即时焦点：GIV2022|中国工程院院士杨善林：人工智能与智能网联汽车

2022年12月16日-17日，由安徽省发展和改革委员会作为指导单位，合肥市人民政府、中国电动汽车百人会联合主办的“2022全球智能汽车产业峰会”在安徽合肥召开。本届论坛围绕“全球新变局与智能汽车发展新战略”主题，共设置5个主题论坛和2场闭门会议，与行业机构、高校院所和领先企业代表共同探索我国智能汽车发展新路径。

其中，在12月16日举办的“科学家论坛”上，中国工程院院士、合肥工业大学校学术委员会主任、教授杨善林发表精彩致辞。以下内容为现场演讲实录：

【资料图】

尊敬的各位领导、各位专家，非常高兴今天下午能够跟大家一起做一次学术交流，报告的题目《人工智能与智能网联汽车》，分两部分。

一、人工智能与领域科技互动发展

人工智能粗略地说有机器智能、数据智能，机器智能主要指机器人这样一类智能产品。数据智能以大量的大数据和深度神经网络结合形成的一类数据智能。当然，这两类智能之间是相互促进、共生发展的，而且共同推动人工智能技术的深入发展和应用。对于汽车产品而言，最核心的还是数据智能。

与数据智能相关的人工智能共获得七次图灵奖。最初1969年的神经网络获得图灵奖，中间有很多次，包括1971年的人工智能概念，1975年的逻辑推理，1994年的专家系统，当时在应用上没有很好的表现，一直到2011年贝叶斯网络有了很好的应用，获得2018年图灵奖的深度学习，是今天数据智能发展主要的技术工具。下次图灵奖正在呼之欲出。

围绕着数据智能真正前沿做技术探索的数据智能，像GoogleAI，最早下围棋，战胜世界冠军，现在发展突飞猛进。无论是GoogleAI，还是Open AI，最核心的内核就是Transformer。Transformer充分利用大数据和注意力机制集中生成的大参数，大参数形成内核，也是今天我们各种人工智能、数据智能共用的内核。

Open AI用Transformer内核做的自然语言处理生成式预训练神经网络，2018年推出来的第一代，能够做一些文字的分类、内容识别、相似形识别以及简单的问答处理。2019年推出第二代GPT—2，仍然是预训练的，它的能力比GPT—1至少提高了一个数量级。第三代GPT—3 在2020年推出，基于Transformer内核所做出的，应用场景包括智能问答、机器翻译、常识推理、网络理解等等。前不久11月份发布ChatGPT，和GPT—3相比，没有称之为GPT—4，而是GPT—3.5，功能很强大，可以检查人类写的代码的bug、翻译文献、写小说、写商业文案、创作菜谱、做作业，还可以检查作业的正确与否。ChatGPT今年刚刚推出，发展速度很快。

这些人工智能技术的基础性技术，与各个其它的领域科学之间的互动发展，渗透到其它各个科学领域当中去，下面简要举几个例子。

人工智能与生命科学的交叉融合，生物蛋白质的三维结构决定了蛋白质的生物学功能，利用人工智能来进行蛋白质三维结构预测，它是建立在氨基酸的一级结构决定高级结构的理论基础之上。以20种标准组成的一级结构序列信息作为输入，来预测蛋白质的成分结构，人类研究蛋白质结构大概有60年的历史，这60年全球的科学家总共解析了大概19万种左右，而DeepMind基于Transformer这种结构的人工智能，还有AlphaFold、AlphaFold2人工智能算法对2.2亿种蛋白质的预测结构都做出来了，几乎涵盖了DNA数据库当中已知生物体的所有蛋白质，做了个遍。同样，Meta也发布了另外的人工智能算法，预测了6亿种蛋白质的预测结构，主要是细菌、病毒的生物结构，我们知道生物学，来自于细菌、病毒和其它尚未被表征的微生物，三类蛋白质结构都被人工智能解析了一遍。所做出的这2.2亿种、6亿种未必都是正确的，甚至还很少有正确的。当下这样一类工作，人工智能和生物科学和生命科学而言，AI团队在做这种预测。生命科学家的团队在做验证，所做出的2.2亿种所做出的6亿种到底正确还是不正确？有待生命科学家们去验证。我要验证的结果不管是正确还是错误的，对人工智能的科学工作者来说都是非常难得的数据。作为我们学习的标签，能够提高我们的人工智能在生命科学领域的更大更好的应用。生命科学家所做出的这些工作实际上它就在推动人工智能的发展，毫无疑问，人工智能与生命科学现在应该说是互动发展的。

