光電認(rèn)知的無人系統(tǒng)

文 戴瓊海

人類社會(huì)的發(fā)展過程

人類社會(huì)的發(fā)展經(jīng)歷了幾個(gè)階段。從原始社會(huì)到農(nóng)耕文明，后又經(jīng)歷了兩次工業(yè)革命，走進(jìn)了信息時(shí)代。馬克思總結(jié)了人類歷史發(fā)展過程中經(jīng)歷的東西，“各種經(jīng)濟(jì)時(shí)代的區(qū)別，不在于生產(chǎn)什么，而在于怎樣生產(chǎn)，用什么勞動(dòng)資料生產(chǎn)。勞動(dòng)資料更能顯示一個(gè)社會(huì)生產(chǎn)時(shí)代的具有決定意義的特征?！边@就說明各個(gè)不同時(shí)代最大的特征區(qū)別，就在于人們使用什么勞動(dòng)工具（這一主要的勞動(dòng)資料），以及怎樣勞動(dòng)。我們分別來看一看。人類社會(huì)的發(fā)展需要依靠生產(chǎn)力推動(dòng)，生產(chǎn)力三要素是勞動(dòng)力、勞動(dòng)工具和勞動(dòng)對(duì)象。原始人使用石器工具狩獵，并學(xué)會(huì)使用火來加工肉類，這些特征將人類與動(dòng)物區(qū)分開來，標(biāo)志著人類社會(huì)的出現(xiàn)。農(nóng)耕社會(huì)人類的勞動(dòng)工具升級(jí)換代了，從石器變成了鐵器，勞動(dòng)方式也從石器耜耕升級(jí)為鐵器牛耕。勞動(dòng)工具的升級(jí)以及協(xié)作生產(chǎn)，進(jìn)一步提升了生產(chǎn)效率，推動(dòng)了生產(chǎn)力的發(fā)展。

1946年誕生的世界上第一臺(tái)通用計(jì)算機(jī)ENIAC

接著迎來第一次工業(yè)革命，也就是蒸汽時(shí)代。勞動(dòng)力從以人力、水力、風(fēng)力及畜力為代表的自然力升級(jí)成了蒸汽，生產(chǎn)方式從手工生產(chǎn)升級(jí)成大機(jī)器生產(chǎn)，開創(chuàng)了以機(jī)器代替手工的時(shí)代，我們把手里的工作交給機(jī)器來完成。第二次工業(yè)革命是電氣時(shí)代，有了電以后，各種與電相關(guān)的科技發(fā)明層出不窮，并與生產(chǎn)緊密結(jié)合，生產(chǎn)效率得到了更進(jìn)一步的提升，生產(chǎn)力得到了突破性發(fā)展，人們意識(shí)到科技對(duì)生產(chǎn)力的提升起到了重要作用。

第三次革命讓人類進(jìn)入了信息時(shí)代，1946年誕生了世界上第一臺(tái)通用計(jì)算機(jī)ENIAC，還有TCP/IP協(xié)議棧的發(fā)明，使互聯(lián)網(wǎng)技術(shù)得到了迅速發(fā)展。1995年美國提出了“信息高速公路”的概念，借助互聯(lián)網(wǎng)絡(luò)的信息傳遞和協(xié)作能力，出現(xiàn)了一系列高新技術(shù)，比如原子能、航空航天技術(shù)和生物克隆技術(shù)等，科學(xué)技術(shù)毋庸置疑成了第一生產(chǎn)力?，F(xiàn)在，我們進(jìn)入了智能時(shí)代，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)在很多產(chǎn)業(yè)中發(fā)揮著重要的作用，比如埃隆·馬斯克的TESLA電動(dòng)車、SpaceX重型火箭等。正如有專家所說，我們需要仔細(xì)思考人工智能的研究工作目前處于什么階段，是嚴(yán)冬還是暖春？智能時(shí)代出現(xiàn)的無人系統(tǒng)、納米科技、量子計(jì)算和物聯(lián)網(wǎng)絡(luò)，都在彰顯多學(xué)科交叉研究的重要性，所以我們說跨多學(xué)科的融合將生產(chǎn)力發(fā)展提升到一個(gè)新的臺(tái)階，現(xiàn)在已經(jīng)可以讓機(jī)器代替人工作了。這是一個(gè)多學(xué)科交叉的時(shí)代。

