张钹院士：基于大数据的人工智能
中国科学院院士、清华大学计算机系教授张钹：人工智能的现状与未来
此 ０ ｔ－Ｉ Ｊ、 个 息 肾 ｆＩ ０饥 川
以 ｒ１
例 ， ｌｌ 功 驶 ｉｉ。 址 通 过 数 动 的 、ｊ：：
Ｊ ‘ ， 、 ： ¨场 Ｈ ｜１缘 分制 ．削 圳 址 １一 、ｆ 人 址逊
路 ， ｊ 此址 、 ． 他 ）１
维坝 Ｊ 规 划ｆ 驶路 ．ｆＩｌ
！ 础 ，Ｊ 』【：小 悲ｍＹ｝ 路 Ｆｌ１０ｆ 驶 ，Ｊ ＩＩ‘算 ＬＩＩｆ Ｌ、ｚ
过 数 功 ，Ｊ‘ 术 －Ｊ『ｌ ＿ｉ卜ｒ 种 １ ｆＩＩｆ 人 的 仃 ．然
Ｊｎ ·Ｉ Ｉ 出 Ｉｊｆ 人 戈７１，川 ｆＪｌｆ戏ｊ ｊ 讪 规 ０ １４Ｉｔ『０ Ｊ ， 、ｌ。钾： Ｌ决 策
姚 全 失 效 ｆ Ｊ 的 人 ｆＪｌ划 城 川 Ｌ。 人 饥 刈 ｉ 拽 术 Ｊ 小
欠谜 川 泉水 、卜 ｌ ；人 肌 对 ｉ 火地 址 决 ｆ：Ｊ【 －ｄ人 的
｛１ＩＩ川！ｍ ，【ｎ ｛Ｊｌ 十 ｛ｌｔ÷ Ｉ＿｝ 统 ｆｆ‘＿ｒ ｍ 。 物 ， 炎似 Ｊ＝ ，＼
ｍ ｌｌＰ．’’器 ． 九 ｆｌｌＩ！（划 Ｊ 久的 州 ｝ｔ 深 ｊ逆 、 ： Ｉ！Ｊ［址 ｊ呐 科 、 ：
从 ｆ：Ｉ‘６Ｊ｛。力 牝 ， 人 ｒ 能 ｝】的 Ｊ＿Ｊ 仃 ｌ’： 、 摸 ＿ ｆｌＩ心 ｝｝
（本文根据中国科学院院士
、
清 华 大 学 计 算 机 系 教 授 张 钹 在 ｃ ＥＲＮＥＴ第 二 十 五 届
ｆ｝ｌ５址 外 … 人 捉 … 水 的 ． 人 Ｉ 能 的 ’也… ＩＩ ＩＪ 泛 ，统 ｉｆ 、 ： 学术年会上的演讲内容整理，未经本人审阅；整理：袁玉凝 ）
自 动 驾 驶 主 要 是 通 过 数 据 驱 动 的 学 习 方 法 ，学 习 不 同 场 景 下 的 图 象 分 割 ，判 别 是 车 辆 还 是 行 人 、 道 路 等 ， 基 于 此 建 立 三 维 模 型 ， 在 三 维 模 型 上 规 划行驶 路径 ，但 是自动 驾驶并 不能解 决复杂 路况 下 的 行 驶 问 题 。
张钹院士简历 - 重庆邮电大学计算机科学与技术学院
张钹院士简历
张钹，清华大学计算机科学与技术系教授，中科院院士。
1958年毕业于清华大学自动控制系，留校任教至今。
1980年至1982年在美国UIUC做访问学者。
现任清华大学信息技术研究院指导委员会主任，福建省政府技术顾问，微软亚洲研究院技术顾问等。
张钹教授主要从事人工智能、神经网络、遗传算法、智能机器人、模式识别以及智能控制等领域的研究工作。
在上述研究领域，共发表150多篇论文及4部专著（其中有2部为英文版）。
在过去二十多年中，张钹教授系统地提出了问题求解的商空间理论，包含了多粒度空间中的转换、合成以及推理方法。
这个理论已经成为粒度计算领域中的重要分支，并应用于规划、搜索、机器学习、信息处理等方面。
近年来，他建立了神经与认知计算研究中心以及多媒体信息处理研究组。
该研究组已在图像和视频的分析与检索方面取得一些重要研究成果。
一、清华大学人工智能研究院成立视觉智能研究中心,邓志东教授任中心主任_108
张钹院士致辞2019年6月21日，清华大学人工智能研究院视觉智能研究中心成立仪式暨技术前沿与产业报告会在清华大学FIT楼举行。
清华大学副校长、清华大学人工智能研究院管委会主任尤政院士，清华大学人工智能研究院院长张钹院士出席成立仪式并共同为中心揭牌。
清华大学人工智能研究院院长助理朱军教授主持了成立仪式。
这是人工智能研究院成立的第7个中心，分别如下：知识智能研究中心（李涓子教授任中心主任）听觉智能研究中心（郑方研究员任中心主任）基础理论研究中心（朱军教授任中心主任）智能机器人研究中心（孙富春教授任中心主任）智能人机交互研究中心（史元春教授任中心主任）智能信息获取研究中心（马少平教授任中心主任）视觉智能研究中心（邓志东教授任中心主任）各个研究中心成立过程如下：一、清华大学人工智能研究院成立视觉智能研究中心，邓志东教授任中心主任2019年6月21日，清华大学人工智能研究院视觉智能研究中心成立仪式暨技术前沿与产业报告会在清华大学FIT楼举行。
清华大学副校长、清华大学人工智能研究院管委会主任尤政院士，清华大学人工智能研究院院长张钹院士出席成立仪式并共同为中心揭牌。
清华大学人工智能研究院院长助理朱军教授主持了成立仪式。
