面向自主智能體的計算架構(gòu)還有很長的路要走。

中興事件的爆發(fā)，讓公眾意識到芯片行業(yè)亟待發(fā)展。近年來，AI芯片成為了各大科技巨頭和創(chuàng)業(yè)公司的布局重點。前有百度推出了名為“昆侖”的AI芯片，后有阿里巴巴在云棲大會宣布成立的半導體獨立新公司“平頭哥”。無論是芯片或者AI芯片，今年專屬它們的“戲”可謂你方唱罷我登場，熱鬧非凡的同時，在技術(shù)研發(fā)上也帶給了從業(yè)者更多的思考。

即將于10月15日在蘇州舉行的2018 AIIA人工智能開發(fā)者大會，就將圍繞人工智能當前的技術(shù)、產(chǎn)品研發(fā)、商業(yè)落地、產(chǎn)業(yè)發(fā)展等多方面、多維度展開交流與討論。大會拉開帷幕前夕，鎂客網(wǎng)特地邀請到了本次大會嘉賓、即將在大會論壇進行演講的西安交通大學副教授任鵬舉，分享他關(guān)于面向自主智能體的計算架構(gòu)新的思考。

圖 | 西安交通大學副教授任鵬舉

解決非完整觀測、復雜場景、開放環(huán)境下的智能體交互難題

任鵬舉表示：“當前面向完整觀測、簡單場景應用的AI計算架構(gòu)發(fā)展迅速，相對成熟。比如，人臉解鎖、語音控制芯片等。這類AI芯片往往面向的是完整信息和簡單場景的應用。但面向復雜場景、非完整觀測、以及更加開放的環(huán)境時，智能體的大腦——芯片處理架構(gòu)的發(fā)展還遠遠無法滿足應用的需求。必須要有一些新的探索和開拓性的工作，才有可能讓智能體在開放的環(huán)境中，更好的完成任務以及與人進行交互。”

“面向自主智能體的計算架構(gòu)思考”這一論壇報告，正是圍繞這一挑戰(zhàn)，將課題組在這方面的探索和思考與觀眾分享。

眾所周知，當前的AI芯片的商業(yè)化落地應用，如人臉識別、智能音箱等，都是基于完整觀測、簡單場景的應用。而任鵬舉帶領(lǐng)的研究團隊專注于面向自主智能體的計算架構(gòu)和芯片設計，這類應用的主要特點是Agent需要與環(huán)境不斷的發(fā)生交互行為。Agent具體的形態(tài)可以是無人機、無人小車，人形機器人等，本質(zhì)在于需要跟環(huán)境不斷進行交互，其面向的環(huán)境更加開放且具有一定的特殊需求。

“具體來講，這一類應用，Agents的觀測是非完整的。對比來講：iphone的人臉解鎖就需要把臉部完全顯示在屏幕中才能夠進行識別，發(fā)生遮擋時，解鎖功能就無法正常工作。而開放環(huán)境下的交互Agent，由于傳感器安裝在智能體上，受空間的限制，很難將所有的環(huán)境信息完整的一次性觀測到。尤其是環(huán)境中多個智能體交互的時候，如何做到高效、低延遲的通訊和協(xié)作，這樣的工作模式和交互方式是一個比較大的挑戰(zhàn)。我們認為它是AI智能芯片的另一個重要應用。”

2017年，在科技部頒發(fā)的“新一代人工智能”中，鄭南寧院士提出:“混合增強智能”是指將人的作用或人的認知模型引入人工智能系統(tǒng)，形成“混合增強智能”的形態(tài)。這種形態(tài)是人工智能可行的、重要的成長模式。“混合增強智能”有兩個核心：一是人在回路，即整個人工智能系統(tǒng)的方案設計、服務對象、評判對象都是人類，需要人的參與；另一種則是將人的認知模型借鑒到計算系統(tǒng)中。

