清华大学无人驾驶专家卢教授

Ⅰ 武汉发出全球首张自动驾驶商用牌照！我国在无人驾驶领域处于什么水平

据今年9月的报道，武汉新能源智能网汽车基地封闭试验场道路桩基工程一期工程已经基本完成。据说封闭的试验场占地2平方公里。此外，该基地还包括一个90平方公里的智能联网汽车示范区和几个相关的创新工业园区。这次获得第一张自动驾驶商业牌照的网络已经开始在武汉布局:在过去的半年里，其第一辆宣布“量产”的无人驾驶汽车“阿波罗”已经在武汉“运营”。

虽然不同国家的代表企业广泛使用不同类型的无人驾驶技术，但主流企业如美国通用汽车、福特、德国大众、宝马、奔驰、等欧美车。都处于L1-L2阶段，即从驾驶辅助过渡到部分自动化的阶段。从一汽大众、起亚、东风雪铁龙等代表性企业来看。在我国，只有少数车型开始配备先进的辅助驾驶功能，合资品牌是主要的。因此，中国无人驾驶行业仍处于驾驶辅助功能普及阶段，比发达国家晚一步。

Ⅱ 人脸识别解决方案目前国内的哪家强啊我说的是商业解决方案，不是技术哈。

分几个方面分别的论述一下人脸识别的技术和产业发展的相关状况。 第一，人脸识别技术的价值在哪里。我们把人脸作为一个生物学特征，作为一个商业化运用，只是备选的一个方案之一。生物学当中，唯一的判断的标准，其实识别从精准度的角度和不可替代的角度来讲，最精准的是虹膜，但是虹膜的识别采集成本非常高，识别的效率相对不是很高，需要等待的时间。所以这两个条件约束了整个的产业化运用只能局限在相对小众的，对识别要求极高的军工、国防等安全性非常高的远的投入，不适合大范围的推广。 第二，指纹。我们知道指纹的唯一性比较强，指纹同时采集成本是比较低的，比对成本也不高。但是为什么指纹没有成为一个特别大的可供支付、刷脸可替代的方案呢？实际上主要的原因是因为指纹的可复制性，是一个静态图像之间的比对，现在我们可以看到淘宝也好，各种各样的大量的指纹贴，指纹膜，可复制的特征，不适合支付。所以指纹现在也大致上被pass了。 第 三和第四分别是人脸识别和声音识别技术。这两个在现在横向来相比，采集成本和比对的效率，以及生命特征的唯一性来讲，性价比比较高。所以现阶段来看，人脸识别浮出水面，是有它的道理的，这是它的价值。商业特征的应用场景到底在哪里。 人脸识别的应用场景是非常宽泛的，现在主要两块，一个是金融行业，一个是安保行业。金融行业，已经从马云的蚂蚁金服演示中看到了场景，通过刷脸进行支付，显然刷脸可以付钱了，为什么不可以签收快递呢，下一步淘宝应该会把淘宝签收快递的功能打通。我相信有一天，我们会收到无人机送来的快递，无人机在你的面前拍一张照片，进行对比，就知道这个用户就是需要的用户，完成整个的支付过程。实际上这种场景，是经过多方面的讨论和认证的。基于这样的场景，是跟第三方的支付认证相关的，包括我们看到的腾讯的银行，第一张远程开卡，就是通过人脸识别的技术，把人证合一进行认证，这样远程开户，远程开卡的功能，在我们的券商，在我们的网络银行上面，应该有广泛的应用。 对于安保行业来说，刷脸开门，现阶段，人脸识别的应用应该说达到了一个可具备商业化的水平，我们举个例子，在去年的时候，香港有一个导演叫许鞍华，他在南京地铁中丢了一个他的皮包，这个案件的破获，只花了5个小时。视频监控里面获取了一张照片截图，截到了嫌疑人的照片，是极其模糊的，侧脸的照片，如果肉眼比对，发现不了什么。但是有一家非上市公司，在这里不能提供他的公司名称，他们通过一个图像还原技术，把那个照片还原出可能嫌疑人的样子，清晰照，用这个照片到图库当中比对，锁定嫌疑人的身份，把嫌疑人抓获，只需要了5个小时的时间。现在安防领域的监控，我们可以看到各个省市以及地级市，都在上大量的视频监控，人脸识别的大平台。在整个安防的投入当中，上一代的安防只是静态的记录下来数据，但是下一代的安防，是对实时数据的采集、辨认，就是一个核心的技术，这个技术，人脸识别在其中发挥的作用是很大的。 我 们再拓展一下，未来的商业用途，到底有没有第二代人脸识别技术的潜在的应用的场景呢。我们说在未来，应该说原来整个确定身份的身份证，但是证和人的比对需要人工来完成。如果我们直接界定，达到了这样的一个标准，实际上每个人所对应的唯一的ID就是脸部的生物特征。这个识别了以后，所有的地方都可以用刷脸的方式，所有的地方都可以用刷脸去开门，用刷脸去做各种各样的事情。