尤政院士致辞尤政院士在致辞中指出，人工智能不仅是当代科技前沿，更是各国战略竞争的制高点。
人工智能正在对经济社会发展和人们生产生活产生巨大的影响，也在学术界、科技界和产业界掀起了研究与应用的热潮。
视觉是人类认识客观世界的主要途径, 人类感知的外部信息80%以上来自于视觉，这个比例也与目前全球视觉人工智能创新企业的占比基本接近。
一方面，缺乏更新一代视觉人工智能基本方法的创新研究是走不远的；另一方面，应用层面的创新落地如果没有视觉人工智能的支撑，也很难想象。
视觉智能研究中心是清华大学人工智能研究院整合资源、推动视觉人工智能核心技术突破与产业融合创新的一个重要举措，也是人工智能研究院成立的第7个中心。
希望视觉智能研究中心加强与产业的跨界深度融合，重点开展可信安全的机器视觉理论及其关键技术的研究，通过与产业细分应用场景的结合，力争在智能制造和智能辅助医疗上获得创新性应用，满足国家重大战略需求与经济社会发展需要。
张钹院士简介
张钹院士简介清华大学计算机系教授，中国科学院院士。
1935年出生，福建福清人。
1958年毕业于清华大学自动控制系，同年留校任教至今。
1980年至1982年作为访问学者在美国伊利诺依大学从事人工智能研究。
现任清华大学人工智能研究院院长。
曾任清华大学学位委员会副主任委员、清华大学信息科学技术学院学术委员会主任、“智能技术与系统”国家重点实验室主任、国家“863”计划自动化领域机器人主题专家组成员、中国自动化学会机器人专业委员会副主任及智能控制专业委员会主任、《计算机学报》副主编等职。
1995年当选中国科学院院士。
长期从事人工智能、人工神经网络和遗传算法等理论研究，以及这些理论在模式识别、机器人和智能控制等领域的应用研究。
在人工智能理论方面，系统地提出了问题分层求解的商空间理论；解决了不同粒度空间描述、相互转换及计算复杂性分析等问题；提出了多层信息综合、不确定性处理、定性推理、规划与搜索等新的原理与模型，有效地降低了计算复杂性。
在人工神经网络方面，系统地分析了典型神经网络模型，给出了该网络各项性能的定量结果；提出一种自顶向下新的人工神经网络构造性学习方法，有效地提高了它的性能。
在上述领域，共发表论文100余篇，中文专著两部，英文专著两部。
先后获ICL欧洲人工智能奖，国家自然科学三等奖，国家科技进步三等奖，教委科技进步一等奖、二等奖，电子部科技进步一等奖，国防科工委科技进步一等奖。
还获得全国优秀科技图书奖暨科技进步奖（科技著作）一等奖，中国优秀科技图书一等奖，两次获教委高校出版社优秀学术专著特等奖。
1991年获北京市优秀教师称号，还多次荣获国家科委颁发的个人“金牛”奖、“为国家重点实验室做出重大贡献的先进工作者”等奖励。
中国科学院院士张钹：我们正处在AI算法不可控的危险状态
中国科学院院士张钹：我们正处在AI算法不可控的危险状态8月19日，2022世界机器人大会主论坛正式开幕，期间，有三位院士到场，就“未来机器人：目标、路径和挑战”的主题进行了一场深刻的谈话。
三位院士分别为中国科学院院士，清华大学计算机系教授、清华大学人工智能研究院名誉院长、人工智能国际治理研究院学术委员会委员，微软亚洲研究院技术顾问的张钹；中国工程院院士、机器人技术国家工程研究中心主任，辽宁省科学技术协会主席，北京邮电大学自动化学院王天然；中国科学院院士，中国科学院自动化研究所研究员、机器人理论与应用专家乔红。
“短短一个小时内，三位机器人领域的顶尖专家就人工智能与机器人的区别、智能机器人的未来、为什么要人机共融、机器人目前面临的伦理思考等多个话题进行了探讨。
人工智能与机器人的区别在会上，张钹提到，第二代人工智能的算法是利用深度神经网络和对数据的训练来形成人工智能的，而纯粹靠数据驱动的方法必然不可解释、不可靠，因此即使机器人的智能还很低，但人工智能算法的不可控仍然可能使人类处于危险状态。
在很多人的印象里，“机器人”和“人工智能”好像是两个不分家的概念，甚至于现在的机器人只要一被提起，就自带“智能”的先天属性。
然而，在张钹看来，机器人和人工智能是两个完全独立的领域。
“最明显的一点，它们的目标完全不同。
人工智能是用机器来模仿人类的智能行为，追求的是机器行为与人类行为的相似性，甚至是越相似越好；而机器人则是为了协助人类完成一些本来是由人来完成的任务，追求的是完成任务或者人类信任。
”张钹说。
