人工智能需创新发展

一、中国人工智能的真实现状

       发展人工智能的重要性已众所周知，可叹的是中国至今没有自己的人工智能通用算法。目前，在全国上下使用的人工智能通用算法是外国的Deep  Learning  深度学习DL。因深度学习DL本身存在无法克服的一些严重缺陷，连发明人Hinton教授都从2017年开始多次宣布放弃深度学习DL，要推倒重来。

       从学术上看，深度学习DL因比以往的人工智能算法较先进，在人工智能发展史上占有一代新算法的位置和有一定技术贡献。在应用场景不太复杂的如：图像识别、人脸识别、语音识别等，深度学习DL还是有一定的应用效果，但远没有达到现在宣传的那样有神奇效果。反而因深度学习DL存在可解释性差、鲁棒性弱、泛化能力不强、推理能力欠缺等严重缺陷让越来越多的专家和用户失望。举深度学习诸多缺陷中的可解释差为例：专家们指出用深度学习DL训练机器学习，有时机器会将受训练所学的山体识别成狗，究其原因还得不到解释。更危险的是，因深度学习DL有黑箱存在，随时会出现计算机被停机的错误，后果难料。

       对于存在如此严重缺陷的深度学习DL，以美国公司为首的国际垄断公司却看到深度学习DL需要无穷的算力，有很大的出售他们大容量服务器的商机，就开始炒作深度学习DL。其中，最引人注目的商业炒作是：2016年的大吹大擂机器人Alphgo战胜人类最佳围棋手的包装宣传。其实，在该机器人中实际只用了约占30%的很少的深度学习DL，主要还是事先存储的大量的围棋规则库起了作用。但是，为了商业利益，垄断公司有意掩盖真像，向公众大肆神化深度学习DL，一时深度学习DL名声大噪，给人造成无所不能的错觉。

       同时，这些垄断公司又投入巨资开发出一些简单应用场景的深度学习DL开源软件，可让用户很快照猫画虎地应用。特别是，别有用心地采用各种方式和渠道，大量快速培训出深度学习DL的技术人员。在掀起的人工智能热潮中，在很短时间，这些深度学习DL的技术人员纷纷走上了国内各部门、各单位的人工智能的相关负责岗位，形成全国上上下下几乎清一色的独尊深度学习DL的掌控我国人工智能发展的领导和专家队伍。

      国家多年来在不断号召大力发展具有国际战略竞争意义的人工智能，可各地和各单位却出现领导和专家们以不惜投入巨资大力推动深度学习DL做响应的怪现现象。所以，在美国卡中国高技术脖子的清单中，看不见列有人工智能。由此，行业外的人士可能会认为中国的人工智能已很先进了，卡不住中国人工智能脖子了。其实，中国根本就没有人工智能算法，是没有脖子需要卡！令人奇怪的还有，明明全国都在用外国的深度学习DL，没有中国自己的人工智能算法，却从不见政府主管部门、研究单位的领导和专家们如同重视研发操作系统、高端集成电路一样站出来疾呼，要发扬研制两弹一星的精神，集中全国力量争取早日研发出人工智能通用算法。

二、自律学习SDL是逆流的创新发明

       中国是没有自主知识产权的人工智能通用算法吗？实际中国早就研制出功能远超深度学习DL的人工智能通用算法，只因得不到产业化，不能被广泛推广使用。

Self Discipline Learning自律学习 SDL就是我们中国嵌入式系统产业联盟理事、阿波罗日本株式会社和天津市阿波罗信息技术有限公司首席科学家顾泽苍博士（中国籍）在业界首先发表论文指出深度学习DL存在的一些严重缺陷，并基于自己在日本从事三十多年的人工智能积累的经验早在2018年就独自发明出来的。自律学习SDL完全是针对在我国人工智能占主流的大模型、大数据、大硬件的深度学习DL算法存在的严重缺陷，逆流发明没有深度学习DL诸多严重缺陷的小数据、小模型、小硬件的在性能和用途都大大超过深度学习DL，具有中国知识产权的新一代人工智能通用算法。

