神經(jīng)符號(hào) AI，或?yàn)橄乱淮?AIoT 的新解法
IEEE Fellow 被稱為全球電子電氣工程領(lǐng)域的最高榮譽(yù)，每年當(dāng)選人數(shù)不足整個(gè) IEEE 協(xié)會(huì)的千分之一。當(dāng)選者須由一位 IEEE Fellow 提名、至少三位 IEEE Fellow 推薦，由此可見(jiàn)，每位成功入選的 IEEE Fellow 必是相關(guān)賽道有所建樹(shù)的佼佼者。
為此，AI 科技評(píng)論開(kāi)設(shè)了「2023年度IEEE Fellow」系列，邀請(qǐng)今年入選的科學(xué)家進(jìn)行深度專訪。該系列第一期嘉賓是現(xiàn)任教于美國(guó)馬里蘭大學(xué)的宋厚冰教授，他所專注的研究方向是 AIoT。
今天，AIoT 應(yīng)用在生活的各個(gè)方面持續(xù)和顯著增加。AIoT 通過(guò)智能傳感器采集各類信息存儲(chǔ)在云端、邊緣端，再經(jīng)由大數(shù)據(jù)分析、人工智能技術(shù)對(duì)海量信息進(jìn)行處理，建筑起一個(gè)萬(wàn)物智聯(lián)的數(shù)字世界。
據(jù) Gartner 預(yù)測(cè)，到 2022 年結(jié)束，將有超過(guò) 80% 企業(yè)級(jí) IoT 設(shè)備與 AI 聯(lián)動(dòng)。其中，無(wú)線傳感器（WSN）的部署總量也呈迅猛增長(zhǎng)態(tài)勢(shì)，貝哲斯咨詢預(yù)計(jì)到 2028 年，全球無(wú)線傳感器市場(chǎng)規(guī)模預(yù)計(jì)將達(dá) 7841.98 億元。
然而，隨著連接性和自動(dòng)化水平的提高，惡意用戶能夠?qū)鞲衅鬏p松實(shí)施不同類型的攻擊，每個(gè)漏洞都可能成為安全隱患，威脅到網(wǎng)絡(luò)系統(tǒng)中每個(gè)節(jié)點(diǎn)，進(jìn)而威脅到整個(gè) AIoT 生態(tài)的安全性。
作為深耕 AIoT 領(lǐng)域的華人學(xué)者之一，宋厚冰在物聯(lián)網(wǎng)領(lǐng)域的研究始于 2012 年，博士畢業(yè)后，宋厚冰就一直從事 CPS（網(wǎng)絡(luò)物理系統(tǒng)）、物聯(lián)網(wǎng)方面的研究，當(dāng)前谷歌學(xué)術(shù)引用量已超過(guò)2萬(wàn)次。今年，他憑借在大數(shù)據(jù)分析和人工智能與物聯(lián)網(wǎng)集成的貢獻(xiàn)當(dāng)選 IEEE Fellow，其近年來(lái)的研究主要聚焦在網(wǎng)絡(luò)物理系統(tǒng)、網(wǎng)絡(luò)安全和隱私等問(wèn)題上。
宋厚冰指出，物聯(lián)網(wǎng)是 CPS 的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，系統(tǒng)從計(jì)算和物理組件的無(wú)縫集成構(gòu)建并依賴于它們的工程系統(tǒng)，其中，物聯(lián)網(wǎng)中的安全性問(wèn)題，特別是 WSN 在被委托執(zhí)行關(guān)鍵任務(wù)時(shí)、其安全性問(wèn)題至關(guān)重要，而此前大多數(shù)使用的系統(tǒng)并未能嵌入可以保護(hù)患者隱私的強(qiáng)大安全服務(wù)。
基于 AIoT 存在的漏洞和安全問(wèn)題，宋厚冰帶領(lǐng)團(tuán)隊(duì)探索并提出了反無(wú)人機(jī) CPS 和“旋轉(zhuǎn)記憶”。近日，AI 科技評(píng)論沿該方向與宋厚冰教授進(jìn)行了一次深入對(duì)話。
應(yīng)對(duì)攻擊的三個(gè)組件：
由于容易部署且成本低廉的特點(diǎn)，WSN 在 AIoT 中具有廣泛的應(yīng)用：采集人類相關(guān)活動(dòng)和行為觀察的信息，例如智慧醫(yī)療、居家養(yǎng)老，工業(yè)環(huán)境現(xiàn)場(chǎng)檢測(cè)，例如智能制造、工業(yè)自動(dòng)化，環(huán)境事件檢測(cè)，例如地震、水污染、光污染等......但無(wú)線傳感網(wǎng)絡(luò)也是一個(gè)非常復(fù)雜的系統(tǒng)，容易遭受的攻擊點(diǎn)更是不計(jì)其數(shù)。