而在这个以机器人为核心主题的世界机器人大会上，张钹也详细科普了机器人的三大主要研究内容：1.执行结构；机器人的目的就是要（在物理世界里）完成任务，所以必须要有执行机构，这种机构可以是仿真动物，也可以建立在电机和齿轮传动的基础上。
而这项内容在人工智能领域中就不一定要做。
2.能源；尤其是针对移动机器人，高效的能源是关键问题。
张钹院士：人工智能当前最大问题，不可解释和不可理解
张钹院士：人工智能当前最大问题，不可解释和不可理解这是一场没有悬念的比赛。
5月27日，中国棋手柯洁与人工智能AlphaGo展开三番棋比赛的终局对决。
历经3个多小时的对弈后，柯洁投子认输。
至此，柯洁连输三局完败。
这场比赛在很多人看来，在科学价值层面已经失去看点。
因为，人类在某些方面不如人工智能早已不新鲜，倒是未来人工智能发展中的新挑战也许更值得关注。
人工智能有哪些问题需要解决？未来发展趋势如何？本报记者专访了中国科学院院士、清华大学教授张钹，共同探寻人工智能接下来的种种可能。
人工智能为何近些年大显身手？人工智能（Artificial Intelligence），英文缩写为AI。
从1956年的美国达特茅斯会议算起，明确提出人工智能的概念并开始科学与技术的研究已有61年。
张钹院士从1978年就开始研究人工智能，在他看来，人工智能实际上是让计算机模仿人类的三种功能。
第一种是模仿理性思考，包括推理、决策和规划等，属于人类的高级智能，或者叫逻辑思维。
第二项是模仿感知，对周围环境的感知，包括视觉、听觉、触觉等。
第三项是模仿动作，包括人类手、脚和其它动物的动作。
此外，情感、灵感和创造性等也在研究之列，但相对来讲，进展要小一些。
人工智能模拟大脑神经元网络的某些工作机理，即人工神经网络（ANN），早在上世纪60年代就问世了，为何近些年才开始大显身手？这主要取决于以下三个要素有了长足进步：第一、多层神经网络（深度网）与其相应的有效学习算法，即深度学习算法；第二、大数据；第三、计算资源（计算能力的提高）。
最初并没有把AlphaGo放在眼里由于围棋的复杂度远比象棋高，因此这两种棋类下棋的方法有本质的区别。
下象棋与下其他棋类一样，靠的是推理、预测，即往前看几步。
围棋由于复杂度太高，不可能依靠推理与预测，主要靠“直觉”，即“棋感”与经验。
由于过去大家没有认识到这种区别，采用编写象棋程序的同样方法来编制围棋程序，其结果是围棋程序的下棋水平很低，至多达到业余4-5段的水平，根本不是职业围棋手的对手。
计算机发展与科教兴国——专访中国科学院院士、清华大学张钹教授
未 来 的半个世 纪 中仍将 继 续 保 持 。值 得 一 提 的是 ， 随着 计 算 机 硬 件 性 能 的 提 高 ， 价 格 反 而 成 指 数 其
下降。
硬 件 的提升 使计 算 机 体 格 强 壮有 力 ， 软件 的创 新令计 算机 如 虎 添翼 。这 其 中有 两个 人值 得 铭 记 ：
是他首 先把 机器 码 编程 变 成 高 级 编程 ， 得软 件 有 使
了一个 本质 性 的变 化 ； 一 个 是 比 尔 ・ 茨 ， 的 另 盖 他 远 见卓 识成就 了微 软 的 诞 生 和发 展 ， 使 软 件 变成 并
一
史上计算速度最快的工具 。每秒钟 １ ０ 万亿次 的 ６ ２ 峰值速度 和每秒 ５ ３ １ 亿次 的 Ｌｎａｋ实 测性 ６． 万 ｉ ｅ ｐ 能， 中国成为继美 国之后世界上第二个能够 自主 使 研制千万亿次超级计算机的国家。
这个 速 度 意 味 着 ， 果 用 “ 河 一 号 ” 算 一 如 天 计
高到 １ 次／ ， ０ ｓ存储 密 度 从 １ ｂ／ｎｈ 高 到 １ ０ ｉ ｉｃ 提 ｔ ０
ｂ ／ｉｃ 传 送 速 度 从 １ ｂｔｓ提 高 到 １ ｂｔｓ ｉ ｎｈ ， ｔ ０ ｉ ／ ０ ｉ 。 ／ 纵 观计 算 机 的 发 展 可 以看 出 ， 算 机 从 诞 生 之 时 计
起， 其硬 件性 能指 标 满 足指 数 增 长 ， 合 摩 尔 定律 ， 符
一
棋、 作古诗 、 谱曲等 ， 但是计算机硬件使用这些程序
之后 ， 便有 了学 习 和推 理 能 力 。计 算 机 通过 从 数 据
库 中学 习 的 ６ 万种 棋局 ，０几 万行 古诗 ，０几 万 ０几 ２ ４
个是 提 出 Ｆ Ｒ Ｒ Ｎ高级语 音 的 Ｊｈ Ｂ ｃ ｕ ， ＯＴＡ ｏ ｎＷ． ａｋ ｓ
