Activities
2018年7月28-29日，由中國自動化學(xué)會主辦的第六期智能自動化學(xué)科前沿講習(xí)班在湖北·武漢華中科技大學(xué)成功召開，此次講習(xí)班由華中科技大學(xué)自動化學(xué)院院長曾志剛教授和清華大學(xué)胡曉林副教授共同擔(dān)任學(xué)術(shù)主任。
第六期講習(xí)班以“人工智能與智能控制”為主題，邀請了十余位領(lǐng)域相關(guān)的專家學(xué)者進(jìn)行主題報告，來自全國各相關(guān)高校、科研院所及相關(guān)單位的百余位學(xué)員參加了此次講習(xí)班，共話人工智能與智能控制的現(xiàn)狀與前景。
.jpg)
講習(xí)班伊始，學(xué)術(shù)主任曾志剛院長進(jìn)行致辭。曾院長代表華中科技大學(xué)自動化學(xué)院對各位專家及學(xué)員的蒞臨表示熱烈的歡迎。并指出，講習(xí)班系列為專家學(xué)者提供了探討熱點方向和交流學(xué)術(shù)進(jìn)展的平臺，衷心希望各位學(xué)員能夠通過此次講習(xí)班碰撞出新的思想火花。
.jpg)
第一個進(jìn)行報告的是中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院系統(tǒng)所所長張紀(jì)峰教授，張紀(jì)峰教授帶來的報告題目為“時間非一致性與隨機(jī)最優(yōu)控制”。對經(jīng)典的最優(yōu)控制問題，相應(yīng)于給定時間-狀態(tài)初始對的最優(yōu)控制，將沿著最優(yōu)軌跡保持最優(yōu)；即以最優(yōu)軌跡上任何一點作為新的時間-狀態(tài)初始對，原有最優(yōu)控制在后續(xù)時間區(qū)間上的限制，將是相應(yīng)于此新初始對的最優(yōu)控制。這一性質(zhì)稱為最優(yōu)控制的時間一致性，它可由Bellman最優(yōu)性原理推得。最優(yōu)控制的時間一致性雖然在經(jīng)典最優(yōu)控制理論中很少被提及，但事實上它是一個本質(zhì)性的概念，現(xiàn)有的Bellman動態(tài)規(guī)劃理論主要依賴于時間一致性這一性質(zhì)。 然而，現(xiàn)實世界中存在大量動態(tài)優(yōu)化問題，對它們而言，Bellman最優(yōu)性原理不再成立，進(jìn)而最優(yōu)控制的時間一致性也將丟失，即所考慮問題是時間非一致的；如下幾種情形經(jīng)常被文獻(xiàn)提及：(i) 指標(biāo)泛函中的貼現(xiàn)函數(shù)是非指數(shù)的，(ii) 指標(biāo)泛函中存在條件期望的非線性項，(iii) 指標(biāo)泛函是初始狀態(tài)顯式依賴的。這些現(xiàn)象廣泛存在于經(jīng)濟(jì)學(xué)和金融學(xué)領(lǐng)域，比如雙曲貼現(xiàn)函數(shù)，準(zhǔn)幾何貼現(xiàn)函數(shù)，均值-方差效用函數(shù)等。張紀(jì)峰教授的報告詳細(xì)介紹了時間非一致性，揭示了時間非一致性自Adam Smith以來的定性分析和概念萌芽，闡述其在金融學(xué)和經(jīng)濟(jì)學(xué)中的定量分析和成功運(yùn)用，描述了系統(tǒng)控制領(lǐng)域的相關(guān)研究進(jìn)展，強(qiáng)調(diào)了研究隨機(jī)最優(yōu)控制領(lǐng)域內(nèi)時間非一致的必要性。
.jpg)
隨后由清華大學(xué)類腦計算研究中心主任施路平教授帶來了題為“類腦計算及類腦計算系統(tǒng)”的報告。類腦計算系統(tǒng)是借鑒人腦信息處理方式，打破“馮?諾依曼”架構(gòu)束縛，適于實時處理非結(jié)構(gòu)化信息、具有學(xué)習(xí)能力的超低功耗新型計算系統(tǒng)。當(dāng)前歐盟、美國等均斥巨資長期支持此研究，但是這項研究目前均處于起步階段，尚未形成公認(rèn)技術(shù)方案。施路平教授的報告分別從為什么（why）？做什么（what）？和怎樣做（how）？三方面來分析類腦計算系統(tǒng)研究，分析發(fā)展類腦計算的挑戰(zhàn)和前景。
