請看！澳大正在做這些人工智能研究

約30年前，澳門大學已開展人工智能方面的教學和研究，推動科技創(chuàng)新，研發(fā)真正惠及所有人的技術、產(chǎn)品和服務。

澳大目前有多個人工智能科研創(chuàng)新應用項目，包括自動巴士、無人船、工業(yè)機器人、偽造圖像偵測和智慧旅游等，切合澳門發(fā)展所需。這些創(chuàng)新研究展現(xiàn)了澳大深入?yún)⑴c橫琴粵澳深度合作區(qū)的建設、推進粵港澳大灣區(qū)建設國際科技創(chuàng)新中心、助力澳門經(jīng)濟適度多元發(fā)展的不懈努力。

1. 人工智能新技術研發(fā)自動駕駛

科幻電影中自動車穿梭大都會街頭的畫面，再也不是海市蜃樓。為了研究自動駕駛技術，澳門大學正與本地和內(nèi)地多個機構開展一個大型科研項目，并在澳大校園啟用澳門第 一臺自動駕駛巴士，作為測試新技術的平臺。

以自動駕駛巴士測試新技術

這架自動駕駛巴士在2020年10月啟用，有八個座位和六個站位，時速最 高40公里，是科研項目「協(xié)同智能驅(qū)動的無人駕駛關鍵技術與平臺研究」的重要一環(huán)。該項目2019年起獲澳門科學技術發(fā)展基金資助，由智慧城市物聯(lián)網(wǎng)國家重點實驗室（澳門大學）、中國科學院深圳先進技術研究院、國防科技大學、百度和深圳海梁科技共同承擔，并獲澳門電訊提供流動網(wǎng)絡技術支援。

研究團隊由澳大科技學院院長、計算機及信息科技系講座教授須成忠領導。須教授研究自動駕駛已有10多年，在美國底特律任教時曾與通用汽車等大企業(yè)合作研究智能駕駛，2011年回國后繼續(xù)探索相關技術，2019年加入澳大后不久開展這個自動駕駛項目。

全球各地都在研究自動駕駛。今日的自動車已能在受控制的環(huán)境下正常行駛，但現(xiàn)有技術還不足以制造出能安全、恰當?shù)貞獙O端天氣和其他突發(fā)情況的全自動汽車，因此須教授的團隊正在研究令自動駕駛更安全的技術，成果令人鼓舞。單在2019年，他們就有22篇論文獲國際學術期刊登載，也有在一些頂 尖國際會議上發(fā)表論文。

提升自動車決策能力

卷積神經(jīng)網(wǎng)絡是一種主流的機器學習模型，某程度模仿人腦的感知方式，是自動駕駛技術的重要一環(huán)。須教授說，我們可以用大量關于交通情況的圖像數(shù)據(jù)來訓練一個卷積神經(jīng)網(wǎng)絡，使它能在新的圖像中辨別出物件、車輛和行人。

卷積神經(jīng)網(wǎng)絡的決策能力很取決于它用來學習的訓練數(shù)據(jù)。目前多數(shù)用于訓練自動車的數(shù)據(jù)都是在良好天氣下收集所得，因此自動車平日能比較容易檢測出物件，但遇上臺風等惡劣天氣和其他特殊情況時卻很可能失靈。我們原則上可以引入更多數(shù)據(jù)，為每種路況都來一個訓練卷積神經(jīng)網(wǎng)絡（或其他機器學習模型），但實踐中卻難以有足夠的數(shù)據(jù)和時間來訓練這些網(wǎng)絡，也無法預見汽車所有可能遇到的情況。

澳大自動駕駛研究團隊

應對這個問題的方法之一就是運用「遷移學習」人工智能方法，原理有點像訓練一個單車手學習駕駛電單車。單車手憑著他們的經(jīng)驗，可能駕駛電單車時會比其他人更易保持平衡，毋須像其他人一樣從頭學起。同樣，如果沒有足夠的數(shù)據(jù)或時間，我們可以用已經(jīng)訓練好的機器學習模型為基礎，為類似任務訓練出新的模型。

為了提升遷移學習的成效，澳大與百度的研究人員提出了一種新算法，名為Re-Initializing the Fully-connected LayEr（簡稱RIFLE），用于訓練基于遷移學習方法的卷積神經(jīng)網(wǎng)絡時的「反向傳播」過程。他們先用這個新算法訓練一個卷積神經(jīng)網(wǎng)絡，然后以它來分類、檢測和分割數(shù)以萬計的圖像，發(fā)現(xiàn)其表現(xiàn)遠勝一些經(jīng)主流算法訓練的對手。相關論文已在頂 尖的國際機器學習年會上發(fā)表。