中国科学院院士 清华大学计算机系教授张钹 中国人工智能奠基者之一
中国科学院院士清华大学计算机系教授张钹中国人工智能奠
基者之一
本刊编辑部
【期刊名称】《中国高新科技》
【年(卷),期】2024()5
【摘要】大师档案张钹,男,1935年生于福建省福清市。
清华大学计算机系教授,中国科学院院士,清华大学人工智能研究院名誉院长。
2011年被德国汉堡大学授予自然科学名誉博士,获2014年度CCF(中国计算机学会)终身成就奖、2019年度吴文俊人工智能科学技术奖最高成就奖。
他从事人工智能、人工神经网络和机器学习等理论研究,以及模式识别、知识工程和机器人等应用技术研究,在上述领域发表学术论文200多篇,出版了5部(章)专著。
其科研成果获ICL欧洲人工智能奖等。
此外,他是智能技术与系统国家重点实验室创建者之一,并于1990-1996年担任该实验室主任。
【总页数】2页(P5-6)
【作者】本刊编辑部
【作者单位】不详
【正文语种】中文
【中图分类】TP1
【相关文献】
1.计算机发展与科教兴国——专访中国科学院院士、清华大学张钹教授
2.基于科学素养的机器人教育与人才培养\r——访清华大学人工智能研究院院长张钹院士
3.中国科学院院士、清华大学计算机系教授张钹:\r人工智能的现状与未来
4.人工智能,从过去到未来--记中国科学院院士、清华大学人工智能研究院名誉院长张钹
5.中国工程院院士、清华大学计算机系教授郑纬民:人工智能大模型训练硬件软件都面临挑战
因版权原因，仅展示原文概要，查看原文内容请购买。
人工智能：后深度学习时代的走向
人工智能：后深度学习时代的走向作者：来源：《科学家》2016年第14期鲁迅的文章和人工智能会有联系吗？在中国科学院院士、清华大学教授张钹看来，答案是肯定的。
在鲁迅的一篇文章中，当孩子满月的时候，凡是说孩子将来会发财、做官的，都得到了主人的感谢或恭维，而唯一说出事实——“孩子将来是要死的”的人遭到了一顿合力的痛打。
张钹开玩笑说，在当下人工智能大跃进的局面下，既要说实话，又不想挨一顿合力的痛打，是需要勇气的。
尽管如此，“我还是既要把人工智能的优点和成果说够，也要把它存在的问题说透。
”在10月20-22日于山西太原举行的2016中国计算机大会（CNCC2016）上，和张钹有同样勇气的还有其他一些人工智能领域的“大咖”。
他们将问题的核心，都指向了人工智能在后深度学习时代的走向。
“弯道超车”还是又一个日本“五代机”作为我国计算机领域目前规模最大、级别最高的学术会议，创建于2003年、由中国计算机学会（CCF）主办的中国计算机大会一向是业内人士畅所欲言的舞台。
虽然今年CNCC2016的主题是“计算改变未来”，但人工智能却成了事实上的焦点。
“今年不管开什么会、谁组织、在哪里开，只要和人工智能挂上边，都很火爆。
”中国科学院副院长、中国科学院院士谭铁牛对人工智能当下的热度深有感触。
不过，作为人工智能专家，他深刻地意识到，“与其说人工智能火，不如说是深度学习火。
”从技术上来看，深度学习就是“很多层”的神经网络。
而神经网络实质上是多层函数嵌套形成的数学模型。
事实上，在深度学习出现之前，人工智能已经经历了两次热潮。
在此期间，日本于1981年提出第五代计算机研究计划，并为此投资了540亿日元。
当时，人工智能研究的先驱者之一爱德华·费根鲍姆认为，这项计划即使部分实现，也将产生巨大经济利益，使日本占有市场，并夺得统治地位。
美国如不自强，事态将极为严重，在超工业化社会中只能处于农业大国的地位。
然而，最终这一计划还是以失败告终。
《人工智能清华大学》课件
清华大学人工智能 科研成果转化
清华大学人工智能研究院：负责科研成果的转化和推广 清华大学科技园：提供创业孵化和投资支持 清华大学校友会：提供校友资源和人脉支持 清华大学与政府、企业合作：共同推动科研成果的转化和应用
案例：清华大学研发的智能 语音助手“小冰”，已广泛应 用于手机、智能家居等领域
清华大学人工智能研究院在自然语言处理、计算机视觉、机器学习等领域取得了重 要成果
清华大学与国内外知名企业合作，推动人工智能技术的应用和发展
清华大学在人工智能领域的研究成果多次获得国际奖项和认可
学科历史悠久，底 蕴深厚
师资力量雄厚，拥 有众多知名教授和 学者
科研实力强大，拥 有多个国家级重点 实验室和研究机构
