「42.」

这是科幻小说《银河系漫游指南》中智能计算机「DeepThought（深思）」经过万年运算，找到的「关于生命，宇宙及一切问题的终极答案」。

为什么是42？「深思」把这个问题交给了一台更高智能的电脑——地球来回答，目前仍无解。

受这个终极答案的启发，我们提出了「AI与机器人的42个大问题」，希望激发公众对人、AI与机器人未来的长远思考与规划。YoshuaBengio和JürgenSchmidhuber等顶尖科学家已选出他们最关心的问题，欢迎你也参与调研。

首届「AI与机器人大会」

腾讯xNatureResearch联合呈现

为了深化讨论，腾讯AILab还携手NatureResearch（自然科研）及旗下《自然-机器智能》、《自然-生物医学工程》两本期刊，于9月2日在深圳联合举办世界首届「NatureConference-AI与机器人大会」，发布42个大问题完整报告，并邀请11位世界知名学者更进一步，针对AI+病理、AI+医药、协作机器人和AI智能助手等四大前沿研究话题，用「小领域」的宝贵知识与经验拆分「大问题」，给出更深入细致的答案。

11位世界知名学者

深度阐释四大前沿领域「大问题」

大问题1：AI如何帮助人类更健康地生活？

答题者：AydoganOzcan

美国加州大学洛杉矶分校Chancellor’s教授

霍华德·休斯医学研究所（HHMI）教授

美国国家发明学会（NAI）会士

Holomic/Cellmic公司和Lucendi公司创始人

他是一位出色的研究者，其研究领域涵盖生物成像、无透镜成像和生物光学等领域。他提出的无透镜显微方法（LenslessMicroscopy）对低成本生物样本检测技术的发展具有至关重要的作用。尤其是近年来与深度学习的结合，更是让这一技术有了让人人都用上先进医疗检测分析技术的潜力。

他是一位杰出的发明者，他发明了成本低廉的手机显微镜，借助相应分析算法，可帮助医疗资源不完善的发展中国家和地区获得有效且低成本的检测服务。Ozcan持有40多项专利（还有20多项正在申请中），涉及医疗和光学众多领域。

他也是一位成功的创业者，其创立的Holomic/Cellmic公司是世界经济论坛年提名的科技先锋公司之一。另外，他还创立了Lucendi，旨在开发AI使能的智能测量系统。

科技如何为人类创造更健康幸福的生活？你将在首届AI与机器人大会上得到Ozcan教授的答案。

大问题2：AI如何解决人口老龄化问题？

答题者：ThomasFuchs

纪念斯隆·凯特琳癌症中心计算病理学研究组负责人

Paige.AI公司创始人

威尔·康奈尔医学院研究生院副教授

沃伦·阿尔珀特数字与计算病理学中心主任

今年3月美国食品药品监督管理局（FDA）向成立仅一年多时间的创业公司Paige.AI授予了「突破性设备（BreakthroughDevice）」称号，授予给AI癌症诊断技术研发公司尚属首次。作为该公司创始人兼首席科学家，ThomasFuchs正领导着一个由病理学家、AI研究者、医疗专家组成的团队为临床医疗开发大规模机器学习算法。

早在这股深度学习热潮之前，ThomasFuchs已开始计算病理学研究，年，他提出使用组织微阵列的计算病理学分析预测肾透明细胞癌患者的存活率。年，他的博士论文《计算病理学——一种机器学习方法》首次定义了计算病理学这一新领域，并调查研究了可用来解答病理学研究和临床问题的一些统计学方法。因此，Fuchs常被称为「计算病理学之父」。

近年来，他所领导的团队也开始探索深度学习在计算病理学领域的应用。比如，Fuchs领导的团队提出了使用卷积神经网络（CNN）来预测胰腺癌的放疗生存率，并探索了基于深度卷积自动编码器聚类模型的无监督癌症分型。

在AI与机器人大会上，Fuchs教授将与我们分享机器学习在计算病理学领域的现状和前景，你将在这里看到医疗AI的未来。

大问题3：要创造现代版阿西莫夫机器人定律吗？

答题者：SamiHaddadin

德国慕尼黑工业大学机器人与机器智能学院院长

德国慕尼黑工业大学机器人科学与系统智能系主任

你知道被能挥出几吨力量的拳头的机器人用「小拳拳」打胸口是什么感觉吗？机器人安全研究专家SamiHaddadin就亲自体验过。这需要的可不只是人与机器之间的相互信任，更需要足够的技术研发实力提供充分的安全保证。

