10月22日，由中国科学院自动化研究所和南京大学共同主办，中国智能产业科学技术创新联盟、苏州国家高新技术产业开发区管理委员会、中国图象图形学学会企业联络工作委员会承办，苏州市科学技术协会、苏州科技城管理委员会、中科融合创新加速器、长三角研究院作为支持单位的“2023中国智能产业科技创新大会”在南京大学苏州校区举行。

  中国工程院院士王耀南以《推动数字化的经济高水平质量的发展》为题在大会上作主题报告。那么产业未来发展的新趋势如何？目前面临着怎样的挑战？如何和AI有机结合？围绕相关问题，本期《新视野》对话中国工程院院士、技术与智能控制专家王耀南。

  王耀南，中国工程院院士，机器人技术与智能控制专家，湖南大学教授，机器人视觉感知与控制技术国家工程研究中心主任。中国科协委员、中国图象图形学学会理事长、中国自动化学会会士、中国计算机学会会士、中国人工智能学会会士、全国智能机器人创新联盟副理事长等。曾任国家863计划人领域专家、欧盟第五框架国际合作重点项目首席科学家。长期从事机器人感知与控制技术教学科研工作，成果获国家技术发明二等奖1项、国家科学技术进步二等奖4项、国际IEEE机器人与自动化领域“工业应用最高奖”，省部级一等奖12项。发表国际IEEE等SCI论文200余篇，出版机器人感知与智能控制等著作15部，获国家发明专利90余项，培养博士80余名。

  王耀南院士：首先，要将AI领域的几个关键技术应用于经济产业，一是人工智能的深度学习；二是人工智能的的感知功能；三是人工智能的记忆推理；四是人工智能的联想，包括人工智能的分析判断以及人工智能的智能控制。

  人工智能是一种赋能技术，赋能产业的数字化、网络化和智能化转变发展方式与经济转型。例如将AI应用到智能制造领域，能够最终靠人工智能的感知技术、认知技术和智能控制技术，来控制机器人完成自动化的生产和智能化的转型。

  在农业领域，能应用人工智能技术对育种做多元化的分析。在交通领域，可以对车流量进行监控以解决交通堵塞问题。此外，在智慧医疗、智慧政务及教育等领域都能应用人工智能技术。

  财联社：今年以来，人工智能大模型发展迅速，市场上有关产品层出不穷，您认为未来相关这类的产品发展有何趋势？产品如何在竞争中取得优势？

  王耀南院士：随着ChatGPT的迅速发展，国内企业和研究机构快速跟进人工智能大模型产品的研发，因此我认为要清醒的认识、清醒的应用，并清醒的找准自己的特点。

  第一，要重视人工智能大模型，并且找准应用场景。大模型并非万能，关键是要以问题和需求为导向，来构建AI大模型，以此解决我们的痛点和难点问题。例如针对医疗行业，就要构建医疗大模型，才能更加专业并且更精准的进行治疗。

  而制造业的需求与医疗行业不同，强调“高速、高精、高实时”的制造，就要有针对制造业的轻量化模型，因此要根据不同的应用场景研发具有针对性的大模型，进而解决不同的问题。

  财联社：您认为机器人如何借助AI发展更加智能化？人工智能大模型将对机器人行业发展带来哪些机会？

  王耀南院士：在今年的世界机器人大会上，我以《集群机器人协同制造技术应用及发展的新趋势》为主题作报告，其中我认为集群机器人能和AI大模型相结合。因为机器人是一个特别大的系统，要使用到人工智能大模型通过深度强化学习，来解决多目标、多机器人的优化调度。

  此外，如果要提升机器人的自主性和智能化水平，就要让机器人能够回答人类很多问题，在解决很多人类难以执行的任务时，也可以与大模型有机的结合起来。其中，机器人要做好执行规划，另外大模型要做好决策分析和判断，进而提升机器人的认知能力，这是机器人产业未来发展中，很重要的方向。

  王耀南院士：我个人觉得,AI产业大致上可以分为两类，一是智能产业本身开发各种智能产品，例如开发无人驾驶电动汽车能解决能源问题，其中涵盖了能源、通讯、导航、地图创建、相互连通以及车载安全控制等，因此这是综合性非常强的产业。

  二是人工智能赋能到别的行业，例如农业、工业和医疗等，进而形成庞大的产业。因此人工智能可以向上述两个方向发展。

  此外，目前人工智能发展过程中所面临的困难和挑战非常多，第一，在人工智能的模型、训练的算法以及核心硬件等方面存在痛点。因为在计算的过程中消耗能量较高，所以要找出怎样在提高算力的前提下降低能耗的方案。而如何开发出计算效率高的计算架构芯片，是全世界所面临的挑战性问题。

  第二，要解决现有人工智能模型的可解释性、安全性和可靠性，以及要让大模型在遇到各种复杂干扰时，仍能保证稳定运行。这是一个需要大家继续努力，攻坚克难的问题。

  第三，要解决数据安全性问题，还需要在数据的挖掘、数据分析、隐私以及数据提取方面找出解决方案，要使用有用的数据来训练网络。

  王耀南院士：既然行业面临如此多的挑战，那么就一定要培养好AI人才。近几年各高校陆续开放人工智能专业，培养AI人才。但人工智能的算力人才、算法人才、数据人才以及应用场景人才都要分类培养。也就是需要从基础研究型、技术工程师、应用场景三个维度进行培养。