清华大学在人工智能领域的研究：清华大学在人工智能领域有着深厚的研究基础和实力，特别 是在自然语言处理方面，有着许多重要的研究成果和突破。
研究方向：图像处 理、模式识别、计 算机视觉等
研究内容：图像分 类、目标检测、图 像分割、三维重建 等
研究成果：在CVPR 、ICCV、ECCV等顶 级会议上发表多篇 论文
清华大学人工智能 未来发展
加强人工智能基础 研究，推动人工智 能理论创新
建设人工智能创新 平台，推动人工智 能技术应用
培养人工智能人才 ，推动人工智能产 业发展
加强人工智能国际 合作，推动人工智 能全球发展
自然语言处理：研究语言理解和生成技术， 提高机器与人类的交互能力
计算机视觉：研究图像和视频识别技术， 提高机器对环境的感知能力
清华大学举办 了多次国际人 工智能学术会
议和论坛
清华大学与国 际知名高校和 企业开展了多 项人工智能领 域的联合研究
项目
跨学科融合：人工智能与其他学科的交叉融合，培养复合型人才 实践导向：注重实践能力的培养，提高学生的动手能力和创新能力 国际化视野：加强国际交流与合作，培养具有国际视野的人才 产学研结合：加强产学研合作，培养适应市场需求的人才
张钹巜开讲啦观后感
张钹巜开讲啦观后感张钹一上台，就自带一种学者的气场，但又不是那种让人望而生畏的严肃。
他讲的内容可真是干货满满。
你知道吗，他讲人工智能那些事儿的时候，我感觉自己就像个刚进城的小迷糊，啥都新鲜。
他把那些高深的概念，像什么算法啦、人工智能的发展历程啦，讲得就像在唠家常。
我本来觉得人工智能离我挺远的，就像是天上的星星，只能远远看着，可他这一讲，就好像给我搭了个梯子，我能凑近去瞧个明白了。
他还特别会用例子，就说人工智能在生活中的应用吧。
他举了智能语音助手的例子，我一下子就有了画面感。
我想到我自己有时候对着手机喊“Siri”或者“小爱同学”，原来背后有这么多复杂的东西在支撑着啊。
这就好比看魔术表演，以前只知道惊叹魔术师好厉害，现在张钹就像是那个揭秘的人，让我看到了魔术背后的机关，特别有趣。
而且呢，张钹在演讲里还透着一股对未来的憧憬和对年轻人的期待。
他讲着那些科技的进步，就好像在给我们描述一个超级酷炫的未来世界。
我都感觉自己像是被点燃了小宇宙，心里想着，我是不是也能在这个人工智能的浪潮里扑腾两下，搞出点啥名堂呢？他鼓励年轻人去探索这个领域，那感觉就像一个老船长在对着一群小水手说：“前面有个神秘的小岛，上面全是宝藏，你们赶紧去探索吧！”整个演讲过程中，我一会儿跟着他深入思考人工智能带来的伦理问题，比如机器人会不会取代人类的工作啦，一会儿又被他描绘的未来智能生活的美好场景给吸引。
他就像是一个知识的导游，带着我在人工智能这个神秘又充满魅力的领域里畅游了一圈。
看完这个演讲，我不仅对人工智能有了更多的了解，更重要的是，我觉得自己看待这个快速发展的科技世界的眼光都变得不一样了，就像戴上了一副新的眼镜，看啥都更清晰、更有趣了。
开讲了张钹观后感
开讲了张钹观后感一开场，张钹院士往那一站，就感觉自带一种学术大佬的气场，不过呢，他一张嘴说话，又特别亲切，就像隔壁很有学问的爷爷在跟你唠嗑一样。
他讲人工智能的时候，那可太有趣了。
我原本以为人工智能就是那种超级高大上，离我们生活有点远的东西。
结果张钹院士用特别通俗易懂的例子就给我们讲明白了。
他说的那些就像把我这个外行人直接带到了人工智能的世界里溜达了一圈。
比如说他讲人工智能怎么学习的，就跟我们人学习似的，得看好多东西，然后慢慢总结规律。
我就想啊，原来那些智能的小机器人背后还有这么多的门道呢。
而且啊，他在讲人工智能的发展前景和面临的挑战的时候，我就在那儿跟着一会儿充满希望，一会儿又有点小担忧。
希望的是，哇，以后人工智能能给我们的生活带来那么多的便利，什么医疗、交通之类的都会变得超级智能。
担忧的呢，就是像张钹院士说的，万一人工智能要是失控了可咋整。
我就感觉自己好像也成了参与这个伟大科技发展进程中的一份子，在思考这些大问题呢。
张钹院士还讲了自己搞科研的那些事儿。
我这才知道，原来做科研不是那种一帆风顺的，就像我们在游戏里升级打怪一样，到处都是关卡。
他们要做实验、失败、再做实验，就这么不断地循环，还得一直保持热情和好奇心。
我就特别佩服他，要是我做一件事失败个几次，估计就想放弃了，可人家院士能坚持那么多年，那得是多强大的内心啊。
看完这一期节目，我感觉自己对科学的那种敬畏之心更重了。
