的數據持續的訓練我後台的演算法，使得他們提升和保持和其他競爭對手的領先優勢。這樣的話，數據端的循環，從語音的這個領域當中，復制到圖像識別，就是人臉識別當中。大家如果關注訊飛，大家可以看到，在上個星期的時候，推出了雙重生物特徵的識別的因素，雙重是什麼呢？兩重加密以後，確實就是這個人，把出錯的概率降到非常低的水平。同時識別，雙重加密之後，這個身份驗證的過程可以做到數量級上面的提升。 有了這樣一種開放雲的平台之後，訊飛的數據正規化的過程也在逐步的建立，他下一步會和非常多的第三方的應用方合作，包括可以刷臉開鎖的智能硬體方面，包括和電話銀行，電話客服，還有郵箱去實現他的數據入口的正循環的過程。我們核心的問題就是以上的這樣的一些判斷的標准來去甄別的。我認為訊飛實際上是非常有希望的人臉識別的公司。我們在報告當中，也提到了訊飛是一個生態級的公司，不光是在人臉識別的這個領域當中有比較強的資源優勢和技術優勢，以及商業模式的優勢。同時在我們整個的人工智慧領域當中，訊飛超腦可以不斷的用它孵化，基於學習的模式，從語音遷移到現在的圖像，下一步遷移到語義當中，不斷的做技術的衍生，這樣的生態鏈一旦形成的話，在人工智慧產業的地位是不可動搖的。所以人工智慧整個的產業，我們想推的是科大訊飛。 人臉識別的領域當中，訊飛的優勢也是非常明顯的，同時我們也是看好川大智勝擁有的三維人臉識別的技術。其他的品牌公司，我們可以看到歐比特收購的公司，在安防領域的人臉識別當中，在監獄當中是超過50%的，在產品化方面也做的非常好。其他的兩家，剛剛推出了自己的識別技術，現在了解的信息當中，還沒有辦法很好的甄別他們現在是否擁有滿足我們以上的五個標准。在以後的調研和跟蹤當中，我們會對他們的標准進行梳理和進一步的分解。這是對識別類公司的分析. 下一個階段，我們覺得還有比較好的投資機會，除了第一類識別類的，第二類應該是數據資源類的，數據資源目前來看就是視頻資源，有比較好的視頻資源的公司，可以通過視頻資源進行持續的深度學習的演算法和優化，也許他自己沒有這個技術和能力，但是可以通過技術合作的方式，找到研發團隊或者是公司進行合作，共同開發優勢。目前在視頻資源當中的這些公司進行梳理的話，我覺得東方網力在這個當中步子邁的最前。目前產品端還是沒有關於人臉識別成型的產品推出來，但是他的應用是在於多年的視頻數據的積累。這個是和後期有密不可分的關系。先收購了廣州的安防領域的視頻監控的智能化的公司，這個步子一邁出去，布局的意圖非常的明顯。攝象頭公司會往視頻的公司侵佔，後面的公司將來可能會往存儲的環節去擠壓，有可能將來會把分析和存儲在一個環節當中就完成了，這個時候面臨的壓力是比較大的，所以轉型的動力也是最迫切的，意願也是最強烈的。 所以總體總結下來，現在人臉識別技術大爆發，並不是偶然的，應該說很好的滿足了我們講的人工智慧的三大條件。深度學習的演算法，大數據和雲計算，這三個條件成熟了以後，在拐點到來的時候，大規模的商業化應用是水到渠成的。下一個階段，基於計算機視覺的應用，在視頻監控領域當中，對人的行為模式的識別、跟蹤和分析，這些都會成為一個非常大的市場，成熟度還有待於進一步的檢驗。但是這個市場我們已經都看得到了，所以現在我跟大家探討人臉識別的產業的發展機會，我覺得其實大家需要關注的不僅僅在於人臉識別技術本身的發展，也不僅僅在於哪幾家上市公司擁有哪幾項技術，而是看到背後代表的是整個計算機視覺的興起。 