在数学领域，人工智能与领域科技的互动发展，以前做一般性的工作，科学家把4×4矩阵乘法从原有的64步减小到49步，减少乘法降到47步，花费了科学家很多年时间，人工智能找到另外的新方法，也能把它做到47步，数学与人智能也在互动发展。

在化学领域，完全无人自动化的系统做新分子的扩展。人类给它目标，由一套人工智能算法在里面，能够去迭代做一个配方出来，这个机器人系统来实现这种配方，结果出来新分子的并不是完全都做得非常好，但是这样一个东西现在再往前推进，离实际应用距离就不远了，可能是未来几年的事。新材料是人工智能自动设计，这跟汽车也是密切相关的，汽车本身是各类技术高度融合的领域。

在考古领域，从地下发掘出来的图片，考古科学家慢慢进行去阅读，需要很渊博的知识。通过人工智能阅读，当然，正确与否需要考古学家做进一步的验证，这个验证过程就是推动人工智能发展的过程，而人工智能本身就在协同考古学家们做这项工作。

人工智能在艺术领域发展很快。几幅油画都是人工智能画出来的，当然这是画得相当好的，我们在实验室里面学生也画出很多，大概有几十幅图画，人工智能画出来的。《太空歌剧院》得了比赛冠军，做成这样一幅画的不是画家，而是游戏的玩家，利用人工智能做的。好与不好告诉人工智能，人工智能再反过来，和艺术互相协同发展。

在气候环境科学领域，DeepMind做的未来12小时降雨预测，目标要精确到下雨空间1公里、时间2分钟，预测10：58分下雨。预测可以做到分钟，当然不是百分之百精准，但是已经在向这个目标冲击。我们的天气环境科学与人工智能互动发展，需要训练，训练的过程中科学家去验证推动发展。

在医疗健康领域，相关也很多。

下面重点说一下论文写作，并不是说我们的科学论文人工智能就做，但是人类对于人工智能能不能做论文这样一件事的认识是在渐变的。2005年美国麻省理工学院做了一款软件，署名作者写了一篇文章，论文发了一百多篇，一百多篇文章后来被收录，署名文章的人当然是不存在的，成为世界上第21位引用次数最高的科学家。麻省理工学院并不认为人工智能能够写论文，它只是想用这件事证明论文评价系统一个胡扯的系统，世界上根本没有这样一个人，还被评为引用次数最高的第21位科学家。

2022年，Meta推出一款做论文的工具—Galactica，和2005年麻省理工学院做的论文目的不一样，试着发表一篇论文48小时后，紧急撤回。名为《GTP—3能否以少量的人工输入自行撰写学术论文》，这个论文在网上能够查到，我们组织100多名学生去阅读这篇论文，不告诉他们这是人工智能写的，你们看看这个论文怎么样。目前论文还评审了，但是这次评审跟以前不一样，告诉大家这篇论文是人工智能做的，不是某个科学家做的。说明这个领域人们的观念在变，在往前探索。

从上述案例不难看出，现有人工智能算法和算力的加持之下，凡是规律隐藏在可获得的数据当中的科学研究工作都有可能被人工智能取代。另外，随着信息技术、感知技术的快速发展，可获得的数据越来越多，例如脑电技术，人工智能能够取代人类工作的范围在逐步扩大，是一个无限逼近人的过程。在当前的发展水平之下，当我们的决策任务与思维、场景等等密切相关的时候，又很难界定与决策任务相关的信息边界，或者难以获得相关的大量数据，这样一类工作，人工智能还很难替代人类的这样一项工作。但是今天替代不了，明天有可能被替代，当然后天仍有新问题，如果有新想法，今天人类做不了的，可能明天人工智能做了，但是明天的人又有新想法。

人永远是社会的主体，由于人本身是无边界的信息结合，以人为核心要素的管理科学研究就必须要去面对信息边界难以确定，规律模式不断深化的根本性问题。这也决定了人工智能永远取代不了智慧的人。当前人工智能仍然处于发展初期，其发展规律的能力，人工智能发现规律的能力还仍未停，甚至刚刚起步，当人工智能的发展及其推广成为经济社会发展的核心要素之一的时候，我们的数字经济时代或者智能经济时代，在智能经济时代仍然需要靠智慧的人来引领。前两者人工智能达到高潮，但由于当时算力算法的限制跌入低谷。这次人工智能还再继续往上上升，未来有可能三条线，一条科学研究工作互动发展还有相当的发展空间，现在成熟的在经济社会当中量大面广的应用技术水平上没有太多的提高，但是它的社会面、量会获得井喷。而像写论文这类工作，这一代人工智能不一定做得了，很可能探索一段时间之后，可能又跌落下来，等待下一代人工智能的兴起。我认为有这几种可能。