加快訓練機器學習模型

重新訓練一個卷積神經(jīng)網(wǎng)絡前，我們可以先刪除一些與新任務無關的部分，這個過程稱為「剪枝」。「剪枝」有助降低卷積神經(jīng)網(wǎng)絡的復雜程度、從而加快運算，但有時也會削弱其執(zhí)行任務的能力。

針對這個問題，澳大、中科院深圳先進技術研究院和百度的研究人員開發(fā)了一種新的「剪枝」方法，名為Attentive Feature Distillation and Selection（簡稱AFDS）。他們用AFDS和多種主流算法修剪一個有101個卷積層的卷積神經(jīng)網(wǎng)絡，再用這些網(wǎng)絡來分析六個圖片數(shù)據(jù)庫，辨識圖片上有甚么物件。他們發(fā)現(xiàn)，在運算量下降30%的情況下，用AFDS修剪的網(wǎng)絡達到幾乎同樣準確的辨識結果；即使運算量下降90%，準確度仍能夠保持在約70%，遠高于用其他方法修剪的網(wǎng)絡。相關論文已在頂 尖的國際學習表征年會上發(fā)表。

AFDS算法有助提升機器學習模型的運算速度

自動車通常會用卷積神經(jīng)網(wǎng)絡來分析周邊的物體，它們一旦受到網(wǎng)絡攻擊或遇到不太清晰的物件（例如有涂鴉的路標）時很易判斷錯誤，例如將停車標志誤判為讓先標志，隨時釀成慘劇。因此，研究人員開發(fā)了LAFEAT算法，令卷積神經(jīng)網(wǎng)絡面對攻擊或噪聲時更具魯棒性（robustness，又譯穩(wěn)健性）。這款新算法在實驗中的表現(xiàn)遠勝10多種現(xiàn)有的算法。

在2021年中，澳大和百度的研究人員將LAFEAT算法在國際計算機視覺與模式識別會議上發(fā)表，該會議的論文錄取率僅為4.59%。他們也用這項算法參加了美國伊利諾大學、清華大學和阿里安全合辦的「CVPR安全AI挑戰(zhàn)者賽」算法比賽，與全球1680支隊伍切磋，勇奪亞軍，成為唯 一來自澳門的獲獎隊伍。

卷積神經(jīng)網(wǎng)絡受攻擊時或會誤判路標

走向自動駕駛的未來

研究團隊亦在深入研究人機交互技術，重點包括自然語言處理，目標是讓自動車正確回應語音指令。須教授也說，澳門路面較窄、電單車特別多，對自動車帶來額外挑戰(zhàn)，所以他的團隊亦在研究應對澳門復雜路況的技術。

研究人員可在設于智慧城市物聯(lián)網(wǎng)國家重點實驗室（澳門大學）的實驗平臺用模型車輛測試自動駕駛技術

那么，到底我們何時才能在日常生活用自動車出行？須教授說，要真正廣泛使用自動車，我們還要克服不少技術難題，也需要有新的道路、網(wǎng)絡基建和法律法規(guī)配合，有賴社會各界共同努力?！肝覀儠粩嚅_發(fā)新的自動駕駛技術。通過在澳大啟用自動巴士，我們也希望提升公眾對自動車的認識，為在澳門實現(xiàn)自動駕駛創(chuàng)造有利條件。

2. 智能海洋機器人用途廣泛

澳門大學電機及計算機工程系Carlos Silvestre教授的團隊正在研發(fā)新型自主船艇。他們在2020年一項國際智能無人船賽事奪冠，目前則在研究智能水下無人艇，能用于執(zhí)行海底測繪等諸多任務。

應用廣泛

Silvestre教授在2011年領導成立「基于傳感器的協(xié)作機器人研究實驗室」（SCORE實驗室），目前與研究助理Joel Reis博士、博士生余甘和其他學生一同開展動力系統(tǒng)理論的科學探索，并且運用研究成果開發(fā)智能海洋機器人和空中無人機。

