6月11日，亚太人工智能学会（AAIA）武汉分会揭牌仪式暨2022武（wǔ）汉人（rén）工智能高峰论坛（tán）在武汉科技大学青山校区人工智能学院（yuàn）报告（gào）厅举行。中（zhōng）国（guó）科学（xué）院（yuàn）院士、武汉（hàn）科（kē）技大学人工智能（néng）学院（yuàn）院长吴宏鑫院士（shì）；中国（guó）工程（chéng）院院（yuàn）士、北京科技大学（xué）教（jiāo）授毛新平（píng）院士；欧（ōu）洲科学（xué）院院士、欧（ōu）洲科学与艺术院院士、国际系统（tǒng）与控（kòng）制科学院院士、IEEE会士、英国伦（lún）敦布鲁内尔大学教授王子栋院士；IEEE会（huì）士、长江学者特（tè）聘教授、国（guó）家杰青、华中科技大（dà）学人工（gōng）智能与自动化学院院长（zhǎng）曾志刚教（jiāo）授；IEEE会士（shì）、国家（jiā）杰青、中（zhōng）国地质（zhì）大学（武汉（hàn））计算机（jī）学院院长王力哲教授；国家杰青、武汉（hàn）大学电气与自动（dòng）化学（xué）院副院（yuàn）长（zhǎng）何（hé）怡刚教授；华（huá）中师（shī）范大学国家数字（zì）化学习（xí）工程技术（shù）研究中心（xīn）副主（zhǔ）任、华师伍伦贡（gòng）联合（hé）研究院院长余新国（guó）教授；武汉大学（xué）工业科学研（yán）究院（yuàn）副院长（zhǎng）李辉教授；亚太人工智能学（xué）会执行主席雷渠江（jiāng）教授；武汉（hàn）科技（jì）大学校长倪红卫（wèi）教（jiāo）授；亚（yà）太人工智能学（xué）会（huì）常务（wù）副（fù）秘书长（zhǎng）蔡忠（zhōng）涛；亚太人工智能（néng）学会（huì）武汉分会主席伍世虔教授；亚（yà）太人工智（zhì）能学会无锡分会（huì）（筹）秘书长殷飞，等二十余位专家（jiā）学（xué）者及300余位师生出席（xí）此次（cì）会（huì）议，会议采用线（xiàn）下与线上相（xiàng）结合的形式。

论坛（tán）议程：

湖北省委省政府积极落实党中央（yāng）、专家赋予湖北“建成支（zhī）点、走（zǒu）在前列、谱写新篇（piān）”的目标（biāo）定位，提出构建（jiàn）51020现（xiàn）代产业（yè）体系，即5个万亿级支柱产业、10个五千亿级（jí）优势产（chǎn）业、20个千（qiān）亿级特色产业集群。

此次高峰（fēng）论坛邀请到中国科学（xué）院士吴宏鑫、中国（guó）工程（chéng）院院士（shì）毛新平（píng）等8位专家学者进行汇（huì）报。报告既有关于人工智能研究内容的思考、关于人工智能再造科研和教育（yù）的展望（wàng），还（hái）有关注钢（gāng）铁企业CPS构建（jiàn）、记忆电路、城（chéng）市可（kě）持续发展、机器学习、大数据、智能制造等垂直领域的分享及讨论（lùn）。

报告一、吴宏鑫院（yuàn）士 《人工智能研究的一点体会》

吴院士用朴实语言（yán）给（gěi）大家（jiā）讲述了人（rén）工智能（néng）科学研究人员，要务实，不要搞胡里花（huā）哨的研（yán）究（jiū），研究要着眼实际问题，将理论与实践（jiàn）相互结（jié）合（hé）；每个单位和（hé）个人（rén）都应该从实（shí）际需求出发，选定一两个方（fāng）向，深入（rù）研究。在（zài）这个方面，武科大做得不错，人工智能（néng）学院也（yě）做得特（tè）别好，高校里面越来越多的老师，在注重产（chǎn）业化（huà），将理论研（yán）究（jiū）与实际应用相结合，推动产业（yè）发展。并给大家（jiā）展示了人工（gōng）智能（néng）在健康、航天（tiān）等领域的应用（yòng）：比如老年（nián）人智能（néng）尿不湿；如何防止走丢失系统，老年人走丢了（le），怎么去（qù）报警和预防，寻找。鞋子、衣服，需要穿戴的感知设备，与航（háng）天领域信息（xī）沟通，定（dìng）位（wèi）这个人在哪（nǎ）里？怎么（me）让（ràng）老年人更加健康的生（shēng）活，不仅仅是看（kàn）个电视（shì）剧，有吃有喝（hē），还要了解老年人在（zài）想什么（me）？报告还提到了一个重点研究的（de）领域：研究语言识（shí）别和表达，如果能够将汉语和英语的识别（bié）和（hé）表达研究好，我们可以节省（shěng）大量学习英语的时间。