你刷脸的数据，包括你去坐火车、坐飞机、去哪儿吃饭、购物、收快递等等，这些数据都会掌握到人脸识别中，刷脸的数据将取代现在线上的点击量. 现在信用卡、银行卡消费的数据，其实有助于知道用户消费习惯和消费数据，做大数据的营销和征信，但是刷脸时代来临之后，这个的价值更大了。有很多张卡，但是只有一张脸，这是唯一的。刷脸数据是2.0时代当中，我们重点看到的。 为什么在这个时间段，人脸识别的技术会大范围的爆发出来，大范围的应用起来，成熟度到底怎么样呢？我们首先要界定一下人脸识别技术要达到产品化的应用，是两阶段的过程。第一阶段，需要获取大量的样本数据，这些数据是用于训练的，训练的是学习算法，这个是深度学习算法，把这些数据和相互人之间的关系提取出来，进行一个特别的比对。耦合度高，超过一定的水平之后，我们会认定这两个人是一个人，但是这个模型是需要投入大量的成本，这个成本包括优化的成本，包括数据训练的成本，包括运算的成本，我们当时人脸识别的一个业内的公司，这家公司的创始人，曾经说，人脸识别的技术意味着什么呢？太上老君的炼丹炉，有了这个炉之后，大数据是炉子炼的原料，解决计算能力资源的稀缺。因此这些合在一起，形成了现在人脸识别大爆发的时代，就是我们说的技术上的突破。 但是在产业上面的应用来看，目前我们可以看到，美国和以色列的人脸识别，特别是动态识别的水平是国际领先的。全网的实时监控当中，FBI在去年推出了他们的下一代的电子识别系统，总的投入是超过10亿美金的。在美国将来无论是在什么地方犯了事，监控锁定犯罪嫌疑人，进行全网追捕。 国内是什么水平呢？顶尖的学术水平，就代表着国内产业发展的阶段。目前主要是三种力量，一个是清华大学的苏光大教授，他是中国的人脸识别之父。第二个是中科院的自动化所的李教授，他早年在微软的亚洲研究院当中获得了非常高的成就，后来到了中科院的自动化所，专攻人脸识别。在奥运会当中，以及后来很多的人脸识别的应用当中，提供了比较好的技术。第三支就是香港中文大学的汤晓鸥教授的团队，每年会进行学术界的比赛，他是高记录的保持者。目前的识别率是超过了人类的脸部识别的总体水平，汤教授帮助讯飞在语音识别领域之后，在人脸识别的领域当中，建立了自己的行业地位。所以国内基本上目前是这样的发展阶段，我们去推导下面的阶段，我们怎么去甄别人脸识别的技术，到底哪一家靠谱，哪一家不靠谱，我们可以提出一些关键的甄别的关键点。这些点在哪里呢？ 第一，我们要区分的，动态和静态配合式的识别还是非配合式的识别。配合式的就是像蚂蚁金服那样的，需要数据的比对方进行配合，可以很好的去采集正脸的二维的数据。另外，就是非配合式的，非配合式的没有办法对排除方的配合，是需要随机采集的图片进行比对，这个识别的效果会差一些，但是识别的时效性会很高。 这两种模式当中，我们关注三点。第一点，你的人脸建模当中到底提取了多少个特征点进行比对，这个跟我们人脸上面的一些特征是关键节点，每个人的差异很大，而你选取的特征点的数据越多，比对的准确率就会越高。我们也采访了一些专家，他们目前能够做到的特征点的比对，应该是在700个点以上。目前大部分做刷脸的门禁这样系统产品的公司，特征点的选取大概是在50个左右。所以我们去做调研和交流，可以问一下整个公司人脸识别建模当中特征点的数量。 第二点，人脸识别数据库的数据样本和大小，这是一个非常重要的指标。样本及大小，是我们可供的数据集，这些必须要对人脸，比如说一个人有500张照片，拍的都是他的脸，不同的角度和位置、光线，把这些数据进行合理的清洗，供机器去训练包括比对和识别之后，可以告诉你是识别对了还是识别错了，这样的样本数非常重要，有助于训练，提高模型的准确率。因此可标签的数据样本集的大小，这个大小目前至少是百万以上的级别，才会使得现在识别率能够提升到世界领先的水平，这个也是可以甄别的关键点之一。 第三点，是不是你的商业模式能够对你的整个的数据的获取，我们说人脸数据的比对，形成一个正循环的模式。实际上数据来源，人脸的样本来源，是来源于两个非常重要的渠道，美图秀秀和美颜照相机，这是一个商业的互换，这个数据，因为考虑到做一个脱敏的处理，剩下的只有几百个关键的特征点的数据，其他的都被略去，用脱敏的技术之后，形成了从获取数据到训练模型，再到优化模型，持续的反馈结果，获取新的数据，这样的一个正循环的过程。