針對(duì)無(wú)線傳感器的相關(guān)安全攻擊類型，可分為主動(dòng)攻擊和被動(dòng)攻擊兩大類。
被動(dòng)攻擊可分為竊聽(tīng)、節(jié)點(diǎn)故障、節(jié)點(diǎn)篡改/破壞、節(jié)點(diǎn)中斷和流量分析等多個(gè)類型。在被動(dòng)攻擊中，攻擊者通常以隱藏或偽裝的方式，對(duì)網(wǎng)絡(luò)功能組件進(jìn)行破壞。以竊聽(tīng)為例，竊聽(tīng)可以很容易地偵聽(tīng) WSN 中傳感器節(jié)點(diǎn)之間的無(wú)線通信，并且不需要對(duì)任何傳感器節(jié)點(diǎn)進(jìn)行捕捉。
而在主動(dòng)攻擊類別中，攻擊者會(huì)影響目標(biāo)網(wǎng)絡(luò)的功能和操作；主動(dòng)攻擊者發(fā)出可以被 WSN 元素感知的無(wú)線電發(fā)射或動(dòng)作，例如在物理層或網(wǎng)絡(luò)層中的 DoS （拒絕服務(wù)）攻擊，就會(huì)導(dǎo)致網(wǎng)絡(luò)元素丟棄數(shù)據(jù)包。宋厚冰教授認(rèn)為，這種不良影響的結(jié)果可能才是攻擊者的真正目標(biāo)。主動(dòng)攻擊可進(jìn)一步劃分為干擾、泛洪、DoS、黑洞、蟲(chóng)洞等類型，可以通過(guò)安全機(jī)制的入侵檢測(cè)來(lái)發(fā)現(xiàn)。
基于所面臨的網(wǎng)絡(luò)安全攻擊問(wèn)題，宋厚冰教授指出，可預(yù)防、檢測(cè)、緩解三個(gè)基本組成部分，來(lái)提出對(duì)應(yīng)的解決方案：
預(yù)防，旨在防患于未然。通過(guò)設(shè)計(jì)路由協(xié)議，使對(duì)方無(wú)法破壞節(jié)點(diǎn)/消息、或是使路由方案功能失調(diào)，就安全方案的成本和無(wú)線傳感器在抵御威脅的有效性上來(lái)說(shuō)，這是最有效的方法。
保護(hù) WSN 免受 DoS 攻擊的解決方案
但要注意的是，入侵防御機(jī)制雖然可以抵御外部攻擊者對(duì)無(wú)線傳感器網(wǎng)絡(luò)和物聯(lián)網(wǎng)的攻擊，但機(jī)制不是專門(mén)為抵御內(nèi)部攻擊者而設(shè)計(jì)的，可能無(wú)法有效應(yīng)對(duì)新威脅。
因此，檢測(cè)就是應(yīng)對(duì)內(nèi)部攻擊提出的解決方案。
在攻擊事件中，當(dāng)對(duì)方開(kāi)始設(shè)法為推進(jìn)預(yù)防組件采取措施，這意味著針對(duì)攻擊的防御已經(jīng)失敗。目前，為相關(guān)攻擊的檢測(cè)組件設(shè)計(jì)的安全解決方案將負(fù)責(zé)和工作，尤其是對(duì)識(shí)別被攻擊的節(jié)點(diǎn)。應(yīng)對(duì)持續(xù)攻擊，內(nèi)部攻擊的唯一方法是使用入侵檢測(cè)系統(tǒng)（IDS）。經(jīng)檢測(cè)系統(tǒng)搜索發(fā)現(xiàn)入侵后，可發(fā)布緩解機(jī)制，以最大程度地減少正在進(jìn)行的攻擊的不利影響。
緩解是發(fā)生在最后一部分的機(jī)制，旨在緩解攻擊發(fā)生后，為保護(hù)網(wǎng)絡(luò)所采取安全措施，例如在襲擊中使用了“關(guān)閉網(wǎng)絡(luò)中受影響的節(jié)點(diǎn)”或“禁用計(jì)算機(jī)的端口”等。
通過(guò)預(yù)防、檢測(cè)、緩解這三個(gè)組件，構(gòu)成一個(gè)完整的安全結(jié)構(gòu)，以防御 WSN 以及物聯(lián)網(wǎng)可以應(yīng)對(duì)各種攻擊時(shí)多方面入侵。
AI 科技評(píng)論：能否請(qǐng)您分享一下您從求學(xué)、工作到成為資深教授的歷程？
宋厚冰：從 2012 年 8 月博士畢業(yè)到 2022 年 11 月入選 IEEE Fellow，一路走來(lái)我花了 10 年多一點(diǎn)（時(shí)間）。這一路算是比較順利，但是此前我的求學(xué)過(guò)程有點(diǎn)曲折。
我有 1 個(gè)學(xué)士學(xué)位，2 個(gè)碩士學(xué)位和 1 個(gè)博士學(xué)位，拿到 2 個(gè)碩士學(xué)位后都短期工作過(guò)，不像其他很多人本碩博一口氣讀完。我本科學(xué)自動(dòng)化，第一個(gè)碩士學(xué)控制，第二個(gè)碩士學(xué)交通，讀博士期間先在土木工程系讀了 2 年交通，然后又轉(zhuǎn)換專業(yè)到電子工程主攻光通信，3 年后畢業(yè)。