人工智慧報告當中也提到過，計算機視覺的1.0版本，是對靜態圖像的識別，2.0版本，肯定是動態視頻內容的理解和學習，包括像谷歌的無人駕駛汽車，包括報告裡面提到過的以色列的那個公司，也是納斯達克上市的，他們用計算機視覺的技術實現了汽車的輔助的無人駕駛。在這個領域當中，實際上計算機視覺可供開發的應用非常豐富的。現在還有一個法律的問題，就是允許不允許無人駕駛的汽車上路，合法不合法的問題，大家不用擔心這個問題。因為這個公司IPO的時候，這個公司的CEO說過一句話，他說現在還在擔心無人駕駛的汽車上路合法不合法，但是我可以肯定的告訴你，十年以後，人開車上路是不合法的，這肯定是一個大的方向和趨勢。這就是我從人工智慧的領域延伸出來的，人臉識別只是一個點，更多的還有待於大家去一點一點的發掘。
Ⅲ 人工智慧vs人腦，霍金的擔憂會成真嗎
導言：自從AlphaGo一戰成名，河南頭條網消息：人工智慧成了全球最熱門的話題。著名物理學家斯蒂芬·霍金卻一直對人工智慧給人類帶來的威脅有所擔憂，甚至發起簽署了公開信。但也有科學家表示，人腦的復雜度遠遠高於電腦，人工智慧是無法在某些領域代替人類的，尤其是創造性。
4月27日，著名物理學家斯蒂芬·霍金在由長城會主辦的全球移動互聯網大會（GMIC）上發表了演講：讓人工智慧造福人類及其賴以生存的家園。
（與霍金對話的視頻在GMIC現場首次發布）
霍金的演講主要是圍繞如何從人工智慧中獲益並規避風險來談的。
霍金認為，人工智慧可能帶來的短期擔憂主要集中在無人駕駛方面，包括民用無人機、自動駕駛汽車等。例如，在緊急情況下，一輛無人駕駛汽車不得不在小概率的大事故和大概率的小事故之間進行選擇。另一個擔憂則是致命性的智能自主武器——它們是否該被禁止？此外還有一些隱憂，包括人工智慧逐漸可以解讀大量監控數據引起的隱私問題，以及如何掌控因人工智慧取代工作崗位帶來的經濟影響。
霍金還談到，長期擔憂主要是人工智慧系統失控的潛在風險。隨著不遵循人類意願行事的超級智能的崛起，那個強大的系統會威脅到人類。
完整視頻如下
霍金的擔憂會成真嗎？
今天，探長就前兩天著名神經科學家魯白教授在GASA大學的演講，來談談人腦與電腦對壘的事，拋出一些觀點，供大家思考。
魯白
神經科學家
清華大學醫學院教授、常務副院長
前葛蘭素史克公司中國研發中心生物技術副總裁
新媒體「知識分子」聯合創始人
註：GASA大學（GASA
University）是長城會2016年推出的一個企業家全球探索項目，旨在創建一所全球最特別的「大學」，推動科學探索求知的精神，影響全球的創新創業者。去年，探長就在矽谷現場聆聽了張首晟、楊培東、鮑哲南等世界頂尖科學家對於「科學復興」的展望。
魯白教授一直在大腦發育和精神健康等科學領域深耕。他認為，未來腦科學的進步，很可能會推動人工智慧的快速發展，但需要注意的是，人腦並不會被電腦真正取代。
「美國前總統奧巴馬是個『科技總統』，啟動了一項又一項的科技計劃，其中第一項就是腦計劃，30億美金10年，他要做什麼事情呢？
他有七大任務，現在集中推進的是把工程師、物理、化學的研究人員搞進神經科學，跟神經科學家合作，來研發出新的記錄或者刺激技術，能夠使得下一步的神經科學有更好的工具來研究行為、情緒、認知等等。」
