AI 科技评论：据您观察，国内外这几年的物联网研究在趋势、侧重点与特色上分别有什么不同？物联网经历过哪些低潮期与辉煌期？在大环境下，您个人的选择是怎样的？宋厚冰：2014 年，智慧城市研究热开始升温，此后一年里，CPS 研究社区开始意识到大数据分析是从物联网迈向实时控制的关键，大数据分析开始热了起来。2017 年左右，CPS 研究社区的关注点开始转到物联网的可靠性和可控性上，到 2018 年左右，CPS 研究社区开始转向 Artificial Intelligence of Things（AIoT）。目前，AIoT 市场正处于迅猛发展阶段，预计到 2028 年将达到千亿美元以上规模，AIoT 技术的发展也将会延续 AI 的发展。AI 的发展实际上也是四种信息处理能力，即感知、学习、抽象和推理的发展。AI 发展可分为三波：第一波 AI 是手工知识（Handcrafted Knowledge），大概发生在上世纪七十年代至九十年代，人们创建规则集表示已有知识，以专家系统为代表，四种信息处理能力中，只存在感知和推理，没有学习和抽象；第二波 AI 是从本世纪初到现在的统计学习（Statistical Learning），近年来以深度学习为主，人们建立统计模型并在大数据上进行训练，其中感知、学习、抽象得到提高，但推理仍然有限，而且没有情境适应能力；第三波 AI 的特征是情境适应（Context Adaptation），今年是第三波 AI 的元年。为什么 AI 在今年发展到了第三波？原因在于第二波 AI 的发展遇到了根本挑战：统计上表现出色，但是就个体而言结果可能不可靠。这就需要建立与现实生活一致的情境解释模型、以解释和驱动决策，这一挑战不可避免地被 AI 带进了 AIoT 中，因此 AIoT 也必须具备情境适应能力，方能实现即时正确决策。我认为，从现在到 2030 年左右，AIoT 技术进步的核心将聚焦在如何解决这一挑战上。目前来看，神经符号 AI（neurosymbolic AI）是最有希望的。神经符号 AI 是神经网络（第二波 AI）和符号 AI（第一波 AI）的组合，拥有三大优势：精度更高，数据效率更高，高透明度和可解释性。借助神经符号 AI，人工智能将变得越来越智能，AIoT 也将会变得越来越强大。但是，我们不得不承认，神经符号 AI 仍然存在多重挑战，比如表示学习、场景感知和理解、强化学习和规划等。在攻克这一挑战的征途中，并不排除有神经符号 AI 之外的颠覆性技术腾空出世。站在我个人的角度上，我的研究方向选择同物联网研究的大趋势密切相关。SONG Lab 主要在大数据分析和 AI+IoT 集成两方面发力。我在 2017 年出版了《智慧城市》一书，邀请到 John A. Stankovic 作序，该书曾于 2018 年 4 月登上 IEEE Xplore 首页；2019 年还出版了《大数据分析》一书，由爱立信公司 CTO Christoph Bach 先生作序。目前，SONG Lab 在神经符号 AI 领域已深耕一年有余，我们也将会推出神经符号 AI 及其在 AIoT 应用的系列研究成果。AI 科技评论：您在 AIoT 这块的研究与成果分别有哪些？宋厚冰：AIoT 是我的核心研究领域之一。在这个领域，我主要是回答两个根本性问题：第一个问题是如何开发 AI 策略与技术快速检测异常事件，对于检测各种各样的异常包括入侵、威胁、漏洞、恶意软件、AI 中的偏见等问题，我都非常感兴趣；第二个问题，如何设计、建造和验证既可靠又安全的 AI 系统，比如自主系统。SONG Lab 在 AIoT 中有两个成果，一个是我们开发的反无人机 CPS。2017 年，我们关注到美国机场出现的无人机干扰问题，当时恰好进入我组内的两名访问学生刘永鑫同学和王健同学此前都是从事无人机研究的，因此有了做反无人机 CPS 的想法。在以往的机场解决无人机干扰问题时，常用的方法是将其打下来，这就很容易带来纠纷问题。为此我们在反无人机 CPS 中，通过对无人机频率和协议解码，向无人机发送假的协议，当无人机进入机场范围时，用协议牵引无人机远离机场，在安全环境中降落，有效解决了机场无人机干扰问题，同时也大大减少和避免了纠纷的出现。