可能很多人好奇，為什么我會(huì)在專業(yè)上繞了一個(gè)大圈、浪費(fèi)時(shí)間。
我本科學(xué)的是自動(dòng)化，第一個(gè)碩士學(xué)控制，在西安交通大學(xué)跟隨蔡遠(yuǎn)利教授學(xué)習(xí)，將控制科學(xué)與技術(shù)用于交通系統(tǒng)以保障交通安全、提高交通效率和改善環(huán)境。2004 年，我在西安交大獲得碩士學(xué)位后，回到了山東老家，在山東省科學(xué)院短暫工作過(guò)一段時(shí)間。
之后我開(kāi)始考慮出國(guó)留學(xué)的事情，并在 2005 年 8 月毅然辭掉了工作赴美留學(xué)。我先是在德克薩斯大學(xué)埃爾帕索分校土木工程系，用了 16 個(gè)月拿到我的第二個(gè)碩士學(xué)位。2007 年 1 月，我進(jìn)入德克薩斯 A&M 交通研究院擔(dān)任工程研究員。
2007 年 8 月，我選擇進(jìn)入弗吉尼亞大學(xué)土木與環(huán)境工程系攻讀博士。起初，我希望能夠?qū)⒂?jì)算機(jī)的知識(shí)應(yīng)用到交通研究上，但這個(gè)想法很快被打破了，當(dāng)時(shí)的那位導(dǎo)師是純粹的交通專業(yè)背景出生，對(duì)計(jì)算機(jī)并不了解，這也導(dǎo)致了在課題上我們出現(xiàn)了一些分歧。兩年后，當(dāng)我的課程全部上完后進(jìn)入研究階段，這個(gè)問(wèn)題也依然沒(méi)有解決。為此他建議我嘗試換一個(gè)專業(yè)，選擇自己感興趣的方向。
幸運(yùn)的是，我遇到了我的第二位導(dǎo)師 Ma?té Brandt-Pearce 教授。她接收了我作為她的學(xué)生，所以在2009 年 8 月，我又轉(zhuǎn)入同校電子與計(jì)算機(jī)工程專業(yè)攻讀博士學(xué)位。
讀博期間，我最主要的課題是研究光纖通信領(lǐng)域中的非線性薛定諤方程的化簡(jiǎn)問(wèn)題。那會(huì)我經(jīng)?？障緯r(shí)間都呆在圖書(shū)館里，不僅是電子工程系，數(shù)學(xué)系和物理系的圖書(shū)館我都會(huì)去逛逛，很快我發(fā)現(xiàn)，在數(shù)學(xué)問(wèn)題上，化簡(jiǎn)問(wèn)題可以用數(shù)學(xué)公式表達(dá)出來(lái)，將公式應(yīng)用到光纖通信領(lǐng)域時(shí)，可以很好地解決非線性薛定諤方程的化簡(jiǎn)問(wèn)題。
這里我很感謝我的導(dǎo)師有充足的耐心，還容許我提出跟她完全相悖的技術(shù)路線，我們?cè)趪?guó)際上首先破解了困擾光纖通信領(lǐng)域長(zhǎng)達(dá) 15 年之久的非線性薛定諤方程的化簡(jiǎn)問(wèn)題。我也因此只用了 3 年就博士畢業(yè)。
2012 年 8 月，我獲得博士學(xué)位，加入美國(guó)西弗吉尼亞大學(xué)理工學(xué)院電子與計(jì)算機(jī)工程系任教，先是做了 2 年的訪問(wèn)助理教授，又做了 3 年的終身制助理教授。期間我創(chuàng)建了網(wǎng)絡(luò)化全球安全與優(yōu)化實(shí)驗(yàn)室（Security and Optimization for Networked Globe Laboratory，簡(jiǎn)稱“SONG Lab”）。2013 年 2 月，在西弗吉尼亞州高等教育政策委員會(huì)的資助下，我創(chuàng)建了西弗吉尼亞信息物理融合系統(tǒng)（CPS，Cyber-Physical Systems）卓越研究中心并擔(dān)任首任主任。
2014 年 1 月，西弗吉尼亞州埃爾克河化工廠泄露后，我領(lǐng)導(dǎo)團(tuán)隊(duì)開(kāi)發(fā)了一套 CPS 應(yīng)用于實(shí)時(shí)水質(zhì)監(jiān)測(cè)和水污染快速檢測(cè)，這項(xiàng)研究獲得時(shí)任美國(guó)西維吉尼亞州的資深聯(lián)邦參議員 John Davison "Jay" Rockefeller IV 的高度贊賞。在 2017 年西弗吉尼亞大學(xué)設(shè)立最高研究獎(jiǎng)“金熊學(xué)者獎(jiǎng)”中，我很榮幸成為了首屆的獲獎(jiǎng)?wù)摺?
