8月30日至31日，由中国高科技产业门户OFweek、中国高新网主办的中国（上海）国际人工智能展览会科技协会，由OFweek人工智能网主办。
OFweek（第二届）人工智能产业大会在上海跨国采购会展中心成功举办。
本次大会汇聚了数千名来自人工智能领域国际知名企业高管、资深行业专家、专家分析机构的精英，以全新视角剖析行业动态，解读人工智能领域最值得关注的学术和研发进展今年国内外。
。
在30日主论坛：人工智能技术专场上，德国汉堡科学院院士张建伟向观众发表了主题演讲，并从人工智能当前发展现状等多个角度进行了详细讨论、人工智能未来挑战与发展策略。
德国汉堡科学院院士张建伟表示，人工智能技术发展迅速，计算能力较过去显着提升。
它已经渗透到人们生活的方方面面，包括制造、交通、医疗、农业、建筑等。
张建伟在演讲中还表示，“人机融合”给人们带来了很多机遇，也带来了挑战，例如：如人才培养和跨界融合。
当今是人工智能和机器人发展最好的时代。
只有产学研融合，在人工智能和机器人各个垂直领域合作共享，才能在新平台上实现创新突破，才能实现人工智能卓越的未来。
以下为张建伟先生现场演讲内容。
OFweek人工智能网整理整理，不改原意：大家下午好！首先，我对OFweek上海人工智能展表示热烈的祝贺。
今天我给大家做一个关于“AI赋能，人机融合”的主题演讲。
首先，我回顾一下当今人工智能为何越来越受欢迎、人工智能技术在各个垂直领域的应用前景及其发展重要性。
最后总结一下人工智能未来带来的挑战和发展策略。
今天，人类对未来的生活有很多要求。
除了人工智能技术之外，新材料、VR、机器人、可穿戴设备等新技术的发展也给未来的生活方式带来了新的挑战。
刚才几位专家谈到了计算能力的问题。
如今人工智能技术所提供的性价比算力已经是我三十年前在清华大学学习计算机专业时的一万倍了。
目前，从大数据技术的发展来看，它已经从手工数据处理逐渐演变为半自动处理、自动数据分类和自动决策。
大数据技术的发展为人们应对未来生活场景带来了新的机遇，包括智能工厂、无线人性化智能制造，以及智慧社区等交互场景。
当前，我国把人工智能作为下一代重点发展领域，需要人们更加努力地抓住机遇。
刚才讲了安全技术在自动驾驶中的应用。
事实上，未来的制造业、交通运输、医疗、农业、建筑等都存在巨大的机会。
以制造业为例。
目前，中国的制造成本正在逐步上升。
未来如果没有人工智能的帮助，大多数大型制造工厂很可能会迁移到印度等制造成本相对较低的国家。
所以人们现在面临的问题是如何统一表达三个空间：人类空间、物理空间、计算机人工智能理解的空间。
国家自然科学基金委还新增“人机融合”研究项目。
我有幸与丁涵院士共同协调这个研究项目，目前已进入第三个年头。
未来可能会应用于智能制造、康复机器人、空间作业、智能安防等多个领域。
当前新一轮人工智能热潮得益于机器学习带来的新动能。
除了DeepLearning之外，我们还有其他几种重要的强人工智能学习方法，包括基于符号的、基于分析的、基于贝叶斯的。
并且基于动态进化，所以人工智能未来的方向实际上是深度学习和符号知识融合的发展趋势。
从机器学习的发展方向来看，通常所说的CPS系统最先应用了机器自动化技术。
随着软件数据的增加，驾驶过程中监督学习逐渐加强。
在模拟人脑、视觉、听觉、触觉方面，人们逐渐将人工智能计算算法转化为人工智能控制算法和硬件，并简化深度学习。
从图像处理的角度，我给大家举几个央视《优才》节目中的例子。
例如，人脸识别面临哪些挑战？刚才的报告提到了高带宽、高动态显示、模糊图像识别等。
这里所说的人工智能系统还达不到强人工智能的标准。
在第一集《机智过人》中，林警官利用自己强大的人类智能来理解面孔，在孩子的想象中画出了一个模糊的图像，并利用这个图像成功地瞄准了孩子的父母。
这种深度学习和未来知识外推的能力正是从弱人工智能到强人工智能所需要的。
从大图像识别的角度来看，医疗行业的人工智能已经可以与更高级别的医生竞争。
比如在医疗诊断、特殊疾病诊断方面，人工智能现在已经可以超越人类医生。
但从通用诊断的角度来看，人工智能距离成为真正的人类医生还有很长的路要走。
此外，深度图像识别还可以应用于其他领域，例如手机扫描识别任意种类的植物、基于大数据的文本学习等。
