傳統(tǒng)認(rèn)為，科技工作因其高度的創(chuàng)新性，因此科技工作者很難被人工智能取代。但日前，國際學(xué)術(shù)期刊《自然》發(fā)表的一篇論文吸引了大家的眼球。科學(xué)家們改造了一種汽車裝配線上常見的機(jī)器人，讓它可以在化學(xué)實(shí)驗(yàn)室內(nèi)工作。通過與機(jī)器學(xué)習(xí)算法相連，這種機(jī)器人可以使用和人類化學(xué)家一樣的標(biāo)準(zhǔn)分析儀器，“相當(dāng)于使研究人員而非儀器變得自動化”。同時，由于它和人類體積相當(dāng)，可以在傳統(tǒng)實(shí)驗(yàn)室內(nèi)工作，而無須建立或改造新實(shí)驗(yàn)室。在提高一種聚合光催化劑性能的實(shí)驗(yàn)中，這款機(jī)器人在2～3天內(nèi)便優(yōu)化了反應(yīng)條件，而人類要幾個月的時間才能做到。原因之一，就是這種機(jī)器人采取了激光掃描和觸覺反饋相結(jié)合的方式實(shí)現(xiàn)定位，而不是視覺系統(tǒng)——不用“看”的機(jī)器人無須光亮，因此極大地提高了光催化實(shí)驗(yàn)的效率。研究者認(rèn)為，這個機(jī)器人將在傳統(tǒng)實(shí)驗(yàn)室有更多應(yīng)用。那么，人工智能會取代化學(xué)家嗎？會取代科學(xué)家嗎？本期，我們邀請?zhí)m州大學(xué)化學(xué)化工學(xué)院教授王為，中國科學(xué)院自動化研究所研究員侯增廣，和中國科學(xué)院物理研究所研究員王磊一起來談?wù)勥@個話題。1.人工智能已成為科學(xué)家的好幫手侯增廣（中國科學(xué)院自動化研究所研究員）：簡單地說，《自然》刊登的論文在技術(shù)方面有兩個亮點(diǎn)。一是采用機(jī)器人代替?zhèn)鹘y(tǒng)實(shí)驗(yàn)室的實(shí)驗(yàn)員，克服了光催化實(shí)驗(yàn)人工操作過程中的一些問題。
這個實(shí)驗(yàn)應(yīng)用的就是常見的具有機(jī)械臂的移動機(jī)器人平臺，它連續(xù)運(yùn)行了8天，做了688個實(shí)驗(yàn)。第二個亮點(diǎn)是采用了貝葉斯算法，這是一種基于概率統(tǒng)計(jì)的分類算法，使實(shí)驗(yàn)效率大大提升。機(jī)器人最早在制造和生產(chǎn)領(lǐng)域得到應(yīng)用。目前，在科學(xué)發(fā)現(xiàn)領(lǐng)域，機(jī)器人在精度要求比較高的場景中，如時間精度、位置精度、操作精度等，有了很多應(yīng)用。例如，人工授精要求把精子準(zhǔn)確地送入卵子中，精度要求比較高，這類任務(wù)如果采用機(jī)器人將比人工操作的效率高很多。人工智能的應(yīng)用給科研帶來很多新變化，增加了新可能。比如，采用人工智能方法對數(shù)據(jù)的采集更客觀、分析更準(zhǔn)確。同時，人工智能有強(qiáng)大的計(jì)算能力，能夠發(fā)現(xiàn)人容易忽略的小樣本事件、罕見樣本事件，可能給科學(xué)研究帶來意想不到的發(fā)現(xiàn)。王為（蘭州大學(xué)化學(xué)化工學(xué)院教授）：人工智能如何幫助化學(xué)家？我們首先要理解“化學(xué)學(xué)科”和“人工智能”的內(nèi)涵和外延，判斷它們各自面臨的瓶頸和發(fā)展的方向，再分析它們可能采用什么方式交匯融通。化學(xué)是發(fā)現(xiàn)和創(chuàng)造物質(zhì)的學(xué)科。要解決的基本問題包括：物質(zhì)如何（精準(zhǔn)）創(chuàng)制？物質(zhì)的組成和結(jié)構(gòu)如何？物質(zhì)有什么（獨(dú)特）的功能？上述問題的解決，從根本上講需要對微觀物質(zhì)世界的底層邏輯形成理論體系。
