智能感知的發展現狀

一般來說，一個有效的人工智能系統是基于其感知、記憶和思維能力，以及學習、自適應及自主的行為能力等。具有在復雜場景中的動態智能感知能力，就需要利用多源信息融合技術，將跨時空的同類和異類傳感信息進行匯集和融合，才能通過記憶、學習、判斷和推理，以達到認知環境和對象類別與屬性的目的。在此基礎上，才能使基于經驗判斷和智能處理的決策成為可能。

機器人作為人類20世紀最偉大的發明之一，在短短的40年內發生了日新月異的變化。機器人已經不僅成為先進制造業不可缺少的自動化裝備，而且正以驚人的速度向海洋、航空、航天、軍事、農業、服務、娛樂等各個領域滲透。基于多源信息融合的智能感知是機器人的現代支撐技術之一，它根據多傳感器所提供的多源同構或異構信息，經過智能信息處理，可以綜合地認知環境和對象的類別與屬性，以達到智能感知的目的，從而可按行為準則實現應有的行為決策。

本世紀以來，無人駕駛汽車已經成為各國政府和大型企業鼓勵的重大發展計劃之一。無人駕駛汽車已經實現了城市、環路及高速道路混合路況下的全自動駕駛，并實現了多次跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作，完成了進入高速（匯入車流）到駛出高速（離開車流）的不同道路場景的切換。無人駕駛汽車的重要支撐技術之一即是智能感知，需要利用車上和路上安裝的各種傳感器獲取路況和環境信息，并利用智能推理達到正確識別路況和環境的目的，在此基礎上才能完成自動駕駛的動作。

現在，世界各發達國家都為提高武器平臺的協同作戰能力，需要在網絡化系統的支撐下，使信息充分發揮紐帶和橋梁作用，將參戰的各武器平臺鏈接成一個結構緊密、反應靈敏、能充分發揮各自武器平臺優勢的網絡化體系結構。其中一個重要的任務，就是基于網絡化系統多傳感信息融合的態勢感知。用于網絡化系統態勢感知的傳感器可能包括：海防雷達信息、光學成像信息、聲探測傳感器信息、電子偵察信息、寬幅成像衛星信息、技偵信息等。

圖1基于對抗的智能態勢感知預警模型

戰場的目標識別隨著智能感知技術的發展，從單一的可見光傳感（攝像機）發展到現代的多光譜、前視紅外（FLIR）、毫米波（MMW）雷達、合成孔徑雷達（SAR）等多種傳感手段。用于目標識別的信息類一般包括目標的外形信息、運動信息和輻射信息（聲音與電磁波輻射）等。

隨著人們對于環境問題的關注程度越來越高，用于環境感知的無線傳感器網絡的出現，為研究數據獲取提供了便利，并且還可以避免傳統數據收集方式給環境帶來的侵入式破壞。無線傳感器網絡還可以跟蹤候鳥和昆蟲的遷移，研究環境變化對農作物的影響，監測海洋、大氣和土壤的成分等。此外，它也可以應用在精細農業中，來監測農作物中的害蟲、土壤的酸堿度和施肥狀況等。

由于無線傳感器網絡具有密集型、隨機分布的特點，使其非常適合應用于惡劣的戰場環境監測中，包括偵察敵情、監控兵力、裝備和物資，判斷生物化學攻擊等多方面用途。

現代智能感知系統的一個重要技術手段就是能夠獲取足夠的傳感信息和由之產生的特征信息。各種傳感器的信息具有不同的特征，而智能感知的重要任務之一是要從各種傳感信息中抽取對象的各種特征。正如小孩子從娘胎出來后認識母親時要獲取母親的各種形象特征和語音特征等一樣。

獲取對象和環境各種特征的過程，實際上是一個記憶和學習的過程。自然界人和動物的記憶和學習機理還遠遠沒有揭示出來，現在急速發展的深度學習方法是實現記憶和學習功能的一種有效手段。深度學習的概念源于人工神經網絡的研究，含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示特征，以發現數據的分布式特征表示。例如，目標形體不變矩特征的提取與學習，是從一幅數字圖像中計算矩量，并獲取該圖像不同類型幾何特征信息的過程。目標運動特征提取與學習，是對其速度、高度、機動等特性的獲取與學習的過程。目標輻射特征的提取與學習，是對其電磁輻射、音頻輻射等頻率、帶寬特性，以及隱含信息特征獲取與學習的過程。