2017 年 8 月，我加入美國(guó)安柏瑞德航空航天大學(xué)（這所高校也被譽(yù)為“天空中的哈佛”）電子工程與計(jì)算機(jī)科學(xué)系任教。SONG Lab 發(fā)展迅速，目前已有三位優(yōu)秀博士畢業(yè)生從 SONG Lab 走出，先后加入美國(guó)高校擔(dān)任終身制教職，我們團(tuán)隊(duì)也先后在主要國(guó)際會(huì)議上拿到11個(gè)最佳論文獎(jiǎng)。
宋厚冰（左三）和學(xué)生合照
2023 年 1 月，我將入職美國(guó)馬里蘭大學(xué)巴爾的摩縣分校信息系統(tǒng)系，擔(dān)任終身教職。
AI 科技評(píng)論：數(shù)十年的學(xué)術(shù)生涯中，有哪些重要的人與事？
宋厚冰：數(shù)十年的學(xué)術(shù)生涯中，我非常感激三個(gè)人。
第一個(gè)是我在西安交大的碩士導(dǎo)師蔡遠(yuǎn)利教授，他治學(xué)嚴(yán)謹(jǐn)，言傳身教，為人師表，領(lǐng)我進(jìn)入科研的大門(mén)。我在美國(guó)培養(yǎng)出的前三個(gè)博士生全部一畢業(yè)即在美國(guó)高校找到終身制教職，就得益于當(dāng)年他培養(yǎng)我的路數(shù)。
第二個(gè)是我在弗吉尼亞大學(xué)的博士導(dǎo)師 Ma?té Brandt-Pearce 教授，現(xiàn)任弗吉尼亞大學(xué)副教務(wù)長(zhǎng)。她在我校內(nèi)轉(zhuǎn)換專業(yè)時(shí)毅然接收我作為她的博士生，對(duì)我讀博第一年沒(méi)有任何科研產(chǎn)出沒(méi)有任何怨言。在她的悉心指導(dǎo)下，我得以在3年內(nèi)順利拿到博士學(xué)位畢業(yè)。
第三個(gè)是我在 IEEE 通信學(xué)會(huì)的 mentor，IEEE Fellow、美國(guó)亞利桑那州立大學(xué)薛國(guó)良教授，他曾任 IEEE 通信學(xué)會(huì)副主席。他是我最敬重的學(xué)術(shù)前輩，也是我的山東老鄉(xiāng)。薛教授治學(xué)嚴(yán)謹(jǐn)，提攜后進(jìn)，甘為人梯，是我們?nèi)A人在美國(guó)學(xué)術(shù)界的杰出代表和學(xué)習(xí)的榜樣。沒(méi)有他的指導(dǎo)和鼓勵(lì)，我不可能在博士畢業(yè) 10 年內(nèi)成長(zhǎng)為 IEEE Fellow。
AI 科技評(píng)論：您的主要研究方向是什么？從什么時(shí)候開(kāi)始關(guān)注 CPS、IoT 或工業(yè)互聯(lián)網(wǎng)這些方向？
宋厚冰：SONG Lab 的研究宗旨是在三個(gè)熱門(mén)領(lǐng)域的交叉結(jié)合部發(fā)現(xiàn)與創(chuàng)新，其分別是CPS（包括無(wú)人系統(tǒng) nmanned systems，自主系統(tǒng) Autonomous Systems）/IoT、人工智能/機(jī)器學(xué)習(xí)/大數(shù)據(jù)分析，以及網(wǎng)絡(luò)空間安全。
我入門(mén) CPS 是在 2012 年的春天，那是我博士畢業(yè)前最后一學(xué)期，當(dāng)時(shí)恰好看到 John A. Stankovic 開(kāi)設(shè)的一門(mén)課程 Cyber-Physical Systems，我非常感興趣，就選了這門(mén)課，也是在這個(gè)時(shí)候我才真正接觸到 CPS 。上課期間，我發(fā)現(xiàn)，交通是 CPS 中的一個(gè)重要應(yīng)用領(lǐng)域，如果將交通 CPS 作為切入點(diǎn)，或許我有別人無(wú)法比擬的優(yōu)勢(shì)。因此很自然地，當(dāng)我 2012 年秋天前往西弗吉尼亞大學(xué)任教時(shí)，我就瞄準(zhǔn)了 CPS。
2013 年 2 月，我很幸運(yùn)地拿到了一筆資助，創(chuàng)建了西弗吉尼亞 CPS 卓越研究中心，并擔(dān)任首任主任。這也是我從事 CPS 研究的真正起點(diǎn)。研究中心針對(duì)智能電網(wǎng)、車(chē)聯(lián)網(wǎng)、緊急響應(yīng)、礦井監(jiān)控、橋梁監(jiān)控、山體滑坡預(yù)警等開(kāi)發(fā)了多個(gè) CPS。