最后也引领大家反思：智（zhì）能控制（zhì）究竟是什么（me）？智能（néng）控制到底要解决什（shí）么（me）问题？

报（bào）告二、毛新平院士《钢铁企业CPS构建的路径（jìng）和方（fāng）法》

毛院士给大家介绍了CPS的概念（niàn）与框（kuàng）架，CPS（cyber physical systems）通（tōng）过集成先进的感知、计算、通信、控制等信息技术和自动控制（zhì）技术，构建物理空间与信息空间（jiān）中人、机、物、环境、信息等（děng）要素的相互映射、实时交互、高效协（xié）同的复（fù）杂系统，实现系统内资源配置和运（yùn）行按需相应、快速迭代、动态优化；CPS包含四个环节：状态感知、实（shí）时（shí）分析、科学决策、准确执行；并（bìng）重点阐（chǎn）述了钢铁企业cps构建的路径和方法：CPS在流程工业的应用和发展空间极（jí）大（dà），流程型制（zhì）造工业对（duì）智（zhì）能制造的需求特别大，应用特别（bié）广阔，产生的社（shè）会价值特别巨大；国家强调的双碳，对于我们（men）这些制造（zào）过程来说，不仅仅（jǐn）是（shì）产量和质量，也要重视我们的能耗与环保，对生态的（de）影响，这些（xiē）将决定（dìng）我（wǒ）们的产（chǎn）品是否可以准入到国际市场；中国工程（chéng）院（yuàn）发布的《中国智能制造发展战（zhàn）略研究报告（gào）》中，提出（chū）了“并行（háng）推进、融（róng）合发展”的技术路线，数字化、网络化、智能化（huà）并行推进、融合发展，钢铁工业应遵循上述原则（zé），同时应（yīng）结合（hé）我国钢铁工业（yè）发展现状，实事求（qiú）是，扎扎实（shí）实地（dì）完（wán）成数字化、网络化（huà）“补课”。

报告三、曾（céng）志刚教（jiāo）授 《一种多功能（néng）忆（yì）阻（zǔ）巴普洛（luò）夫联系记忆电（diàn）路分（fèn）析》

我们过马路脑袋里面不用数（shù）学（xué）模（mó）型，现在机器（qì）人过马路，需要模型。人脑（nǎo）的信（xìn）息接受，内部感觉和（hé）外部感觉，经（jīng）过综合处理，不同的（de）人接触同样的信息（xī），处理和输（shū）出的（de）结论可（kě）能（néng）不一样，是因为输入（rù）输出之间是（shì）一种带跳（tiào）跃的、不连续的动态映射。世界是（shì）动（dòng）态的，机器人做决策所面（miàn）对的信（xìn）息（xī），经过（guò）加工和处理，已（yǐ）经相对静态和有（yǒu）逻辑，因此，在处理逻辑性（xìng）和静态信（xìn）息时（shí），机器人比（bǐ）人（rén）脑要强，但现实世界一切都是（shì）动态的；大脑的学习与回忆功能（néng）由神（shén）经元的各种动力学响（xiǎng）应（yīng）来实现。动物智能（néng）自带导航系统（tǒng），比（bǐ）如鸟的迁徙和每天回鸟（niǎo）巢（cháo），是（shì）不用GPS的。大（dà）脑中的记忆（yì）是如何（hé）产生（shēng）的？“自主性”是无（wú）人系（xì）统（tǒng）区别于有人系统最重要（yào）的技术（shù）特征，实现无人系统的自主控制，提（tí）高其智能程（chéng）度，是无（wú）人系统的重（chóng）要发（fā）展趋势。机器人做（zuò）判（pàn）断是有（yǒu）条件的，如果怎么，就怎（zěn）么的结构，人大部分时候做判断是（shì）没有那么多（duō）条件的。因此，自主性是现在的（de）机（jī）器人所不具（jù）备的。其研究团队（duì）过去的工作，利用忆阻电路模（mó）拟了生物（wù）学实验中的经（jīng）典联想记忆（yì）现（xiàn）象，基（jī）于明确的ANN算法（fǎ）模型进行电路设（shè）计并处理相应任务。