人類社會(huì)的發(fā)展過程實(shí)際上是生產(chǎn)力不斷提升的過程，而生產(chǎn)工具的變革是生產(chǎn)力發(fā)展的具體體現(xiàn)。人類從原始社會(huì)開始學(xué)會(huì)使用工具，到農(nóng)耕社會(huì)發(fā)明新工具，到蒸汽機(jī)和電的發(fā)明提升這些生產(chǎn)工具的工作效率，再到信息時(shí)代世界變成了可以協(xié)同工作的地球村，最后到我們現(xiàn)在的智能時(shí)代，用機(jī)器人代替人使用工具工作。由此可見，在現(xiàn)階段無人系統(tǒng)將是推進(jìn)社會(huì)進(jìn)步的強(qiáng)勁動(dòng)力，而無人系統(tǒng)的發(fā)展瓶頸會(huì)給我們帶來巨大的挑戰(zhàn)。

典型的無人系統(tǒng)

無人系統(tǒng)是科學(xué)和工程的跨學(xué)科融合，利用科學(xué)的思維指導(dǎo)工程實(shí)踐。涉及的學(xué)科眾多，典型的比如機(jī)械工程、電子工程、信息工程，也包括計(jì)算機(jī)科學(xué)、自動(dòng)化，同時(shí)涵蓋腦科學(xué)和認(rèn)知科學(xué)。無人系統(tǒng)自身涉及的內(nèi)容非常廣泛，包括設(shè)計(jì)、建造、運(yùn)行和使用的機(jī)器人，以及計(jì)算機(jī)系統(tǒng)對(duì)它們的控制、傳感器反饋及信息處理。

在目前這個(gè)階段，無人系統(tǒng)應(yīng)用的主要目的是替代人類、復(fù)制人類的行為，主要用在“3D”場景。第一個(gè)D，是Dull，用機(jī)器來代替人類完成日?；?、流水線的工作，比如自動(dòng)駕駛，工廠里的流水線，電力、石油、礦井等基礎(chǔ)設(shè)施的日常巡檢；第二個(gè)D，是Dirty，用無人系統(tǒng)代替人完成一些惡劣環(huán)境下的工作，比如隧道挖掘、戰(zhàn)場上的戰(zhàn)備負(fù)重、日常家居的清潔工作等；第三個(gè)D，是Dangerous，用無人系統(tǒng)代替人來做危險(xiǎn)的工作，比如拆彈機(jī)器人、戰(zhàn)場傷病救援、機(jī)器人醫(yī)療和外太空探索等。這些都是無人系統(tǒng)的重要應(yīng)用場景。

無人系統(tǒng)技術(shù)發(fā)展迅猛，出現(xiàn)了很多我們耳熟能詳?shù)墓竞痛硇援a(chǎn)品。比如美國波士頓動(dòng)力的機(jī)器人產(chǎn)品序列，在軍事運(yùn)輸、協(xié)同作戰(zhàn)和災(zāi)難救援等方面有著非常廣闊的應(yīng)用前景；還有德國Festo公司的仿生機(jī)器人，從2006年發(fā)布第一款仿生魚開始，陸續(xù)研發(fā)了仿生水母、仿生鳥、仿生蝴蝶、仿生螞蟻和仿生袋鼠等；還有大家非常熟悉的自動(dòng)駕駛領(lǐng)域，這是很多專家和行業(yè)公司都在做的，包括無人駕駛里的前向碰撞預(yù)警、車道偏離報(bào)警、行人碰撞警告等，這是從車輛本身的視角來說的，還有車輛與道路的關(guān)系問題，比如車道跟蹤、車流量監(jiān)控、變換車道、自主泊車等，最后就是車輛與環(huán)境的關(guān)系，比如沙塵暴、霧霾、夜晚、行人路段避讓，包括緊急目標(biāo)避讓等，這三個(gè)方面都是大家熟悉并關(guān)心的問題。還有無人機(jī)系統(tǒng)，目前國際上已經(jīng)有多家公司投入巨資研發(fā)載人無人機(jī)，此外無人機(jī)在軍事領(lǐng)域的應(yīng)用更是非常廣泛，具有代表性的比如全球鷹、捕食者和這里提到的軍用納米無人機(jī)、殺人蜂無人機(jī)等。

人工智能理論與工程技術(shù)的發(fā)展，賦予了無人系統(tǒng)更大的力氣，比如Sarcos公司的Guardian GT機(jī)械手可以輕松舉起500公斤的重物；更靈巧的手，比如可以代替人做外科手術(shù)的Surgical Robots；更明亮的眼睛，比如代表計(jì)算機(jī)視覺與VR技術(shù)前沿成果的微軟Holograms；更聰明的大腦，比如日本本田公司的機(jī)器人Asimo等。在機(jī)械技術(shù)、控制技術(shù)、計(jì)算機(jī)視覺技術(shù)、大數(shù)據(jù)分析和神經(jīng)網(wǎng)絡(luò)技術(shù)的交叉融合下，無人系統(tǒng)及其應(yīng)用得到了飛速發(fā)展。