2016 年，我與德國(guó)亞琛工業(yè)大學(xué)的 Sabina Jeschke、Christian Brecher 兩位教授合作編輯出版了《Industrial Internet of Things》一書(shū)，截至目前該書(shū)已被引用 1300 余次。同年，我還出版了 《Cyber-Physical Systems》。2006 年，趙偉教授（IEEE Fellow、時(shí)任澳門(mén)大學(xué)校長(zhǎng)）在美國(guó)國(guó)家科學(xué)基金會(huì)計(jì)算機(jī)與網(wǎng)絡(luò)系統(tǒng)分部主任任內(nèi)領(lǐng)導(dǎo)科技界，主持并開(kāi)創(chuàng)了 CPS 領(lǐng)域的研究，建立了第一個(gè) CPS 的科技計(jì)劃并撥付科研經(jīng)費(fèi)予以實(shí)施。《Cyber-Physical Systems》的出版恰逢 CPS 提出十周年，這本書(shū)也很幸運(yùn)地邀請(qǐng)到趙偉教授來(lái)作序。此后三年，我還陸續(xù)出版了《智慧城市》《CPS 安全》等多本書(shū)。
宋厚冰已出版書(shū)籍
AI 科技評(píng)論：據(jù)說(shuō)許多研究 CPS 的人都不愿意稱自己是做 IoT 的，是這樣嗎？CPS 與 IoT 這兩塊的發(fā)展脈絡(luò)是怎樣的？
宋厚冰：我覺(jué)得不存在這種情況。美國(guó)科技界喜歡用 CPS，而歐洲和亞洲、尤其是中國(guó)科技界喜歡用IoT，但其實(shí) CPS 與 IoT 密切相關(guān)。
IoT 是 CPS 的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，用一個(gè)網(wǎng)絡(luò)將所有的物體進(jìn)行連接，在網(wǎng)的基礎(chǔ)上去開(kāi)發(fā)不同的應(yīng)用和服務(wù)。而 CPS 的核心研究領(lǐng)域還包括自主性，控制，數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，安全，設(shè)計(jì)與驗(yàn)證等，IoT 這張網(wǎng)只是當(dāng)中的一個(gè)部分，因此 CPS 相比 IoT，它的范圍也要廣泛很多。
第三波人工智能元年：
AI 科技評(píng)論：據(jù)您觀察，國(guó)內(nèi)外這幾年的物聯(lián)網(wǎng)研究在趨勢(shì)、側(cè)重點(diǎn)與特色上分別有什么不同？物聯(lián)網(wǎng)經(jīng)歷過(guò)哪些低潮期與輝煌期？在大環(huán)境下，您個(gè)人的選擇是怎樣的？
宋厚冰：2014 年，智慧城市研究熱開(kāi)始升溫，此后一年里，CPS 研究社區(qū)開(kāi)始意識(shí)到大數(shù)據(jù)分析是從物聯(lián)網(wǎng)邁向?qū)崟r(shí)控制的關(guān)鍵，大數(shù)據(jù)分析開(kāi)始熱了起來(lái)。2017 年左右，CPS 研究社區(qū)的關(guān)注點(diǎn)開(kāi)始轉(zhuǎn)到物聯(lián)網(wǎng)的可靠性和可控性上，到 2018 年左右，CPS 研究社區(qū)開(kāi)始轉(zhuǎn)向 Artificial Intelligence of Things（AIoT）。
目前，AIoT 市場(chǎng)正處于迅猛發(fā)展階段，預(yù)計(jì)到 2028 年將達(dá)到千億美元以上規(guī)模，AIoT 技術(shù)的發(fā)展也將會(huì)延續(xù) AI 的發(fā)展。
AI 的發(fā)展實(shí)際上也是四種信息處理能力，即感知、學(xué)習(xí)、抽象和推理的發(fā)展。
AI 發(fā)展可分為三波：第一波 AI 是手工知識(shí)（Handcrafted Knowledge），大概發(fā)生在上世紀(jì)七十年代至九十年代，人們創(chuàng)建規(guī)則集表示已有知識(shí)，以專家系統(tǒng)為代表，四種信息處理能力中，只存在感知和推理，沒(méi)有學(xué)習(xí)和抽象；第二波 AI 是從本世紀(jì)初到現(xiàn)在的統(tǒng)計(jì)學(xué)習(xí)（Statistical Learning），近年來(lái)以深度學(xué)習(xí)為主，人們建立統(tǒng)計(jì)模型并在大數(shù)據(jù)上進(jìn)行訓(xùn)練，其中感知、學(xué)習(xí)、抽象得到提高，但推理仍然有限，而且沒(méi)有情境適應(yīng)能力；第三波 AI 的特征是情境適應(yīng)（Context Adaptation），今年是第三波 AI 的元年。