魯白教授提到，中國腦計劃的科學家也討論出了一個基本方案，所謂叫「一題兩議」。「一題」就是認識腦的基本原理，然後建立一個技術資源平台。「兩議」就是內腦智能新技術、神經系統疾病診斷和治療兩個議題。這項腦計劃估計也會在今年出台，啟動資金應該不會少於美國。
人工智慧能否代替人？
人工智慧的發展給大家帶來了對未來科技的巨大想像空間。人工智慧這波能做很多的事情，也帶來了很多商機，包括對社會生活方式的改變。但同時，就像霍金的擔憂，人工智慧把人類的不少工作消滅了，它是否會在某種意義上最終取代人呢？
作為腦科學領域的專家，魯白教授站在另一個層面為大家做了解讀。
首先，腦科學和人工智慧基本上是兩個不相乾的、獨立發展的學科。腦科學還處於非常年輕的階段人工智慧在圖像識別、語音識別推算方面已經展示了相當強的功能，但是電腦設計的原理決定了他沒有辦法來取代人腦。
那麼，什麼事情人腦可以做的，又是電腦可以取代的呢？首先就是計算，電腦的計算能力遠遠超過人腦，這是生理構造決定的；又譬如，對規則和邏輯的分析。
目前，電腦和人腦產生了兩方面的互動，一個是輸入一個是輸出。但是未來電腦跟人腦的互動會在更高的層面實現，雖然不能代替人腦，但電腦會成為人類體外的一種延伸。
舉個例子，手機幫我們做了很多過去人需要動腦做的事情，人們現在已經沒有辦法離開手機了。。比如通訊錄，本來記在腦子裡面，現在延伸到手機里來。某一天，我們可以實現通過神經記錄、電記錄等形式，解讀出人腦的信息。很多人會關心未來記憶能否被解讀，魯白認為，可能解讀出來的東西，首先不是記憶，而是其他一些，比如說情緒，對異性的興趣，這些應當可以通過理解人的語言或邏輯而在某一天會實現的，說不定在那一天，我們可以通過神經調控讓人產生某種情緒，抑制某種情緒，或者是模擬一個現實場景。
電腦是否具備創造力，需要打個大問號
魯白認為，有些事情電腦是無法取代人腦的。因為結構的不同，人腦的運算方式從本質上和電腦是不一樣的。電腦不會發育，也沒有影響可塑性調控這一說。電腦本身理解語言的意思，它只是會對語言做出識別、甚至反應；電腦也沒有情緒，沒有所謂的想像力，無法進行社交。
舉例來說，創造力是個不精準的事情，是一種隨機實現。想像一下，兩個神經元之間本來是毫無連接的，因為某一種關系或情況下，兩個不相乾的東西相互連接，就會創造出一個新的東西。在這中間，有一個生長的問題，神經突觸可以生長或消失，而電腦就沒有所謂的生長概念，因而對於創造來說，很難想像電腦把本來沒有的東西通過一個程序去創造出來，因為這里沒有規則。
「有人說，莫扎特在4歲就會彈鋼琴，6歲就已登台表演。到今天為止，很少有人超過莫扎特，你說他音樂的才能是音樂家父親教他的嗎？教不會的！我覺得是他的大腦形成了一種很特殊的結構，然後又有很大的可塑性，它會長出或者形成一些你完全想像不到的東西，使得對音樂創作特別有效。我不是說電腦不能創造音樂，但是電腦創造的音樂肯定是不一樣的。電腦可以通過學習，自己演化出一些作品，但是絕不可能創造出貝多芬和莫扎特。」
魯白強調，在人工智慧時代， 人們應該更加關注腦健康，大腦本身就是個非常令人驚嘆的器官，會有越來越多的人對這門科學產生好奇。
在GASA大學的課堂上，還有學員向魯白教授提出這個有趣的問題：
「跑步是否真的有益於腦健康？」
魯白談到，現在有兩件事情已經在動物和人體上被證明是有很大好處的：
一個是有氧運動。持續運動超過40分鍾，對腦健康絕對是有用的。原因之一，在於跑步可以增加大腦內的BEF，使大腦持續受保護，這是已被反復證明的事情。