       自律学习SDL是于2018年8月18日举办的《北京世界机器人大会》的我们联盟主办的“新一代人工智能创新发展论坛”上，由顾泽苍博士亲自正式发布。（最初曾称为自组织学习、超深度学习）

       为显示自律学习SDL的优势功能，顾泽苍博士选择可以代表人工智能最复杂和最高应用水平之一的自动驾驶，做为自律学习SDL的首个应用展示项目。顾泽苍博士带领他的二十几人的小技术团队，应用他发明的自律学习SDL，仅用不到二千万的很少资金，在不到一年的短时间内，就研制出自己的自动驾驶汽车，在技术上超过目前世界所有研制自动驾驶的单位采用深度学习DL，投入数以亿计的巨资，组织庞大的技术队伍，经许多年才研制出的自动驾驶汽车的最高水平。

      经多年不断在实践中改进提高，顾博士团队已成熟掌握四项领先世界自动驾驶水平的技术：

1、目前只有顾博士团队用顾博士发明的 自律学习SDL已在自 动驾驶的三个感知、决策和控制功能上全部用人工智能实现。其他团队用深度学习DL只在自动驾驶感知功能上在实现人工智能。

2、目前只有顾博士团队不用激光镭达（车顶上的大鼓包）研制出自动驾驶汽车的高效安全的感知系统。美国特斯拉团队的自动驾驶感知系统虽然也不用激光，但采用的是深度学习DL，不但识别率低，而且事故频出。

3、目前只有顾博士团队用自己发明的 自律学习SDL 实现自动驾驶控制功能采用人工智能，可在 180 米的小半径的弯道上，他们的无人的驾驶汽车能以每小 时 80 公里的速度行驶。其他单位的研制的自动驾驶汽车，在直线道上最快的行驶速度才是50-60多公里。用人工智能控制自动驾驶汽车在弯道高速行驶的技术难度是非常大的。

4、目前只有顾博士团队可去掉自动驾驶汽车上的中央工控机，实现全模组自律分散的分布式控制自动驾驶，每个模组都有自律学习SDL实现独自的功能。模组间依靠以太网的链接，做到全系统低频信号传输， 避免了传感器的高频信号在引线过长时受到干扰，显著提高了行车安全。分布式控制的自动驾驶还有很多优势，在此就不多述。

      中国现有世界上最多的研发自动驾驶的单位，这是中国人工智能的一个怪现象。现在有越来越多的人工智能专家发文指出深度学习DL存在严重缺陷和安全隐患。试想，一旦用户知内情，有多少人愿冒险，驾驶采用深度学习DL研制出来的自动驾驶车呢？很明显，因不能完全去掉深度学习DL存在的严重缺陷，在自动驾驶上应用深度学习DL是原始性的错误。

       但是，为什么国内还有很多单位投入几十亿、上百亿的资金在研发自动驾驶呢？因为，已有一些研发自动驾驶的单位在研发自动驾驶所投入的钱，经过包装和炒作在股市和其他各种奖励和补贴等方面已名利双收。还有一些用深度学习DL研发自动驾驶的单位，虽然没有收回投资，但已经投入了很多资金，因不好向投资商交待等种种难言的原因骑虎难下，还拒绝试用自律学习SDL，甘愿耗着。由于，国内外领头的大投入的研发自动驾驶的单位还都没完成自动驾驶，技术人员以此为由堂而皇之拖着，反正技术人员拿着高薪又不需担责，何乐而不为。单位领导担心停止研发可能产生重大后果，也只能无奈地继续供着自动驾驶的研发。

顾泽苍博士用SDL研制自动驾驶不是为了批量生产自动驾驶汽车，而是在没有专家认可自律学习SDL的情况下，不得已想通过研制出世界领先的自动驾驶汽车，以事实证明自律学习SDL优势远远超过深度学习DL，寻求资金和社会支持，以实现自律学习SDL产业化，供国内外人工智能技术人员和用户在本行业、本单位的场景应用。

