访中科院自动化研究所复杂系统管理与控制国家重点实验室主任

摘要：人工情报机构以“数字”和软件的形式记录或承载了一个实际情报机构的知识、行动和组织等KAO一体化的步骤与过程。

访中科院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃

本期嘉宾：王飞跃，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，中国自动化协会副理事长兼秘书长，国防科技大学军事计算实验与平行系统技术研究中心主任。主要研究领域为智能控制、人工智能、智能机器、社会计算、平行系统、知识自动化、平行智能等，是智能控制方面的国际知名学者，也是该领域的早期开拓者之一。曾提出“新情报体系”概念。

情报的有趣之处在于能从跨界中捕捉微趋势，恰好这次受访的王飞跃就是这样一位跨界专家，他不仅是国际上智能控制领域的权威专家，也对社会科学、经济学、哲学，甚至情报学有所涉猎。按照他自己的说法，他的学术路径比较复杂，差不多是随机的，属于“布朗运动”。1984年之前，学习化工、机械、力学、金属、结构等，完全是“机械人生”。1984开始接触机器人和结构的主动控制，由此走上与智能控制相关的研究，主要是智能控制、智能机器人、智能制造、智能交通和智能系统等。在美25年，4年在机器人与自动化实验室（RAL）做博士生，21年当RAL主任，与学生合写了英文中的第一本柔性机器人手臂、第一本挖掘机器人、第一本智能车的传感与控制相关的学术专著。从1994年起，开始将社会科学、认知计算引入智能理论的研究，对波普尔的三个世界哲学观感兴趣，并完全改变了过去对于智能的认识，进入了他的“智能人生”阶段。直到2004年，受“白头”怀德海（Whitehead）Process and Reality和奎因（Quine）Word and Object师徒的启发，写了第一篇虚实互动的“平行智能”论文，从社会计算、平行系统、知识自动化入手，开始了他的“平行人生”阶段。近年来，首次提出X5.0的全新理念，认为在机械化、电气化、信息化、网络化后，我们进入了第5个技术发展阶段：平行化，就是以虚实平行互动为特征的智能技术时代。

本刊：您从20世纪80年代起,就师从机器人和人工智能领域开拓者G.N.Saridis和R.F.McNaughton教授,也是国际上智能机器人、无人驾驶、智能交通等领域的早期开拓者，您如何定义智能？智能和情报有关系吗？

王飞跃：什么是智能？这个字典上就有，很简单：就是“获取和应用知识与技巧的能力”。但如果查英文字典，比如牛津词典，就会发现，“Intelligence”其实有两个意思，除了智能之外，还有情报的意思，就是“收集具有军事或政治价值的信息”。其实，智能与情报是一个硬币的两个面，知识将它们连成了不可分割的一个整体。现代情报学的奠基人Sherman Kent就说过“情报就是知识”，更准确地说，情报就是KAO：知识（Knowledge）+行动（Action）+组织（Organization）。当然传统情况下，人们往往认为行动是特务行动，组织是特务组织。但现在不一样了，“网络”一来，信息开源了，行动是“人肉搜索”、众包，组织是百度、Google、动态网络群体（CMO）等等。未来的智能系统，也必须KAO，像情报机构一样，除了知识，还要有“行动”、有“组织”，成为“活”体。因此可以说，情报是封装的智能，而智能就是开放的情报。

强调智能与情报的一体化关系，是因为我认为这就是智能科学未来的发展道路。这里，我觉得用中国传统的“阴阳鱼”来表示这种观点就很直观：Intelligence，阳为智能，阴为情报。不是说阴阳生万物嘛，人工智能之阳加上搜索技术之阴，就是构建智能系统的根本之道。所以说百度、谷歌等公司关注智能技术，不但理所当然，也是天命所归。这样，未来的智能系统一定是开放的、开源的、实用化的、大众化的、微小“创客”式的。很多年前，我曾写过一篇杂文“开源情报与网络时代的国家安全”，后来编辑把题目改为“新情报时代意味着什么”发表在了《环球时报》；现在智能技术将是我们这个时代发展的主导引擎，也就意味着我们进入了新智能时代，一阴一阳，新时代就完整了。