报告四（sì）、王（wáng）力哲教授 《面（miàn）向可持续发展目标的城（chéng）市空间（jiān）》

随着技术（shù）的发展，现在的情（qíng）况，走向更精细对（duì）地观测；空（kōng）间分辨率（lǜ）不断提升，大规（guī）模空间信息基础设（shè）施，大量的算力（lì）设备，算力的（de）架构和（hé）能力的提升，为（wéi）空间观测提供（gòng）了极大的帮助（zhù），并且基本都走向云化。从对地观测走向泛在感知，无人机（jī）遥（yáo）感、众包（bāo）扩展了数据来（lái）源；城（chéng）市风（fēng）暴潮数字孪生智能模（mó）拟、评估与决策支持；基于（yú）多源泛在感知数（shù）据（jù）的城市人（rén）口与电力消耗量估算研究，指出城市发展不健全，规划（huá）前（qián）瞻性（xìng）不足，提出（chū）高精度人口估算，使用多源数据，结合局部空（kōng）间信（xìn）息，来实现对某个时间段某个区（qū）域人口数量的估算（suàn）；结合深度迁（qiān）移学习与（yǔ）随机（jī）森林的电力消耗估算，来估算（suàn）城市（shì）的（de）能源消耗；天上看一些（xiē）东（dōng）西（xī），地面感（gǎn）知一些东西（xī），加上基本的社会经（jīng）济指标的对应（yīng），可以实现在一定（dìng）空间尺度和时间刻度上（shàng）能源（yuán）消耗的（de）估算。基于扩散理论的城市空（kōng）间形态时空演变及影（yǐng）响因素研究（jiū），地（dì）球和大（dà）脑都是（shì）复杂系统（tǒng），个人（rén）认为地球更加复杂，特别是从时间维度，我们对地（dì）球的演（yǎn）变知之（zhī）甚少（shǎo）；城市（shì）空间形态（tài）的发展变（biàn）化是一个行（háng）为过程高度复（fù）杂（zá）的（de）变化。通过多种要素建（jiàn）模，在时间和空间上进行演变建模，可以去预（yù）测和服务（wù）城市（shì）的扩散。

报告五、何怡刚（gāng）教授 《能源装备多源异构数据融合（hé）与（yǔ）机（jī）器（qì）学（xué）习诊断关键技术》

当前面临的问（wèn）题：多源（yuán）异构大数（shù）据（jù）的处理（lǐ）能力不足，泛化能（néng）力差；现有（yǒu）方（fāng）法难以提取分类，无法精确定位故障，难以准确推演设备（bèi）真实状态；目前各种诊断算法对高压大容器（qì）电力变压器（qì）等能源（yuán）装备运行状态之间的关（guān）联性分（fèn）析不（bú）足（zú），缺乏（fá）对各种信息之间的内在（zài）联系深（shēn）度挖掘（jué）。

其研究团队研究和（hé）建（jiàn）立了面向能（néng）源装备远程智能运维多源异构数据规范（fàn）化接入及质量评价指（zhǐ）标；装备的图像（xiàng）抽取（qǔ）有难度，很多时候是三维（wéi）甚（shèn）至四维的（de）；阐述了能源装（zhuāng）备（bèi）多模态（tài）信息（xī）融合评估机制，从图像数（shù）据、文本数据、音频数据和（hé）视频数据进行（háng）处理（lǐ）和（hé）清洗（xǐ），提取相应的特（tè）征，进行融（róng）合与通过特（tè）定算法，进行故障诊（zhěn）断；电网比我们的通讯网更为复杂，其研究团队也研究（jiū）电网（wǎng）设备的预警机（jī）制，基（jī）于（yú）串级迁（qiān）移学习的电力设备（bèi）小样本故障诊断融合，避免电网系统发生故障，避免安全事故和（hé）企业（yè）财产的（de）损失；特（tè）别是（shì）大变压（yā）器检测（cè）的应用，传（chuán）统（tǒng）的检测（cè），过去的监测很（hěn）麻烦，通（tōng）过光纤，通过（guò）数据线传导（dǎo）出来，其研（yán）究团（tuán）队设计了一种能够自取（qǔ）RFID传感器标签，通过传感器，无线发射的方式，用于变压（yā）器振（zhèn）动信号的采集与（yǔ）传输（shū）。电力系统和电（diàn）网系统，研（yán）发和运维有极大（dà）的提升空间。

