聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
绕过人墙、半路转弯 怎么在世界杯踢出超帅“香蕉球”？******
又到了四年一度的世界杯
不知道大家是否还记得
2018届世界杯中
葡萄牙和西班牙相遇的小组赛
C罗在最后时刻力挽狂澜
踢出被解说员叹为
“翩若惊鸿，宛若蛟龙”的
“C型”任意球，扳平比分
被踢出的球为什么会迅速升降？
又为什么会“拐弯”呢？
首先我们来了解一下任意球
任意球是啥？
任意球是罚球的一种。它是一种在足球（或手球）比赛中发生犯规后重新开始比赛的方法。
任意球分两种：直接任意球，踢球队员可将球直接射入犯规队球门得分；间接任意球，踢球队员不得直接射门得分，球在进入球门前必须被其他队员踢或触及。判罚前场任意球后会使用一种泡沫喷剂划定球的摆放位置，以及人墙的站位，发任意球时需要用手触球，然后在裁判哨响后踢球。
香蕉球？能吃吗？
事实上，C罗踢出的这种任意球在足球比赛中并不少见。
在1997年，在巴西对法国的一场足球比赛中，巴西足球运动员Roberto Carlos，在没有通向球门的直接路线的情况下，从35米外开出一个任意球。他的射门使球飞过球员，并在快要出界的时候急转向左，砸入球门。
图源：网络 香蕉球图解
球的突然拐弯让在场球员，特别是法国守门员根本来不及反应。这个史上最漂亮，最具标志性和最违反物理学定律的任意球，被叫作“香蕉球”。法国物理学家对此研究了数年，终于用“马格努斯效应”解释了这个问题。
马格努斯效应
图源网络
当一个旋转物体的旋转角速度矢量与物体飞行速度矢量不重合时，在与旋转角速度矢量和平动速度矢量组成的平面相垂直的方向上将产生一个横向力。在这个横向力的作用下物体飞行轨迹发生偏转的现象。这是流体力学中的一种现象。
图源：陕西师范大学物信院 马格努斯效应示意图
旋转物体之所以能在横向产生力的作用，是由于物体旋转可以带动周围流体旋转，使得物体一侧的流体速度增加，另一侧流体速度减小。
是不是听得云里雾里？
香蕉球轨迹
球在气流中运动时，如果其旋转的方向与气流同向，则会在球体的一侧产生低压，而球体的另一侧则会产生高压。运动员的用力方向朝右，所以足球逆时针旋转。拐点处足球左侧产生低压，右侧产生高压，这样就导致足球存在横向的压力差，并形成向左侧的力。
图源：NKPhysics
根据物理公式，距离越远，速度越慢，球偏离角度也就越大。因此，我们能看到在香蕉球运行的末尾时刻，会发生更剧烈的偏转，给守门员一个巨大的“惊吓”。
我也能踢出和C罗一样的球吗？
回到文章开头提到的C罗“力挽狂澜”的任意球，这一球不止踢出了上述“香蕉球”的概念，同时也混合了“电梯球”，即指大力踢出的足球，下落很快，像是从电梯上下坠，它实际上是高速飞行的足球受到重力和大雷诺数阻力下的运动轨迹。
图源： 中国物理学会期刊网 皮尔洛的“电梯球”
葛惟昆教授解释说：“踢出电梯球的一大关键要素，就是球的初始速度要快。”要踢电梯球，球的初始速度应该接近150公里/小时，没错，就是一辆车在高速公路上狂飙的速度。
图源：科学世界
研究人员在进行场景模拟时发现，要想让100公里/小时以上速度的任意球避开人墙（假定在距离约9米远的位置有5名身高1.8米的对方球员并排）成功射门，球离开地面时与地面的夹角必须控制在15°～17°之间，也就是仅有2°的精度范围（在距离球门25米的位置，踢出转速为每秒8转的侧旋弧线的情况）。
如果是足球，以每小时90千米的速度每秒旋转8转，球会在这个距离内弯曲3米以上。
图源见水印
而踢出弧线的关键在于，落脚点在偏离球心的位置，偏离球心的幅度越大，球的转速越快。有研究人员称，安德烈亚皮尔洛等优秀的任意球球员会使球的旋转轴倾斜角度大于侧旋，让马格努斯力倾斜向下发挥作用，从而踢出“球速快、大幅弯曲的同时又急剧下沉的”球路。
资料来源：科学世界、中国物理学会期刊、科技日报、天津科普说、NKPhysics
整理：董小娴