本刊：最近，阿尔法狗（AlphaGo）的新闻再次将人工智能的讨论推向了高潮，从去年的AlphaGo以4:1击败韩国棋手李世石，在网络上以神秘账号“Master”60局连胜世界顶级棋手，到今年战胜人类第一棋手柯洁称霸围棋界，AlphaGo频频向我们展现人工智能的威力。您如何看待AlphaGo的胜利？作为智能控制方面的国际知名学者您如何区分人工智能与机器智能？

王飞跃：我相信，AlphaGo的胜利并不代表计算机围棋的终结，而是开始。显然，AlphaGo只是展示了现有机器学习方法的威力，但并没有贡献创新的人工智能技术，实施方法也有很大的改善空间，而且许多深度网络方法之外的技术也可以加以利用。所以，未来将有更多的计算机围棋程序出现，围棋或许可能成为评价未来人工智能和智能技术公司技术水平的“标准”赛事，并以此来划分一个公司的智能水平。西方许多人士，包括人工智能的专业精英，都对AlphaGo有着极高的评价和期望，认为这是人工智能的里程碑事件，预示着Human Level的人工智能开端。对此我有不同的看法和观点。我认为AlphaGo的胜利的确非常重要，但其最直接的冲击不是对Human Level人工智能的研究，而是针对搜索和优化问题的工程处理。AlphaGo的这次胜利，除了大大提高了人们对深度神经网络DNN、卷积神经网络CNN、深度信念网络DBN等方法的信心，实际上也为解决优化问题中的计算复杂性提供了一个现实的解决方案。

我对人工智能的定义基本上还是20世纪80年代教科书上的定义，但现在我认为，机器学习和博弈论，还有计算智能（模糊逻辑、神经网络、遗传演化算法等），应该是人工智能的标准和核心方法。在我的博士论文中，机器学习和博弈论是作为决策和控制方法引入的。我还记得Nils Nilsson关于神经网络学习的书，最早不叫机器学习而叫学习机器（Learning Machines），但更早的工程化应用是从学习控制开始的。当时许多人认为人工智能（Artificial Intelligence，AI）与机器智能（Machine Intelligence，MI）的关系可用一句话概括：AI是“软”智能，而MI是“硬”智能研究。此外，还对两者进行了区分：AI是研究如何把人的智慧功能转化到机器上，MI是研究如何利用机器的机械功能模仿人的智能。一个可以忽略机器的可实现问题，一个必须考虑机器实现问题。当然，理想情况下两个都一样，目前很少有人再谈AI与MI的区别了。显然，近年来最引人关注的还属机器学习，AlphaGo成名之后，深度学习更是备受瞩目。有意思的是，差不多10年前AI的主流并不认为这类机器学习是正统的AI，尽管它们一开始就被认定是AI的核心内容之一。

本刊：您在科学网的博客上转载了《今日美国》日报上的《华尔街股票经纪人将转向机器》（Wall St.Stock Pickers Shift To Machines）一文，在华尔街连投资公司都希望更多地依赖机器来帮助挑选获胜的股票，也怪不得人们对人工智能都有或多或少的恐慌。您认为人工智能对于人类工作机会的影响有哪些？哪些类型的工作，会最先被人工智能和机器人取代？这会在多久之后发生？

王飞跃：规则明确但繁杂费神的知识工作，比如一些管理工作，从现在开始可以逐渐交给机器来做。知识自动化一定先于一般人工智能技术的应用。基于信息的服务（IBS），基于决策的服务（DBS），基于任务的服务（TBS）等面向特定问题的智能技术将被广泛应用。