报告六、王（wáng）子栋院士（shì） 《Big Data Analysis: Engineering or Science》

同（tóng）一批数据，给不同的人（rén），经过分析，有可能得出截（jié）然不同（tóng）的结论（lùn）；过去20年是算力突飞猛进的时刻，但是在算（suàn）法方面没（méi）有什么（me）突破；目前大数（shù）据分析主要两种（zhǒng）人，一种（zhǒng）是搞计算机科学的，另外（wài）一种是搞控制的、系（xì）统工程的（de），这两种方向是（shì）竞（jìng）争（zhēng）关系还是可以合作？我们做（zuò）研究时，有数据，也有对标的对象（xiàng），但是（shì）研究出来的结果还是不能完全（quán）一样。目前正（zhèng）在做（zuò）一个300万英镑的项目，人工智（zhì）能的方（fāng）法（fǎ）去炼丹（dān），与学校里面的材料科学家合作，传统的（de）方法是（shì）要做实验，我（wǒ）们用机器学习（xí）的方法，来（lái）研究各种各（gè）样的材料的（de）参数，有20000多种参（cān）数，导致（zhì）求解的过程很复杂；面临（lín）的（de）挑战（zhàn）：需要搜寻可能的（de）解空间太大，10年前（qián），数据驱动（dòng）热门时，很多人认为只需要数据，不需要算法。只要通过google收集（jí）一些数据，用统计软（ruǎn）件就可（kě）以（yǐ）分析得到结果。2014年，科学家（jiā）证明完全靠数据不行。在做数据分析（xī）时，有时看到（dào）有些数据比较奇（qí）怪（guài），一般人会提出把这些数据去掉，其实是不对的，其团队对奇怪的数据进行了（le）深入研究，到底（dǐ）这些（xiē）数据是噪音（yīn）还是惊喜，怎样建（jiàn）立一（yī）种方法，去区分噪声和（hé）惊喜，这个研（yán）究应用（yòng）到青光眼（yǎn）的早期预防，在（zài）非洲（zhōu）做了一些实验和应（yīng）用；怎么让（ràng）大数据的分析变得（dé）好（hǎo）玩有（yǒu）趣，把数据分析的软件变（biàn）得（dé）通用，最后把（bǎ）数（shù）据分（fèn）析（xī）的（de）结果变得不要那么飘忽（hū）不定。用机器学习（xí）研（yán）究（jiū）增材（cái）制造产（chǎn）品的质量问题，比如3D打印的产品，产品（pǐn）里面是否有（yǒu）气泡和缺陷？将不同的初始条（tiáo）件（jiàn），不同的算法，不（bú）同的指标，看成优化前提，通过算法（fǎ），对上（shàng）述因子（zǐ）进行不同的组合与选择，将（jiāng）数据分析变成一个科学。大数据分析（xī）要（yào）变（biàn）成一门严谨（jǐn）的科学，需要（yào）用系统科学的理念，一些结论：大不一定永远好，快也不一定是唯一的（de）解，可重（chóng）复性是（shì）大数据的重要问题，一个（gè）学科要（yào）长远发展，还是要回（huí）到（dào）科学的方向，相信大数据一定会成为一门（mén）科学，在大家共同努力下会发展的越来越好。