納米無人機(jī)登上了2019年6月份Nature主刊的封面

無人系統(tǒng)發(fā)展得如此迅速，它是否存在瓶頸？瓶頸在哪里？我們以無人機(jī)系統(tǒng)為例來討論一下。美軍的無人機(jī)序列非常完備，包括大型的全球鷹、捕食者，中型的大渡鴉，再到超小型的黑蜂無人機(jī)。隨著材料科學(xué)的發(fā)展，又出現(xiàn)了納米無人機(jī)，總重量只有259毫克，是2019年6月份Nature主刊的封面文章?？梢哉f，未來戰(zhàn)爭將是高精尖機(jī)器人的主戰(zhàn)場。

美軍將無人機(jī)的自主能力分成了10個(gè)等級(jí)，第1級(jí)是最簡單的遙控引導(dǎo)，最高級(jí)第10級(jí)是全自主集群飛行。從第5級(jí)開始已經(jīng)關(guān)注集群協(xié)同了，無人機(jī)群與士兵聯(lián)合作戰(zhàn)，涵蓋了全自動(dòng)和半自動(dòng)的情況。

舉幾個(gè)無人機(jī)智能化的例子。第一個(gè)是DARPA正在進(jìn)行的OFFSET項(xiàng)目，利用多個(gè)無人機(jī)協(xié)同采集場景信息，可以在30分鐘之內(nèi)重建出2個(gè)街區(qū)的三維模型；還有DARPA挑戰(zhàn)賽的FLA輕量級(jí)無人機(jī)超高速避障，使用的傳感器是雙目可見光和激光雷達(dá)，利用小型GPU作為機(jī)載計(jì)算平臺(tái)；還有2013年國際空中機(jī)器人大賽世界冠軍，利用全自主無人機(jī)執(zhí)行反恐任務(wù)，完成特定目標(biāo)識(shí)別、室內(nèi)場景三維重建等。這些技術(shù)都有良好的應(yīng)用前景，比如現(xiàn)在樓宇、礦井的搶險(xiǎn)救災(zāi)等都在探討用全自主無人機(jī)來執(zhí)行搜索、勘查任務(wù)。例如無人機(jī)在北京電網(wǎng)地下管廊0.8～1米狹窄空間內(nèi)，實(shí)現(xiàn)電纜溫度的全自主巡檢；還有神華集團(tuán)錦界煤礦地下礦井的瓦斯?jié)舛热灾鳈z測，人不用下去工作，利用無人機(jī)就可以實(shí)現(xiàn)全自主巡檢。

想要實(shí)現(xiàn)無人機(jī)的智能化，工作可以分為三個(gè)部分。首先是看場景的紋理、深度信息，常規(guī)應(yīng)用下現(xiàn)有商業(yè)傳感器的采集速度已經(jīng)足夠了；其次是飛，現(xiàn)有硬件控制器的姿態(tài)解算、內(nèi)環(huán)和外環(huán)控制能力已經(jīng)足夠；最后是算，想要無人機(jī)系統(tǒng)真正實(shí)現(xiàn)全自主飛行，在采集了外界環(huán)境信息后，需要解算自身位置、姿態(tài)并重建外界環(huán)境，然后才能將控制指令發(fā)送給飛行控制器來執(zhí)行飛行動(dòng)作。在研究的過程中我們發(fā)現(xiàn)，無人機(jī)智能化最重要的“算”的環(huán)節(jié)，極大受限于計(jì)算平臺(tái)的算力。想要更好的計(jì)算性能就需要好的計(jì)算平臺(tái)，這些計(jì)算平臺(tái)往往重量大、尺寸大、功耗大，而無人機(jī)的載荷和續(xù)航能力是很有限的。推而廣之，人工智能技術(shù)最重要的3個(gè)方面是算法、算力和大數(shù)據(jù)，三足鼎立里最重要的是要解決算的問題。

光電認(rèn)知計(jì)算的無人系統(tǒng)