以前觉得科学离我很远，现在就觉得科学就在身边，而且我们每个人都能在科学发展的浪潮里找到自己的位置。
哪怕咱不是科学家，也能像张钹院士说的那样，多了解科学知识，用科学的思维去看待生活中的事儿。
反正啊，这一期节目就像给我打了一针科学的“鸡血”，让我对这个充满科技感的世界又多了几分热爱和探索的欲望呢。
张钹巜开讲啦观后感
张钹巜开讲啦观后感
一开场，看到张钹院士那和蔼可亲的模样，就觉得特别亲切，完全没有那种超级大学者的距离感。
他一站在台上，就像是带着满满的知识宝藏来跟咱分享的亲切长辈。
张钹院士讲人工智能的时候，那可真是把一个特别高大上、让人觉得神秘莫测的东西给说得明明白白。
他举了好多特别有趣的例子，就像是在讲一个特别科幻又特别接地气的故事。
比如说，他提到人工智能在图像识别上的应用，我就想到了手机里那些能自动识别照片里是猫还是狗的软件，原来背后有这么多深奥的原理啊。
以前我就觉得人工智能嘛，就是那种特别酷、特别遥远的东西，像电影里统治世界的超级电脑一样。
但听院士一讲，才知道它其实已经渗透到我们生活的方方面面了。
院士还讲到人工智能发展面临的挑战。
这时候我才意识到，这玩意儿可不是一路开挂，想怎么发展就怎么发展的。
他说到数据的准确性和安全性这些问题的时候，我就在想，可不是嘛。
就像我们在网上填一些信息，如果被乱七八糟地乱用，那可就麻烦了。
人工智能要是在有问题的数据基础上发展，那得出的结果肯定也是歪七扭八的。
而且院士在讲的时候，特别强调年轻人在这个领域的责任。
我当时就觉得热血沸腾的，好像我也能为人工智能的发展做点什么似的。
虽然我可能不是专门研究这个的，但就像院士说的，我们每个人在生活中对待科技的态度，对新事物的学习热情，都可能会影响到整个科技发展的大环境。
张钹院士谈模式识别面临的挑战
张钹院士谈模式识别面临的挑战2017年11月25日，由模式识别国家重点实验室、中国自动化学会模式识别与机器智能专委会、中国人工智能学会模式识别专委会联合主办的模式识别与人工智能学科前沿研讨会在中科院自动化所学术报告厅成功召开。
会上请九位知名专家（谭铁牛院士、张钹院士、李海洲、徐波、李远清、唐杰、张长水、徐雷、刘成林）分别就学科不同方向的发展现状与趋势做了学术报告。
在会议最后自由讨论环节，专家与现场听众进行了互动交流。
下面是第二个报告的讲话要点，由杨红明、张煦尧记录整理。
清华大学张钹院士做了题为“模式识别面临的挑战”的报告。
在报告中，张老师列举和分析了在深度学习背景下模式识别领域所取得的新突破与新进展，同时也指出了当前模式识别中存在的问题和局限，并用一些实例形象生动地进行了展示和介绍。
同时，张老师从人工智能方法论的角度出发，结合自己的具体工作，从理论和实践上深入分析了造成这些问题背后的深层原因。
最后，针对当前模式识别中存在的主要问题，张老师不仅给出了一系列建议与解决方案，也介绍了关于这些问题的一些具体工作和进展。
在报告开始，张老师首先指出模式识别是深度学习的最大受益者，并列举了深度学习在模式识别问题中的成功应用与取得的重大突破，例如图像识别（2015年12月17日在ImageNet图像库上，微软图像识别系统的误识率低于人类: 人类: 5.1%, 机器: 4.94%）、语音识别（百度的中文语音单句的误识率低于人类: 人类:4.0%, 机器: 3.7%）、计算机围棋程序（AlphaGo2015年10月至今围棋程序实现三级跳）等。
接下来，张老师着重解释了为什么围棋程序AlphaGo属于模式识别问题。
在AlphaGo之前，围棋程序面临的主要问题是棋局状态的描述以及评价函数的定义。
过去有人想出用电场的方式描述棋局，大都采用人工的方式定义评价函数，但这些方法取得的结果都不理想，得到的围棋程序只达业余水平。
而AlphaGo只花了两年时间就实现三级跳，从业余到专业又到世界冠军，后来又大大超过世界冠军，最主要的创新就是把围棋盘面的描述、评价和决策问题作为模式识别问题来处理。
什么是真正的人工智能？如何走向真正的人工智能？
什么是真正的人工智能？如何走向真正的人工智能？
6 月29 日，清华大学研究院院长张钹院士在2018全球人工智能与机器人峰会（CCF-GAIR 2018）主会场“AI 前沿技术”作了题为“走向真正的人工智能”（Towards A RealArtifitial Intelligence）的大会报告。