“我們的思考正是基于此，在面向無人自主系統(tǒng)中提出一個創(chuàng)新點叫做‘認知計算引擎’。具體來講,它包括兩個關(guān)鍵技術(shù)，一、形成認知地圖用于情境理解以及多智能體交互；二、事件處理和選擇性注意機制。”

認知地圖用于情境理解和多智能體交互

如何理解認知地圖呢？舉例來說，有朋友來找我，我會告訴他“從西安交大南門進來，會看到思源活動中心，沿著活動中心左邊的路往前走，會看到一個丁字路口，在西北角有一個5層的灰色建筑叫科學館，我的辦公室在211。”相比于常見的百度地圖而言，我剛剛描述的就是一個高度概括的語義地圖，我的朋友可以很好的理解這個地圖并且可以找到我的辦公室。我們課題組想做的就是將自然場景高效表達為這樣一類的認知地圖，然后通過緊湊的數(shù)據(jù)結(jié)構(gòu)進行表達，進而進行計算、存儲以及通訊。

事件處理驅(qū)動和選擇性注意機制

他特意以駕駛行為為例，介紹事件處理驅(qū)動和選擇性注意機制：當司機在駕駛汽車的時候，需要向右拐，那么，他需要觀看右側(cè)后視鏡，因為擔心右后方有來車，其向右拐的時候可能會影響到他人。這一類信息處理的注意力過程是和任務相關(guān)的，是由任務決定的下意識執(zhí)行的選擇性操作，我們稱之為自頂向下的選擇性注意；另一類選擇注意機制則是，司機在駕駛的過程中，路上突然竄出來一臺車，司機的注意力會被突然出現(xiàn)的目標所吸引。這時，司機會估計突然竄出的車是否會闖入在自己的行駛路徑當中。從而做出相應的判斷和行為，這類信息處理的注意力過程是應對突發(fā)事件和場景變化的，我們稱為自底向上的選擇性注意。選擇性注意機制從本質(zhì)上講，就是大腦面對復雜任務時的資源調(diào)配和調(diào)度，大腦總會用最經(jīng)濟、最高效的方式管理腦神經(jīng)的處理能力、記憶以及相關(guān)的功能信息通訊。

“我們認為選擇性注意機制和語義地圖都可以更好的調(diào)配、調(diào)度現(xiàn)有的計算、存儲和通訊資源。所以，我們希望可以把這種認知計算引擎引入到面向智能體的計算架構(gòu)設計上來，這將是我們未來主要的工作內(nèi)容。”

當下，AI芯片在進行發(fā)布時往往強調(diào)算力數(shù)據(jù)。在任鵬舉看來，這種計算過度強調(diào)算力而缺乏效率為引導，其希望在認知計算模型方面探索相應的AI計算架構(gòu)和芯片設計方法期待擁有同樣算力的情況下，可以處理更多、更復雜的任務。

最后，當提到關(guān)注智能體的相關(guān)技術(shù)與商業(yè)應用落地的融合性時，他表示，目前融合的狀態(tài)并不是非常理想。因為AI有兩個公認的挑戰(zhàn)，一個是條件問題，即很難列舉出一個行為的所有先決條件，在確定的、相對靜態(tài)的環(huán)境中能夠很好給定先決條件。而面對開放的、動態(tài)的、交互的環(huán)境時，做到這一點非常困難；另外一個則是分支問題，即難以列舉出一個行為產(chǎn)生的所有影響，特別是間接影響。目前，無論是人形機器人、康復機器人還是醫(yī)療機器人，這類機器人大多是由工程師提前編程好的固定執(zhí)行軌跡和策略，因此，在產(chǎn)量巨大和應用場景相對固定的情況下，如：汽車加工車間的機械臂可以很好的完成任務和分攤成本。但面對產(chǎn)量不是很大的定制場景、靈活性和自主性要求比較高的情況下，融合狀態(tài)還不是很理想，主要原因就是相關(guān)的技術(shù)還不成熟。因此，當前的智能體還有很長的路要走。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！