因此，化學(xué)學(xué)科既需要動腦，也需要動手：從發(fā)現(xiàn)和創(chuàng)造物質(zhì)的實(shí)踐中獲得數(shù)據(jù)，從數(shù)據(jù)中總結(jié)新的經(jīng)驗(yàn)和規(guī)律，再從經(jīng)驗(yàn)和規(guī)律中指導(dǎo)未知的、獲得新數(shù)據(jù)的實(shí)踐。簡言之，化學(xué)學(xué)科的發(fā)展需要從微觀到宏觀的多尺度層級上自動提號機(jī)器人系統(tǒng)，高效精準(zhǔn)獲取數(shù)據(jù)、建立數(shù)據(jù)和理論之間的強(qiáng)連接、完備理論體系。新一代人工智能的核心是在大數(shù)據(jù)基礎(chǔ)上將智能問題轉(zhuǎn)化為數(shù)據(jù)問題，其發(fā)展需要三個核心要素的支撐：計(jì)算能力、海量數(shù)據(jù)、數(shù)學(xué)算法。人工智能的基本層級是智能放大和綜合，包括信息的采集、錄入和分析。進(jìn)階層級是智能預(yù)測，即在大數(shù)據(jù)基礎(chǔ)上預(yù)測特定事物的發(fā)生概率。高級層級是智能學(xué)習(xí)，即通過算法上的革新，突破人類的思考模式，在基本規(guī)律下自主地創(chuàng)造機(jī)器的思考模式，從而輸出全局最優(yōu)的結(jié)果。人工智能在化學(xué)領(lǐng)域中的應(yīng)用初見端倪。其對于化學(xué)家的幫助可能表現(xiàn)在以下幾個層級：一是輔助動手，高效獲得數(shù)據(jù)。二是輔助動腦。通過對海量數(shù)據(jù)的分析，人工智能可能預(yù)測出新的物質(zhì)合成途徑、發(fā)現(xiàn)物質(zhì)的新功能、建立新的邏輯連接（構(gòu)效關(guān)系）等。三是針對化學(xué)領(lǐng)域的核心問題，通過深度學(xué)習(xí)（算法創(chuàng)新）和深度自動化，實(shí)現(xiàn)動手和動腦的深度結(jié)合，完成自主創(chuàng)新。以此標(biāo)準(zhǔn)衡量，人工智能在化學(xué)領(lǐng)域中的應(yīng)用還處在起步階段。
《自然》這篇工作的核心亮點(diǎn)是提供了高效獲取數(shù)據(jù)的深度自動化研究平臺，為將來動腦和動手的有效結(jié)合起到示范作用。王磊（中國科學(xué)院物理所研究員）：今天的人工智能已經(jīng)在科研領(lǐng)域給科學(xué)家?guī)砗芏鄮椭Ｎ覀兛梢韵胂螅瑦鄣仙l(fā)明燈芯，要對各種材料不停試錯，如果有這種機(jī)器人的幫助，那可能提早電燈的發(fā)明。其實(shí)，在科研領(lǐng)域有很多類似的應(yīng)用。比如我們中科院物理所，在晶體材料的合成和生長上，就使用人工智能作為輔助。我們所幾輩科研人員在這個行業(yè)深耕幾十年，留下了豐富的實(shí)驗(yàn)數(shù)據(jù)，但都是寫在紙上的。我們把這些實(shí)驗(yàn)記錄數(shù)字化，再“訓(xùn)練”一個識別程序，就能用來預(yù)測晶體能不能長成等。