编辑：康丹邱娟
10月20日，中国（成都）人工智能产业CEO大会暨成都市人工智能产业生态联盟成立大会在成都举办。中国工程院院士谭建荣为现场观众带来了“人工智能与知识工程，关键技术与发展趋势”的主题演讲。
谭建荣表示，现在很多人搞人工智能，但真正清楚人工智能技术内涵的人很少。他认为，人工智能最简洁的表述，就是人工智能模拟人的思维。
如何判断计算机有思维能力？图灵提出了著名的图灵测试：让一位测试者分别与计算机和人进行对话，测试者事先并不知道哪个是机器，哪个是人。如果交谈后测试者仍分不清哪个是机器哪个是人，这个时候就可以认为这个计算机有思维能力，也就是我们现在讲的人工智能。
在过去六十年的发展过程中人工智能并不是一帆风顺的，相当长时间处于低谷状态。这是因为过去的人工智能都需要开发一个专家系统，而专家系统更多强调因果关系，但自然界、人类社会大量充斥的是随机现象、模糊现象，甚至是混沌现象，要找出它的因果关系非常困难。
最近几年大数据发展非常快速，大数据不强调因果关系而强调关联关系，因此拯救了人工智能。人工智能迎来了*金发展时期。
近几年人工智能发展热点是由两条狗引起，一条是波士顿大狗，一条是阿尔法狗。波士顿大狗是美国波士顿大学和麻省理工学院推出四条腿的机器人，后来由波士顿动力公司把它商品化做成商品。这条狗能走能行、自主决策，自主学习能力非常强，自稳定性也非常好。主要关系到四项关键技术，一是远程控制技术，二是负重爬坡，三是行进速度非常快，四是平衡能力非常强。
第二条狗是阿尔法狗，是一个下围棋的机器人，年对阵韩国围棋选手，人机大战机器人胜利了。阿尔法狗为什么能够取胜？一是深度学习技术，二是它有两个大脑，一个是路径选择器，一个是棋局评估器。它通过多重、反向人工智能神经网络算法，随着训练样本的增加，人工神经网络层次越多，大脑也被训练得愈加聪明。
此前中国工程院院士、原院长徐匡迪在上海发表了一个尖锐的讲话：现在搞人工智能，搞得轰轰烈烈，却都只停在人工智能的应用层面，对于它的核心算法，反而研究得不多。如果不研究人工智能算法，那就掌握不了人工智能的核心技术。所以徐匡迪呼吁更多的数学家投入到人工智能的基础研究中来。事实上，人工智能发展史上，很多算法也是数学家提出的。华为是国内最具有创新能力的企业，它有很多亮点，其中最显著的就是华为有个数学家。我们发展信息技术、发展人工智能，需要更多数学家投入到基础研究当中来。
谭院士在会上总结出人工智能的八大关键技术：深度学习算法、增强学习算法、模式识别算法、机械视觉算法、数据搜索方法、知识工程方法、自然语言理解、类脑交互决策。前面四项是人工智能的核心技术，但就人工智能本身发展而言，这四个算法还属于在人工智能的初级阶段。
人工智能的中级阶段是数据搜索方法和知识工程方法。数据搜索方法实际上就是大数据，而知识工程就是从数据里凝练出知识，这是人工智能的核心。知识工程是人工智能的方法，其核心是知识，用知识来指导我们的工作，用知识来牵引算法。
人工智能的高级阶段是自然语言理解和类脑交互决策。
我们把人工智能技术用在制造上就形成智能制造，智能制造最核心的问题就是知识建模和知识工程。这个知识不是死的，而是活的，能实现动态传感，实时感知，自主学习和自主决策。这些知识包括产品设计知识、制造知识、管理知识和服务知识等。
知识工程是由年美国斯坦福大学计算机科学家费根鲍姆教授提出，因其对人工智能的研究，费根鲍姆获得了计算机领域最高奖图灵奖。知识工程就是研究知识的获取、表达、推理。我们把知识放起来需要构建一个知识库，把知识进行固化，使其易操作、易利用，形成知识集群，在计算机中存储、组织、管理和使用。这些知识放在工业领域里，就是工业领域的理论知识、实验数据，专家发现的知识，相关定义、定理、运算法则等等。
知识库里这么多知识，怎么建立知识的联系呢？这就需要知识图谱。用知识图谱来支撑知识库，用可视化的方法进行知识的挖掘、分析、构建、绘制和显示等等。
知识的分类包括知识网络层，知识层，信息层和数据层。计算机首先获取的是数据，从数据中挖掘信息，由信息挖掘出知识，由知识再形成知识网络。知识网络研究最重要的是要把知识建模。
关于知识建模，早在年DEC公司率先采用大型知识系统支持过程和销售。年卡尔维格联合国国际劳工大会上提出了知识管理概念。年，《财富》杂志调查美国家大公司的执行总裁，他们均认为知识是企业最重要的资产。年，《哈佛商业评论》第一次发表了知识管理的论文：脑力。可以看出，我们研究人工智能最宝贵的就是知识工程、知识系统、知识图谱、知识建模。
知识建模有四个趋势与特点：第一个从结构化数据发展到异构化信息；第二个由低价值分析发展到智能化挖掘；第三个从大范围检索发展到个性化推送；第四个从定性化经验发展到大数据定量。
知识建模需要解决的问题：第一是如何整合大量分散、异构的设计知识；第二是如何高效利用已有的设计知识辅助创新设计；第三是如何发现并满足潜在的设计知识需求；第四是如何改进定性化的设计经验知识。
知识建模要解决的问题是异构知识建模，智能知识挖掘，知识推理重用和大数据驱动进化。围绕四项问题陈建荣提出了6项关键技术。
第一个是产品设计知识的多层次关联转换技术，第二个是产品功能语义需求模糊知识获取技术，第三是产品设计知识深度学习智能挖掘技术，第四是基于多粒度演化的知识可拓配置技术，第五是基于多领域应用的知识主动推送技术，第六是大数据驱动的产品知识进化技术。
我们获取知识后，还要生成新的知识，凝练成更高阶的知识。这个过程包括知识获取、知识表达与建模、知识配置与处理、知识导航与进化、知识挖掘、知识集成，与广义配置集成结合，形成了一套可操作的知识建模技术。
知识工程发展的趋势由碎片化知识发展到系统化知识，由知识检索技术发展到知识推送技术，由知识应用技术发展到知识服务技术。那么，知识工程围绕产品设计有哪些关键技术？
我们把设计知识和知识建模结合在一起，开发了数控机床设计知识的建模库，包括机床硬件知识，如工具、量具等，机床软件知识，包括CAD软件，CAE软件，CAPP软件等，以及机床数据资源知识，如工艺数据库、材料数据库、刀刃数据库等等。把这些知识和云模式接入，实现生产设备、机床、加工中心等机床硬件知识资源，再集成到云模式平台上，供大家使用。
我们把人工智能知识工程的技术与产品实际开发、创新结合在一起，成功地实现了应用。比如将技术运用在了电梯产品大批量定制，超大型低能耗空分装备设计制造、高档数控机床数字化设计等等，为知识的应用提供了成功案例。
——END——
加群联系mmhhkdd，请注明单位+职位+姓名。
相关阅读：中国（成都）人工智能产业CEO大会举办，锦江大道机会清单发布热点视频推荐??报告精华
预览时标签不可点收录于话题#个上一篇下一篇