.jpg)
下午第一個為大家?guī)韴蟾娴氖侵袊詣踊瘜W(xué)會副理事長、澳門大學(xué)講座教授陳俊龍，陳俊龍教授的報告題目為“智能控制算法”。智能控制是來解決傳統(tǒng)控制方法難以解決的非線性、高度不確定性、信息不完全性、或者因人而產(chǎn)生復(fù)雜性等的具有復(fù)雜控制任務(wù)的問題。陳俊龍教授此次報告是討論基于人工神經(jīng)網(wǎng)絡(luò)理論、模糊數(shù)學(xué)理論、計算智能理論、及模式識別理論等為基礎(chǔ)而衍生出來的智能控制方法。課題包括：（1）神經(jīng)網(wǎng)絡(luò)控制；（2）模糊控制；（3）強(qiáng)化學(xué)習(xí)控制；（4）智能自適應(yīng)控制；（5）基于遺傳算法的智能控制；（6）混合智能的控制。
?.jpg)
下午第二個報告為清華大學(xué)孫富春教授作題為“基于視觸覺融合的目標(biāo)識別與靈巧操作”的報告。為實現(xiàn)機(jī)器人柔和靈巧的操作能力，下一代機(jī)器人需裝備多模態(tài)的分布式感知與融合模塊，有望突破像人一樣的跨模態(tài)信息感知、表征/融合和動作行為。孫富春教授的報告介紹了清華大學(xué)課題組研制的高分辨率四模態(tài)傳感裝置和裝備有四模態(tài)人工皮膚/類肌肉驅(qū)動的五指靈巧手，該靈巧手的分布式傳感裝置包含了微視覺、壓力覺/滑覺和溫度覺傳感器。報告同時給出了研究團(tuán)隊在跨模態(tài)的視觸覺信息的處理方面取得理論成果，包括基于視觸覺信息的目標(biāo)識別以及感知-動作映射問題的深度學(xué)習(xí)和經(jīng)驗學(xué)習(xí)方法。報告的最后，孫富春教授為大家展示了實驗結(jié)果分析和未來的研究展望。
.jpg)
28日最后為大家?guī)韴蟾娴氖莵碜灾袊茖W(xué)院自動化研究所的王亮研究員，王亮研究員的報告題目為“AI時代視覺大數(shù)據(jù)的智能分析”。報告首先簡要介紹了人工智能的概念和現(xiàn)狀，然后介紹其重要的一個分支領(lǐng)域-計算機(jī)視覺。視覺大數(shù)據(jù)分析是模式識別的前沿方向。近年來，深度學(xué)習(xí)已經(jīng)在語音、視覺、自然語言處理等領(lǐng)域取得了很大成功，接下來重點回顧了深度學(xué)習(xí)歷史及其在視覺大數(shù)據(jù)分析中的應(yīng)用進(jìn)展。針對深度神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)、功能、泛化性等存在的問題，進(jìn)一步探索模擬認(rèn)知過程中的注意、記憶等機(jī)制，研究深度認(rèn)知神經(jīng)網(wǎng)絡(luò)理論和方法。報告的最后，王亮研究員對幾個未來可能的研究方向進(jìn)行了展望。
.jpg)
29日第一位進(jìn)行報告的是清華大學(xué)微納電子系副系主任吳華強(qiáng)教授，吳華強(qiáng)教授為大家?guī)淼膱蟾骖}目為“基于新型電子突觸器件的類腦計算研究”。人工智能的研究和應(yīng)用已經(jīng)取得了突飛猛進(jìn)的發(fā)展，但是運(yùn)行人工智能深度神經(jīng)網(wǎng)絡(luò)算法的計算平臺主要是超級計算機(jī)群（成百上千個CPU和GPU）,不但需要巨大的硬件投入，而且占用的空間和消耗的能源也非常可觀。受限于存儲計算分離對芯片性能的限制，同時CMOS工藝微縮速度放緩，以及人工智能應(yīng)用對計算存儲需求的不斷提升，當(dāng)前的技術(shù)將面臨諸多新的挑戰(zhàn)。在這一背景下，新器件的出現(xiàn)變得至關(guān)重要，通過引入新原理的半導(dǎo)體器件，不但可以拓展芯片的功能，甚至可以顛覆傳統(tǒng)電路理論，突破當(dāng)前芯片面臨的能效、速度瓶頸，大幅提升芯片性能。基于過渡族金屬氧化的憶阻器件顯示出了優(yōu)越的存算一體的特性，能夠規(guī)避存儲和計算之間數(shù)據(jù)搬運(yùn)的功耗并且能夠?qū)崿F(xiàn)大規(guī)模集成，進(jìn)而實現(xiàn)高性能計算。展望未來，智能社會即將來臨，吳華強(qiáng)教授也指出了面向未來的智能芯片，最底層的器件需要具備特性。