Carlos Silvestre教授（中）、研究助理Joel Reis博士（左）和博士生余甘

Silvestre教授早在30多年前開始研究海洋機器人。當時他是里斯本大學高等技術學院的碩士生。他說，在不同類型的機器人中，無人水面艦艇（USV）的用途尤其廣泛，在執(zhí)行巡邏、貨運、海洋研究、搜救、油氣勘探和海底電纜安裝等任務時均有明顯優(yōu)勢。

SCORE實驗室在澳大校園的湖面試測無人船

設計導航及控制算法

由于風、浪、洋流等環(huán)境因素，要使USV始終在正確時間沿著正確路徑航行并非易事。USV需要一個由復雜算法組成的軌跡跟蹤控制系統(tǒng)，才能實時、準確和安全地運作，并在偏離預定路徑時進行快速修正。

無人船裝有一個軌跡跟蹤控制系統(tǒng)

SCORE實驗室近年來在設計非線性軌跡跟蹤智能控制系統(tǒng)方面取得豐碩成果，它們的有效性已在計算機仿真和澳大校園內(nèi)的實地試驗得到驗證。實驗室成員開發(fā)的算法能讓USV避開障礙物、在電力耗盡時返回出發(fā)點和應對其他突發(fā)情況。

澳大團隊在首屆珠海萬山國際智能船艇公開賽的一個項目奪冠

SCORE實驗室成員憑借他們的算法，在2020年底首屆珠海萬山國際智能船艇公開賽獲得冠 軍。他們在比賽期間編寫了智能制導、控制和導航程序并安裝在USV上，然后在海上執(zhí)行自動導航、避開障礙物和目標識別等任務。他們的USV最終的追蹤準確度不僅遠高于10名對手，更被賽事主辦方譽為（史 無前例）。

新型無人潛水器

此外，Silvestre教授的團隊正在設計一種新型自主水下航行器，將會配備專業(yè)級的聲納系統(tǒng)、攝像頭和慣性傳感器。這個項目名為（ORVIS-Ocean Robotic Vehicles for Intervention in Shallow Waters），為期數(shù)年，2020年起由澳門科學技術發(fā)展基金資助。

據(jù)Silvestre教授介紹，這款新型水下機器人將會配備聲納傳感器，在低能見度的水底仍能產(chǎn)生高解像度的圖像。在臺風等天災后，我們可以使用這個機器人來檢查澳門能見度很低的水域的水下設施有否損壞。海洋機器人可以巡邏水域、檢查海堤等海洋設施、繪制海床地圖和監(jiān)測海洋生態(tài)系統(tǒng)，相信將會在澳門得到更廣泛的應用。

3. 智能機器人創(chuàng)新惠民

隨著人工智能的進步和行業(yè)需求的增長，智能機器人早已成為全球各地的研究熱點。澳門大學機電工程系教授徐青松一直帶領團隊研發(fā)創(chuàng)新的智能機器人，服務民生和社會。

消毒機器人協(xié)助防疫

2020年新冠疫情初期，徐教授的團隊獲澳門科學技術發(fā)展基金資助開發(fā)了智能機器人「消毒智多星」，期間獲澳門發(fā)展及質(zhì)量研究所提供空氣指標監(jiān)測支援。他說消毒機器人能減省人力、提高效率、降低醫(yī)護人員接觸病毒的風險和確保消毒劑均勻噴灑。

徐青松教授（中）的團隊研制各類機器人

徐教授說：我們一手研發(fā)了機器人的零件和程序，更包辦其外觀設計和組裝，所以能夠壓縮成本和售價，吸引更多機構使用機器人。他表示，澳大已就相關技術申請專利，也正與企業(yè)洽談專利權轉(zhuǎn)讓，期望將智能消毒機械人批量生產(chǎn)，推向粵港澳大灣區(qū)等地的市場。

消毒機器人

工業(yè)機器人推動智能制造

在澳門科學技術發(fā)展基金首屆重點研發(fā)專項資助計劃支持下，徐教授的團隊也在開發(fā)擁有三維視覺感知和柔順力控的新一代工業(yè)機器人，能夠在可變化的環(huán)境與人類緊密合作。所謂柔順力控，即是機器人能夠因應外力影響（例如是機器臂活動時被人碰到一下）靈活調(diào)整自身力度，確保完成任務。

徐教授說，新的機器人將會比同類產(chǎn)品更靈活、更智能，能完成更復雜的工作。這個項目的目標是提升機器人智能作業(yè)系統(tǒng)的性能，將以零件裝配、汽車打磨、飛機維護等任務作為示范用途，相信成果會有利推進澳門經(jīng)濟適度多元化發(fā)展。