最近在Neuron杂志上发表的一篇文章，现在的人工智能，深度学习是训练人为构造的无机的深度神经网络，由数据来训练一个真实的神经网络，用小鼠的干细胞让它去生成的神经网络，大概有80亿个生物体真细胞，让这些细胞接受信息，用5分钟的时间对这样80亿个细胞构成的真实的生物体神经网络教它来做游戏。小球在三方出不去，但是一旦跑到第四方就能跑出去了，这样一个神经网络经过训练过，目标要移动挡板，让小球始终不要飞出去，训练五分钟教会了神经网络。

二、人工智能与智能网联汽车的变革

汽车从单一的出行工具到第三空间的发展过程，有研发、生产、维护、驾驶等等，这个规律还没有被打破，不需要多长时间，这些过程会融为一体。

某个企业的研发过程从P00一直到P10每个节点之间的工作，各位汽车工作者高度熟悉，有些工作基本可以被数字人工智能取代，可以不需要人了；一些工作大体上正在被取代过程中。有些工作虽然现在没有取代，不要多远的将来也会被人工智能取代。

同样，生产过程，冲压、焊装、涂装、总装、物流，无论四大工艺还是物流环节，有大量的工作要做，这些工作我们自己去分解一下，大体上蓝绿的这些工作基本被人工智能取代，而绿色部分的工作正在被取代过程中，橘黄色的将来可能会被取代。

运维过程，4S店的工作，同样的道理。

作为每个汽车驾驶人的感觉，蓝框的这些工作基本上不要驾驶员更多操心，比如导航、路径优化、自适应巡航等等工作，完全可以做。而绿框的这些事有很多也是正在被取代，HUD用得很多了。橘黄色的工作在被人工智能取代了，那就是无人驾驶了，但是无人驾驶还不是智能汽车的最高境界。

中国汽车研发生产整个过程的工程管理当中已经被取代的、正在取代的和未来要取代的工作。

随着机器只能和数据智能在智能网联汽车全生命周期过程当中的应用深入，汽车产品已经进入“云、网、端”协同的智能互联产品，实现了智能辅助驾驶、人机协同驾驶、单一场景无人驾驶，正在攻克复杂场景的完全自动驾驶技术。

汽车产品制造过程的智能化发展迅速，无论产品对人，还是中国的研发制造生产的过程，它的智能化发展都是非常迅速的，正在逐步替代传统的功能化设计、参数优化设计、质量过程管控、工艺过程控制等活动。凡是规则性较强的驾驶活动、制造活动和管理活动，都有可能被人工智能取代。

汽车产品本身越来越智能，汽车制造过程、管理过程也越来越智能，从现实看，汽车人工智能的发展本身是科学引领的，是市场拉动的，是企业家利用市场机制推进的，当然政府的拉力得有，往往更容易忽略的是科学的引领。刚才所说的人工智能最前沿的那些科学研究是我们最急需的，否则想走向强国是很难的。

刚才前面所说的一些比较领先的人工智能，未来汽车开发以及汽车产品当中有着极其广阔的应用，刚才说的是一样，写论文、生命科学，用起来是类似的。比如自动驾驶系统的仿真来实现降低自动驾驶算法的迭代开发成本，三维仿真不是我们制造的，就是某个汽车企业这么去做这种软件开发，智能软件开发通过仿真去验证这种算法正确还是不正确。它是新的科学技术引领的，市场拉动的，企业家推进的。

DeepMind CAD面向汽车各种各样的零部件设计，设计过程当中完全无人化做出来，尝试汽车设计就是无人化，从零部件开始做这样一件事。智能网联汽车要想发展，能够在世界上处于领先地位，科学技术的引领上这一点还要家足工夫，用我们的市场推进、政府推动、企业家推动，动力都很足，往往忽略的是新科技的引领。

我就说到这里，谢谢各位！

（注：本文根据现场速记整理，未经演讲嘉宾审阅）