未来5年，许多知识性工作将逐渐被以AI技术为主的知识自动化流程替代。未来10年，我希望人工智能在知识自动化上有重要突破，助力智能制造、智能网络等智能产业的兴起，通过软件定义的系统，以及虚实互动的平行智能技术，构建智慧农业、企业、城市、社会和健康体系，使我们真正进入一个智能的时代。未来15年，有人控制的无人车，如物流车、公交车、出租车等，还有有人操作的机器人化无人车间、无人工厂将风行。人们不是失业，而是有了更多更好的工种可以选择。就像我一直在提的，不是“机器换人”，而是“机器扩人”“机器强人”。智能时代将产生更多的工作，就像计算机的兴起一样。我相信，未来人类工作的90%以上，都是人工智能技术所提供的。所以，人工智能不会夺走人类的工作，而是为人类提供更多更好的工作。

本刊：很多人说人工智能会毁灭人类，Elon Musk、Bill Gates、霍金都在不同场合表达过这种担忧，您认为这种可能性有多大？当下人工智能发展，主要的技术瓶颈在什么地方？攻克这些技术难题和技术瓶颈的希望，来自于哪里？

王飞跃：这种可能性无限趋近于零。我不只是希望如此，更是相信如此。套用霍金自己的话就是：飞机失事不能怪万有引力，那威胁人类更不能怪人工智能。目前，人工智能的发展其实还非常初等，关于人工智能的“威胁论”“奇点理论”之类的论调怕是在梦里都做不到。不过，我个人觉得这些言论对人工智能的发展还不能造成实质性的伤害，反倒能够引起大众的更多关注。我对人工智能持非常乐观的态度。而且，个人觉得这是历史上人工智能发展最好的时期，人类即将进入一个以知识自动化为特征的崭新科技与生产时代，智能技术在其中会起到关键和核心的作用。为此，未来的人工智能发展，不应再是只关注“高大上”的工作，而是应当从小处着手，讲究实效，面向社会民生，以“众包”形式，让社会普通大众的智能充分地发挥出来，使智能技术进入生活与工作的每一个角落，这才是人工智能真正的突破。

关于人工智能发展的技术瓶颈，仁者见仁，智者见智，难有共识。不过，我开始学习AI时，大家公认“常识”的处理、理解、利用是人工智能的难点和关键。30多年过去了，今天我依然认为“常识”问题是人工智能的突破口，但已基本放弃了对解决常识问题一般通用方法的追求，因为理论和实践越来越清楚地表明，尽管计算和内存能力越来越强，但常识问题需要综合考虑文化、习俗甚至是“世界知识”，似乎只能具体领域具体解决。

对我而言，希望在于分别攻克、联合击破，不能寄希望于一种算法、一种方法、一种技术解决人工智能的“常识”问题或其他技术瓶颈问题。否则，就没有人类存在的必要了，就会导致人工智能“毁灭”人类的梦幻之镜。我对区块链技术和基于区块链的智能技术十分看好，认为这是一条低成本、分布式、可信任的通向智能社会之技术路线。区块链可以使大数据、物联网、云计算得到充分的发挥，大大降低人类的信用成本，简化社会结构和经济活动，最终使UDC（不定性、多样性、复杂性）到AFC（灵敏、聚焦、收敛）成为可能。

本刊：您在很多场合都提到X5.0的概念，这与德国政府在《德国2020高技术战略》中提出的“工业4.0”有何区别？情报5.0又是什么？

王飞跃：去看看《工业4.0》一书和德国“工业4.0”的战略计划实施建议，就会发现它完全没有新的理念、方法和技术，只是在总结已有的东西，但是它的宣传营销做得非常成功。至于我为什么提倡工业5.0和X5.0？其中一小部分原因的确是在“怼”德国“工业4.0”的说法，因为好多德国人，包括我的一些同事与朋友，总是谴责中国剽窃他们的知识产权，但“工业4.0”都是已有的技术，谁都可以用；另一部分原因就是反思咱们中国人自己的“四大发明”。就技术发展而言，我觉得近代科学在经历了机械化、电气化、信息化、网络化之后，我们进入了第5个技术发展阶段：平行化，就是以虚实平行互动为特征的智能技术时代，所以就有了X5.0的讲法。机械化的典型特征是蒸汽机，电气化是电动机，信息化是计算机，网络化是路由器，平行化呢？机器人？无人机？智能机？平行机？我不知道。但无论如何，就像蒸汽机和电动机一样，计算机和路由器将很快“消失”在无所不在之中。