张钹院士首先简述了报告的中心思想：我们现在离真正的人工智能还有一段很长的路。
针对目前人工智能取得的成果，他认为主要包括四方面的因素：一是大数据，二是计算能力的提高，第三是有非常好的人工智能算法，第四是所有的成果必须建立在一个合适的应用场景下。
然后，张院士指出，现在的人工智能是没有理解的人工智能，智能体现在推理能力上，但是现在的对话系统推理能力都很差，离真正的智能还很远。
现在的人工智能基本方法有缺陷，我们必须走向具有理解的人工智能，这才是真正的人工智能。
而要走向真正的人工智能，有理解的人工智能，是一条很漫长的路。
在人机对话的过程中，机器之所以不能理解人们提出的问题，是因为机器没有常识推理能力。
针对这一问题，张院士研究团队通过建立一个常识图谱，用这个图谱帮助理解提出的问题，同时利用常识图谱帮助产生合适的答案。
。
张钹国家需求决定科研方向
龙源期刊网 张钹国家需求决定科研方向作者：来源：《科学大观园》2019年第20期张钹最初的梦想是做一名科学家，但最后却在组织的安排下留校任教，在搞好教学的同时，张钹不放松科研，随着时代的发展不断调整着自己的科研方向。
57年执教生涯、61载清华岁月、培养近70名博士研究生、80岁高龄，作为清华大学智能技术与系统国家重点实验室的主要奠基人，张钹促成了实验室的诞生，引领了实验室的发展，见证了实验室的每一个重要时刻。
1935年，在福建省福清县，张钹出生在一个书香门第。
他的祖父张纲为前清贡生，担任过福清县农会会长，并创办了小学，父亲张瑞樵也是投身教育事业的爱国人士。
1953年，张钹参加全国高考，以数理化三门满分的优异成绩被清华大学录取，就读于电机系电机与电气制造专业。
1956年，中国制定了“国家十二年科学技术发展远景规划”，重点开展原子弹、核武器和火箭的研制。
国家要求清华大学增设新专业，以培养专业人才与师资力量。
学校决定从当时的电机系三年级学生中，挑选出优秀的学生组成新的年级，于是张钹进入飞行器自动控制专业学习。
1958年作为新中国第一批该专业优秀毕业生留校任教，从此，清华大学成为他事业的舞台。
张钹最初的梦想是做一名科学家，但最后却在组织的安排下留校任教。
尽管与他原来的理想与志向有所出入，但他积极面对，努力适应。
新的专业与张钹想象中不同，当时的飞行器自动控制专业刚刚筹建，各方面条件都比较差，既缺乏资料，又没有设备，主要靠向苏联专家学习，听专家的课、由专家指导毕业设计等。
由于课程内容涉及军事应用，保密要求高，上课需要听课证，下课后还要把大家的笔记本全都留下来，学习受到很大的限制。
尽管条件不好，但张钹还是学有所成。
1959年2月，张钹刚刚参加工作半年，教研组就安排他给四年级的学生开设飞行器自动控制的课。
这门课的课程内容他并不熟悉，且课堂容量有100多名学生，仅有的知识也是几个月前刚刚从苏联专家那里学来的，听课的学生只比他低一两个年级，他所承受的压力可想而知。
论机器人颜值的重要性
论机器人颜值的重要性
“双眸剪秋水，一手弹春风，歌尽琵琶怨，醉来入梦中”，这首五言绝句的作者并不是人，而是机器。
记者从昨日举行的《科学与中国》院士巡讲活动之深度学习与人工智能院士论坛上了解到，伴随着大数据以及深度学习的技术进步，如今的计算机可能比你想象中更聪明。
大数据和深度学习让人工智能“复苏”
什幺叫人工智能？它是计算机科学的一个分支，通过了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
计算机科学与技术专家、中科院院士张钹在讲座中表示，人工智能的研究曾经历过“寒冬”，现在“复苏”的很大一部分原因与大数据有关。
有了大数据后，在很大程度上提高机器的逻辑思维和创作性能。
他以机器作诗举例，“比。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
比如在图像识别（微软）和语音识别（）领 域机器都超过了或略低于人类深度学习成功的三大法宝 数据 计算资源 算法
AlphaGo用了两个多星期的时间，学了7千万局 棋局。最好的棋手一生中所下的棋局是百万级， 而AlphaGo下过的棋局是几十亿级的。 除了数据和计算资源之外，AlphaGo能够在两三 周里学到几千万个棋局，靠的是学习算法，它自 己能自己下棋，靠的是强化学习算法，
和国际先进水平相比，中国的人工智能处于什么位置?