再比如，在材料科學(xué)中，很多時候科學(xué)家們要從材料微觀組成，例如原子排列順序等，來推測材料可能具備的宏觀功能，例如親水性等。通常這個計(jì)算是很復(fù)雜的，需要耗費(fèi)大量時間。現(xiàn)在，人工智能通過“學(xué)習(xí)”之前的計(jì)算結(jié)果，已經(jīng)可以完成這部分工作。當(dāng)然，其準(zhǔn)確性還有很大提升空間。2.什么樣的科技工作者會被替代王為：我的基本觀點(diǎn)是：人工智能在未來會替代重復(fù)性的化學(xué)實(shí)驗(yàn)和測試工作，有可能改變甚至變革化學(xué)研究的范式，但從根本上無法替代化學(xué)家。就獲取數(shù)據(jù)而言，人工智能在預(yù)先設(shè)計(jì)的化學(xué)實(shí)驗(yàn)中表現(xiàn)得更加高效。
相較于人的操作，其標(biāo)準(zhǔn)化程度更高、誤差更小，能幫助化學(xué)家獲得更大量的、標(biāo)準(zhǔn)化的、可對比的數(shù)據(jù)。就數(shù)據(jù)分析而言，相比于人類記憶以及理解數(shù)據(jù)的局限性，人工智能可以更為精準(zhǔn)、有效地收集、分析、整合數(shù)據(jù)，并可能尋找到相應(yīng)的規(guī)律。因此，人工智能有可能在化學(xué)領(lǐng)域的應(yīng)用中率先取得突破，從而改變甚至變革化學(xué)研究的基本模式。而取得突破的先決條件至少有兩點(diǎn)。一是獲取海量數(shù)據(jù)。人工智能的基礎(chǔ)是大數(shù)據(jù)。就機(jī)器學(xué)習(xí)的需求而言，目前化學(xué)領(lǐng)域所能提供的數(shù)據(jù)數(shù)量非常有限、可對比度極低。二是實(shí)現(xiàn)算法創(chuàng)新。基于化學(xué)領(lǐng)域提出的特定科學(xué)問題，在海量數(shù)據(jù)存在的前提下，通過算法創(chuàng)新，突破化學(xué)領(lǐng)域現(xiàn)有的思考模式和理論框架，鎖定多參數(shù)復(fù)雜體系的最優(yōu)解。就此而言，人工智能在化學(xué)領(lǐng)域中的應(yīng)用還有很長的道路要走。侯增廣：人工智能很可能給實(shí)驗(yàn)室?guī)砭薮笞兏铮踔脸霈F(xiàn)無人實(shí)驗(yàn)室。但我認(rèn)為，短時間內(nèi)，人工智能和機(jī)器人不能替代科學(xué)家。我們看《自然》刊登的這個實(shí)驗(yàn)中自動提號機(jī)器人系統(tǒng)，進(jìn)行實(shí)驗(yàn)頂層設(shè)計(jì)的，比如實(shí)驗(yàn)架構(gòu)等，還是科學(xué)家，機(jī)器人和人工智能只不過是人的手和眼的延伸。我認(rèn)為，即便深度學(xué)習(xí)等人工智能方法發(fā)展起來，也不太可能替代科學(xué)家。因?yàn)槿斯ぶ悄苁墙⒃谒惴ㄖ希哪芰Φ墨@取是基于大量數(shù)據(jù)得來的，強(qiáng)大的基于數(shù)據(jù)的計(jì)算能力是人工智能的核心能力。
