亚太人工智能学会2022中国东部人工智能高峰论坛成功举办(2)

最后黄教授引申到对生命科学与生物医药研究的思考，提到了三维基因组与DNA绑定位点预测研究、各种RNA数据与疾病关联研究、生物医学图像与疾病机理研究、人工智能与生物医疗等方面，并阐述了医疗人工智能的七大应用场景：医学影像、辅助诊断、疾病预测、药物研发、健康管理、医院管理、医学研究等。IEEE会士、IET会士、国家杰青、东南大学自动化学院副院长、东南大学首席教授李世华教授就“机电系统建模、分析与智能控制”进行深入分析。

李教授长期做机电系统控制方面的研究，指出在复杂环境下，各类机器、设备对信息处理的智能化要求越来越高，包括多元信息融合、包括机器学习的算法，做自主决策、自主调度、自主控制等等。李教授的研究定位主要在控制理论与应用结合方面，即能够在对不同实际控制系统特性分析的基础上，针对性地设计先进的、工程实现性好的控制算法。目前也已经取得了比较多的研究成果，比如围绕家电系统的控制（壁挂炉温度控制）、电动两轮/三轮车控制，传统的交流伺服系统、单轴多轴的机器人系统、新能源电力电子变换器系统等机电系统的控制进行研究，构建了一套完整的机电系统的时频域建模、系统分析和先进控制一体化设计方法体系，能够明显提升机电系统的动态性能、稳态精度和抗干扰等闭环性能，提供参数自动智能整定，不同工况参数自适应、谐振抑制、无传感器控制、故障诊断等高级智能功能。

最后李教授重点剖析了3个案例，分别是港口轮式吊车全自动无人化作业案例、海上液化天然气装卸臂对接作业案例和永磁同步电机的无位置传感器算法研究案例（即无传感算法）。国际欧亚科学院院士、脑信息与决策分析专家、浙江工业大学教授、中国技术经济学会神经经济管理学专业委员会主任、中国管理科学与工程学会名誉副理事长、浙江大学神经管理学实验室创始人马庆国教授“广义机器学习：框架、科学问题、难点与鸿沟”的报告。马教授首先介绍了什么是广义机器学习（机器学习是指人工神经网络从数据中学习，而广义机器学习是指机器视角的“从实践中学习”，即机器参照人从实践中学习）。

关于如何学习，马教授提到一种是智能机器的“受学习”，即策略/行为通过工程师调整程序被发展和被进化；另一种是智能机器“自主学习”，即机器首先要感知工作中的“人-机-环”的变化，其次要理解“人-机-环”的变化（人是通过概念和事物的对应关系+群体共识来理解外界的，机器则通过对应关系+通讯协议来理解外界），再次要自主产生应对变化的策略/行为。如何产生应对策略/行为呢？对于曾经出现过的变化，智能机器是可以通过历史经验找到应对策略的，但是遇到没有出现过的变化时，似乎就无解了，这也是人工智能和人的智能的天然鸿沟，因为机器从实践中学习只能在数理逻辑中施展，无法学习HI（人的智能）的非数理逻辑的部分。所以，现在AI界有一个说法，从“感知智能”到“认知智能”，问题是“认知智能”里的非数理推理的部分，AI如何习得？是目前AI面临的一个技术难题。