大家都知道計(jì)算嵌入到我們生活的各個(gè)方面，是現(xiàn)代信息社會(huì)的基石。計(jì)算能力反映社會(huì)進(jìn)步程度，是綜合國力的象征，算力已經(jīng)成為各國科技競賽中最重要的制高點(diǎn)。自從2012年以來人工智能異軍突起，大概5～7年時(shí)間內(nèi)人工智能的算力需求增加了30萬倍，對(duì)現(xiàn)有計(jì)算平臺(tái)的算力提出了非常大的考驗(yàn)?，F(xiàn)在都在做人工智能，算力從哪里來？這是非常重要的基本問題。根據(jù)摩爾定律，集成電路的集成度每18個(gè)月要翻1倍，性能提升1倍。而現(xiàn)在電子器件的摩爾定律面臨全面失效，硅基電路摩爾定律5年僅增長8倍，難以支撐人工智能產(chǎn)業(yè)的高速發(fā)展。

戴瓊海院士

一般來說，算力正比于CPU的工作頻率，當(dāng)前CPU的頻率是4個(gè)G，物理極限是30個(gè)G，芯片的功耗正比于頻率的3次方。CPU的執(zhí)行效率低下，執(zhí)行所用能量僅占9%，而數(shù)據(jù)讀取占比高達(dá)35%。因此晶體管的密度激增僅僅帶來功耗的快速增長，而性能增速卻逐步放緩。

想要突破物理極限提升算力，有兩個(gè)途徑。一個(gè)是從計(jì)算并行度出發(fā)，GPU、FPGA等架構(gòu)，核心越多算力越高，但單個(gè)核心的功能弱，僅適合算數(shù)運(yùn)算，不適合邏輯元，僅僅提升了讀取帶寬，而且計(jì)算頻率越高功耗就越高。另一個(gè)途徑是從模擬生物神經(jīng)網(wǎng)絡(luò)出發(fā)，如類腦計(jì)算、神經(jīng)形態(tài)計(jì)算等。利用對(duì)生物腦機(jī)制自底向上的模仿來實(shí)現(xiàn)連接即計(jì)算。優(yōu)勢是可以像人腦一樣功耗非常低，然而代價(jià)就是算力低下?，F(xiàn)在的類腦計(jì)算系統(tǒng)IBM的TrueNorth有6400萬個(gè)神經(jīng)元，有160億個(gè)突觸。我們?nèi)四X由三個(gè)腦構(gòu)成，第一個(gè)是本能腦，吃喝拉撒都靠本能腦；第二個(gè)是情緒腦，它讓人會(huì)哭會(huì)笑；第三個(gè)就是人腦和動(dòng)物不同的叫邏輯腦，邏輯腦神經(jīng)元大概140億個(gè)，有100萬億個(gè)突觸，目前所實(shí)現(xiàn)的類腦和神經(jīng)形態(tài)計(jì)算與人腦數(shù)量相比，相差了多少個(gè)數(shù)量級(jí)，所以功耗降了，算力也降了，只提高了能效。此外，谷歌的TPU也是從模擬人工神經(jīng)網(wǎng)絡(luò)出發(fā)，算力強(qiáng)、頻率高，功耗中等，但它是針對(duì)某個(gè)任務(wù)的，一事一議，專用，代價(jià)高。

總結(jié)一下現(xiàn)有硅基集成電路的局限性，首先受到晶體管加工物理極限限制，其次散熱極限限制了神經(jīng)元數(shù)目，最后二進(jìn)制的集成電路構(gòu)架語言限制了它的發(fā)展。比如，我們希望硅基做到7納米，甚至做到7納米以下，到7納米就要開始防止漏電，小于7納米時(shí)量子隧穿效應(yīng)就會(huì)越來越明顯，容易短路。因此人們開始想起了以前丟失的光計(jì)算。光計(jì)算和人工智能一樣，也是三起三落。

大家可以看看光學(xué)計(jì)算的發(fā)展歷史。人工光電計(jì)算是1960年產(chǎn)生的，它的算力非常強(qiáng)，然而硅基的出現(xiàn)把電子計(jì)算、光學(xué)計(jì)算又棄之一邊，貝爾實(shí)驗(yàn)室當(dāng)時(shí)采用砷化鎵光學(xué)做了測試，但是沒有把光計(jì)算放進(jìn)去。直到2012年、2013年光計(jì)算開始引起足夠的重視，因?yàn)槿斯ぶ悄艿陌l(fā)展需求來了，算力有希望大大提升。因此，2017—2019年光學(xué)計(jì)算發(fā)展非常迅速。