有了这个以后，你的模型的数据就会获取的很好了，这是商业模式上非常重要的一个指标。 如果有了这三个指标之后，应当说同时具备了这三个，可能是在人脸识别领域当中有非常大的领先优势，或者是未来发展潜力的东西。同时我们在直观的性能方面去分析，直观的到底识别的表现上有两个非常重要的指标，一个是识别的准确率，我们界定了刚才说的学术界当中，每年一比的人脸识别大赛，现在基本上测试水平都在95%以上，但是是人和图片之间相互比对，说明是这个人，这算一个，再比对一个，又对了，算第二个。所有的人和照片都是匹配好的，最后正确率在99.2%左右，这是我们说的目前的正常的比对方法。 还有一个非常重要的方法，我们看到商业银行和淘宝在内的一些人脸识别的技术，会提出一个错误率的问题，这个数据，目前来看可以做到十万分之一的错误率，别人拿着我的身份证去比对，如果机器能够区分出来，是不通过，这是对的。如果机器把我的身份证给别人的时候也通过了，这可能就是一个错误的，错误率要在十万分之一左右才可以，目前能达到这样错误率的公司是屈指可数的，这是一个识别准确率的问题. 另外还是在多大样本中可以实现这样的准确率，这个是至关重要的。一个公司里面也就是两三百个人，在这些人当中，挑选出来通过，没有什么难度。但是在公安部的大平台当中，省级的平台当中，都是上亿人的身份证照片中，要准确的挑出来十个或者是一百个候选人，这个范围缩小到这个概率当中，你的准确率能有多大，这是一个很重要的指标。 第二点，识别的速度问题。同样还是刚才我们说到的样本集的大小决定了识别的速度。本身你在可供比对的样本中，没有很大的数据，比如说是成千上万的，识别的数大家都是差不多，都是在1秒之内作出反映，但是如果在一个上亿的大的样本当中，去把照片准确的识别出来，这样对时间的要求，对效率反映的要求就提高了。所以识别速度是一个很重要的指标。 以上我们说了五个指标，我们说这个确实是可以对公司的具体能力和技术进行综合判断的。 基于以上我们说的这些，关注的公司是有识别技术的公司，这个识别技术是人脸识别的技术。我们前面讲了，本身国内发言的几支学术界的力量大家非常清楚，来源于哪一支，背靠着哪一支强大的学术团队，研究团队的力量，使得这家公司是一个很好的位置。比如说我们前面讲到的科大讯飞，在汤晓鸥教授的支持下，他们的团队是学术界第一的力量在支持他们，这是一个资源性的优势。比如说川大智胜，这个和李教授他们有密切的合作，同时他们自己在图象识别领域当中，也有自己独特的技术，承担着国家大量的科研基金的项目，同时我们也特别强调一个就是川大智胜的人脸识别技术，是目前我们看到的人机交互，因为这个和二维的平面识别有很大的区别，优势非常明显，因为采集到了五官之间立体曲面之间的结合，所以采集到的数据量更丰富。可供比对的特征也是更多的，我们之前在视频当中找到拍到的侧脸，不清晰的照片，很难去识别出来犯罪嫌疑人到底是谁，是因为我们二代身份证库当中，本身就是只有正脸的可供比对的数据。三代或者是四代身份证采集数据的过程当中生物特征肯定要被提取出来，首先是指纹，三维的人脸识别会更快，三代四代可能就会被提取。 一旦需要被提取到三维的人脸的数据，那么这个时候川大智胜作为国内目前唯一一家有产品和技术的公司，面临的是广阔的市场。但是我们同时也要看到，三维人脸识别虽然有非常惊人的优势，同时劣势也是非常明显的，特征点的选取，包括侧脸的选取，是有难度的。同时表情的因素，其实对于数据处理的影响，没有在立体表情的因素那么好，提取的时候效率是偏低的，消耗的数据也非常大。所以现在来看，我们能够看到的应用场景目前还是小范围的，包括像美国对犯罪的有案底的犯人，我们国内目前在监狱当中也逐步的推广，将来全民都要采集，这肯定是一个非常巨大的市场。同时这家公司在人脸识别公司当中，技术特点和现在持续的对三维人脸识别加码，有一个项目是1.8个亿，要投入到研发当中，国家自然科学基金也已经持续的支持他们三维人脸识别的学术研究的项目，已经支持了很多年。所以在这个领域，应该是到了开花结果的地步。所以这一点，我们特别提示大家要关注这个公司，在技术上确实是有稀缺性的。 科大讯飞，就是典型的我们刚才讲的商业模式，可以实现人脸识别数据正循环的公司，是拥有互联网端的入口的。