9月19-20日，由臨沂市人民政府、新一代人工智能產業技術創新戰略聯盟、中國物流與采購聯合會物流裝備專業委員會、中國科學院計算技術研究所聯合主辦，臨沂市大數據局、臨沂經濟技術開發區管委會、臨沂人才工作集團有限公司、中科院計算所臨沂分所、華為技術有限公司、中關村視聽產業技術創新聯盟承辦的“2019國際人工智能及智慧物流大會”在山東臨沂隆重舉行。

大會為期兩天，設有一個主會議和“人工智能技術及應用專題會議”“智慧物流專題會議”“人工智能產業園區發展專題會議”“人工智能與健康養老專題會議”“計算所技術與產業對接專題會議”共五個專題會議。

此次大會以“人工智能技術賦能新舊動能轉換”為主題，旨在促進人工智能等前沿技術與臨沂地方產業特色的深入融合，探索出一條智能化的城市轉型升級之路。

在19日的主會議中，悉尼科技大學副校長、澳大利亞人工智能協會理事長張成奇教授以《人工智能發展與智能物流》為題發表演講，介紹了人工智能技術的發展脈絡與應用，并重點探討了人工智能與物流產業的交集。

張成奇教授介紹，人工智能技術在物流領域有幾點重要的應用方向，包括流量和流向預測、智能倉儲、客戶管理、風險管理等等。

作為一名臨沂人，張成奇教授也為家鄉的物流產業發展獻上寶貴的建議。他表示，人工智能與物流產業的結合不是單一，而是全面與綜合的。如果臨沂能夠成立一個人工智能物流研究院，一定會對當地的物流產業升級大有裨益。

他強調，成立物流研究院并不是要找100個人工智能方面的人才來做研究，事實上這樣的人才很難找。相反，我們更應該成立一個高級研究顧問組來策劃和動員全國乃至世界的精英力量來共同為臨沂的物流產業升級添磚加瓦。

以下是張成奇教授的全部演講內容，雷鋒網做了不改變原意的整理與編輯：

謝謝大會的邀請。我的分享主題是《人工智能發展及智能物流》，演講共分為三部分：第一部分梳理人工智能的大致發展脈絡，第二部分介紹它的主要應用方向，第三部分探討人工智能與物流產業的交集。

人工智能的發展脈絡

人工智能如今大家已經耳熟能詳了。它提出至今已有63年的歷史，但三年前才真正熱門起來，直接原因是AlphaGo戰勝了圍棋世界冠軍。此前人工智能經歷了三起兩落，一直不溫不火。

我是從1982年讀碩士開始研究人工智能的，至今也有37年了，這37年里人工智能的發展是有一定規律可循的。

人工智能的“熱”并不是偶然，而是各方面條件成熟的結果，是一個厚積薄發的過程。算法、算力和數據三者缺少任何一個，人工智能都火不起來。事實上，即便現在火的也只是人工智能中一部分，沒有做到全面開花。

圖靈測試是人工智能發展歷程中的一個重要里程碑。現在計算機界最大的獎項就叫“圖靈獎”，相當于計算機界的諾貝爾獎。

圖靈測試有幾個非常偉大的地方。首先，它提出的時間非常早，1950年的時候計算機還只能做簡單算數，圖靈就想到了計算智能，非常具有前瞻性。圖靈測試的內涵并不復雜，就是提出相同的問題分別讓人類和機器來作答，由出題人來判斷哪個是機器答的哪個是人答的。比如有100道題，分辨出誰是機器和人的概率小于70%，就代表機器已經具備智能了。里面包含了一個很重要的思想，它不管答案正確與否，也不管答案是怎么得出的，只關心機器與人的答案的相似性。

這個思想主導人工智能發展了至少60年，之后的人工智能研究基本都是沿著這個思路展開的。比如圖像識別，人類和機器識別圖像的方式幾乎沒有任何關聯，但沒關系，只要結果是一樣的就行了。那么，究竟該怎樣讓機器來模仿人類的智能呢，由此誕生了人工智能的三大學派。

三大學派是如何劃分的？實際上人的智能分成三大部分，第一部分是認知，它是人類所有獨有的，其他生物都不具備。認知智能是機器最早要模擬的人類智能，我們認為人工智能主要就是認知智能。什么是認知智能？學習能力、推理能力、專家能力都屬于認知智能。人工智能從1956年開始模擬認知智能，由此衍生出了人工智能的第一個大學派——符號主義人工智能。