智能工業(yè)機器臂

微操作機器人促進生物醫(yī)學工程

徐教授團隊早前還研發(fā)了智能微操作機器人系統(tǒng)。該系統(tǒng)能夠自動在微納米尺度上操控微注射器和微夾鉗，可以用于基因編輯等活體細胞操作，大大增加細胞在顯微注射后的存活率，使顯微注射更可靠、效果更穩(wěn)定，滿足生物醫(yī)學工程對活體細胞操作不斷增長的需求。他們還發(fā)明了新型智能精確運動與力度混合控制算法，讓微操作機器人工作時更迅速和更準確。

機器人微夾鉗系統(tǒng)

此外，徐教授團隊的項目「機器人微夾鉗系統(tǒng)研發(fā)及産業(yè)應用」是澳門大學—華發(fā)集團聯(lián)合實驗室的首批科創(chuàng)項目之一，正在珠海澳大科技研究院的支援下，將研究成果轉(zhuǎn)化為面向市場的產(chǎn)品。

徐青松教授

經(jīng)過10余年研發(fā)積累，徐教授先后擔任多份著 名國際期刊的編委，并多次獲得澳門科學技術獎勵，期望團隊再接再厲：我們也正在開發(fā)血管機器人、高空作業(yè)機器人等智能機器人，進一步以科技創(chuàng)新改善人們的生活。我相信智能機器人將會與人共融，更好地服務社會。

4. 智能偵測圖像篡改

科技令圖像篡改變得輕而易舉、電子文件真?zhèn)坞y測。澳門大學計算機及信息科學系副教授周建濤的團隊憑著一款先進算法，在一場圖像篡改偵測國際比賽中擊敗1,500多支隊伍，目前與阿里巴巴合作開發(fā)更強大的偵測工具。

眼看未為真

周教授是澳大人工智能與機器人研究中心代主任，也是智慧城市物聯(lián)網(wǎng)國家重點實驗室（澳門大學）的成員。他說：許多被篡改的圖像不但肉眼無法察覺，連計算機程序也偵測不到。

周建濤教授團隊借助澳大智能超算中心的超級計算機訓練用于圖像篡改偵測的深度學習模型

圖像篡改偵測算法有如專業(yè)偵探，察覺到旁人不為意的蛛絲馬跡。這些算法通常會分析圖像的噪聲分布和其他特征，尋找線索。如果一幅圖像未經(jīng)篡改，整幅圖的噪聲分布通常會保持一致。

研究人員將SE-Block結構加入到神經(jīng)網(wǎng)絡，提升其從圖像擷取信息的效能。圖為SEBlock的結構。

2019年起，研究團隊獲澳門科學技術發(fā)展基金資助，開展一項關于準確分析噪聲和提取圖像特征的研究項目，其成果有助開發(fā)偵測算法，令篡改過的圖像無所遁形。

探微知著

2021年初，周教授的團隊參加由清華大學和阿里巴巴合辦的{安全AI挑戰(zhàn)者賽（第五期）}，在（篡改賽道）勇奪冠 軍，也在檢測賽道獲得季軍。在篡改賽道，團隊修改了20張證件類圖像上的信息，例如身份證上的姓名和出生日期。他們會分析圖像中真實部分的噪聲，同時參考被篡改部分的背景細節(jié)，最 后在被篡改部分添加一層自適應噪聲，用來躲避人工智能工具的偵測。他說：我們是1,534支參賽團隊中最成功的圖像篡改者。

周建濤教授（右）的團隊在由清華大學和阿里巴巴合辦的「安全AI挑戰(zhàn)者賽（第五期）」獲獎

比賽期間，他們也訓練出一款新的偵測算法。它經(jīng)過深度學習數(shù)以萬計的圖像，不出半秒就能偵測出圖像被篡改的位置，準確度遠超對手。這款算法特點是采用了一個多網(wǎng)絡架構的空間通道感知模塊，能夠準確地提取圖像特征。

周建濤教授

產(chǎn)學合作

憑著矚目的表現(xiàn)，周教授的團隊獲阿里巴巴贊助加強算法。周教授說，網(wǎng)上購物平臺每日都要驗證大量網(wǎng)店的牌照，確保賣家都是合資格的商戶。面對高解像度的圖像時，現(xiàn)有算法一般可以準確偵測出經(jīng)篡改的圖像，但處理低解像度圖像，例如是經(jīng)社交媒體或通訊軟件壓縮過的圖像，往往束手無策。