三、自律学习SDL算法的无助、无奈的发展环境

       四年来的自律学习SDL的推广应用所遇到的怪现象，不仅出现在研发自动驾驶的单位，在我国人工智能产业发展中也不少。比如：凡在深度学习DL应用上已投大资金和已获得名利的单位和人士中，都有既得利益人不愿看到被他们推崇的，已带来利益的深度学习DL存在的严重缺陷被人知晓，在有意无意地在阻碍优于深度学习DL算法的新的人工智能算法的出现和替代深度学习DL可能。

       更难以让人理解的是，为推荐自律学习SDL我们联盟找过国家有关部委的人工智能的部门、学会、协会，一些著名的研究院、实验室、大专院校、国有企业、民营企业、上市公司、投资单位和院士、专家、教授等专业人士。这些单位和人士一知道自律学习SDL是针对深度学习DL存在的严重缺陷发明的，有应用案例可证明其功能和应用范围超过深度学习DL，请他们给以验证或评论时，都是非常礼貌地回避，都回绝对自律学习SDL做深入了解和表态。所找的投资公司，也因没有专家给进行技术论证，自然也都不投资。

       常说：如果认为大家都错了时，应该考虑是自己错了。但是，在中国人工智能产业出现的怪现象，可让人感觉不是这样。因为，国家和各级政府都为促进我国人工智能的发展每年都投入了巨资扶持，发布了发展规划和制定出一系列政策给以支持，结果却没有相应的回报，这与国家大力扶持集成电路的结果差不多。

2018年11月，为加快推动我国新一代人工智能产业创新发展,落实《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，工信部发布和举办了《新一代人工智能产业创新重点任务揭榜工作方案》活动，还在中央电视台的《新闻联播》隆重做了宣传。我们联盟以顾博士发明的自律学习SDL与一汽的启明信息技术股份有限公司联合从《揭榜工作方案》选“视频图像身份识别系统”做了申报，按活动要求经一汽总公司批准报到工信部。我们还去工信部的有关处做了项目汇报。最后，该活动经主办单位组织专家评审，评出的入围方案都是用深度学习DL的方案，没有用其他算法的方案。即为揭榜，应允许不同技术参与才有比试意义，都一样的技术就达不到通过揭榜发现和支持人工智能创新算法的目的。同样，近年来在全国上下举办的各类评比、竟赛、选优、推荐等促进人工智能发展的活动，都是独宠深度学习DL，都在捧深度学习DL唱独角戏。

2019年8月，为推动我国人工智能技术创新和产业发展，科技部制定了《国家新一代人工智能开放创新平台建设工作指引》。科技部启动建设了十五家国家新一代人工智能开放创新平台，所树立起的典型是：“自动驾驶（百度）、城市大脑（阿里云）、医疗影像（腾讯）、智能语音（科大讯飞公司）、智能视觉（商汤集团）、视觉计算（上海依图）、营销智能（明略科技）、基础软硬件（华为）、普惠金融（中国平安）、视频感知（海康威视）、智能供应链（京东），图像感知（旷视）、安全大脑（360）、智慧教育（好未来）、智能家居（小米）。”然而，这些企业所用的人工智能，都是追崇外国深度学习DL。三年过去了，国家隆重建设的这些新一代人工智能开放创新平台中，现在有哪个平台已经发挥重大作用了。一个也没有。

一个创新的发明技术从发明到实践检验，再到推广应用是很难的工作。其中实践检验和推广应用工作，在我国比技术发明本身还更难和还更费时。自律学习SDL发明出来并取得实践成果后，非常需要通过媒体进行宣传。但是，媒体要求为防止有广告嫌疑，在介绍创新技术的文章中不能出现发明单位、发明人和发明技术的名称，这还怎么有宣传效果呢？可同样是人工智能算法，在国家和政府的文件中，在一些地方政府的有关规划中，在一些媒体上深度学习DL却大量出现，还要求组织大力支持和广泛推广使用。为什么对国内外的人工智能算法是如的此厚薄不一呢？

