李德毅，中國工程院院士，中國人工智能學會理事長；第三屆中國機器人峰會主旨報告為《人工智能：創新創業的機遇》。

　　很高興在這個知行合一的故鄉，我今天講的是智能化跟自動化怎么握手。智能化是認知，自動化是行為。大家知道我現在在做這個智能駕駛。做得還挺熱鬧的，遇到一個問題。工廠里都講自動駕駛，我們人工智能人都講自主駕駛。關鍵在哪里呢？關鍵是誰這個車子認知主體是車還是人，很多車場沒有想通，他們想做一個車做自動駕駛很牛，他忽略了駕駛員在車當中的位置，其實真正這個車跑起來的話，這個認知主體不是車，是人。所以知行合一非常的重要。

　　我們習主席講了很有名的話，說機器人是制造業皇冠明珠。那這個時候我們可以想一想，機器人是制造業皇冠明珠，機器腦是每個機器人不可或缺的靈魂。有些人買過自動車功能的，回家用了幾天不需要自動泊車了，因為這個條件不符合，發現上當了，多花了5萬塊錢。這就是認知主體和行為不統一的結果。剛才我參加了座談會，聽說這里要成立一個機器人學院，很榮幸告訴大家我是大家第一個機器人學院的院長，今年招生一百個人。外地招了30個。

　　到2030爭取我國每萬名產業工人所擁有的工業機器人數量達到300臺左右，農村城鎮化，農民進城了，下一代農民平均年齡是多少？日本是65歲，美國是60歲，中國的農民平均年齡估計在50歲，比人家好一點，這些人怎么種地？講四句話，黃牛退休，鐵牛耕地，農民進城，專家種田。全國大中城市醫院微創手術機器人進一半國產化，在全社會普及使用形形色色的服務機器人家家有機器人，我希望老年人，殘疾人和兒童平均每人擁有一臺形態各異的服務機器人。如果你讓我說真話的話，我國成為了機器人最大的市場，剛才美國老兄看中了我們中國的市場，但是，機器人是世界性的，時代性的，只有原創的技術才能使我們成為機器人的產品和機器人市場規則的重要制訂者和主導者，因此，抓住歷史機遇的又一個崛起可能就是人工智能。我今年72歲了，我談體會，創業創新四個要素。我問過許多同行。他們認為技術很重要。我又問更年輕人他們告訴我是資金更重要，沒有錢什么都辦不成，還有人告訴我團隊很重要，還有人告訴我思想很重要，那么我想今天報告談一下我的看法。

　　先講第一個問題，大家都以為在FaceBook一陣子，到中國創市場很容易，其實不對，你是有人傲人的經歷，有核心的技術，但是是不是可以下海了呢？創業成員固然有各自傲人的工作經歷和核心技術，但整個團隊如果沒有明確的，由核心技術匯聚而成的，獨創獨有的成果載體，沒有耀眼的創新亮點，把公司辦成了公關克難的研究所，苦苦掙扎，技術長期不孵化不出產品來，這樣的公司必死無疑。你要搞清楚，你要的是技術還是核心技術，還是技術的成果？我主張要有技術的成果。我一個70后，我的亮點是什么？駕駛腦，認知腦。我模擬的是駕駛員，他造的是車。我再講智能的時候講三大智能，我們習慣說計算智能，剛才我參觀了余姚研究所，我告訴他計算，機器已經超過人的計算，我們現在的重點要搞交互智能。記憶智能，我家里用壞三臺掃地機，我覺得現在不用為好。不實惠。你們不相信可以用用看，第一掃不干凈，第二該掃的地方老是不掃。怎么辦？所以，我現在做什么呢？我不做先視后覺，這是常規的，我做的是視而不覺，邊視邊覺，先覺后視。我做的是要用已有的認知，借助當前的感知。我的駕駛腦數據流程圖，余開說值一千萬，我把這個送給余姚同志們，看看你們能不能做出來，我的駕駛腦一個工作記憶區，還有態勢記憶池、還有記憶池塘。如果我們用掃地機控制機器人，以后他天天這樣掃也是很好的機器人，這是不同的記憶能力不同的認知。駕駛活動更多的是技巧，記憶或者經驗，而不是知識、推理和計算。記憶腦的差異，反映是個人的治理和運動協調能力的差異，世界上沒有兩個完全相同的駕駛腦。這才叫機器人。我們想將來車上跑的駕駛腦也是一樣的。真正開車的不是汽車本身，而是駕駛員，人的認知，要把腦和機器融合在一起才行。所以我們主張在我們機器人里面，有一個調試總線擴展為自學總線，可以學習人是怎么開車的。那機器人開車的時候，通過學習的東西消化吸收，深入學習，變成了自己的行為。