第二個被反復證明的事情是餓，少吃。最早的相關實驗發現，有一種線蟲，它大概可以活幾天，當人們停止對它的營養供給，它的壽命卻增加了一倍。後來，類似的實驗在果蠅、老鼠上都做過，最後在人類身上也進行了。雖然人不能完全飢餓，這會產生其他問題，但研究人員發現少吃，是可以提升腦健康的。甚至有一些研究表明，吃的東西成分也會關繫到腦健康，也就是少吃碳水化合物。
目前科學驗證能夠提升腦健康的方式只有上述兩個，什麼吃核桃、豬腦等說法都是沒有科學依據的（中國人常說，以形補形嘛）。
關於「人腦vs人工智慧」的話題，大家有什麼想法？歡迎留言。
【花絮】長城會對話霍金的8個問題
1. 創新工場CEO李開復：互聯網巨頭擁有巨量的數據，而這些數據會給他們各種以用戶隱私和利益換取暴利的機會。在巨大的利益誘惑下，他們是無法自律的，而且這種行為也會導致小公司和創業者更難創新。您常談到如何約束人工智慧，但更難的是如何約束人本身。您認為我們應該如何約束這些巨頭？
霍金：據我了解，許多公司僅將這些數據用於統計分析，但任何涉及到私人信息的使用都應該被禁止。如果互聯網上所有的信息均通過基於量子技術加密，這樣互聯網公司在一定時間內便無法破解，這會有助於保護隱私，但安全部門會反對這個做法。
2. 獵豹移動CEO傅盛：靈魂會不會是量子的一種存在形態？或者是高維空間里的另一個表現？
霍金：我認為近來人工智慧的發展，比如電腦在國際象棋和圍棋的比賽中戰勝人腦，都顯示出人腦和電腦並沒有本質差別。這點上我和我的同事羅傑·彭羅斯正好相反。會有人認為電腦有靈魂嗎？對我而言，靈魂這個說法是一個基督教的概念，它和來世聯系在一起。我認為這是一個童話故事。
3. 網路總裁張亞勤：人類觀察和抽象世界的方式不斷演進，從早期的觀察和估算，到牛頓定律和愛因斯坦方程式，到今天數據驅動的計算和人工智慧，下一個會是什麼？
霍金：我們需要一個新的量子理論，將重力和其他自然界的其它力量整合在一起。許多人聲稱這是弦理論，但我對此表示懷疑，目前唯一的推測是，時空有十個維度。
4. 斯坦福大學物理學教授張首晟：如果讓您告訴外星人我們人類取得的最高成就，並寫在一張明信片的背面，您會寫什麼？
霍金：告訴外星人關於美，或者任何可能代表最高藝術成就的藝術形式都是無益的，因為這是人類特有的。我會告訴他們哥德爾不完備定理和費馬大定理。這才是外星人能夠理解的事情。
5. 音樂人、投資者胡海泉：如果星際移民技術的成熟窗口期遲到，有沒有完全解決不了的內發災難導致人類滅絕？
霍金：是的。人口過剩、疾病、戰爭、飢荒、氣候變化和水資源匱乏, 人類有能力解決這些危機。但很可惜，這些危機還嚴重威脅著我們在地球上的生存。這些危機都是未來可以解決但目前還未解決的。
6. 微博網友問：我們希望提倡科學精神，貫穿GMIC全球九站，請您推薦三本書，讓科技屆的朋友們更好的理解科學及科學的未來。
霍金：他們應該去寫書而不是讀書。只有當一個人關於某件事能寫出一本書，才代表他完全理解了這件事。
7. 微博網友問：您認為一個人一生當中最應當做的一件事和最不應當做的一件事分別是什麼？
霍金：我們絕不應當放棄，我們都應當盡可能的去理解（這個世界）。
8. 微博網友問：人類在漫漫的歷史長河中，重復著一次又一次的革命與運動。從石器、蒸汽、電氣…… 您認為下一次的革命會是由什麼驅動的？