由于政府有关部门的文件和资料、专家和技术人员们大力宣传和支持深度学习DL，甚至提出深度学习DL是我国人工智能的主体等引导性概念，在一些地方政府文件和社会人士中已形成深度学习DL与人工智能等同起来的错误认识，造成以为大力宣传推广应用度学习DL就是在响应国家号召大力发展我国人工智能的盲动行为，浪费了大量的人力和物力。

由于深度学习DL是大数据、大模型、大硬件的算法，在加上有黑箱等安全隐患，在占计算机应用的95%以上的工业控制和嵌入式系统中几乎不能应用。在计算机应用的剩余不到5%的场景中深度学习DL也很难应用。这是深度学习DL本身的缺陷限制了应用场景就很少，可是，近日科技部等六部委联合发通知要求创新人工智能场景，但深度学习DL场景少这是不能克服的现实问题，不是通过政府多部门联合发通知就能创新出大量场景。但是，又一次突显政府有关部门对深度学习DL的大力支持。

在这样独崇深度学习DL的我国人工智能环境中，外国的深度学习DL人为地牢牢地束缚和极大地阻碍着中国自主可控的人工智能通用算法的创新和发展。四年来，顾博士发明的中国自主知识产权的人工智能自律学习SDL，遭到冷遇和得不到支持就不见怪了。

四、自律学习SDL算法的技术先进性

清华大学人工智能研究院院长张钹院士指出：“行业崇尚深度学习，但它本身的「缺陷」决定了其应用的空间被局限在特定的领域——大部分都集中在图像识别、语音识别。而目前深度学习似乎已经到了瓶颈期，就算财力和算力仍在不断投入，但深度学习的回报率却没有相应的增长。目前基于深度学习的人工智能在技术上已经触及天花板，此前由这一技术路线带来的『奇迹』在 AlphaGo 获胜后未再出现，而且估计未来也很难继续大量出现。”

     近日，中国工程院陈左宁原副院长介绍了人工智能模型和算法发展的七大趋势：

趋势一、向无监督的方向发展。

趋势二、可解释（XAI）越来越重要。

趋势三、人工智能的自学习、自演化。

趋势四、多种算法、模型的有机结合。

趋势五、人工智能应用需求需要关注全生命周期。

趋势六、分布式、分散式的需求越来越突出。

趋势七，深度推理。

陈左宁院士提出的人工智能七大发展趋势，做为当前人工智能主流的深度学习DL都不具备，理应尽快淘汰和替代。

近日，顾博士也介绍了他发明的新一代人工智能通用算法自律学习SDL具有的七大特点。自律学习SDL的七大特点具体如下：

特点一、是超越无监督机器学习，超越自监督机器学习的，已跨越到自律学习的模型。

特点二、完全可以解释的，不通过组合训练数据，不一定需要GPU的赢家加速，可以根据应用自己搭建所需要的模型结构。

特点三、在自律机器学习模型下，可使模型不需要人的介入自动的处于最佳的范式。

特点四、打开深度学习DL的黑箱，搞清不为人知的内在机理，做到多种模型的优势融合，可使机器学习获得最大的泛化能力。

特点五、分布式，分散式的机器学习系统。是由大量的小的自律机器学习模型构成的概率空间自律聚类的大的机器学习系统。

特点六、具有深度机器感知，深度机器理解与深度决断的机器意识能力。

特点七、可在深度学习不能的工业控制、智能終端等嵌入式系统广泛应用。

自律学习SDL的七大特点与陈左宁院士介绍的人工智能模型和算法发展的七大趋势高度符合，理应尽快扶持发展和推广应用。

值得一提的是，正是自律学习SDL的这些特点是我们中国嵌入式系统产业联盟发现本联盟理事、顾泽苍博士发明的自律学习SDL和四年来坚持不懈地宣传和推广自律学习SDL的主因。自律学习SDL的发明和应用，将使无处不在的嵌入式系统从第一代分立元件时代、第二代软件编程时代、第三代专用芯片时代、引入第四代人工智能时代。