之前在语音的领域当中，讯飞语音云走的就是这样的模式，我获取的是你语音的数据，用你的数据持续的训练我后台的算法，使得他们提升和保持和其他竞争对手的领先优势。这样的话，数据端的循环，从语音的这个领域当中，复制到图像识别，就是人脸识别当中。大家如果关注讯飞，大家可以看到，在上个星期的时候，推出了双重生物特征的识别的因素，双重是什么呢？两重加密以后，确实就是这个人，把出错的概率降到非常低的水平。同时识别，双重加密之后，这个身份验证的过程可以做到数量级上面的提升。 有了这样一种开放云的平台之后，讯飞的数据正规化的过程也在逐步的建立，他下一步会和非常多的第三方的应用方合作，包括可以刷脸开锁的智能硬件方面，包括和电话银行，电话客服，还有邮箱去实现他的数据入口的正循环的过程。我们核心的问题就是以上的这样的一些判断的标准来去甄别的。我认为讯飞实际上是非常有希望的人脸识别的公司。我们在报告当中，也提到了讯飞是一个生态级的公司，不光是在人脸识别的这个领域当中有比较强的资源优势和技术优势，以及商业模式的优势。同时在我们整个的人工智能领域当中，讯飞超脑可以不断的用它孵化，基于学习的模式，从语音迁移到现在的图像，下一步迁移到语义当中，不断的做技术的衍生，这样的生态链一旦形成的话，在人工智能产业的地位是不可动摇的。所以人工智能整个的产业，我们想推的是科大讯飞。 人脸识别的领域当中，讯飞的优势也是非常明显的，同时我们也是看好川大智胜拥有的三维人脸识别的技术。其他的品牌公司，我们可以看到欧比特收购的公司，在安防领域的人脸识别当中，在监狱当中是超过50%的，在产品化方面也做的非常好。其他的两家，刚刚推出了自己的识别技术，现在了解的信息当中，还没有办法很好的甄别他们现在是否拥有满足我们以上的五个标准。在以后的调研和跟踪当中，我们会对他们的标准进行梳理和进一步的分解。这是对识别类公司的分析. 下一个阶段，我们觉得还有比较好的投资机会，除了第一类识别类的，第二类应该是数据资源类的，数据资源目前来看就是视频资源，有比较好的视频资源的公司，可以通过视频资源进行持续的深度学习的算法和优化，也许他自己没有这个技术和能力，但是可以通过技术合作的方式，找到研发团队或者是公司进行合作，共同开发优势。目前在视频资源当中的这些公司进行梳理的话，我觉得东方网力在这个当中步子迈的最前。目前产品端还是没有关于人脸识别成型的产品推出来，但是他的应用是在于多年的视频数据的积累。这个是和后期有密不可分的关系。先收购了广州的安防领域的视频监控的智能化的公司，这个步子一迈出去，布局的意图非常的明显。摄象头公司会往视频的公司侵占，后面的公司将来可能会往存储的环节去挤压，有可能将来会把分析和存储在一个环节当中就完成了，这个时候面临的压力是比较大的，所以转型的动力也是最迫切的，意愿也是最强烈的。 所以总体总结下来，现在人脸识别技术大爆发，并不是偶然的，应该说很好的满足了我们讲的人工智能的三大条件。深度学习的算法，大数据和云计算，这三个条件成熟了以后，在拐点到来的时候，大规模的商业化应用是水到渠成的。下一个阶段，基于计算机视觉的应用，在视频监控领域当中，对人的行为模式的识别、跟踪和分析，这些都会成为一个非常大的市场，成熟度还有待于进一步的检验。但是这个市场我们已经都看得到了，所以现在我跟大家探讨人脸识别的产业的发展机会，我觉得其实大家需要关注的不仅仅在于人脸识别技术本身的发展，也不仅仅在于哪几家上市公司拥有哪几项技术，而是看到背后代表的是整个计算机视觉的兴起。 人工智能报告当中也提到过，计算机视觉的1.0版本，是对静态图像的识别，2.0版本，肯定是动态视频内容的理解和学习，包括像谷歌的无人驾驶汽车，包括报告里面提到过的以色列的那个公司，也是纳斯达克上市的，他们用计算机视觉的技术实现了汽车的辅助的无人驾驶。在这个领域当中，实际上计算机视觉可供开发的应用非常丰富的。现在还有一个法律的问题，就是允许不允许无人驾驶的汽车上路，合法不合法的问题，大家不用担心这个问题。因为这个公司IPO的时候，这个公司的CEO说过一句话，他说现在还在担心无人驾驶的汽车上路合法不合法，但是我可以肯定的告诉你，十年以后，人开车上路是不合法的，这肯定是一个大的方向和趋势。这就是我从人工智能的领域延伸出来的，人脸识别只是一个点，更多的还有待于大家去一点一点的发掘。