為什么 AI 在今年發(fā)展到了第三波？原因在于第二波 AI 的發(fā)展遇到了根本挑戰(zhàn)：統(tǒng)計(jì)上表現(xiàn)出色，但是就個(gè)體而言結(jié)果可能不可靠。這就需要建立與現(xiàn)實(shí)生活一致的情境解釋模型、以解釋和驅(qū)動(dòng)決策，這一挑戰(zhàn)不可避免地被 AI 帶進(jìn)了 AIoT 中，因此 AIoT 也必須具備情境適應(yīng)能力，方能實(shí)現(xiàn)即時(shí)正確決策。我認(rèn)為，從現(xiàn)在到 2030 年左右，AIoT 技術(shù)進(jìn)步的核心將聚焦在如何解決這一挑戰(zhàn)上。
目前來(lái)看，神經(jīng)符號(hào) AI（neurosymbolic AI）是最有希望的。神經(jīng)符號(hào) AI 是神經(jīng)網(wǎng)絡(luò)（第二波 AI）和符號(hào) AI（第一波 AI）的組合，擁有三大優(yōu)勢(shì)：精度更高，數(shù)據(jù)效率更高，高透明度和可解釋性。借助神經(jīng)符號(hào) AI，人工智能將變得越來(lái)越智能，AIoT 也將會(huì)變得越來(lái)越強(qiáng)大。但是，我們不得不承認(rèn)，神經(jīng)符號(hào) AI 仍然存在多重挑戰(zhàn)，比如表示學(xué)習(xí)、場(chǎng)景感知和理解、強(qiáng)化學(xué)習(xí)和規(guī)劃等。在攻克這一挑戰(zhàn)的征途中，并不排除有神經(jīng)符號(hào) AI 之外的顛覆性技術(shù)騰空出世。
站在我個(gè)人的角度上，我的研究方向選擇同物聯(lián)網(wǎng)研究的大趨勢(shì)密切相關(guān)。SONG Lab 主要在大數(shù)據(jù)分析和 AI+IoT 集成兩方面發(fā)力。我在 2017 年出版了《智慧城市》一書(shū)，邀請(qǐng)到 John A. Stankovic 作序，該書(shū)曾于 2018 年 4 月登上 IEEE Xplore 首頁(yè)；2019 年還出版了《大數(shù)據(jù)分析》一書(shū)，由愛(ài)立信公司 CTO Christoph Bach 先生作序。
目前，SONG Lab 在神經(jīng)符號(hào) AI 領(lǐng)域已深耕一年有余，我們也將會(huì)推出神經(jīng)符號(hào) AI 及其在 AIoT 應(yīng)用的系列研究成果。
AI 科技評(píng)論：您在 AIoT 這塊的研究與成果分別有哪些？
宋厚冰：AIoT 是我的核心研究領(lǐng)域之一。在這個(gè)領(lǐng)域，我主要是回答兩個(gè)根本性問(wèn)題：第一個(gè)問(wèn)題是如何開(kāi)發(fā) AI 策略與技術(shù)快速檢測(cè)異常事件，對(duì)于檢測(cè)各種各樣的異常包括入侵、威脅、漏洞、惡意軟件、AI 中的偏見(jiàn)等問(wèn)題，我都非常感興趣；第二個(gè)問(wèn)題，如何設(shè)計(jì)、建造和驗(yàn)證既可靠又安全的 AI 系統(tǒng)，比如自主系統(tǒng)。
SONG Lab 在 AIoT 中有兩個(gè)成果，一個(gè)是我們開(kāi)發(fā)的反無(wú)人機(jī) CPS。2017 年，我們關(guān)注到美國(guó)機(jī)場(chǎng)出現(xiàn)的無(wú)人機(jī)干擾問(wèn)題，當(dāng)時(shí)恰好進(jìn)入我組內(nèi)的兩名訪問(wèn)學(xué)生劉永鑫同學(xué)和王健同學(xué)此前都是從事無(wú)人機(jī)研究的，因此有了做反無(wú)人機(jī) CPS 的想法。