反无人机 CPS另一个成果就是“旋转记忆”。所谓“旋转记忆”，简单来说，就是为了在不相互干扰的情况下、同时表示当前和过去的刺激，大脑本质上是“旋转”感觉信息以将其编码为记忆。这个成果被誉为“AI 模型新革命”，是 SONG Lab 和美国普林斯顿大学神经科学家 Timothy Buschman 实验室几乎同步做出来的，二者不同的地方在于，SONG Lab 完成了数学证明，而 Buschman 实验室则是通过做老鼠实验。AI 科技评论：在 AIoT 或工业互联网一块，您觉得国内的研究社区可能忽略了哪些重要方向？您个人的看法是怎样的？宋厚冰：其实我对国内的研究社区不熟悉。不过根据 exaly.com，在 AIoT 或工业互联网顶尖期刊 IEEE Internet of Things Journal 或 IEEE Transactions on Industrial Informatics，看总体的引用量，中国并不比美国差，但在世界 Top 100 被引用最多的作者里面，来自国内的学者为数不多，这当中可能存在的一个原因就是缺乏原创性科技创新。今天无论是在物联网、还是聚焦在工业互联网中，出现了不少趋同的现象，可能某个研究先提出来后，很快就会有别的跟上，因此像在业界，就很容易存在某些研究投入、名气很大，但最后并没有好的结果能出来。这当中原创性的科技创新还是很重要。AI 科技评论：在学术研究中，您比较秉承的原则是什么样的？有哪些您欣赏的人与团队？宋厚冰：我的原则是独一无二。在发掘和挑战 AI 研究难题时，独特性是第一位的。我经常挑战自己和我的学生：什么是我们的秘密武器？什么是我们的独特优势？如果其他研究团队可以做出跟我们同样或类似的结果，那么我们的研究就是没有意义的，必须立刻停止，否则就是浪费时间。我在弗吉尼亚大学读博士期间，面对困扰着光纤通信领域长达15年之久的薛定谔方程的化简问题时，将该方程从基于 Vloterra 级数的三重积分化简成一重积分，进而推导出描述长距离光纤通信系统的二维离散时间模型，并开发出一系列数字信号处理技术改进系统性能，这些技术包括限制编码技术和均衡技术等，是国际上首次。我的偶像是“人工智能之父” Herbert A. Simon ，曾获图灵奖（1975 年），诺贝尔经济学奖（1978 年）和美国国家科学奖（1986 年）。Herbert A. Simon 作为认知科学与人工智能的创始人之一，在计算机科学与心理学的结合方面做出了卓越的贡献，使认知心理学和计算机科学相结合产生了人工智能这一新学科，他也是认知心理学、符号学、经济管理等数十个学科的先驱和巨匠，是唯一一位获得了诺贝尔经济学奖和图灵奖及世界人工智能终身成就奖的科学家。他是我的榜样，因此我一直坚持的信条就是，在学术研究上，要做，就要做别人做不到的，否则就不要做。AI 科技评论：从不知名的求学小卒到 IEEE Fellow，您觉得您做对了哪些选择、做对了什么事情？未来五到十年的目标是什么？宋厚冰：回首长大历程，我觉得我在三个人生关键时刻做出了正确的选择。第一个是赴美留学，这是个很重要的节点，如果当初我没有做出这个选择，那我的终身都会发生改变。我花了一整年时间去挑战非线性薛定谔方程的化简问题，破解这个困扰光纤通信领域长达15年之久的难题是我引以为豪的科研成果之一。第二个是换专业回归到电子与计算机领域。如果我没有转回电子计算机领域，或许我会有一份稳定的职业，但我极有可能后悔终生，因为我将是 AI 领域的一个看客，而不是一个积极的创新贡献者。第三个选择是任教初期即彻底转换研究方向到 IoT、CPS、大数据分析和 AI。我的博士论文做的是光通信，但在毕业后，我还是毅然决然地选择了 CPS，因为我很确定自己对这个领域是感兴趣的。当然迈出这一步需要极大的勇气，但今天看来，我觉得这一步的话非常重要、也是个正确的选择，否则我就没有机会为 AI 领域发展作出贡献。当选 IEEE Fellow 是一个新起点，意味着在科学家长大三个阶段“吸纳、证明、输出”中，前两个阶段我已经走完，开始步入第三阶段：输出。未来五到十年，在研究上，我准备瞄准 AI 领域的高可信与可解释两个根本挑战，发力神经符号 AI（neurosymbolic AI），在应用 AI 到网络安全和 AI 系统的安全两方面做出原创突破，回馈世界；在人才培养上，计划培养若干名博士生成为杰出科学家，无论是进入世界一流研究型大学担任终身制教职或进入工业界工作或创业，努力在博士毕业后八年内当选 IEEE Fellow；在技术转移上，计划推出几款 AI 产品商业化，造福人类。