Ⅲ 人工智能vs人脑，霍金的担忧会成真吗

导言：自从AlphaGo一战成名，河南头条网消息：人工智能成了全球最热门的话题。著名物理学家斯蒂芬·霍金却一直对人工智能给人类带来的威胁有所担忧，甚至发起签署了公开信。但也有科学家表示，人脑的复杂度远远高于电脑，人工智能是无法在某些领域代替人类的，尤其是创造性。
4月27日，著名物理学家斯蒂芬·霍金在由长城会主办的全球移动互联网大会（GMIC）上发表了演讲：让人工智能造福人类及其赖以生存的家园。

（与霍金对话的视频在GMIC现场首次发布）
霍金的演讲主要是围绕如何从人工智能中获益并规避风险来谈的。
霍金认为，人工智能可能带来的短期担忧主要集中在无人驾驶方面，包括民用无人机、自动驾驶汽车等。例如，在紧急情况下，一辆无人驾驶汽车不得不在小概率的大事故和大概率的小事故之间进行选择。另一个担忧则是致命性的智能自主武器——它们是否该被禁止？此外还有一些隐忧，包括人工智能逐渐可以解读大量监控数据引起的隐私问题，以及如何掌控因人工智能取代工作岗位带来的经济影响。
霍金还谈到，长期担忧主要是人工智能系统失控的潜在风险。随着不遵循人类意愿行事的超级智能的崛起，那个强大的系统会威胁到人类。
完整视频如下
霍金的担忧会成真吗？
今天，探长就前两天著名神经科学家鲁白教授在GASA大学的演讲，来谈谈人脑与电脑对垒的事，抛出一些观点，供大家思考。

鲁白
神经科学家
清华大学医学院教授、常务副院长
前葛兰素史克公司中国研发中心生物技术副总裁
新媒体“知识分子”联合创始人

注：GASA大学（GASA

University）是长城会2016年推出的一个企业家全球探索项目，旨在创建一所全球最特别的“大学”，推动科学探索求知的精神，影响全球的创新创业者。去年，探长就在硅谷现场聆听了张首晟、杨培东、鲍哲南等世界顶尖科学家对于“科学复兴”的展望。
鲁白教授一直在大脑发育和精神健康等科学领域深耕。他认为，未来脑科学的进步，很可能会推动人工智能的快速发展，但需要注意的是，人脑并不会被电脑真正取代。
“美国前总统奥巴马是个‘科技总统’，启动了一项又一项的科技计划，其中第一项就是脑计划，30亿美金10年，他要做什么事情呢？
他有七大任务，现在集中推进的是把工程师、物理、化学的研究人员搞进神经科学，跟神经科学家合作，来研发出新的记录或者刺激技术，能够使得下一步的神经科学有更好的工具来研究行为、情绪、认知等等。”

鲁白教授提到，中国脑计划的科学家也讨论出了一个基本方案，所谓叫“一题两议”。“一题”就是认识脑的基本原理，然后建立一个技术资源平台。“两议”就是内脑智能新技术、神经系统疾病诊断和治疗两个议题。这项脑计划估计也会在今年出台，启动资金应该不会少于美国。
人工智能能否代替人？
人工智能的发展给大家带来了对未来科技的巨大想象空间。人工智能这波能做很多的事情，也带来了很多商机，包括对社会生活方式的改变。但同时，就像霍金的担忧，人工智能把人类的不少工作消灭了，它是否会在某种意义上最终取代人呢？
作为脑科学领域的专家，鲁白教授站在另一个层面为大家做了解读。
首先，脑科学和人工智能基本上是两个不相干的、独立发展的学科。脑科学还处于非常年轻的阶段人工智能在图像识别、语音识别推算方面已经展示了相当强的功能，但是电脑设计的原理决定了他没有办法来取代人脑。