光學(xué)計(jì)算相比于傳統(tǒng)計(jì)算的優(yōu)勢在于保持高效的同時(shí)，能以光速進(jìn)行模擬運(yùn)算，帶來算力的迅速提升。每單位面積（平方厘米）芯片上，每秒可進(jìn)行的乘加運(yùn)算，智能光電計(jì)算可以達(dá)到3個(gè)數(shù)量級(jí)的提升，而每次乘加計(jì)算的計(jì)算效率將會(huì)比傳統(tǒng)硅基電路提升6個(gè)數(shù)量級(jí)。

光場傳播有多個(gè)維度，這些維度都可以用來計(jì)算。三維受控的衍射傳播，實(shí)現(xiàn)全并行光速計(jì)算，那么高維光場信號(hào)可以帶來前所未有的帶寬通量，采、存、算一體結(jié)合材料科學(xué)實(shí)現(xiàn)小型化，所以以光學(xué)作為計(jì)算手段，能夠帶來新的顛覆性革命。這種顛覆性革命包含幾個(gè)方面：①范式顛覆：采集與計(jì)算無縫銜接，突破存算分離的速度制約；②速度提升3個(gè)數(shù)量級(jí)，計(jì)算頻次達(dá)到1THz，遠(yuǎn)遠(yuǎn)超過GHz電子芯片頻率；③功耗降低百萬倍。

我們團(tuán)隊(duì)做了全光神經(jīng)網(wǎng)絡(luò)的模型和架構(gòu)，首次通過光的衍射屬性，構(gòu)建了多層全光學(xué)的光速計(jì)算神經(jīng)網(wǎng)絡(luò)，并且通過三維打印的方式進(jìn)行物理實(shí)現(xiàn)，非常簡單易行。

在傅里葉域光學(xué)衍射網(wǎng)絡(luò)方面，我們設(shè)計(jì)了光學(xué)傅里葉域的計(jì)算系統(tǒng)，在可見光波段進(jìn)一步減小元件尺寸，并且融入光學(xué)非線性，實(shí)現(xiàn)二維圖像的語義計(jì)算。每秒1萬幀圖像，人眼難以分辨，利用光拍攝時(shí)，就變得非常容易實(shí)現(xiàn)。在這里面國際同行也做得非常漂亮，比如，2017年MIT就實(shí)現(xiàn)了干涉光學(xué)神經(jīng)網(wǎng)絡(luò)，采用的方式是相位調(diào)整加波導(dǎo)干涉，引起同行大量關(guān)注，目前已經(jīng)做到深度學(xué)習(xí)中的矩陣運(yùn)算。另外，德國明斯特大學(xué)和英國牛津大學(xué)、?？速愄卮髮W(xué)，解決了線性和基本非線性的問題，得到了非常重要的突破。這些成果就給了我們新的啟示和工作方向，干涉光學(xué)網(wǎng)絡(luò)和算力光學(xué)網(wǎng)絡(luò)在每平方毫米所產(chǎn)生的神經(jīng)元計(jì)算數(shù)量變得非常少，所以現(xiàn)在已經(jīng)進(jìn)入新一輪光學(xué)芯片的競賽，開始增加其算力。

我們希望能夠在干涉衍射情況下再加上非線性，這樣一來每平方毫米的神經(jīng)元個(gè)數(shù)可以達(dá)到10的5次方，而計(jì)算效能能夠達(dá)到10的23次方，提高的數(shù)量更大，性能更高。因此，光電計(jì)算能夠給未來的工作帶來非常大的突破。大家可以看到，如果有光計(jì)算就可以將數(shù)據(jù)的采集、計(jì)算和感知放在一起，突破現(xiàn)在采、算分離的局限性，達(dá)到更快速度。

未來的光電計(jì)算能夠給人工智能領(lǐng)域帶來顛覆性的突破，尤其是無人系統(tǒng)的發(fā)展?，F(xiàn)在很多無人系統(tǒng)的計(jì)算都要放在云端，借助光電計(jì)算就可以實(shí)現(xiàn)超小型智能武器、智能仿生的機(jī)器人、微型修理機(jī)器人，尤其是光電計(jì)算的自動(dòng)駕駛。自動(dòng)駕駛最難的就是200～300米的深度估計(jì)，在我們車速限速120公里每小時(shí)的情況下，只有使用光電計(jì)算才能夠?qū)崿F(xiàn)駕駛場景的實(shí)時(shí)感知，為自動(dòng)駕駛的發(fā)展提供重要的支持。所以說，光電認(rèn)知計(jì)算的無人系統(tǒng)將會(huì)更快、更小和更加的智能！

（本文為戴瓊海院士在2019第九屆中國智能產(chǎn)業(yè)高峰論壇上的主題演講）