獲取了對象和環境的各種特征之后，智能感知的另一重要任務是判斷和推理。實際上，每種傳感器僅能給出目標和環境的部分特征信息，如何利用各種類別的特征信息來確定目標和環境的類別與屬性，需要基于多傳感信息融合的判斷和推理。多傳感信息融合的基本原理，是把在空間或時間上的冗余或互補的信息依據某種準則進行充分組合，以獲得感知對象的一致性解釋或描述，從而完成智能感知的全過程。

現代智能感知系統需要模仿人和動物的認知機理，來完成對象的特征提取和智能推理等過程。自然界人和動物認識客觀對象的多傳感信息融合機理還遠遠沒有揭示出來，但人工智能可以用機器視覺-機器聽覺-機器觸覺，以及感知信息融合的全過程來模擬人和動物的認知過程，這也需要建立新的理論框架來描述認知的本質。建立判斷和推理的方法很多，如概率推理、模糊判定、證據理論等。

在此介紹一種生物界特有的感知推理機制。在動物中，用于目標識別的一個典型例子是響尾蛇的光眼和熱眼。

圖2自然界響尾蛇兩種眼睛對感知對象的融合模式

生物學家對響尾蛇的認知機理進行了深入研究，其熱眼和光眼可以獲取草叢中要獵取對象的不同特征信息，響尾蛇的大腦頂蓋對來自兩類眼睛的信息進行融合，最后判定是否為可捕捉的目標。響尾蛇的這種認知機理融合模式共有6種，如圖2所示。前2種模式是簡單的邏輯“或”與邏輯“與”。后4種模式則是所謂“條件模式”，即一種認知結果對另一種認知結果的增強，或者反過來是一種認知結果對另一種認知結果的削弱。這種感知的所謂條件模式其實具有生物認知的普遍意義。例如，一個多年前熟悉的朋友突然出現在人群中，從外形判斷可能是那位朋友的可能性也許只有三成，但突然聽到他說話的聲音，這時可能性會提高到八成，或者反過來降低到不足一成。

圖3人類大腦對來自眼睛和耳朵的異構信息融合同樣表現出條件證據推理機制

自然界響尾蛇的大腦頂蓋對來自兩類眼睛的信息進行融合所反映的條件機制，啟發人們建立了基于生物多模異構信息融合機制的多源異構信息融合方法，從而達到非結構化信息互補集成的目的。

圖4用于軍事對象識別的條件證據推理融合模式

按照生物異構信息融合的復雜機制，基于隨機集理論和條件事件代數的基本理論，以及基于類Jeffrey規則的證據更新方法，建立了事件之間的類Bayes規則，從而建立了類似生物復雜融合機制的一類融合規則。

在人工智能系統迅速發展的今天，智能感知在諸多領域，如機器視覺、指紋識別、目標識別、人臉識別、視網膜識別、虹膜識別、掌紋識別、態勢感知、智能搜索等領域取得了輝煌的成就。目前，智能感知研究的理論基礎是基于大數據深度學習的感知對象特征提取，以及基于各種特征的類生物機制的推理方法等。

到了2013年，有人開發了一種新的數據分析方法，似乎給計算機的“創造力”提供了一種手段。這種所謂“創造力”，實質上是建立的一整套智能感知和智能決策能力體系。甚至有人擔心，未來“精于創造”的計算機一旦掌握了全面智能感知和智能決策能力，可能會反過來對抗人類。

智能感知的未來

智能感知技術在未來的發展，首先應該強調智能機器人。未來的智能機器人應該具備形形色色的智能感知系統，具有智能化水平更高的機器視覺、聽覺、觸覺和嗅覺，并更具有相當發達的“大腦”學習機制和推理機制。這種智能機器人能夠完全理解人類語言，應該根據感知信息進行智能判斷和分析，形成和人類非常相似的感知模式。其中還有許多難題需要解決，如基于環境理解的全局定位、目標識別和障礙物檢測等。

未來的自動駕駛車輛與智能交通系統對于智能感知的需求更強。自動駕駛車輛在世紀初已經呈現出接近實用化的趨勢，依靠智能感知技術將實現全面自主的協同工作。智能交通系統將實時、準確、高效地實現綜合交通運輸管理，要求在一個更廣范圍內實現智能感知，不僅要求對局部路況和環境的感知，還要求對區域內車輛分布、天氣變化、突發事件等的智能感知。