霍金：（我認為是）計算機科學的發展，包括人工智慧和量子計算。科技已經成為我們生活中重要的一部分，但未來幾十年裡，它會逐漸滲透到社會的每一個方面，為我們提供智能地支持和建議，在醫療、工作、教育和科技等眾多領域。但是我們必須要確保是我們來掌控人工智慧，而非它（掌控）我們。
Ⅳ 工信部推進5G商用 這家車聯網終端企業成焦點
通過持續的技術優勢，可以看到，智行者參與主導《智能運輸系統低速跟車系統性能要求和測試規程》《服務型電動自動駕駛輪式車技術要求》等等行業團體標准制定，且通過不斷更新標准在相關領域擁有極大語權。
基於以上背景挖掘，在車聯網終端市場爆發時，聚焦這家企業，如果投它，賺得盆滿缽滿時記得打賞小六。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
Ⅳ 自行車實現無人駕駛，究竟有何原理
說起來，這輛自動行駛的自行車來頭可不小，它是由清華大學一隻擁有多學科背景（其中包括腦科學、計算機、微電子等）的團隊牽頭，經過6年時間自主研發而成。這輛無人駕駛自行車的核心在於通用人工智慧晶元的研發，這枚名為天機（Tianjic）的晶元經歷了計算科學與神經科學的融合，對計算架構與演算法的優化，與先進晶元技術的結合而最終得以實現，並作為首例通用人工晶元的展示，登上了本周《自然》（Nature）雜志的封面。清華大學天機芯登上《自然》封面 | Nature那麼，這一新技術特點在何？又在軟體和硬體上實現哪些創新與突破？
科學家們意識到，人腦系統的認知和自主決策是一個非常復雜的過程，人工智慧的最終目標是全方位地模擬人腦功能對環境進行感知，自主思維並產生相應的行為。為了與當前主流人工智慧區別，一個新的概念——通用人工智慧被引入了人工智慧領域。
「天機芯」—首款通用人工智慧晶元問世
這篇剛剛發表在《自然》上的研究，正是基於計算神經科學的背景，展示了首款通用人工智慧晶元——「天機芯」。這款晶元在軟體和硬體上都做出了突破，從軟體上這枚晶元能夠融合多種神經網路與模型，提高了晶元的可擴展性，在架構上也並未採用傳統的馮諾依曼架構；為了配合軟體功能，在硬體上，這枚晶元採用了分布式存儲和多核並行的晶元結構，以優化信息的處理效率
Ⅵ 盧存岳是誰
中國經濟研究學抄院副院長
教授襲 博士生導師
1942年7月4日生於重慶市；
1959年在清華大學讀書；
1965年9月在1409研究所工作；
1979年4月在中國科學院研究生院工作。
盧存岳教授主要致力於微觀經濟學領域的研究，在經濟管理和方法論方面頗具建樹，被評為有突出貢獻的科技專家。
Ⅶ 清華大學學生研製的自行車實現無人駕駛，背後究竟有何「天機」
說起來，這輛自動行駛的自行車來頭可不小，它是由清華大學一隻擁有多學科背景（其中包括腦科學、計算機、微電子等）的團隊牽頭，經過6年時間自主研發而成。這輛無人駕駛自行車的核心在於通用人工智慧晶元的研發，這枚名為天機的晶元經歷了計算科學與神經科學的融合，對計算架構與演算法的優化，與先進晶元技術的結合而最終得以實現，並作為首例通用人工晶元的展示，登上了本周《自然》雜志的封面。
天機芯的成功展示體現了多種神經網路、演算法與模型融合的可能性，是通用人工智慧領域的重大突破。它是實現通用人工智慧路上的一大步，相信未來通用智能的實現會讓SIRI更智能，機器人更聰明、無人駕駛更靠譜。
Ⅷ 5G新基建加速，車路協同如何鋪展落地專家大咖這樣說！