例如，微软小冰写诗。
微软小冰阅读了超过30万首现代诗歌，并赋予了它新的形象，它可以根据主题谱写优美的诗句。
另一种是单一模式培训。
从网上下载撒贝宁两个小时的说话声音，用他的声音进行单模态训练，模拟真实的声音，也可以用于唱歌。
但未来真正的深度融合并不是那么简单。
CPS系统除了感知方面的应用外，更重要的是物理世界的应用。
如何真正用好“人机融合”技术，将人工智能变成可解释、透明的强人工智能，是目前最大的难点。
人工智能和通信设备为传统CPS系统插上了翅膀，在很多情况下可以在不增加其机电系统复杂性的情况下实现更丰富的功能。
如前所述，人工智能已经从应用技术走向应用场景。
深度学习、跨模态学习、强化学习、人脑建模、心理模型、知识表达等一些基础研究项目都是应用技术。
人们还将人工智能技术加入到感知系统、机器人、自动驾驶、智能制造系统关键模块、定位导航、人机安全等领域。
最终与人们衣食住行的制造深度融合。
这就是人工智能的应用场景。
目前，我们启动了中德两国历史上最大规模的人工智能基础项目合作：跨模态学习。
你可以看到多传感器融合和多模态交互的技术进步，以及未来的交互形式，从键盘到语音到图像，最后全面融合。
这可能是未来机器人和电子电气通信的方式。
在这个过程中，如何将人类空间、物理空间和计算机人工智能理解的空间融合起来是一个严峻的挑战。
考虑到多模态信息表达和整个框架的融合，我们考虑以多模态交叉的形式进行自上而下的控制。
利用深层脑科学和心理学方法研究未来人工智能的基本算法以及如何构建公共模块。
我还写了几本关于机器人和深度学习的书，从移动机器人到各种机械臂以及整个智能系统中的常用模块。
“机智”计划中有几个例子，如何将整个感知和驱动整合到一个系统中，人类和机器人如何打篮球比赛，如何利用视觉技术感知快速移动的球等等。
这些挑战超出了深度学习的范畴。
学习。
但目前在动态环境下，人工智能机器人与人类的差距仍然很大。
其次，在多智能体合作方面，通过智能无人机与三人操作的遥控飞机的竞争，可以在飞行过程中自动锁定目标，然后跟踪，最后撒网捕获目标，展示未来多智能体之间的相互交互。
合作场景。
现在机器人也可以互相学习。
通过相互学习，它们可以快速满足机器人展现新智能的要求，包括自动识别、自动喷洒农药、农业自动收割等，这些都表明人工智能已经从简单的识别和感知进化到系统的全面智能。
操作。
我们还规划了与欧盟合作的科研项目中的移动机器人，如移动运营服务、机器人与老人互动、室内外机器人互动场景、服务机器人协助老人和残疾人的应用等。
。
此外，深度学习与机器人相结合，让服务机器人能够表达人类的多种基础知识。
例如，在学校图书馆的服务场景中，机器人收到学生的借书指令，最终为学生取了两本书。
在这个不断学习的过程中，人机交互所需的时间越来越短，机器人和环境模型的标定也越来越准确。
现在所谓的持续学习技术是继深度学习和强化学习之后。
除了普通的输入输出学习模式外，还利用各状态节点和决策系统的价值评估来进行持续学习。
索尼最近发布了新一代索尼机器狗，它采用了持续学习技术，这表明现代机器人已经开始从强化学习向持续学习发展。
迁移学习也是迈向强人工智能的重要方法，可以让机器学习变得更加强大。
例如，我们自主研发的动态行走机器人，从教其在平地上行走到教其在凹凸不平的地面上行走，从多模态操作的角度实现了基于触觉和视觉的灵巧操作。
未来的机器人实验将变得更加有效和灵巧。
。
此外，人工智能在医疗和康复方面的应用还有很多，比如用药自动化、机器人手术、机器帮助患者实现术后康复等。
除了医疗场景，我们看一下以下场景。
这是一款结合了被动和主动抛光模式的新型抛光机器人。
这是我们制作的高性能自平衡机器人，将其改造为柱状装置，最后通过多模态学习和控制理论将其变成创新产品。
未来的工程医院和工程维修也对我们的人工智能平台和机器人应用提出了重要的挑战。
“人机融合”给我们带来了很多机遇，同时也给我们人才培养、跨界融合带来了很多挑战。
我们现在正处于人工智能和机器人技术最好的时代。
我们要产学研结合，在新平台上实现创新突破。
最后祝愿大家在人工智能和机器人各个垂直领域有更多的合作与分享，共同成就人工智能的美好未来。