那么，什么事情人脑可以做的，又是电脑可以取代的呢？首先就是计算，电脑的计算能力远远超过人脑，这是生理构造决定的；又譬如，对规则和逻辑的分析。
目前，电脑和人脑产生了两方面的互动，一个是输入一个是输出。但是未来电脑跟人脑的互动会在更高的层面实现，虽然不能代替人脑，但电脑会成为人类体外的一种延伸。
举个例子，手机帮我们做了很多过去人需要动脑做的事情，人们现在已经没有办法离开手机了。。比如通讯录，本来记在脑子里面，现在延伸到手机里来。某一天，我们可以实现通过神经记录、电记录等形式，解读出人脑的信息。很多人会关心未来记忆能否被解读，鲁白认为，可能解读出来的东西，首先不是记忆，而是其他一些，比如说情绪，对异性的兴趣，这些应当可以通过理解人的语言或逻辑而在某一天会实现的，说不定在那一天，我们可以通过神经调控让人产生某种情绪，抑制某种情绪，或者是模拟一个现实场景。
电脑是否具备创造力，需要打个大问号
鲁白认为，有些事情电脑是无法取代人脑的。因为结构的不同，人脑的运算方式从本质上和电脑是不一样的。电脑不会发育，也没有影响可塑性调控这一说。电脑本身理解语言的意思，它只是会对语言做出识别、甚至反应；电脑也没有情绪，没有所谓的想象力，无法进行社交。

举例来说，创造力是个不精准的事情，是一种随机实现。想象一下，两个神经元之间本来是毫无连接的，因为某一种关系或情况下，两个不相干的东西相互连接，就会创造出一个新的东西。在这中间，有一个生长的问题，神经突触可以生长或消失，而电脑就没有所谓的生长概念，因而对于创造来说，很难想象电脑把本来没有的东西通过一个程序去创造出来，因为这里没有规则。
“有人说，莫扎特在4岁就会弹钢琴，6岁就已登台表演。到今天为止，很少有人超过莫扎特，你说他音乐的才能是音乐家父亲教他的吗？教不会的！我觉得是他的大脑形成了一种很特殊的结构，然后又有很大的可塑性，它会长出或者形成一些你完全想象不到的东西，使得对音乐创作特别有效。我不是说电脑不能创造音乐，但是电脑创造的音乐肯定是不一样的。电脑可以通过学习，自己演化出一些作品，但是绝不可能创造出贝多芬和莫扎特。”
鲁白强调，在人工智能时代， 人们应该更加关注脑健康，大脑本身就是个非常令人惊叹的器官，会有越来越多的人对这门科学产生好奇。

在GASA大学的课堂上，还有学员向鲁白教授提出这个有趣的问题：
“跑步是否真的有益于脑健康？”
鲁白谈到，现在有两件事情已经在动物和人体上被证明是有很大好处的：
一个是有氧运动。持续运动超过40分钟，对脑健康绝对是有用的。原因之一，在于跑步可以增加大脑内的BEF，使大脑持续受保护，这是已被反复证明的事情。
第二个被反复证明的事情是饿，少吃。最早的相关实验发现，有一种线虫，它大概可以活几天，当人们停止对它的营养供给，它的寿命却增加了一倍。后来，类似的实验在果蝇、老鼠上都做过，最后在人类身上也进行了。虽然人不能完全饥饿，这会产生其他问题，但研究人员发现少吃，是可以提升脑健康的。甚至有一些研究表明，吃的东西成分也会关系到脑健康，也就是少吃碳水化合物。
目前科学验证能够提升脑健康的方式只有上述两个，什么吃核桃、猪脑等说法都是没有科学依据的（中国人常说，以形补形嘛）。
关于“人脑vs人工智能”的话题，大家有什么想法？欢迎留言。