报告（gào）七（qī）、余新国教（jiāo）授 《人工智能再造科研（yán）和教育》

人的智（zhì）能（néng）有两个（gè）方（fāng）面，一个是感官（guān），一个是思维，思维层面比（bǐ）感（gǎn）官更加复杂，做（zuò）研（yán）究是一个高（gāo）智（zhì）力的（de）活动，那（nà）么人工智能（néng）是否可以（yǐ）帮（bāng）助我（wǒ）们提升（shēng）研究的效率呢（ne）？作为一个研究者，少（shǎo）则10年，多则20-30年才（cái）研究出一些成果，人工智能是否可（kě）以帮（bāng）助年轻（qīng）的研究者提升效率，成长（zhǎng）的更快呢？在做（zuò）学术综述和找论文方面，目前已经有（yǒu）一些应用和技（jì）术（shù），可以让（ràng）我（wǒ）们更（gèng）快的找到相应的论文和了解当（dāng）前某个领域研究的动态（tài）。大数据被称（chēng）为“第四研（yán）究范式”，通过大量的论（lùn）文（wén）和专家的研究报（bào）告，我们（men）是（shì）否可以通过人工（gōng）智（zhì）能（néng）找到他们的研究范（fàn）式；用（yòng）人（rén）工智能（néng）的方法提升研究者的效率，哪些事情是人工智能可以（yǐ）帮助到我们的呢？而（ér）研究智能教育，先要问的第（dì）一个（gè）问（wèn）题，教育是什么？提出了一个（gè）教（jiāo）育（yù）基本（běn）模（mó）型，从而去看（kàn）人工智（zhì）能在五个方（fāng）面如何去改善教育。余教授展示了在（zài）应用方面（miàn），其（qí）团队为自闭（bì）症（zhèng）儿（ér）童做了一（yī）个（gè）教育系统；另（lìng）外，开发（fā）了一个教育平台，里面有很多教育工（gōng）具（jù），学（xué）生可以在（zài）线做实验，计算机可以辅助画一些比较（jiào）复（fù）杂的图，帮助老师减轻教学负担。

科学当中三种智能程度（dù），最难（nán）的是建（jiàn）立新的理论，建模和分析比较容易实现；把解题看成不同问题的转换，重点在于对题目的理解，找到（dào）关系（xì），以及背后的方程式，执行求解过程，从而找（zhǎo）出计算（suàn）机（jī）解题的方法（fǎ）。并应用于解析（xī）物理和几何题，相关（guān）研究已经（jīng）发了（le）多篇（piān）论文。其研究（jiū）团队的理想是（shì）做（zuò）一个与语言无关（guān）的解（jiě）答器，目前全球（qiú）有（yǒu）200多种语（yǔ）言（yán），给教育和交流带来很多不便。

报告八、李辉教授 《基（jī）于工（gōng）艺过程多场建模仿真的电子（zǐ）产（chǎn）品大批量高速高精密智能制造产线集成技术》

智能制造在电子制造行业的需求和（hé）应（yīng）用很（hěn）多（duō），目（mù）前有很多问题需要解决，例如电子制造产（chǎn）线智能感知（zhī）与智能管控尚未得到有效解（jiě）决（jué），智能（néng）产线工艺流程、工艺（yì）环境和产品的（de）多场数字孪生与成品率、生产率（lǜ）的（de）耦（ǒu）合关系等；李教授展（zhǎn）示了其团图的项目成果（guǒ）：智（zhì）能产线方案，柔性PCB与汽车压力传感器，通过各（gè）种传（chuán）感器，对生产（chǎn）过程中事实（shí）数据进行监（jiān）控，然后将（jiāng）这些（xiē）数（shù）据传到（dào）后台，通过决策系（xì）统，实时动态对产线过（guò）程进（jìn）行（háng）决策指导与干预（yù）。随后（hòu），针对其（qí）团（tuán）队的研究（jiū）工作，重点介（jiè）绍（shào）了四（sì）个课题，分别是：课题一，基于边缘计算的智能感知（zhī）-控制模（mó）块研究与开发，电子制造智能产线生产系（xì）统的数字孪生（shēng）模型，基于（yú）数字孪（luán）生的智能产线优化管控系（xì）统（tǒng）；课题二，汽（qì）车压力传感器键合（hé）工艺仿（fǎng）真，键合焊（hàn）点热疲劳仿真，柔性PCB超精细线（xiàn）路曝光工艺（yì）仿真（zhēn），基于深度学习的FPCB疵病的（de）AOI检测；课题三，基于（yú）数字孪生的（de）电子（zǐ）产品生产调度（dù）与物料传输协同（tóng）优化（huà）及决策技术；课题四，柔性PCB智能产线，显影产（chǎn）线搭建，蚀（shí）刻产（chǎn）线搭（dā）建，在深圳（zhèn）上达（dá）电子（zǐ）完成了多条产线应用。

此次论坛，不仅（jǐn）代表亚（yà）太人工智能学会武（wǔ）汉分会（huì）的成（chéng）立（lì），同时汇（huì）聚了50余位（wèi）人工（gōng）智能领域的专家、300余位（wèi）学生（shēng），在（zài）顾问委员会的（de）指导下，继续推动人工智能学术交流、技术成（chéng）果转化等（děng）各（gè）方面的活（huó）动；下图为武汉分会顾问委（wěi）员会。