人類還有一類智能叫做感知智能，眼、耳、鼻、舌、身對環境的感知能力都屬于感知智能，動物也具備這個能力。過去機器的感知智能一直做得不好，準確率低到無法應用，現在隨著深度學習、云計算和大數據技術的發展，這一類智能有了很大提高，這正是人工智能突然火起來的原因。現在人工智能的很多應用，比如識別圖片、識別語句實際都屬于感知智能。

第三類是行為類智能，叫做行為主義人工智能，比如機器人的操控。當然，機器人的操控也涉及到了認知和感知智能。

基于知識的認知類人工智能我們稱之為第一代人工智能，而像圖像識別、語音識別這類基于數據的感知智能，我們稱之為第二代人工智能。機器人則是一種混合智能，既要用到感知和認知，也要用到行為。三者加起來就構成了人工智能發展的脈絡。

50年代人工智能也曾紅極一時，當時用到了符號推理，但后來發現不大成功，原因在于它沒有知識。所以70年代的時候就開始發展基于知識的專家系統。當時大家認為，人的認知智能主要決定于知識而不是推理能力。專家系統在人工智能的發展中起到了很大的作用，現在依然有很多專家系統在使用，包括在保險理賠、法律顧問、醫療輔助、氣象輔助等領域。

但專家系統也有它的局限性，就是太專一了，所以后來90年代初又發展出了分布式專家系統。我的博士論文就是專門研究分布式專家系統的，而且發表在了《世界人工智能雜志》上，這在大陸華人里還是第一個，當時是1992年。分布式專家系統的感知能力非常有限，但相比過去的專家系統已經有了很大的提升。其中數據挖掘作出了重要貢獻，很多知識專家也不具備，但可以從數據挖掘中獲得。可以說，數據挖掘是第二代人工智能的開始。

數據挖掘的應用非常廣泛，從社會保障、保險、證券、銀行到物流都大有用武之地。應用數據挖掘最成功的例子當屬沃爾瑪，它可以用數據預測客戶需求，然后根據客戶需求做倉儲預測，希望借此將庫存降低到0。但實際它只要把庫存降低一個百分點就已經能夠節省非常多的錢了。此外，數據挖掘做的比較好的企業還有京東和滴滴。

臨沂的物流業也離不開數據挖掘，我建議在這方面加大投入。物流業的本質就是把商品從一個地方運往另一個地方，如果我們能通過數據挖掘預測需求，就不必等需求來了才去調度車輛。滴滴的空車調度就是一個很好的例子，它不但能在來訂單的時候把車輛調過去，還能在所有空車都在等客的時候，把車提前調度到未來一小時客流量會大幅增加的地方。物流也是同樣的道理，你對需求的預測越準確，物流的效率就越高。

人工智能的第二個學派稱之為連接主義學派，主要對應圖像和視頻，它的成功得益于神經網絡的發展。神經網絡其實很早就有了，但只能做到三層，層數多了它就不收斂，算著算著就發散了，得不出結果。現在的深度學習是怎么做的呢？假如你有很多的數據，通過算法不斷迭代，它就能知道哪一類特征應該識別出什么樣的結果。它的本質通過大量數據迭代找到了一個復雜的函數關系，但是它太復雜了，很難去解釋。現在整個行業面臨的難題就是如何讓深度學習算法具有可解釋性。

深度學習算法的發展催生了感知智能的成功。目前人工智能領域的獨角獸企業基本都可以歸類為感知類企業。現在深度學習算法的準確率已經能夠讓人接受了，比如車牌識別和人臉識別的準確率都非常高了，京東有幾萬員工，但他們上班都不用刷卡，通過人臉識別比對一下就行了。

大家可以想象，等圖像識別的準確度足夠高的時候，整個世界會發生怎樣的改變。現在我們去高鐵站要刷票，去海關要帶護照，本質上都是為了證明你是你。等人臉識別足夠準確了，這些證件就都不需要了。

語音識別的應用范圍就更廣了，科大訊飛和云知聲在這方面都做得很好。這項技術發展成熟后，我們出去旅游直接說中文就行了，別人說法文、西班牙文都沒有關系。我們不用學英文，不用做翻譯，可以節省大量的時間。

還是視頻解析，現在大家習慣把視頻解析理解成尋人或者追逃，實際它的價值遠不止于此。

總而言之，連接主義人工智能或者第二波人工智能之所以火起來，主要是因為它的感知能力提高了。

第三個學派是行為主義人工智能。因為機器人不光要認知和感知，還要操作和行動。機器人可以代替我們完成很多工作，減輕工作負擔。比如我們學校為日本東京電力集團研發的蜘蛛機器人，可以自動爬到鐵塔上去檢測維修。我們還和招商集團合作，在海門造船廠用螃蟹機器人除銹噴漆。

