在有中國自主知識產權的新一代人工智能通用算法、自律學習SDL（Self Discipline Learning ）發布三周年之際，以此文回顧自律學習SDL三年來所走過的路。

一、中國人工智能的真實現狀

發展人工智能的重要性已眾所周知，可嘆的是中國至今沒有自己的通用人工智能算法。目前，在中國廣泛使用的通用人工智能算法是本身帶有嚴重缺陷、連發明人Hinton教授都因無法克服于2017年就宣布放棄要推倒重來的深度學習算法DL（Deep  Learning  ）算法。

從學術上看，深度學習DL在人工智能發展史上，因比以往的人工智能算法先進，占有一代算法的位置和有一定技術貢獻。在應用場景不復雜的如：圖像識別、人臉識別、語音識別等，深度學習DL還是有一定的應用效果，但遠達不到現在宣傳的神奇效果和可廣泛應用特點。反而因深度學習DL存在不可解釋問題，如專家所說，用深度學習DL訓練機器學習，有時機器會將受訓練所學的山體識別成狗。更危險的是因深度學習DL有黑箱存在，不知會在何時出現造成死機，后果難料。近日，中國科學院大學（國科大）團隊研究發現，神經網絡將成為“病毒軟件”惡意嵌入肆意傳播的載體，并可規避防病毒引擎的安全掃描。這意味著只要黑客需要，他們現在已經或今后隨時可在用深度學習算法的人工智能應用中嵌入他們的“病毒軟件”，還不能發現，隨時任由他們肆意啟動“病毒軟件”達到他們的惡意目的。

對于存在如此嚴重的深度學習DL，以美國公司為首的國際壟斷公司卻看到深度學習DL應用常需要無窮的算力，有很大的出售他們大容量GPU服務器的商機，就開始抄作深度學習DL。其中最杰出的商業抄作是大吹大擂機器人Alphgo戰勝人類最佳圍棋手。其實，在該機器人中只用了很少的深度學習DL，還是存有大量的圍棋規則庫在起作用。但是，為商業利益，壟斷公司有意掩蓋真象，向公眾大肆做神化深度學習DL的宣傳，于是深度學習DL名聲大噪。

同時，這些壟斷公司又投入巨資開發出一些應用場景的深度學習DL開源軟件，便于用戶很快照貓畫虎地應用。還用各種方式和渠道大量培訓出深度學習DL的應用技術人員。結果，在很短時間，深度學習DL的技術人員占據了中國各部門、各單位的人工智能崗位，拿著高薪在推廣使用深度學習DL。

因此，出現中國人工智能的一個怪現象，沒有自己人工智能通用算法的中國，上邊在號召大力發展具有國際戰略競爭意義的人工智能，下邊卻在大力投入巨大資源推動和應用外國的深度學習DL。所以，為什么美國在卡中國高技術脖子清單中，不見有人工智能。因為，中國從來就沒有人工智能的脖子，還需要卡嗎？更費解的是，還從不見政府主管部門、研究單位提出像集中力量大力研發操作系統、高端集成電路一樣，大力號召研發中國自主知識產權的通用人工智能算法。

二、自律學習SDL是逆流的創新發明

自律學習SDL是我們聯盟理事，日本阿波羅株式會社和天津市阿波羅信息技術有限公司首席科學家顧澤蒼博士（中國籍）在業界首先發表論文指出深度學習DL存在的一些嚴重缺陷，并基于自己在日本從事三十多年的人工智能積累的經驗獨立發明的。自律學習SDL完全是針對在人工智能占主流的大模型、大數據、大硬件的深度學習DL算法，逆流發明的小數據、小模型、小硬件的在性能和用途都大大超過深度學習DL的具有中國知識產權的新一代人工智能通用算法。

自律學習SDL是于2018年8月18日，《北京世界機器人大會》上的我們聯盟主辦的“新一代人工智能創新發展論壇”上由顧澤蒼博士親自正式發布。

為顯示自律學習SDL的強大功能，顧澤蒼博士選擇可以代表人工智能最復雜和最高應用水平的自動駕駛，做為自律學習SDL的首個應用攻關項目。顧澤蒼博士帶領他的二十幾人的小技術團隊，利用很少的不到二千萬的資金，在不到一年的短短時間內，做出當今世界所有研制自動駕駛的單位，僅在自動駕駛的感知功能上應用深度學習DL，投入數以億計的巨資，組織龐大的技術隊伍，最長苦苦努力十多年還達不到滿意的感知程度時，顧博士團隊不僅在其他研制自動駕駛的單位所進行的自動駕駛的感知功能上，還在其他研制自動駕駛的單位沒進行的自動駕駛的更難的決策和控制功能上都用自律學習SDL實現，并創造出多目的非線性隨機最佳閉環控制的理論，率先在世界研制出全用人工智能行駛的燃油、電動和混合動力三種自動駕駛汽車，并已在天津的市內道路進行路測一年多。該團隊所研制的自動駕駛車與社會車輛多車道同行自如處理復雜情況、在人員密集的商業街隨機安全穿行、以80多公里高速在大弧度彎道行駛等現場演示，讓外單位來考察的人員信服和贊嘆。