.jpg)
上午第二個為大家?guī)韴蟾娴氖乔迦A大學(xué)胡曉林副教授，胡曉林副教授為大家?guī)淼膱蟾骖}目為“神經(jīng)網(wǎng)絡(luò)的攻擊與防御”。神經(jīng)網(wǎng)絡(luò)在各種任務(wù)上取得了巨大的成功，但是人們發(fā)現(xiàn)它很脆弱：對輸入數(shù)據(jù)做一點微小的擾動，就會導(dǎo)致輸出結(jié)果完全不同。這種特殊擾動后的輸入數(shù)據(jù)稱為對抗樣本，而這種操作被稱為對神經(jīng)網(wǎng)絡(luò)的攻擊。有攻擊就應(yīng)該有防御。防御的意思是構(gòu)造方法使得神經(jīng)網(wǎng)絡(luò)不被對抗樣本欺騙。胡曉林副教授的報告介紹了這個領(lǐng)域的歷史和最新進(jìn)展，并對未來進(jìn)行展望。
.jpg)
下午第一個為大家?guī)韴蟾娴氖侨A中科技大學(xué)電子信息與通信學(xué)院副院長白翔教授，白翔教授為大家?guī)淼膱蟾骖}目為“任意形狀的場景文本檢測與識別”，報告指出隨著深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，場景文本檢測與識別領(lǐng)域已經(jīng)取得了顯著的進(jìn)展。然而，對于曲形或者任意形狀排列的文本的檢測與識別，仍然是一個極其有挑戰(zhàn)性的問題。在本次報告中，白翔教授首先對近年來場景文本檢測與識別主流技術(shù)進(jìn)行了簡要的回顧；接著，介紹了場景文本檢測與識別（Photo OCR）領(lǐng)域的最新研究進(jìn)展，具體內(nèi)容包括面向任意形狀文本的檢測與識別方法，及端到端識別神經(jīng)網(wǎng)絡(luò)；報告的最后，白翔教授對此領(lǐng)域的未來研究趨勢做出展望。
.jpg)
下午第二個報告為清華大學(xué)自動化系趙明國副教授作題為“利用機(jī)器人的自然動力學(xué)來實現(xiàn)高能效的移動”的報告。報告介紹了清華大學(xué)機(jī)器人控制實驗室在這方面做的一些研究工作，即先利用被動步行原理實現(xiàn)高能效的雙足運(yùn)動，然后通過反饋控制進(jìn)一步提高機(jī)器人的穩(wěn)定性，報告的另外一部分也展示了如何通過車把轉(zhuǎn)向控制實現(xiàn)無人駕駛自行車的高能量效率。在這些例子中，實驗室采用了一種非常簡單但非常規(guī)的控制方法，它們的共同特點是尋找并利用系統(tǒng)的自然動力學(xué)。
.jpg)
最后進(jìn)行報告的是清華大學(xué)電子工程系汪玉副教授，汪玉副教授的報告題目為“基于FPGA的深度學(xué)習(xí)處理器”。深度學(xué)習(xí)的應(yīng)用日益廣泛。相比于傳統(tǒng)的CPU/GPU平臺，針對定制計算結(jié)構(gòu)能夠提供更高的計算能效。但是，基于FPGA的深度學(xué)習(xí)加速器面臨開發(fā)周期長，性能受限等問題。汪玉副教授的報告通過總結(jié)已有工作，結(jié)合實際設(shè)計經(jīng)驗，總結(jié)針對深度學(xué)習(xí)加速器的設(shè)計思路，并介紹了基于FPGA的高能效、快速部署的深度學(xué)習(xí)處理器結(jié)構(gòu)和部署流程[FPGA 2016+2017]。其中壓縮和量化技術(shù)可以去除算法中的冗余操作，減少系統(tǒng)計算和存儲的需求，同時量化還能夠提升FPGA系統(tǒng)的峰值計算能力。由于CNN和DNN/RNN在計算和存儲模式的本質(zhì)差異，針對CNN、DNN/RNN分別設(shè)計了兩種體系結(jié)構(gòu)與相應(yīng)的指令、編譯系統(tǒng)。基于賽林思的平臺，CNN和LSTM的平臺均取得了比嵌入式和桌面GPU更好的能量效率（>60GOPS/W）。
.jpg)
學(xué)會秘書處 供稿