機器學習早期是基于符號的，現在是基于數據的。人工智能不僅要解決認知和感知問題，還要解決行為問題，三者融合是人工智能下一步非常重要的發展方向。有人說人工智能這么厲害，未來會不會比人還聰明。我認為至少這一代還做不到，因為它是基于數據的，和人類智能還有很大差別。所以說人工智能的研究接下來還有很多事情要做。

人工智能的應用范圍

人工智能的應用范圍非常廣，比如自然語言處理，很多地方都用得到，包括物流行業。物流實際是一個綜合性產業，人工智能的大部分技術都用得到，比如智能倉儲、智能配送、客戶管理都可以用到很多人工智能技術。

自動駕駛也是綜合了人工智能的三大學派，其中圖像視頻理解屬于感知智能，駕駛決策屬于認知智能，駕駛控制屬于行為智能。

智慧物流

做智慧物流首先要布局物聯網，因為現在的人工智能都是基于數據的。數據從哪里來？一種是社交類數據，來自銀行信息、社交網絡等；還有一類是機器收集的，屬于物聯網的范疇。所以智慧物流要從物聯網著手，增加信息的采集，收集數據后還要處理進和分析預測。

這里面涉及到了人工智能的方方面面，比如自然語言理解是感知智能，推理規劃屬于認知智能，智能控制是行為智能。人工智能在物流領域的具體應用包括需求預測、庫存優化、倉庫選址、自動分揀、機器人搬運、車貨匹配、物流路線、自動駕駛、風險預測、客戶畫像、業務拓展、智能客服、訂單管理，非常之廣泛。

所以物流行業想要再上一個新臺階，在人工智能領域加入投入是非常有必要的。我認為臨沂可以成立一個人工智能物流研究院，未來一定可以收到很大回報，但布局一定要趁早。

企業做智慧物流要加大與外界科研機構的合作。前面李院士說了一句話我很認同，就是“科研機構先做研究，有了成果再拿來轉化，這種思路是錯的”。因為科研院所的研究通常聚焦在核心技術，比如做機器人，我們可以做出樣機但不知道市場上有爬鐵塔的需求。這種定制化的需求我管它叫“最后一公里”。要邁過這最后一公里，一定是企業提供需求，和科研院所的核心技術結合起來，然后用兩到三年的時間來共同開發，大家共同擁有知識產權。而不是我把爬鐵塔的機器人造好了直接賣給你，科研院所沒有這個能力，這也不是他們的主要目的。

經常有企業問我，你有什么技術我能幫你轉化。我回答，“對不起，我開發的都是核心技術原型，還沒到應用的階段。如果你愿意，可以先投一點錢，我們一起來開發，知識產權共有。開發完成后就可以進行產業化了。”

其實市面上有很多的投資機構可以提供資金。那為什么還要產業界的人投一部分錢呢？因為不投錢你就不會專心。所以你可以把你的需求和產能投進來，再加上一部分的錢，我們找第三方投資機構合作，這是最理想的途徑。

最后介紹幾個智慧物流的具體應用。

首先是流量和流向預測，這對物流業非常重要。現在大多數還是被動型調度，訂單來了我才安排，有了預測之后我們就可以進行主動調度，就像滴滴調度空車一樣。里面需要用到數據挖掘技術，預測潛在的風險。物流高峰等等。

智能倉儲。現在很多倉促都應用了機器自動分揀。其實合理安排庫存也很重要，根據不同貨物的屬性和周期優化庫存。做好了這些，物流的效率就能顯著提高。

客戶管理。物流行業里的所有物都是和人相關的。誰要？往哪運？運多少？什么時間運？這些都涉及到客戶管理，包括客戶畫像、智能客服，知識圖譜、個性化管理等。

風險管理也很重要，比如我們派單的時候可以分析司機的疲勞程度。如果他已經連續駕駛了12個小時，就必須進行干預，否則一旦出現交通事故，損失就將非常嚴重。此外還有包裹和集裝箱的損壞檢測等。

總而言之，人工智能在物流產業中的應用不是單一而是綜合的。

我建議臨沂成立一個人工智能物流研究院，這樣就可以調動全國乃至全世界的相關人才來共同發揮力量。需要強調的是，成立研究院并不是要招100個人工智能人才來做研究，這很難做到。但我們可以成立一個高級研究顧問組來策劃和組織全世界的人才來合作交流。