在以往的機(jī)場(chǎng)解決無(wú)人機(jī)干擾問(wèn)題時(shí)，常用的方法是將其打下來(lái)，這就很容易帶來(lái)糾紛問(wèn)題。為此我們?cè)诜礋o(wú)人機(jī) CPS 中，通過(guò)對(duì)無(wú)人機(jī)頻率和協(xié)議解碼，向無(wú)人機(jī)發(fā)送假的協(xié)議，當(dāng)無(wú)人機(jī)進(jìn)入機(jī)場(chǎng)范圍時(shí)，用協(xié)議牽引無(wú)人機(jī)遠(yuǎn)離機(jī)場(chǎng)，在安全環(huán)境中降落，有效解決了機(jī)場(chǎng)無(wú)人機(jī)干擾問(wèn)題，同時(shí)也大大減少和避免了糾紛的出現(xiàn)。
反無(wú)人機(jī) CPS
另一個(gè)成果就是“旋轉(zhuǎn)記憶”。所謂“旋轉(zhuǎn)記憶”，簡(jiǎn)單來(lái)說(shuō)，就是為了在不相互干擾的情況下、同時(shí)表示當(dāng)前和過(guò)去的刺激，大腦本質(zhì)上是“旋轉(zhuǎn)”感覺(jué)信息以將其編碼為記憶。這個(gè)成果被譽(yù)為“AI 模型新革命”，是 SONG Lab 和美國(guó)普林斯頓大學(xué)神經(jīng)科學(xué)家 Timothy Buschman 實(shí)驗(yàn)室?guī)缀跬阶龀鰜?lái)的，二者不同的地方在于，SONG Lab 完成了數(shù)學(xué)證明，而 Buschman 實(shí)驗(yàn)室則是通過(guò)做老鼠實(shí)驗(yàn)。
AI 科技評(píng)論：在 AIoT 或工業(yè)互聯(lián)網(wǎng)一塊，您覺(jué)得國(guó)內(nèi)的研究社區(qū)可能忽略了哪些重要方向？您個(gè)人的看法是怎樣的？
宋厚冰：其實(shí)我對(duì)國(guó)內(nèi)的研究社區(qū)不熟悉。不過(guò)根據(jù) exaly.com，在 AIoT 或工業(yè)互聯(lián)網(wǎng)頂尖期刊 IEEE Internet of Things Journal 或 IEEE Transactions on Industrial Informatics，看總體的引用量，中國(guó)并不比美國(guó)差，但在世界 Top 100 被引用最多的作者里面，來(lái)自國(guó)內(nèi)的學(xué)者為數(shù)不多，這當(dāng)中可能存在的一個(gè)原因就是缺乏原創(chuàng)性科技創(chuàng)新。
今天無(wú)論是在物聯(lián)網(wǎng)、還是聚焦在工業(yè)互聯(lián)網(wǎng)中，出現(xiàn)了不少趨同的現(xiàn)象，可能某個(gè)研究先提出來(lái)后，很快就會(huì)有別的跟上，因此像在業(yè)界，就很容易存在某些研究投入、名氣很大，但最后并沒(méi)有好的結(jié)果能出來(lái)。這當(dāng)中原創(chuàng)性的科技創(chuàng)新還是很重要。
AI 科技評(píng)論：在學(xué)術(shù)研究中，您比較秉承的原則是什么樣的？有哪些您欣賞的人與團(tuán)隊(duì)？
宋厚冰：我的原則是獨(dú)一無(wú)二。在發(fā)掘和挑戰(zhàn) AI 研究難題時(shí)，獨(dú)特性是第一位的。我經(jīng)常挑戰(zhàn)自己和我的學(xué)生：什么是我們的秘密武器？什么是我們的獨(dú)特優(yōu)勢(shì)？如果其他研究團(tuán)隊(duì)可以做出跟我們同樣或類似的結(jié)果，那么我們的研究就是沒(méi)有意義的，必須立刻停止，否則就是浪費(fèi)時(shí)間。
我在弗吉尼亞大學(xué)讀博士期間，面對(duì)困擾著光纖通信領(lǐng)域長(zhǎng)達(dá)15年之久的薛定諤方程的化簡(jiǎn)問(wèn)題時(shí)，將該方程從基于 Vloterra 級(jí)數(shù)的三重積分化簡(jiǎn)成一重積分，進(jìn)而推導(dǎo)出描述長(zhǎng)距離光纖通信系統(tǒng)的二維離散時(shí)間模型，并開(kāi)發(fā)出一系列數(shù)字信號(hào)處理技術(shù)改進(jìn)系統(tǒng)性能，這些技術(shù)包括限制編碼技術(shù)和均衡技術(shù)等，是國(guó)際上首次。