【花絮】长城会对话霍金的8个问题
1. 创新工场CEO李开复：互联网巨头拥有巨量的数据，而这些数据会给他们各种以用户隐私和利益换取暴利的机会。在巨大的利益诱惑下，他们是无法自律的，而且这种行为也会导致小公司和创业者更难创新。您常谈到如何约束人工智能，但更难的是如何约束人本身。您认为我们应该如何约束这些巨头？
霍金：据我了解，许多公司仅将这些数据用于统计分析，但任何涉及到私人信息的使用都应该被禁止。如果互联网上所有的信息均通过基于量子技术加密，这样互联网公司在一定时间内便无法破解，这会有助于保护隐私，但安全部门会反对这个做法。
2. 猎豹移动CEO傅盛：灵魂会不会是量子的一种存在形态？或者是高维空间里的另一个表现？
霍金：我认为近来人工智能的发展，比如电脑在国际象棋和围棋的比赛中战胜人脑，都显示出人脑和电脑并没有本质差别。这点上我和我的同事罗杰·彭罗斯正好相反。会有人认为电脑有灵魂吗？对我而言，灵魂这个说法是一个基督教的概念，它和来世联系在一起。我认为这是一个童话故事。
3. 网络总裁张亚勤：人类观察和抽象世界的方式不断演进，从早期的观察和估算，到牛顿定律和爱因斯坦方程式，到今天数据驱动的计算和人工智能，下一个会是什么？
霍金：我们需要一个新的量子理论，将重力和其他自然界的其它力量整合在一起。许多人声称这是弦理论，但我对此表示怀疑，目前唯一的推测是，时空有十个维度。
4. 斯坦福大学物理学教授张首晟：如果让您告诉外星人我们人类取得的最高成就，并写在一张明信片的背面，您会写什么？
霍金：告诉外星人关于美，或者任何可能代表最高艺术成就的艺术形式都是无益的，因为这是人类特有的。我会告诉他们哥德尔不完备定理和费马大定理。这才是外星人能够理解的事情。
5. 音乐人、投资者胡海泉：如果星际移民技术的成熟窗口期迟到，有没有完全解决不了的内发灾难导致人类灭绝？
霍金：是的。人口过剩、疾病、战争、饥荒、气候变化和水资源匮乏, 人类有能力解决这些危机。但很可惜，这些危机还严重威胁着我们在地球上的生存。这些危机都是未来可以解决但目前还未解决的。
6. 微博网友问：我们希望提倡科学精神，贯穿GMIC全球九站，请您推荐三本书，让科技届的朋友们更好的理解科学及科学的未来。
霍金：他们应该去写书而不是读书。只有当一个人关于某件事能写出一本书，才代表他完全理解了这件事。
7. 微博网友问：您认为一个人一生当中最应当做的一件事和最不应当做的一件事分别是什么？
霍金：我们绝不应当放弃，我们都应当尽可能的去理解（这个世界）。
8. 微博网友问：人类在漫漫的历史长河中，重复着一次又一次的革命与运动。从石器、蒸汽、电气…… 您认为下一次的革命会是由什么驱动的？
霍金：（我认为是）计算机科学的发展，包括人工智能和量子计算。科技已经成为我们生活中重要的一部分，但未来几十年里，它会逐渐渗透到社会的每一个方面，为我们提供智能地支持和建议，在医疗、工作、教育和科技等众多领域。但是我们必须要确保是我们来掌控人工智能，而非它（掌控）我们。

Ⅳ 工信部推进5G商用 这家车联网终端企业成焦点

通过持续的技术优势，可以看到，智行者参与主导《智能运输系统低速跟车系统性能要求和测试规程》《服务型电动自动驾驶轮式车技术要求》等等行业团体标准制定，且通过不断更新标准在相关领域拥有极大语权。

基于以上背景挖掘，在车联网终端市场爆发时，聚焦这家企业，如果投它，赚得盆满钵满时记得打赏小六。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

Ⅳ 自行车实现无人驾驶，究竟有何原理

说起来，这辆自动行驶的自行车来头可不小，它是由清华大学一只拥有多学科背景（其中包括脑科学、计算机、微电子等）的团队牵头，经过6年时间自主研发而成。这辆无人驾驶自行车的核心在于通用人工智能芯片的研发，这枚名为天机（Tianjic）的芯片经历了计算科学与神经科学的融合，对计算架构与算法的优化，与先进芯片技术的结合而最终得以实现，并作为首例通用人工芯片的展示，登上了本周《自然》（Nature）杂志的封面。清华大学天机芯登上《自然》封面 | Nature那么，这一新技术特点在何？又在软件和硬件上实现哪些创新与突破？

科学家们意识到，人脑系统的认知和自主决策是一个非常复杂的过程，人工智能的最终目标是全方位地模拟人脑功能对环境进行感知，自主思维并产生相应的行为。为了与当前主流人工智能区别，一个新的概念——通用人工智能被引入了人工智能领域。
“天机芯”—首款通用人工智能芯片问世
这篇刚刚发表在《自然》上的研究，正是基于计算神经科学的背景，展示了首款通用人工智能芯片——“天机芯”。这款芯片在软件和硬件上都做出了突破，从软件上这枚芯片能够融合多种神经网络与模型，提高了芯片的可扩展性，在架构上也并未采用传统的冯诺依曼架构；为了配合软件功能，在硬件上，这枚芯片采用了分布式存储和多核并行的芯片结构，以优化信息的处理效率

Ⅵ 卢存岳是谁

中国经济研究学抄院副院长

教授袭 博士生导师

1942年7月4日生于重庆市；

1959年在清华大学读书；

1965年9月在1409研究所工作；

1979年4月在中国科学院研究生院工作。

卢存岳教授主要致力于微观经济学领域的研究，在经济管理和方法论方面颇具建树，被评为有突出贡献的科技专家。

Ⅶ 清华大学学生研制的自行车实现无人驾驶，背后究竟有何“天机”