按照现在的发展趋势，机器人将越来越多地进入我们的工作和生活空间，成为我们的助手、同事、朋友甚至伴侣。在这样的场景从科幻变成现实之前，机器人的安全将会是一个至关重要的问题。Haddadin在学术生涯伊始便开始了对机器人安全的前沿探索。年，他的硕士论文探索了安全人-机器人交互的评估指标和控制结构。此后，Haddadin的研究领域进一步拓展到各种不同的人机交互与机器人研究和应用场景，比如碰撞测试、人形机器人操控、人机交互的伤害评估、柔性机器人和人机协同等。年，他出版了机器人安全教科书《实现安全机器人：向阿西莫夫第一定律前进》。此外，Haddadin也很早就探索了机器学习在机器人控制中的应用。

阿西莫夫机器人第一定律是：机器人不得伤害人类，或坐视人类受到伤害。我们有望在现实生活中经历阿西莫夫第一定律吗？在AI与机器人大会上，Haddadin教授将与我们分享机器人安全领域的前沿探索和未来展望。

大问题4：通用AI会实现吗？

答题者：北野宏明（HiroakiKitano）

日本系统生物学研究所负责人

索尼计算机科学实验室总裁兼CEO

冲绳科学技术大学院大学教授

理化学研究所（RIKEN）综合医学科学中心小组主任

如果你对机器人竞技感兴趣，就不可能没听说过「机器人世界杯（RoboCup）」。年，北野宏明联合发起「机器人世界杯倡议」，以促进对AI和智能机器人的研究。自年第一届RoboCup在日本名古屋成功举办以来，该项机器人年度竞赛已经发展成了全球AI和机器人研发领域的一项重要盛会。北野对该项目提出的目标颇令人期待：到年，要组建一支完全智能化的类人机器人去夺取国际足联世界杯的冠军。

北野被视为机器人和AI领域的重量级大师。在加入索尼计算机科学实验室后，他参与开发了索尼公司著名的机器宠物狗AIBO和类人机器人QRIO，在行业内很早便提出了机器人独立思考、与人类共存的理念。

在人工智能领域，北野早在年就已开始探索神经网络的潜力。年，他首次对神经网络训练的收敛速度进行了实验研究。他研究的AI领域还包括大规模并行处理、机器翻译、自然语言处理、遗传算法、进化算法等。

北野的研究领域广泛，不仅是机器人和人工智能，他在其他很多领域都做出了重要的先驱性贡献，如系统生物学、人工生命体、癌症治疗和太阳能等。特别是系统生物学方面，他推动了该领域的系统性发展，其编写的《系统生物学基础》是该领域的重要教科书，论文《计算系统生物学》影响深远，还参与了系统生物学标记语言SBML的开发。

对于这样一位研究领域广泛又非常成功的探索者，你一定会好奇他会在AI与机器人大会上分享怎样的见解。来与我们一起见证吧！

大问题5：AI会助力太空探索和旅行吗？

答题者：SethuVijayakumar

爱丁堡大学机器人学教授，领导爱丁堡机器人学中心

阿兰·图灵项目联合主任

爱丁堡皇家学会会士

如果想知道真正的机器人厮杀是怎样的，你一定不能错过BBC的电视节目《机器人大擂台（RobotWars）》。作为该节目第8-10季（-）的评委之一，SethuVijayakumar自年在东京工业大学获得博士学位之后，就一直致力于探索研发能够具备学习能力的机器人。他很早的时候就探索过统计学习方法在实时机器人学习中的应用，也研究了强化学习对机器人控制的价值，其年的论文《NaturalActor-Critic》对强化学习的发展有重要影响。

Vijayakumar教授目前带领团队研究的方向包括用于北海石油钻井平台的机器人、四足机器人、人形机器人、外骨骼技术、机器义肢、实时运动控制等。

特别要提到的是，Vijayakumar教授正在为美国国家航空航天局（NASA）的火星计划努力——将人形机器人送上火星。虽然目前还有很长的路要走，但相关的研发工作正在紧锣密鼓地进行中。Valkyrie机器人是NASA为该计划所设计的原型开发平台，其中一台正在苏格兰爱丁堡大学接受Vijayakumar团队的训练。

Vijayakumar教授将在AI与机器人大会上分享机器人从工厂到家庭的发展旅程，并将为我们描绘机器人发展的未来图景。

大问题6：机器人的未来方向是什么？

答题者：张正友

腾讯AILab及RoboticsX实验室主任

IEEE及ACM会士

张正友博士，目前担任腾讯AILab及腾讯RoboticsX实验室主任。他是ACMFellow（国际计算机学会院士）和IEEEFellow（国际电气电子工程师学会院士），他也是世界著名的计算机视觉和多媒体技术专家，在立体视觉、运动分析、摄像机标定、机器人导航、沉浸式远程交互等方面均有开创性贡献。他在国际顶尖会议和杂志上发表论文余篇，论文引用次数多次，近项专利。