但人工智能和真實(shí)的生物智能還有很大差距，人從來就不是這么思考的，人類的智能是基于知識、而非基于數(shù)據(jù)的。而這點(diǎn)，人工智能還做不到。比如我們課題組在研究手術(shù)機(jī)器人。在某些方面，它的精準(zhǔn)度比普通醫(yī)生要高。但是人體是非常復(fù)雜的，每個人的情況也千差萬別，遇到復(fù)雜病灶、復(fù)雜障礙如何處理？這點(diǎn)機(jī)器人還不行，比不上經(jīng)驗(yàn)豐富的醫(yī)生。因?yàn)檫@些能力和判斷都是基于經(jīng)驗(yàn)知識的，而非簡單數(shù)據(jù)。王磊：科研中，那些重復(fù)性高的、有固定流程的工作可能被替代。但對于是否能替代科學(xué)家這個問題，我的看法是比較保守的。比如我們物理學(xué)，最重要的是在現(xiàn)象中發(fā)現(xiàn)新的物理定律。但目前的人工智能算法，還看不到能發(fā)現(xiàn)新物理定律的可能，作出創(chuàng)新性發(fā)現(xiàn)的可能性比較小。我現(xiàn)在做的深度學(xué)習(xí)與計(jì)算物理交叉的研究，起碼目前還沒有看到人工智能能夠取代科學(xué)家的證據(jù)。雖然現(xiàn)在也有很多實(shí)驗(yàn)?zāi)M一個環(huán)境，看看人工智能是否能取得重新發(fā)現(xiàn)。比如給人工智能萬有引力定律發(fā)現(xiàn)之前的各種數(shù)據(jù)，看人工智能能不能像牛頓一樣發(fā)現(xiàn)萬有引力定律。有些實(shí)驗(yàn)聲稱獲得了很好的結(jié)果，但仔細(xì)研究這些實(shí)驗(yàn)，會發(fā)現(xiàn)其中有很多可控的空間。因此，我總體認(rèn)為，目前的人工智能做出創(chuàng)造性發(fā)現(xiàn)的可能性比較小。
3.人工智能是否會引發(fā)與人爭工作的倫理隱憂侯增廣：我覺得這方面擔(dān)憂是不必要的。我們借助人工智能和機(jī)器人可以提高工作效率，把人從重復(fù)性的、危險(xiǎn)性的工作中解放出來。這是一種社會的進(jìn)步。當(dāng)然，人工智能的發(fā)展也面臨很多倫理問題，這不可能在一個訪談中盡談。我只能從我所在的這個領(lǐng)域談一個倫理問題的例子：目前的人工智能方法是不能夠保證計(jì)算結(jié)果百分百正確，我們應(yīng)該把什么樣問題的決定權(quán)交給人工智能？如果出現(xiàn)失誤，這個責(zé)任應(yīng)該由誰來承擔(dān)？我們再以手術(shù)機(jī)器人為例。之前說過，人體是十分復(fù)雜的，手術(shù)中會遇到各種各樣的狀況。如果是人做手術(shù)，他很清楚自己能力或技術(shù)的邊界在哪里，什么樣的問題是他不能解決的。因此，可以及時向老師、前輩請教，或者邀請其他科室的大夫來會診。但如果是機(jī)器人自主做手術(shù)，它是按照程序來運(yùn)行的，這個程序不可能包含所有可能發(fā)生的情況，機(jī)器人也不會清楚自己能力和技術(shù)的邊界。那么，在某些程序交由機(jī)器人來判斷和決定的情況下，一旦手術(shù)失敗，這個責(zé)任由誰來承擔(dān)？是算法的研究者，是機(jī)器人的制造商，還是按下操作鍵的醫(yī)護(hù)人員？這是一個值得大家關(guān)注的倫理問題。王磊：每一次技術(shù)的更新?lián)Q代，都會帶來產(chǎn)業(yè)的變化，某些工種可能被替代，從而引導(dǎo)勞動力向不同的方向分流。
我覺得從人類整體的發(fā)展而言，與人爭工作這個倫理問題可能不是最急迫的。我們目前討論更多的倫理問題，是如何讓機(jī)器不“染上”人類的偏見。我們知道，人工智能是基于大數(shù)據(jù)的，這些數(shù)據(jù)集的標(biāo)簽的制備過程都需要人。特別是，原來數(shù)據(jù)集是由人寫的，可能會進(jìn)行克制。現(xiàn)在數(shù)據(jù)集都是互聯(lián)網(wǎng)搜集的，偏見很難避免，比如基于膚色的偏見、基于性別的偏見等。那么，在人工智能的應(yīng)用中，如何在算法中去除這些偏見，是我們要面對的比較緊迫的倫理問題。