中國現有世界上最多的研發自動駕駛的單位，這又是中國人工智能的一個怪現象。現在有越來越多的人工智能專家發文指出深度學習DL存在的不可解釋性、黑箱等嚴重缺陷。試想，一旦用戶知內情，有多少人愿冒險，敢日常駕駛用存在安全隱患的深度學習DL研制出來的自動駕駛車呢？很明顯，因不能完全去掉深度學習DL存在的嚴重缺陷，在自動駕駛上應用深度學習DL是起始性的錯誤。但是，為什么還有很多單位前赴后繼地投入幾十億、上百億的人民幣在不停的研發自動駕駛呢？因為，研發自動駕駛的一些單位在研發自動駕駛所投入的錢，經過包裝和炒作可早在股市和其他各種獎勵和補貼等方面名利雙收了！還有用深度學習研發自動駕駛的一些單位，雖然沒有收回投資，但已經投入了很多資金，因不好向投資商交待等種種難言的原因還在堅持著等待機會，以為反正國內外領頭的大投入的研發自動駕駛的單位還都沒做出來，還是可以說的過去。

三、自律學習SDL算法無助的發展環境

叁年來的自律學習SDL的推廣應用所遇到的怪現象，不僅出現在研發自動駕駛的單位，凡在深度學習DL應用上已投大資金和已獲得名利的單位和人士，都不愿看到被他們推崇的，帶來利益的深度學習DL存在的嚴重缺陷被人知曉，都在有意無意地在阻礙優于深度學習DL算法的新的人工智能算法的出現和替代深度學習DL被廣泛應用的可能。

更難以讓人理解的是，為推薦自律學習SDL我們聯盟找過國家有關部門、學會、協會，一些著名的研究院、實驗室、大專院校、國有企業、民營企業、上市公司、投資單位；還有一些院士、專家、教授等專業人士。這些單位和人士一知道自律學習SDL是針對深度學習DL存在的嚴重缺陷發明的，有應用案例可證明其功能和應用范圍超過深度學習DL，請他們給以驗證或評論時，都非常禮貌地回避、回絕對自律學習SDL做深入了解和表態。所找的投資公司，也因找不到專家給以技術論證，不能上會討論投資。

常說：如果認為大家都錯了時，應該考慮是自己錯了。但是，在中國人工智能出現的怪現象，可讓人感覺不是這樣。因為，國家和各級政府都為促進我國人工智能的發展每年都投入了巨資扶持，發布了戰略發展規劃和制定出一系列政策給以支持，結果卻不盡人意。

2018年11月，為加快推動我國新一代人工智能產業創新發展,落實《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》，工信部發布和舉辦了《新一代人工智能產業創新重點任務揭榜工作方案》活動，還在中央電視臺的《新聞聯播》隆重做了宣傳。我們聯盟以顧博士發明的自律學習SDL與一汽的啟明信息技術股份有限公司聯合從《揭榜工作方案》選“視頻圖像身份識別系統”做了申報，按活動要求經一汽總公司批準報到工信部。我們還去工信部做了項目匯報。最后，該活動經主辦單位組織專家評審，評出的入圍方案都是用深度學習DL，沒有用其他算法的方案。揭榜本應不同才有意義，都一樣就達不到通過揭榜發現和支持人工智能創新算法的目的。

2019年8月，為推動我國人工智能技術創新和產業發展，科技部制定了《國家新一代人工智能開放創新平臺建設工作指引》。科技部啟動建設了十五家國家新一代人工智能開放創新平臺，所樹立起的典型是：“自動駕駛（百度）、城市大腦（阿里云）、醫療影像（騰訊）、智能語音（科大訊飛公司）、智能視覺（商湯集團）、視覺計算（上海依圖）、營銷智能（明略科技）、基礎軟硬件（華為）、普惠金融（中國平安）、視頻感知（海康威視）、智能供應鏈（京東），圖像感知（曠視）、安全大腦（360）、智慧教育（好未來）、智能家居（小米）。”然而，這些企業所用的人工智能，都是深度學習DL。

叁年來，我們在推廣自律學習所找的國內的管理部門、研究單位、大專院校和企業的領導、專家、教授、技術人員時所遇到的是有人在有意、有人在無意，還有些人是無奈地在大力推廣和使用深度學習DL。

在這樣的中國人工智能被深度學習DL牢牢綁架的環境中，顧博士發明的中國自主知識產權的人工智能自律學習SDL遭到冷遇和得不到支持就不見怪了。

四、自律學習SDL算法的技術先進性

清華大學人工智能研究院院長張鈸院士指出：“行業崇尚深度學習，但它本身的「缺陷」決定了其應用的空間被局限在特定的領域——大部分都集中在圖像識別、語音識別。而目前深度學習似乎已經到了瓶頸期，就算財力和算力仍在不斷投入，但深度學習的回報率卻沒有相應的增長。目前基于深度學習的人工智能在技術上已經觸及天花板，此前由這一技術路線帶來的『奇跡』在 AlphaGo 獲勝后未再出現，而且估計未來也很難繼續大量出現。”