　　人工駕駛的時候，三路機器視覺，圖象一路，GPS、雷達一路，這三路視覺形成了現在的駕駛態勢圖，駕駛員通過生活視覺的認知，形成了對方向盤、油門剎車的控制。把當前駕駛態勢和一個認知組成一個隊，把這個隊放在深入學習的神經網絡里面去，讓它學習，形成駕駛記憶。如果開十天這個數據量也不小，如果整天從辦公室到家，從家到辦公室，到11天可以了，機器人可以說話了：我可以開了。當機器人開車的時候，駕駛員不在了，他就可以搜索這個圖，把對應的認知拿出來去開車。駕駛就是這么簡單，這怎么能夠讓車場做呢？這是駕駛員的事。所以車廠只能做自動駕駛。這個深入學習，可以是長時期的學習，統計學習和進化學習。

　　人真正的學習在錯誤中學習的，說一我們怎么樣防止駕駛過程當中的事故，同時我們有負學習，讓開車的時候遇到這樣那樣的險情，做出錯誤的動作，我們通過神經網絡，生成事故記憶棒，把這個做好了，下一次開車的時候，人沒有了，也可以駕駛，又發生了錯誤的，又有一個學習，這是負學習的。這是Alphago相當于這樣。因此我們的機器人，整個框圖是雙螺旋的架構。原來我們是一兩千瓦，現在希望一百瓦，（PPT當因深度學習正站在全球人工智能的分口，普通把卷積神經網絡用于點云圖巷識別，完全感知階段的自學習，而我們另辟蹊徑，把卷積神經網用于形勢化的之后，基于可用路權的駕駛態勢圖。因此之所以在比賽中拿比較好的成績，主要是我們對認知的形勢化，把瞬間記憶大數據縮水，即在感知理解之后遷移到工作記憶區，進行深入學習。最近網上有一個小伙子，我跟他有很多思想共同之處，只不過沒有我的細而已。第一個問題。創新的亮點。

　　第二個問題資金的注入點。大家都愁搞不到錢，特別是年輕人，我愁得更好跟你相反，我愁的是有錢怎么花出去，現在最大的困難是錢花不出去，沒有定單，沒有批量生產，你有錢有什么用？所以真的有能耐是把錢花出來的才是真正新的企業。

現在講講市場的賣點。

　　我覺得我們學者不像人家西方。做一個圍棋賺多少錢，FaceBook升值多快？Alphago以4：1戰勝9段圍棋高手，李世石，那個廣告震撼了。我國中國也干過這樣事，2011年我們用圍棋跟人比賽讓于十并讓兩個子，在中央電視臺直播一下進行比賽，2：0戰勝了余兵。可是我們在發展國家，沒有什么影響，沒有賺到錢，也沒有賺到廣告費。當時認為電腦9路盤圍棋兩三年可以抗衡人類，19路盤圍棋，機器要戰勝人類還看不到希望。5年過去發現這個是錯誤的。我提出三個問題讓大家想一想，棋類高手與人工智能發展成果積累對決，馬上科覺又要跟Alphago下圍棋。我認為人機大戰本身人在前面，機器在后面或者機器在前面人在后面無休止的較量，Alphago也好，深度學習也好有很大局限性，我們圍棋手跟機器下棋有上當的感覺，因為他比我們做了測試。這個時候我們提出深度學習的四大局限性。

　　第四是太多的學習參數具有隨意性，該怎么樣就是怎么樣，現在不是了。第二不能保證算法的收斂性，第三缺少反饋機制，第四個案例也不具有累計性，就是時間累計性沒有。這樣情況下，深度學習不是人工智能的重點。我們設想一下，如果我們現在讓不同的Alphago對弈會怎么樣。因此我覺得更優刺激的不應該是Alphago程序，因為作為一個圍棋手很難，現在是人抓住這個子在走，做一個圍棋機器人更難，我認為汽車動作很靈敏了，更刺激性的是機器人和塞車手的比賽，這樣比賽更加激動人心。自動駕駛的魅力在哪里呢？我們覺得不是跟市場場爭時間？我們希望它的車子更加敏捷、靈活，但是我們要做的是駕駛腦。我們賣點是駕照，我們駕駛腦賣駕照！賣的是駕齡，賣的是路熟。駕齡駕照替代不了，路熟，地圖替代不了，所以駕駛腦將來場景很可觀。