学术大讲堂 | （一）新兴信息技术领域展望（2）

三、新技术的机会和切入点

（一）人工智能领域。

1、智能的四个层次

通常认为智能可以分成四个阶段。

（1）运算智能。这一阶段更多依赖计算资源来获得智能。包括现在的大数据、云计算都属于广义上的运算智能。从应用场景来看，早期IBM推出的深蓝战胜人类象棋选手，背后也是采用暴力搜索的方式。

（2）感知智能。目前的人工智能应用大多属于这一阶段，比如语音识别、人脸识别等。感知智能解决的是人类感官的问题。

（3）认知智能。这一阶段将上升到抽象层面。在这里智能将解决概念、语言的问题，比如自然语言、知识图谱。整体来看，认知智能对于人工智能产业来说还处于非常早期的阶段。目前的感知层智能应用更多的还是使用运算层、感知层的技术来模拟实现的，还没有真正可以实现理解认知的模型出现。

（4）通用智能，即一个和人类更加相似的智能。这一阶段目前看还是一个遥远的梦想，而且可能要和生物神经科学领域技术相结合。

图3-1 人工智能发展的四个层面

2、深度学习的本质和局限

当前的人工智能研究范畴主要集中在深度学习。深度学习是机器学习的一个子类。我们通常习惯于从单一的研究场景来回答这个问题，比如深度学习可以解决但是从宏观来看，我们又该如何回答深度学习能解决什么问题？不能解决什么问题？而且从技术发展角度思考，对“深度学习不能解决什么问题”的回答更为重要。

图3-2 深度学习领域关系图谱

为了理解这个问题，首先需要理解深度学习的本质。事实上，机器学习的本质是寻找分类超平面。深度学习的本质是：从输入的特征空间到输出特征空间找到一个非线形映射，使得特征空间线形可分。通常来说，研究深度学习需要满足几方面的条件，如大量的数据、规律的稳定性等。据此，我们可以来探索深度学习的局限。其实当前深度学习研究存在很多亟待解决的问题，如对数据量依赖的问题、能耗和模型复杂度的问题、通用性——即过拟合的问题（如何让我们的模型有泛化能力，且可解释）、黑盒子的问题（如何评估人工智能的安全隐患如）、应用范围、只能针对固化且稳定规律的问题（如在规律可变的金融领域，深度学习模型适用性较差）。了解这些是为了更好地把握人工智能领域发展趋势，比如我们正在探索的弱监督学习、胶囊网络（初步看其价值在于可以将多个模型、维度进行整合）、深度强化学习（和人的学习过程更加类似）、图神经网络等等。凭借场景需求、数据基础优势，如果能够准确把握技术发展方向，相信我们也可以掌握有价值的、高水平的研究成果。

3、生物神经科学领域的启示

人工智能研究的未来趋势是进一步向人的智能靠拢。通过对人的智能的一些研究，可以发现人的智能和当前机器智能实现差别很大。以当前科学研究较为成熟的“视觉”领域为例可以得到一些启示：在人视觉系统中，图像从视网膜进入后，经过晶状体，经过不通维度的感知单元以及不通维度的处理单元。对比人视觉系统处理图像的过程可知：

（1）现在的计算机视觉是单模型的，但人的视觉系统是多通路处理。多通路的本质是数据的升维。数据升维是指将原始数据按照不同特征提取成几个维度的数据，分别进行处理。人的视觉系统通常会对数据先升维，再整合，再降维，而不是一个简单的输入输出。

（2）人的视觉处理过程是从低级（类似感知层）到高级（类似认知层）多级循环处理过程，不是单一过程。

（3）人的视觉处理过程需要感知（类似神经网络技术）和认知（类似贝叶斯技术）协同工作。

（4）人的视觉是系统化过程，即感知、识别、学习、预测一体化过程。而计算机视觉是将几个环节分离开了。

图3-3 人类视觉系统结构图

更高层的，再来以人脑的结构来认知人类智能。人的智能包括很多层次，从感官引领的初级感知，到神经引领的高级感知。高级感知有多种细胞组合而成，它将输出一个世界图景。和计算机识别图片不一样，人类的大脑看到的不止是一个个像素点，而是包含了人、物体、环境等各种元素的三维模型。高级感知之后，人类大脑还拥有一个认知层，负责做出评价。初级认知会给出第一反应，从而形成情感、体验。进一步的，在第一反应之后人类大脑会通过逻辑推理方式上升高级认知。初级认知出现了矛盾、不合常理的反应，将由高级认知来解决。高级认知会输出决策和注意，之后再上升到人类独有的抽象认知层，通过概念推导形成语言和思维。通过对人类大脑工作原理的初步研究，我们发现目前整个AI的研究还处于一个非常原始的阶段。

图3-4 人类大脑智能处理流程

上述模型可以为基于人工智能的行业解决方案带来一些启示：假设要为公安等行业设计一个通用的人工智能大脑模型，如何将各类智能技术进行整合。如下图所示，模型的输入是物联网。输入信息首先在感知层做边缘处理，之后所有数据进入数据智能层来模拟人类的记忆，接下来再继续进行认知、策略，进而产生行为。当然，有一些边缘智能可以直接触发行为，这一点和人类类似。同时，我们还会在大脑中构建一个世界模型，类似于人类大脑中的世界图景，被称为数据孪生。

图3-5 通用人工智能大脑结构设想

整体来说，人工智能的发展是从弱人工智能到强人工智能的路径。未来，还需在人工智能技术基础上进一步整合多种技术（如神经科学、认知科学等等），来引领未来人工智能的发展。对于电信运营商来说，从技术研究层面，可以在构建行业大脑、认知层、边缘智能（结合5G和物联网）、人机结合领域开展深入研究。