  近日，中國工程院陳左寧副院長介紹了人工智能模型和算法發展的七大趨勢：

趨勢一、向無監督的方向發展。

趨勢二、可解釋（XAI）越來越重要。

趨勢三、人工智能的自學習、自演化。

趨勢四、多種算法、模型的有機結合。

趨勢五、人工智能應用需求需要關注全生命周期。

趨勢六、分布式、分散式的需求越來越突出。

趨勢七，深度推理。

陳左寧院士提出的人工智能七大發展趨勢，做為當前人工智能主流的深度學習DL不具備，理應盡快淘汰和替代。

  近日，顧博士也介紹了他發明的新一代人工智能通用算法自律學習SDL具有的七大特點。自律學習SDL的七大特點具體如下：

特點一、是超越無監督機器學習，超越自監督機器學習的，已跨越到自律學習的模型。

特點二、完全可以解釋的，不通過組合訓練數據，不一定需要GPU的贏家加速，可以根據應用自己搭建所需要的模型結構。

特點三、在自律機器學習模型下，可使模型不需要人的介入自動的處于最佳的范式。

特點四、打開深度學習DL的黑箱，搞清不為人知的內在機理，做到多種模型的優勢融合，可使機器學習獲得最大的泛化能力。

特點五、分布式，分散式的機器學習系統。是由大量的小的自律機器學習模型構成的概率空間自律聚類的大的機器學習系統。

特點六、具有深度機器感知，深度機器理解與深度決斷的機器意識能力。

特點七、可在深度學習不能的工業控制、智能終端等嵌入式系統廣泛應用。

自律學習SDL的七大特點與陳左寧院士介紹的人工智能模型和算法發展的七大趨勢高度符合，理應盡快扶持發展和推廣應用。

值得一說的是，正是自律學習SDL的這些特點是我們中國嵌入式系統產業聯盟發現本聯盟理事、顧澤蒼博士發明的自律學習SDL和兩年來堅持不懈地宣傳和推廣自律學習SDL的主因。自律學習SDL的發明和應用，將使無處不在的嵌入式系統從第一代分立元件、第二代軟件編程、第三代專用芯片、引進第四代人工智能時代。

目前、對于顧博士自己獨立發明的自律學習SDL先進性，因為在顧博士沒有做系統的技術宣傳和培訓之前，沒有也不可能有專家做出全面客觀的論證。自律學習SDL的先進性，可通過驗證在自動駕駛上和在其他項目上的應用效果，得到最有說服力的科學認證。

五、自律學習SDL算法的產業化

大模型、大數據、大硬件的屬人工智能仿生派的外國的深度學習DL已主導國內人工智能領域多年，廣為認知；但已顯現出嚴重缺陷，特別是黑箱的存在和可嵌入惡意軟件的危害，開始引發社會上產生人工智能又要走入低谷的議論。

小模型、小數據、小硬件的屬人工智能算法派的中國的自律學習SDL剛進入人工智能領域三年，因種種原因，還鮮為認知；但已顯現出技術優勢，可以扭轉由深度學習DL產生的這次人工智能熱出現大降溫趨勢，將會替代深度學習DL引領這次人工智能熱繼續向高潮發展。

自律學習SDL要能擔起人工智能的主流使命，必須要實現產業化。首先自律學習SDL要在廣泛應用中檢驗得到業界認可，需要在社會廣泛宣傳讓大眾知曉，需要經培訓大量用戶都能簡便使用和用好，需要及時提供滿足用戶需求的升級產品和服務等等。

要實現自律學習SDL產業化還要有許多工作要做，如研發和完善在自動駕駛和其他更多領域的應用案例、編輯出版教材和實驗指導書、研制自律學習SDL的模組和技術應用開發板、組織自律學習SDL技術教學和應用培訓班、開展應用成果交流和評定、制定有關技術標準和人才技術水平認證體系、在模組應用經驗基礎上研制自律學習SDL的世界第一個人工智能的“智力”集成電路芯片、研究和推出自律學習SDL的升級版本等等。這些產業化的工作憑一個企業之力是無法完成的，需要更多的企業和單位參與，需要廣泛借助社會資源才有可能完成。調動社會資源的最有效形式就是充分發揮我國制度的優勢，由政府出面組織社會資源投入，才能達到集中力量辦大事的目標。

人工智能是關系到國家技術發展的戰略大事，更需要國家有關部門將這一“沒脖子”人工智能通用算法與“卡脖子”的5G、操作系統、高端集成電路等一同給以高度重視，制定出有效的扶持政策，組織起社會力量，以研制“兩彈一星”精神和行動，盡快讓具有中國知識產權的通用人工智能算法創新發展和廣泛應用起來。