看起来
这几年，中国在学术研究方面取得很多进展，在重要 的国际会议、重要的期刊杂志上，中国论文也占了相 当的比重。中国有数量庞大的网民，在网络数据上占 有相当优势的地位，中国市场需求巨大
实际上
在基础、算法的研究上，中国和世界顶尖水平还相差 甚远。人工智自1956年诞生至今，一直是美国在引领 人工智能领域的发展。 美国和加拿大等国的科学家还在不断的创新，如果我 们不重视基础/算法理论研究，要赶上或超过世界的先 进水平是有困难的。
基于大数据的人工智能
---张钹院士| 首届世界智能大会 2017
张钹 1935年3月26日出生于福建福清，计算机科学与技术专
家，俄罗斯自然科学院外籍院士、中国科学院院士，清华 大学教授、博士生导师。现任清华大学人工智能研究院院 长。 主要从事人工智能理论、人工神经网络、遗传算法、分 形和小波等理论研究；以及把上述理论应用于模式识别、 知识工程、智能机器人与智能控制等领域的应用技术研究
• 鲁棒性差
今后的方向----人机合作
• 人机合作的关键
– 机器如何理解人。
• 自然语言理解：机器可以听懂人类用自然语言发的 命令
– 人如何理解机器
• 深度学习导致的机器的不可理解性：深度学习建立 的系统，实际上跟人的思路很不一样。 • 为什么机器的思路跟人不一样：因为机器要用专业 的语言处理任务。 • 比如机器怎么识别猫：它只是从一些局部的特征， 局部的纹理来识别，而不是从猫的整体。机器要取 得整体的特性是非常困难的，所以它都是在利用局 部特性，在一个特征空间里去认识猫，和人认识猫 的角度完全不同，
满足四个条件机器才能超过人类
• • • •
人工智能在解决以下类型问题时，不管问 题多么复杂，都可能做到甚至超过人类的 水平。 （1）有充足的数据（或知识） （2）完全信息 （3）确定性 （4）单领域。 只要符合这四个条件，并且依靠深度学习 的三大法宝基本都可以达到或者超过人类 的水平。
下一步怎么办 • Google《一个模型可以学所有的任务》：在一个 网络里，一个模型里同时学习了八项任务，包括 机器翻译，图像识别，图像解释等。并得出结论： 这些任务之间不仅不会互相干扰，在一定程度上 还略微有帮助。 • 目前北美还在引领这些发展，如果中国只低头用 深度学习去解决应用问题，要达到引领是不可能 的。 • 人工智能现在做不到举一反三，人工智能现在学 习的是举一百反一。我们要解决小样本甚至零样 本学习的问题
深度学习并非万能 • 需要大量的样本。有些问题很难获取很多样本 • 推广能力差。不能举一反三 • 不可理解性。深度学习建立的系统，实际上跟人的思路
很不一样
为什么机器学习的效率这么低
• 不理解性
– 要让计算机认识一只猫，就要用各式各样的样本在不 同背景下的猫去训练它，而且只有跟它相近的背景、 相近的角度拍下的猫它才认识，如果背景变了，猫拍 摄的角度变了它也不认识了，所以这是它的一个根本 性的问题，它不理解。
基于大数据的深度学习 深度学习的提出，在人工智能领域中是一个重大 突破。
以往，人工智能只能用来解决人们对它非常了解，而 且能够清楚的将它表达出来的问题，深度学习拓展了 人工智能所能解决问题的边界。
深度学习具有一定的通用性
深度学习是一种大众化的工具，它大大延展了每个人 解决问题的领域，只要拥有这个领域充分的数据就能 够做研究。
如何利用深度学习
深度学习时代依靠的是数据，计算机在向量空间 处理数据。缺点是做出来的东西是不可理解的， 跟人的做法完全不同。 • 研究方向
– 寻找中间量，即“语意的向量空间”
• 两大任务
– 如何把文本符号的东西变成向量 – 如何将数据向量空间提升到语意中
总结 • 深度学习不是我们的突破，深度学习只是 展示了突破的希望，因为深度学习并没有 构造真正的智能。 • 重点是如何突破将来人工智能要解决的基 础和关键性问题，而不仅只是低头跟随性 的应用深度学习。 • 只有从这点上着手，我们才有可能实现在 人工智能领域追赶、超过甚至引领的目标。