未來多平臺協同作戰的戰術信息系統，要以各平臺之間的武器協同數據鏈（全向或定向）作為網絡傳輸通道，支持各作戰平臺在作戰過程中進行智能感知信息的共享，以達到協同探測、協同攻擊和協同防御的目的。

未來發展的智能控制系統，是人工智能和控制理論的交叉，是具有智能感知、智能信息反饋和智能控制決策的系統。對工業對象的智能感知更具有復雜性，千變萬化的場景與對象需要各種各樣的傳感器獲取信息，要充分利用人工神經網絡的自學習特性和容錯特性，進行深度學習以獲取場景與對象的各種特征，再利用專家系統和各種推理規則達到認知場景與對象的目的，為其行為決策提供依據。

最近，百度百家BIG硅谷峰會在美國加州計算機博物館舉行，圍繞人工智能和大數據處理，8位各自領域前沿專家給現場聽眾帶來一場腦洞大開的思想盛宴，其中康奈爾大學創意機器人實驗室主任HodLipson分享了他們對機器人自我意識和自我進化的研究，也引發全場觀眾對人類前途的一種擔憂。

Lipson將自我意識定義為在沒有實體經驗情況下的想象能力。這種自我意識是人類特有的，但Lipson在一次研究中發現被設計跟蹤貓狗圖像的深度學習程序在經過一些訓練后，突然開始自發地追蹤人臉。這個發現讓他毛骨悚然，他意識到經過特別設計的機器系統會自己學習，不斷進步，所以它們非常有可能突破人類預先為它們設定的規則，產生自我意識，人類將無法掌控它具體能學到什么。

Lipson發現如果把兩個有深度學習能力的程序結合在一起，就可能產生類似人類自我意識的能力，這就好比機器人擁有了進化論里最重要的環境適應能力。在他的實驗室中，一個沒有經過走路編程的機器人通過自我進化可以實現行走功能，當切斷它的一條腿后，它還能自己學習用剩下的腿繼續行走。他還發現，擁有自我意識的機器人會創造更多的機會。其中一個機器人已經學會提出數學假說，還能自己驗證。以后機器人會很快獲得更多原本只有人類可以完成的事情，比如繪畫、寫詩、照顧小孩，甚至機器人還可以通過3D打印幫助創造機器人。

達爾文曾經說過，能生存的一直不是最強的，而是最能適應環境的。而如今機器人不僅獲得人類特有的適應能力（可以根據環境想像并調整的自我意識），而且看起來它在很多方面還優于人類。比如人類每個個體都要通過從零開始的學習獲取知識，而機器可以通過彼此互聯實現知識共享。很多學者已經對人工智能將給人類造成的挑戰擔心不已。

有專家認為，人機結合將把人類帶入全新的領域。在機器人超越人類之前，人類會自行擴展所謂“人類的定義”，通過人機結合消弭人和機器人的對立，并獲得新的進化。未來可能不再有人類的概念，每個“人”都是人機結合。人機結合不是新概念，英文叫cyborg（賽博格），指通過機器或外部設備增強人類自身功能即感知能力。

當機器人能夠像人類一樣思考，像人類一樣感受觸摸，并在諸多方面優于人類時，似乎不由自主地會對這種技術變得謹慎，但對人類命運悲觀的人也許可以從McCauley教授身上找到希望。McCauley在自己的左手植入一個膠囊芯片，除了定位，他還可以用手開家里的密碼鎖。其實植入芯片獲得特殊用途的定位技術現在已經非常普及了。McCauley說植入芯片的過程就像打耳釘，他非常喜歡這個帶給他生命的改變。

在地球生物的進化歷史里，人類從來都不是最強的生物，但我們肯定是最會利用外物適應環境的生物，能夠利用工具曾被作為從動物進化為人的分界線。所以，當機器進化到一定階段后，人類一定會優先利用機器改造自己，我們會像接受眼鏡、義肢、助聽器、手機和語音導航一樣，接受鈦合金制造物和人工智能程序對我們身體的改造，以增強人類的智能感知能力。或者，你也可以把人機結合跟過去人類不同種族的通婚相類比，通過吸納融合，讓自己適應機器人這個突然出現又野心勃勃的新物種。