未來智能實(shí)驗(yàn)室的主要工作包括：建立AI智能系統(tǒng)智商評測體系，開展世界人工智能智商評測；開展互聯(lián)網(wǎng)（城市）云腦研究計(jì)劃，構(gòu)建互聯(lián)網(wǎng)（城市）云腦技術(shù)和企業(yè)圖譜，為提升企業(yè)，行業(yè)與城市的智能水平服務(wù)。
認(rèn)知智能未來機(jī)器人接口API簡介介紹
· 認(rèn)知智能是計(jì)算機(jī)科學(xué)的一個分支科學(xué)，是智能科學(xué)發(fā)展的高級階段，它以人類認(rèn)知體系為基礎(chǔ)，以模仿人類核心能力為目標(biāo)，以信息的理解、存儲、應(yīng)用為研究方向，以感知信息的深度理解和自然語言信息的深度理解為突破口，以跨學(xué)科理論體系為指導(dǎo)，從而形成的新一代理論、技術(shù)及應(yīng)用系統(tǒng)的技術(shù)科學(xué)。 認(rèn)知智能的核心研究范疇包括：1.宇宙、信息、大腦三者關(guān)系；2.人類大腦結(jié)構(gòu)、功能、機(jī)制；3.哲學(xué)體系、文科體系、理科體系；4.認(rèn)知融通、智慧融通、雙腦(人腦和電腦)融通等核心體系。 認(rèn)知智能四步走：1.認(rèn)知宇宙世界。支撐理論體系有三體（宇宙、信息、大腦）論、易道論、存在論、本體論、認(rèn)知論、融智學(xué)、HNC 等理論體系；2.清楚人腦結(jié)構(gòu)、功能、機(jī)制。支撐學(xué)科有腦科學(xué)、心理學(xué)、邏輯學(xué)、情感學(xué)、生物學(xué)、化學(xué)等學(xué)科。3.清楚信息內(nèi)涵規(guī)律規(guī)則。支撐學(xué)科有符號學(xué)、語言學(xué)、認(rèn)知語言學(xué)、形式語言學(xué)等學(xué)科。4.系統(tǒng)落地能力。支撐學(xué)科有計(jì)算機(jī)科學(xué)、數(shù)學(xué)等學(xué)科。
接口申請官網(wǎng)地址：
·
接口地址(例子)：
·
/Web/.?="++"&msg="+msg+"&ip="+ip
·
用戶端消息內(nèi)容。
·
msg ="你在干嘛呀？";
·
參數(shù)。這個就是網(wǎng)站上申請的
·
="";
·
//客戶端ip,最終用戶端的唯一標(biāo)識（可以是用戶端的IP,或者手機(jī)設(shè)備號，或者微信號或者，qq號碼等能證明身份的唯一標(biāo)識就可以）
·
ip ="";
·
//這里一定要轉(zhuǎn)換編碼。轉(zhuǎn)成GBK。
·
msg = .(msg, "GBK");
·
三個參數(shù)全部小寫
·
msg參數(shù)就是傳輸過去的對話內(nèi)容。
·
msg參數(shù)要編碼成gbk，不然會亂碼。
·
接口具體代碼：
·
ai.nlp..test;
·
java.io.m;
·
java.io.;
·
java.io.;
·
java.io.;
·
.;
·
.URL;
·
.;
·
ai.nlp.util..;
·
class {
·
/**
·
* Get請求，獲得返回?cái)?shù)據(jù)
·
* @param
·
* @
·
*/
·
opUrl( )
·
{
·
URL url = null;
·