就智能制造而言，我认为后面的发展就是“工业5.0”，这也是“工业4.0”融合“互联网+”的必然结果。情报，经过人际情报（Human Intelligence）、信号情报（Signal Intelligence）、图像情报（Image Intelligence）、网络情报（Network Intelligence）/开源情报（Open Source Intelligence），就在新的平行时代进入了第5个技术发展阶段，即平行情报（Parallel Intelligence）阶段。情报5.0的核心在于虚与实互动、情报与智能合一的平行思想，两个关键支撑为ACP（人工社会+计算实验+平行执行）理论和社会物理信息系统CPSS（Cyber-Physical-Social-System）基础设施，三个主题为智能组织或智能结构、智慧行为或智慧管理、社会智能或智能解析，四个集成使人员、装备、信息、使命密切地融合成一个整体，最终目标为使情报工作所面临的UDC——不定性（Uncertainty）、多样性（Diversity）和复杂性（Complexity）转化成为完成特定任务和使命所生成情报之AFC——灵捷（Agility）、聚焦（Focus）、收敛（Convergence）。

本刊：在您提出的情报5.0阶段的平行情报体系中，未来情报机构和情报工作人员将扮演怎样的角色？

王飞跃：在平行情报体系中，人工情报机构以“数字”和软件的形式记录或承载了一个实际情报机构的知识、行动和组织等KAO一体化的步骤与过程，与相应的实际进程通过动漫、可视化等手段平行交互。平行情报中的平行互动方式主要有三种：

一是学习与培训，此时以人工情报机构为主，而且人工与实际情报机构可以有较大的差别，二者可以不连不在线，目标就是通过游戏动漫等方式使工作人员熟悉情报业务，如建立或了解资料库，了解用户，向用户宣传情报功能范围，建立或掌握检索搜索系统，如何分析、如何激活，并提出针对性强、及时、准确的情报等基本任务。同时，人工系统也必须记录并建立每个工作人员的“人工模型”，针对性地用于情报任务的平行执行过程，提醒、监督、奖惩相关工作人员。最终目的就是使情报人员及其机构具有相关深度知识和技巧支撑，能够灵活应对各种不确定情况的灵捷能力，让“灵者拥识而捷”。

二是实验与评估，此时人工与实际情报机构以O2O的形式相连，两者的情况应尽可能一致，目标就是通过建模与“仿真”，把计算机作为解析评估周期、流程、生产、控制、传播等情报工作与方式的设置，以及情报的质量、影响、效率等一系列问题的“计算实验室”，对各种各样的情报计划和解决方案进行不同程度的测试，寻求最佳合理的情报工作方式，并提供可以形成聚焦能力的手段和途径，让“明者因势而变”。

三是管理与控制，此时人工与实际情报机构紧密相连，形成虚实互动、反馈闭环、实时自适应调节的平行系统。两者相互借鉴、相互影响，人工情报系统的结果可用于引导情报工作人员及其机构在实际中的工作，以此完成对复杂情况下执行情报任务之过程的有效控制、管理和指挥，促使情报过程向设定的目标精确地收敛，让“知者随事而制”。

平行情报体系主要针对情报机构，包含知识、行动加组织。实际上我们可以在此基础上构建情报的“激活器”，即情报产生与解析的“智能机器”。我相信，不久，一个情报机构的能力和效率，可能并不取决于其物理形态的机构如何庞大，而在很大程度上由其伴生的人工或软件定义的情报机构之规模和水平所决定，因为它们代表了情报机构的智能化水平，决定了这个机构应对不定性、多样性、复杂性的灵捷、聚焦、收敛的能力。