我的偶像是“人工智能之父” Herbert A. Simon ，曾獲圖靈獎(jiǎng)（1975 年），諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)（1978 年）和美國(guó)國(guó)家科學(xué)獎(jiǎng)（1986 年）。Herbert A. Simon 作為認(rèn)知科學(xué)與人工智能的創(chuàng)始人之一，在計(jì)算機(jī)科學(xué)與心理學(xué)的結(jié)合方面做出了卓越的貢獻(xiàn)，使認(rèn)知心理學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合產(chǎn)生了人工智能這一新學(xué)科，他也是認(rèn)知心理學(xué)、符號(hào)學(xué)、經(jīng)濟(jì)管理等數(shù)十個(gè)學(xué)科的先驅(qū)和巨匠，是唯一一位獲得了諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)和圖靈獎(jiǎng)及世界人工智能終身成就獎(jiǎng)的科學(xué)家。
他是我的榜樣，因此我一直堅(jiān)持的信條就是，在學(xué)術(shù)研究上，要做，就要做別人做不到的，否則就不要做。
AI 科技評(píng)論：從不知名的求學(xué)小卒到 IEEE Fellow，您覺(jué)得您做對(duì)了哪些選擇、做對(duì)了什么事情？未來(lái)五到十年的目標(biāo)是什么？
宋厚冰：回首成長(zhǎng)歷程，我覺(jué)得我在三個(gè)人生關(guān)鍵時(shí)刻做出了正確的選擇。
第一個(gè)是赴美留學(xué)，這是個(gè)很重要的節(jié)點(diǎn)，如果當(dāng)初我沒(méi)有做出這個(gè)選擇，那我的終身都會(huì)發(fā)生改變。我花了一整年時(shí)間去挑戰(zhàn)非線性薛定諤方程的化簡(jiǎn)問(wèn)題，破解這個(gè)困擾光纖通信領(lǐng)域長(zhǎng)達(dá)15年之久的難題是我引以為豪的科研成果之一。
第二個(gè)是換專業(yè)回歸到電子與計(jì)算機(jī)領(lǐng)域。如果我沒(méi)有轉(zhuǎn)回電子計(jì)算機(jī)領(lǐng)域，或許我會(huì)有一份穩(wěn)定的職業(yè)，但我極有可能后悔終生，因?yàn)槲覍⑹?AI 領(lǐng)域的一個(gè)看客，而不是一個(gè)積極的創(chuàng)新貢獻(xiàn)者。
第三個(gè)選擇是任教初期即徹底轉(zhuǎn)換研究方向到 IoT、CPS、大數(shù)據(jù)分析和 AI。我的博士論文做的是光通信，但在畢業(yè)后，我還是毅然決然地選擇了 CPS，因?yàn)槲液艽_定自己對(duì)這個(gè)領(lǐng)域是感興趣的。當(dāng)然邁出這一步需要極大的勇氣，但今天看來(lái)，我覺(jué)得這一步的話非常重要、也是個(gè)正確的選擇，否則我就沒(méi)有機(jī)會(huì)為 AI 領(lǐng)域發(fā)展作出貢獻(xiàn)。
當(dāng)選 IEEE Fellow 是一個(gè)新起點(diǎn)，意味著在科學(xué)家成長(zhǎng)三個(gè)階段“吸納、證明、輸出”中，前兩個(gè)階段我已經(jīng)走完，開(kāi)始步入第三階段：輸出。
未來(lái)五到十年，在研究上，我準(zhǔn)備瞄準(zhǔn) AI 領(lǐng)域的高可信與可解釋兩個(gè)根本挑戰(zhàn)，發(fā)力神經(jīng)符號(hào) AI（neurosymbolic AI），在應(yīng)用 AI 到網(wǎng)絡(luò)安全和 AI 系統(tǒng)的安全兩方面做出原創(chuàng)突破，回饋世界；在人才培養(yǎng)上，計(jì)劃培養(yǎng)若干名博士生成為杰出科學(xué)家，無(wú)論是進(jìn)入世界一流研究型大學(xué)擔(dān)任終身制教職或進(jìn)入工業(yè)界工作或創(chuàng)業(yè)，努力在博士畢業(yè)后八年內(nèi)當(dāng)選 IEEE Fellow；在技術(shù)轉(zhuǎn)移上，計(jì)劃推出幾款 AI 產(chǎn)品商業(yè)化，造福人類。
? Copyright 2013 南京奧特賽人工智能技術(shù)研發(fā)有限公司 版權(quán)所有 備案號(hào)：蘇ICP備19032300號(hào)-1 
蘇公網(wǎng)安備32011602010459 技術(shù)支持：科威鯨網(wǎng)絡(luò)