图3-6 人工智能技术未来发展趋势图

（二）区块链领域

这里主要介绍区块链领域的基础问题。

前文介绍过区块链要解决的问题：即分布式系统信任的问题。我们知道Hadoop解决的是分布式系统可用性的问题，它采用分布式系统中经典算法实现在信息可能会丢失、节点可能失效的情况下找到可靠的节点，从而达成一致。不同于Hadoop，区块链系统中，我们假设信息不会丢失，但是节点可能会做假。因此，区块链需要解决分布式系统共识的问题。

图3-7 区块链的商业模式

区块链系统由分布式账本、链式数据结构、时间戳、非对称加密、分布式数据的同步等多种技术共同构建。除了数字货币领域，区块链系统自身的价值主要在于“可以解决交易过程中信用的问题”。信用问题其实是社会发展的本质问题。举例来说，现在有一个区块链应用很流行——区块链发票。发票的本质也是解决信用问题，比如通过酒店发票来证明住宿行为、通过机票发票证明出行时间路程等。区块链技术出现后，是否可以有更好的方式解决这一问题，而不再需要使用发票报销，只需要通过数据上链、自动提取验证就可以实现报销流程。另一个典型的案例是合同，其本质也是信用关系的建立。在未来，如果通过智能合约等软件化方式，是否可以不再需要签署纸质合同？从这些层面看，区块链的潜在价值十分巨大。

此外，在网络方面区块链也有着很多用武之地。华为2012实验室也在探索区块链在网络中的一些应用，他们尝试使用区块链解决底层网络传统的信任问题，包括DNS解析、原地址的挟持、路由解析等。在金融领域也一样，货币的本质也是信用。中央银行发行货币之所以可以流通，也是由于背后有中央银行的信用做担保。未来，如果数字货币可以使用一个技术来做担保，而非一个中心化的机构，那么货币的价值和流通方式是否将被颠覆？

可以看出，信用的问题被解决后，从理论上来讲，人类社会生活的点点滴滴都将被重构，即区块链技术未来可以系统性地影响生活的方方面面。但现阶段， 由于技术的成熟度还没有达到，整个社会还处于被重构的前期。

前面我们提到，区块链技术实现去中心化，所牺牲的是性能。性能等问题是制约区块链技术在全社会推行的主要因素。目前区块链技术一方面具备海量的应用场景需求，另一方面其对于现有社会的冲击、性能制约、能源消耗制约又带来很多挑战。可以说，机遇与挑战并存。未来，相信通过技术的逐渐完善，区块链仍然拥有一个很光明的未来。

从人工智能到区块链，正如前文提及的，创新时代的核心是技术的融合。站在更宏观的角度，我们可以探讨下一代基础设施的演进方向。

在大规模系统的演进中，可以看到区块链、AI、网络等技术的身影。基于此，我们可以设想未来、新一代基础设施的雏形，它可能会包括：自组织标识网络、自组织内容网络、面向数据的同态加密和计算、各类去中心化应用等。这些离散的点如何形成真正的未来基础设施是我们要研究的问题。

图3-8 新一代基础设施的三个转变

未来新一代智能基础设施可以从三个方面来理解：

（1）面向管道连接的网络将转向面向云数据中心的网络。原来的网络本质上是通过管道把计算节点连接起来。未来的基础设施将由线为中心转为点为中心。不同于原来的容器，这里的点可能会是一个数据中心。举一个形象的例子，原来的网络可以理解为沿街店铺构成的商业街，而未来将变成大型购物中心。购物中心所在的商业区和居住区之间通过高速路连接。

（2）从面向终端转向面向内容。我们知道，IP协议地址标识的是终端。但事实上，互联网使用中，用户并不关注终端，而是内容、信息。未来，面向云数据中心的网络将不再面向终端，而是面向内容。用户也不需要知道内容在网络中的位置，而只需要知道要访问的内容是什么即可。因此，可能需要重构一个基于泛在标识的网络。总而言之，未来我们定位的将是信息、价值而不是终端。

（3）未来网络是面向价值交换的网络，而不是现在的面向信息交换的网络。现在的网络，包括购买商品、搜索微博等都属于信息交换。未来网络可以是做价值交换的。

四、目标和任务

基于上述内容，下面从四个方面阐述一下未来我们的发展路径。

1、 明确定位——两个“面向”：面向集团的战略；更高层面的，还要面向国家创新战略。进一步的，将国家、企业的战略诉求相结合。

2、 明确目标——站在行业角度看问题，定一个较高的目标：在局部做到行业领先，输出领先的学术成果；建立国际影响力；通过我们的努力推动中国电信成为国家的创新领先企业；主导产业发展。

3、 明确角色——从0到1：明确核心驱动是创新，进而掌握核心技术，注重自主研发，把核心技术变为应用成果，建立行业平台，在内、外部打造影响力。

图4-1 新兴技术研究所定位

4、明确路径。把握好“从技术预研—自主开发—应用创新—标杆落地—能力沉淀—迭代创新”这一全流程发展路径。不能只研究技术，也需要应用创新、标杆落地来验证技术、证明价值，之后再持续实现能力沉淀。

图4-2 新兴技术研究所发展路径

最后希望所内各个团队之间相互融合、共同促进。彼此的技术、应用、解决方案层面都有需要相互打通的地方。正如今天所介绍的，融合是我们这个时代取得新兴技术研究更大发展的重要条件，未来的时代一定是技术融合的时代。

— 完 —