周建濤教授團隊運用澳大的智能超算中心來訓練算法。該中心提供多個GPU計算平臺，可以執(zhí)行深度學習任務和作為虛擬數(shù)據(jù)中心。

研究團隊正在參與「阿里巴巴創(chuàng)新研究計劃」，開展為期一年的「抗媒體傳輸?shù)母唪敯魝卧靾D像檢測與定位研究」，旨在設計更高效的偵測算法，即使目標圖像曾被不同媒介壓縮、調(diào)整大小、過濾或添加噪聲，仍能找出破綻。

周建濤教授團隊的算法可在半秒內(nèi)偵測出圖像被篡改的位置

周教授說，這項目是澳大在該領域與大型科技企業(yè)首 次合作，有助他的團隊累積產(chǎn)學研合作經(jīng)驗：我們正在運用研究成果解決現(xiàn)實世界的商業(yè)問題，進展令人鼓舞。

5. 社交媒體數(shù)據(jù)驅(qū)動智慧旅游

社交媒體每天產(chǎn)生大量時空數(shù)據(jù)，充分利用這些大數(shù)據(jù)可以推動旅游業(yè)智能化。為了善用這些數(shù)據(jù)，澳門大學的研究人員正在開發(fā)一系列先進算法，藉此推動澳門成為智能型世界旅游休閑中心。

數(shù)據(jù)助旅客規(guī)劃行程

在智慧城市物聯(lián)網(wǎng)國家重點實驗室（澳門大學），數(shù)據(jù)挖掘?qū)＜?、計算機及信息科學系主任鞏志國教授正在與研究生研究「社交媒體數(shù)據(jù)流的在線事件檢測與智能分層聚類技術」，其中一環(huán)是開發(fā)供旅客和業(yè)界使用的手機程序。項目在2019年起獲澳門科學技術發(fā)展基金資助。

鞏志國教授的團隊開發(fā)的手機程序能提供個人化行程推薦

鞏教授的團隊設計了一款手機程序，能夠推薦個人化的澳門行程，原理是分析旅客在社交媒體留下的「游覽軌跡」，主要是他們在澳門到訪過的地點、時間和評論。鞏教授相信，提供更個人化的旅游體驗有助延長旅客在澳游覽的時間。對初次來澳的旅客，我們也運用了遷移學習技術，通過分析他們在原居地的游覽軌跡獲取其旅游喜好，在他們抵達前就能推薦景點。

計算機程序顯示旅客的位置和心情

與此同時，鞏教授的團隊開發(fā)了一些新算法分析社交媒體數(shù)據(jù)，能夠評估旅客心情、找出熱門的名勝和活動，以及識別和預測突發(fā)事件。酒店、餐廳和博物館等旅游場所都能采用這些技術，了解旅客需要，改善服務和拓展客源。他的團隊也正研究用社交媒體數(shù)據(jù)，評估各區(qū)不同時段的旅客密度，為政府規(guī)劃交通及旅游設施提供參考。

鞏志國教授

改良算法推動智慧旅游

為方便市民和旅客出行、避開塞車，研究團隊將會推出另一款手機程序，數(shù)據(jù)來自40多個路口的攝錄鏡頭。程序能在地圖上實時顯示道路的擠塞程度和預測將來的路況，主要運用兩種機器學習方法，分別是能從圖像識別車輛數(shù)量和類型的「卷積神經(jīng)網(wǎng)絡」，以及用來分析相關的時序數(shù)據(jù)的「循環(huán)神經(jīng)網(wǎng)絡」。他們更在開發(fā)另一款運用機器學習模型的程序，預測巴士到站時間。

澳大正在開發(fā)一系列先進算法，推動澳門成為智能型世界旅游休閑中心。

鞏教授說，他的團隊還在處理一些技術挑戰(zhàn)，其中一個是各大社交媒體開放數(shù)據(jù)的程度不一、數(shù)據(jù)格式各異，需要整合不同平臺產(chǎn)生的數(shù)據(jù)。分析社交媒體數(shù)據(jù)時也會遇上語義分析的難題，需要令計算機更準確地理解有多種含義的單詞和句子：我們的團隊將會繼續(xù)改進機器學習模型，在澳門為旅客創(chuàng)造更優(yōu)質(zhì)和智能的旅程服務。