5G背景下，車聯網技術與產業的新風向在哪裡？如何創新智能交通，助力車路協同？車聯網先導區應用場景如何打造？12月3日，在重慶召開的第五屆i-VISTA智能網聯汽車國際研討會上，來自信通院、清華大學、中國電信、大唐移動、中汽院等專家，圍繞「5G新基建及車路協同」，帶來高能的觀點碰撞與技術分享。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
Ⅸ 清華大學車輛與運載學院成立，為智能汽車培養人才，由此可看出未來汽車發展主流是什麼嗎
4月3日上午，清華大學車輛與運載學院即日起正式成立，簡稱車輛學院，英文名稱School of Vehicle and Mobility, Tsinghua University，英文縮寫SVM。同時撤銷清華大學汽車工程系建制。據了解，車輛學院將下設四個研討所，構成「一院四所」規劃。現在的汽車工程系主任楊殿閣教授將成為首任院長
展望未來，學院的科學研究將圍繞 「低碳節能、高效安全、智能便捷、特種尖端」四大主題，瞄準國際前沿、國家目標、國防需求，融合戰略高度、學術深度和應用廣度，成為國際上車輛電動化、智能化、網聯化、共享化等科技變革的重要力量。
回顧歷史，汽車工程系面向汽車領域的國家目標，積極參與國家重大科技規劃、產業技術路徑的制定，引領我國節能與新能源汽車科技的跨越發展，推動中國智能網聯汽車技術與全球同步發展。
Ⅹ 中國科學院院士曹楚南逝世了
是的，據中科院消息，8月27日，腐蝕科學與電化學專家、中國科學院院士曹楚南病逝，享年91歲。
曹楚南，1930年8月15日生於江蘇常熟。1952年畢業於同濟大學化學系。浙江大學教授。1991年當選為中國科學院院士（學部委員）。
曹楚南在中國領導和開拓了腐蝕電化學領域，是我國腐蝕電化學研究的倡導者和學術帶頭人。專著《腐蝕電化學原理》、《電化學阻抗譜導論》等已成為腐蝕電化學工作者的必讀書籍。
(10)清華大學無人駕駛專家盧教授擴展閱讀
截至2020年8月27日，我國已痛失24位院士：
1月，中國工程院院士、著名葉輪機械與動力工程專家蔣洪德，中國工程院院士、著名神經葯理學家池志強，中國科學院院士、著名加速器物理學家方守賢，中國科學院院士、著名物理學家李方華4人逝世。
2月，中國科學院院士、著名生態學家孫儒泳，中國工程院院士、機械製造與自動化專家段正澄，中國科學院院士、著名葯學家周同惠，中國工程院院士、著名公路工程專家沙慶林，中國工程院院士、著名農業工程學家蔣亦元5人逝世。
3月，中國工程院院士、著名大地測量學家、教育家寧津生，中國工程院院士、清華大學建築學院教授李道增，中國科學院院士、著名植物資源與植物化學家周俊，中國工程院院士、骨科專家盧世璧4人逝世。
4月，中國工程院院士、我國化纖領域奠基人郁銘芳逝世。
5月，中國科學院院士、著名化學家張乾二，中國科學院院士、空間物理學家萬衛星相繼逝世。
6月，中國工程院院士、土木結構工程和防護工程專家陳肇元，中國工程院院士、生殖內分泌專家肖碧蓮逝世。
7月，中國工程院院士、中國衛星導航定位專家許其鳳，中國科學院院士、中國科學院大學教授童秉綱，中國科學院院士、病毒學家曾毅，中國科學院院士、地理與地貌學家李吉均，中國工程院院士、水利水電工程專家鄭守仁先後逝世。
8月，中國科學院院士、腐蝕科學與電化學專家曹楚南逝世。