年，张正友在巴黎第十一大学获得博士学位，之后在法国国家信息与自动化研究所工作。几年后他加入了微软，在雷德蒙德微软研究院开始了20年的研发工作。

年，张正友博士提出了一种相机标定的技术（被称为「张氏相机标定法」），对相关领域的发展产生了非常重大的影响，该论文截至目前已被引用了超过次，并因此研究在年获IEEEHelmholtz时间考验奖。

在本次AI与机器人大会上，他将与各位嘉宾深度探讨AI与机器人从虚拟到现实结合的远景。

大问题7：AI的未来方向是什么？

答题者：俞栋

腾讯AILab副主任及西雅图实验室负责人

IEEE会士

俞栋是首次将深度学习技术应用在语音识别领域的研究领头人之一，年俞栋与其他研究者合作探索了深度信念网络和深度自动编码器在语音信号处理中的应用。年，俞栋与年的图灵奖获奖者之一GeoffreyHinton等研究者合著的综述论文《用于语音识别中声学建模的深度神经网络》已经获得了近次引用，另外他获年IEEE信号处理协会最佳论文奖的《用于大型词汇库语音识别的上下文依赖型预训练深度神经网络》也已获得超过次引用。多年的研发工作也已让他获得了超过60项专利。

年，俞栋等研究者发起了计算网络工具包（ComputationalNetworkToolkit/CNTK）开源深度学习项目。年10月，微软将该项目更名为认知工具包（CognitiveToolkit），缩写仍是CNTK。CNTK已大大提高了微软机器学习研究开发的效率，助力了微软Cortana等产品的智能功能开发。

另外，俞栋与邓力还合著了两本有关深度学习和语音识别的专著《解析深度学习：语音识别实践》和《深度学习：方法及应用》，为相关领域的人才培养做出了重要贡献。

俞栋博士于年5月加入腾讯AILab，负责西雅图实验室的建设、运营及管理，推动腾讯在语音识别和自然语言理解等人工智能领域的基础研究。在AI与机器人大会上，他将介绍腾讯AILab在发展下一代智能人机交互方面的工作和进展，并将带我们一道展望整个领域的未来。

大问题8：AI如何帮我们理解认知和意识的本质？

答题者：長井志江（YukieNagai）

东京大学国际高等研究所神经智能国际研究中心教授

认知发展机器人学实验室（长井实验室）负责人

日本科学技术振兴机构进化科学与技术核心研究所（JSTCREST）CognitiveMirroring组研究主管

婴儿是怎样获得分辨自我与他人、模仿和联合注意等认知能力的？长井志江正在探寻这个问题的答案，她所使用的研究工具是发展机器人学，即通过构建发展机器人学模型来模拟婴儿认知能力发育的过程。

4年，长井获得大阪大学工学博士学位，此后一直在学术界推动发展机器人学的发展。今年4月，她加入东京大学国际高等研究所神经智能国际研究中心，领导认知发展机器人学实验室（长井实验室）。

基于长井的预测学习理论，她所领导的团队正为机器人设计用于习得认知能力的神经网络模型。她领导的团队所开发出的一个模拟器能够重现自闭症谱系障碍（ASD）的非常规感知能力，能让普通人与ASD患者都能更好地理解社交障碍的可能原因。这项研究对ASD治疗具有重要的价值，也由此在相关领域产生了很大的影响。

长井将在AI与机器人大会上介绍发展机器人学将如何帮助我们理解人类认知能力的发展。在这里，或许你将听到关于我们自身的答案。

大问题9：AI能否发现新的科学理论？

答题者：AlexanderTropsha

美国北卡罗来纳大学教堂山分校（UNC）教授

UNCEshelman药学院药物信息学和数据科学副院长

借助数据来发现新药已经成为药物开发的重要方法，这能有效地降低药物发现成本和缩短发现新药的时间。计算化学、化学信息学和结构生物信息学专家AlexanderTropsha正致力于为计算机辅助药物设计开发新的方法和软件工具，其中包括基于统计几何原理为蛋白质3D结构分析和预测设计新方法。

Tropsha于年获得莫斯科国立大学生物化学和药学博士学位，并于年在美国北卡罗来纳大学教堂山分校分子建模实验室开始了他的学术事业，现在他已成为该实验室的负责人。他的实验室的研究项目包括k-最近邻模式识别方法在定量构效关系（QSAR）领域的发展和应用，以及Delaunay曲面细分技术在蛋白质结构分析中的应用。他近期的研究工作