说起来，这辆自动行驶的自行车来头可不小，它是由清华大学一只拥有多学科背景（其中包括脑科学、计算机、微电子等）的团队牵头，经过6年时间自主研发而成。这辆无人驾驶自行车的核心在于通用人工智能芯片的研发，这枚名为天机的芯片经历了计算科学与神经科学的融合，对计算架构与算法的优化，与先进芯片技术的结合而最终得以实现，并作为首例通用人工芯片的展示，登上了本周《自然》杂志的封面。

天机芯的成功展示体现了多种神经网络、算法与模型融合的可能性，是通用人工智能领域的重大突破。它是实现通用人工智能路上的一大步，相信未来通用智能的实现会让SIRI更智能，机器人更聪明、无人驾驶更靠谱。

Ⅷ 5G新基建加速，车路协同如何铺展落地专家大咖这样说！

5G背景下，车联网技术与产业的新风向在哪里？如何创新智能交通，助力车路协同？车联网先导区应用场景如何打造？12月3日，在重庆召开的第五届i-VISTA智能网联汽车国际研讨会上，来自信通院、清华大学、中国电信、大唐移动、中汽院等专家，围绕“5G新基建及车路协同”，带来高能的观点碰撞与技术分享。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

Ⅸ 清华大学车辆与运载学院成立，为智能汽车培养人才，由此可看出未来汽车发展主流是什么吗

4月3日上午，清华大学车辆与运载学院即日起正式成立，简称车辆学院，英文名称School of Vehicle and Mobility, Tsinghua University，英文缩写SVM。同时撤销清华大学汽车工程系建制。据了解，车辆学院将下设四个研讨所，构成“一院四所”规划。现在的汽车工程系主任杨殿阁教授将成为首任院长

展望未来，学院的科学研究将围绕 “低碳节能、高效安全、智能便捷、特种尖端”四大主题，瞄准国际前沿、国家目标、国防需求，融合战略高度、学术深度和应用广度，成为国际上车辆电动化、智能化、网联化、共享化等科技变革的重要力量。

回顾历史，汽车工程系面向汽车领域的国家目标，积极参与国家重大科技规划、产业技术路径的制定，引领我国节能与新能源汽车科技的跨越发展，推动中国智能网联汽车技术与全球同步发展。

Ⅹ 中国科学院院士曹楚南逝世了

是的，据中科院消息，8月27日，腐蚀科学与电化学专家、中国科学院院士曹楚南病逝，享年91岁。

曹楚南，1930年8月15日生于江苏常熟。1952年毕业于同济大学化学系。浙江大学教授。1991年当选为中国科学院院士（学部委员）。

曹楚南在中国领导和开拓了腐蚀电化学领域，是我国腐蚀电化学研究的倡导者和学术带头人。专著《腐蚀电化学原理》、《电化学阻抗谱导论》等已成为腐蚀电化学工作者的必读书籍。

(10)清华大学无人驾驶专家卢教授扩展阅读

截至2020年8月27日，我国已痛失24位院士：

1月，中国工程院院士、著名叶轮机械与动力工程专家蒋洪德，中国工程院院士、著名神经药理学家池志强，中国科学院院士、著名加速器物理学家方守贤，中国科学院院士、著名物理学家李方华4人逝世。

2月，中国科学院院士、著名生态学家孙儒泳，中国工程院院士、机械制造与自动化专家段正澄，中国科学院院士、著名药学家周同惠，中国工程院院士、著名公路工程专家沙庆林，中国工程院院士、著名农业工程学家蒋亦元5人逝世。

3月，中国工程院院士、著名大地测量学家、教育家宁津生，中国工程院院士、清华大学建筑学院教授李道增，中国科学院院士、著名植物资源与植物化学家周俊，中国工程院院士、骨科专家卢世璧4人逝世。

4月，中国工程院院士、我国化纤领域奠基人郁铭芳逝世。

5月，中国科学院院士、著名化学家张乾二，中国科学院院士、空间物理学家万卫星相继逝世。

6月，中国工程院院士、土木结构工程和防护工程专家陈肇元，中国工程院院士、生殖内分泌专家肖碧莲逝世。

7月，中国工程院院士、中国卫星导航定位专家许其凤，中国科学院院士、中国科学院大学教授童秉纲，中国科学院院士、病毒学家曾毅，中国科学院院士、地理与地貌学家李吉均，中国工程院院士、水利水电工程专家郑守仁先后逝世。

8月，中国科学院院士、腐蚀科学与电化学专家曹楚南逝世。