107周年校庆之际电子系OCR研究组举行人工智能创新研讨会

清华新闻网5月6日电 英国官网365 107周年校庆之际，电子工程系智能图文信息处理研究室——这个曾经从80年代开始从事OCR等人工智能课题研究逾三十余年的研究团队，邀请校友返校，在FIT大楼，就人工智能创新问题进行研讨。有来自国内和国外的校友30余位参加了会议，就各自工作的体会，就当前迅速发展的人工智能事业进行了热烈的讨论。

黄晓非博士在演讲中

会议由刘长松副教授主持，丁晓青教授致欢迎词。该室1990年博士生黄晓非同学从美国回来做了有关智能原理的报告，腾讯优图实验室医疗AI总监郑冶枫同学、2003年博士生李同治同学分别介绍了自己在人工智能方面的研究成果。刘长松副教授介绍了近年来研究室在智能识别等方面所取得的研究成果，及其在人工智能领域的创新应用。

黄晓非博士，1990级博士生，就智能原理做的专题报告中，详尽阐述了他对于人工智能原理的思考。黄博士认为，虽然目前热门的深度学习被炒作的沸沸扬扬，但这只是计算能力突破与训练数据大增的结果，深度学习在理论与原理上根本没有新发现。在感知方面，其泛化能力与人脑相差好几个数量级，处理新情况的能力又很差。而在认知方面，深度学习就根本没有概念层次的抽象与推理的能力，更谈不上能具有像牛顿创立经典力学与爱因斯坦创立相对论那样的高级理性思维能力。其根本原因是深度学习以及目前其它的各种机器学习理论与方法还没有真正搞清楚智能原理。

黄博士认为，如果我们把人工智能的希望寄托在简单模仿人脑的神经网络，而忽略深入研究其背后的科学原理，那么要想造出来可以匹配人脑的人工智能系统根本就是个天方夜谭。科学历史反复证明如果没有科学理性思维，不搞清科学原理，仅仅靠瞎蒙瞎撞是根本不可能成功的。例如，不懂飞行原理而仅仅靠简单的仿生与模拟是根本不可能造出真正的飞机的。再例如，不懂原子物理而仅仅靠炼金术是根本不可能炼出黄金的。所以，只有破解人脑智能背后的原理与机制，才有可能让我们在人工智能发展上做到真正有意义上的突破。

那么到底什么是智能？其背后有没有规律与原理可循呢？黄博士根据前人的经验与理论指出，世界上任何事物都有其内在的本质联系与规律，也有着同其它事物外在的本质联系与规律。抓住了事物的本质与规律，就抓住了事物的根本，这才是我们认识世界和改造世界的基础。换句话说，就是真正的智能是透过现象看本质，并抓住事物的本质联系。如果我们把这一认识论的基本原理进一步抽象并用信息熵理论来进一步分析，便可得到一个普遍的智能原理。简单来说，智能原理就是将观察变量映射到本征变量并在本征空间上找到最小自由度的泛化模型。

世界上的任何事物都有其本征结构，本征结构是由本征要素与本征关系构成的统一体。本征要素构成本征空间，而本征关系决定本征要素之间的联系与相关性。本征结构具有至简性，也就是其本身具有最小自由度（总体熵）以及其包含的本征关系也具有最小自由度（局部熵）。但是，在任何其他空间上，事物结构的局部熵一定增加，这必然导致学习效率的下降。同时，事物结构的总体熵也有可能增加，这就导致推理与预测的精度下降，如模式分类时的识别率下降。

本征结构的至简性类似于中国道家哲学的大道至简，一个事物或一门学问，弄得很深奥是因为没有看穿事物的本质，搞的很复杂是因为没有抓住其关键问题，就像牛顿之前的人们对物体运动与天体运动的理解。宇宙中万物的本征结构除了至简性，还具有同构性与相似性，如各种原子结构、各种分子结构、各种爬行类动物、各种灵长类动物等等。正因为如此，全部世界才成为可知的，我们可以通过触类旁通、举一反三来认识事物。而人脑学习与机器学习的最关键问题是要从观测空间找到本征空间，称为本征映射学习。本征映射学习的目的是为了找到具有至简性的本征结构，抓住事物的本质，实现认识的飞跃。简单来说就是学习的关键是发现与掌握事物的内在结构与外在联系，而不是它们的标注（ 如目前深度学习）。基于信息熵的本征映射学习可能才是破解智能之谜的真正关键所在。

黄博士还发现，通过寻找本征空间，我们可以将爱因斯坦广义相对论中测地线方程与量子力学中的Klein-Gordon方程统一成新的万有广义波动方程，从而可能达到广义相对论与量子力学的统一。其中，爱因斯坦的测地线方程是该波动方程的经典极限，广义相对论中的时空度规也是其经典极限。该方程指出了所有惯性系统在不同引力场中与在不同运动速度下的等价性（平等性）。即在任一个惯性系统中，不论其运动速度与引力场大小，万有广义波动方程都可以通过一个线性的时空变换规一化成同一的经典Klein-Gordon方程。新的万有广义波动方程还有待科学实验检验，如重力场下带质量的粒子波的双缝衍射。如果验证成功，我们就可将把牛顿的绝对时空观和爱因斯坦的相对时空观进一步发展到辩证时空观，使人类对时间与空间有个全新的和更深刻的认识。黄晓非博士本人现在正在积极寻求合作来验证这一新的发现。

研讨会现场

黄博士关于智能原理的思考和报告给大家很大的启发，更多深入的思考，以利于今后人工智能的发展。

供稿：电子系