目前、对于顾博士自己独立发明的颠覆性自律学习SDL优势，因为在顾博士没有做系统的技术宣传和培训之前，没有也不可能有专家做出全面客观的论证。自律学习SDL的先进性，完全可通过自律学习SDL在自动驾驶上和在其他项目上的应用效果进行验证，事实是最有说服力的科学认证。

五、自律学习SDL算法的产业化

大模型、大数据、大硬件的属于人工智能仿生派的外国的深度学习DL已主导人工智能领域多年，广为认知；但已显现出严重缺陷，开始引发社会上产生人工智能又要从高潮走入低谷的议论。

小模型、小数据、小硬件的属人工智能算法派的中国的自律学习SDL刚进入人工智能领域四年，鲜为认知；但已显现出技术优势，可以扭转由深度学习DL产生的这次人工智能热出现大降温趋势，将会替代深度学习DL引领这次人工智能热继续向高潮发展。

自律学习SDL要能担起人工智能的主流使命，必须要实现产业化。首先自律学习SDL要在广泛应用中检验得到业界认可，需要在社会广泛宣传让大众知晓，需要经培训让大量用户都能简便使用和用好，需要及时提供满足用户需求的升级产品和服务等等。

要实现自律学习SDL产业化还要有许多工作要做，如研发和完善在自动驾驶和其他更多领域的应用案例、编辑出版教材和实验指导书、研制自律学习SDL的模组和技术应用开发板、组织自律学习SDL技术教学和应用培训班、开展应用成果交流和评定、制定有关技术标准和人才技术水平认证体系、在模组应用经验基础上研制自律学习SDL的世界第一个人工智能算法的“智力”集成电路芯片、研究和推出自律学习SDL的升级版本等等。这些产业化的工作凭一个企业之力是无法完成的，需要更多的企业和单位参与，需要广泛借助社会资源才有可能完成。调动社会资源的最有效形式就是充分发挥我国制度的优势，由政府出面组织社会资源投入，才能达到集中力量办大事的目标。

人工智能是关系到国家技术发展的战略大事，因此需要政府出面组织和支持。创建新一代人工智能产业化基地，应是政府对自律学习SDL产业化支持的最好形式和抓手。

以研究和推广应用自律学习SDL、促进自律学习SDL产业化为目标所创建的新一代人工智能产业化基地应包含有:新一代人工智能研究院、孵化器、教育培训中心等等利于促进自律学习SDL产业化的组织机构。各地政府在创建各种高新技术产业园已有很多成功经验和实例，在创建新一代人工智能产业化基地中能发挥很大作用。

当前，由于深度学习DL存在的严重缺陷，使已在深度学习DL做出大投入的各级、各地政府和各单位及人士们处于很被动地位，也严重地影响我国人工智能的发展和应用。建议国家有关部门及时关注和支持自律学习SDL的研制和技术认证工作，尽快确认自律学习SDL的技术优势后，大力开展自律学习SDL的推广应用工作，并积极组织社会力量构建自律学习SDL的产业化基地，尽早实现自律学习SDL的产业化。

只有自律学习SDL完成产业化时，自律学习SDL才可完全替代深度学习DL成为全国乃至世界人工智能的新主流算法，不仅可创造出巨大的经济和社会效益，也可为国家赢得国际人工智能竟争的高地。

顾博士现年老、体弱、多病，已决定在日本养老。顾博士希望他发明的自律学习SDL能在中国落地，能在祖国建设中发挥作用。如果他发明的自律学习SDL能在国际人工智能竟争中为国争光，也可实现他以此回报祖国的多年夙愿。顾博士期望国内有关政府能接承完成自律学习SDL的产业化，他愿给以全力支持，各种合作方式都可商洽。