请看！澳大正在做这些人工智能研究

2021-12-14 11:01

约30年前，澳门大学已开展人工智能方面的教学和研究，推动科技创新，研发真正惠及所有人的技术、产品和服务。

澳大目前有多个人工智能科研创新应用项目，包括自动巴士、无人船、工业机器人、伪造图像侦测和智慧旅游等，切合澳门发展所需。这些创新研究展现了澳大深入参与横琴粤澳深度合作区的建设、推进粤港澳大湾区建设国际科技创新中心、助力澳门经济适度多元发展的不懈努力。

1. 人工智能新技术研发自动驾驶

科幻电影中自动车穿梭大都会街头的画面，再也不是海市蜃楼。为了研究自动驾驶技术，澳门大学正与本地和内地多个机构开展一个大型科研项目，并在澳大校园启用澳门第一台自动驾驶巴士，作为测试新技术的平台。

以自动驾驶巴士测试新技术

这架自动驾驶巴士在2020年10月启用，有八个座位和六个站位，时速最高40公里，是科研项目「协同智能驱动的无人驾驶关键技术与平台研究」的重要一环。该项目2019年起获澳门科学技术发展基金资助，由智慧城市物联网国家重点实验室（澳门大学）、中国科学院深圳先进技术研究院、国防科技大学、百度和深圳海梁科技共同承担，并获澳门电讯提供流动网络技术支援。

研究团队由澳大科技学院院长、计算机及信息科技系讲座教授须成忠领导。须教授研究自动驾驶已有10多年，在美国底特律任教时曾与通用汽车等大企业合作研究智能驾驶，2011年回国后继续探索相关技术，2019年加入澳大后不久开展这个自动驾驶项目。

全球各地都在研究自动驾驶。今日的自动车已能在受控制的环境下正常行驶，但现有技术还不足以制造出能安全、恰当地应对极端天气和其他突发情况的全自动汽车，因此须教授的团队正在研究令自动驾驶更安全的技术，成果令人鼓舞。单在2019年，他们就有22篇论文获国际学术期刊登载，也有在一些顶尖国际会议上发表论文。

提升自动车决策能力

卷积神经网络是一种主流的机器学习模型，某程度模仿人脑的感知方式，是自动驾驶技术的重要一环。须教授说，我们可以用大量关于交通情况的图像数据来训练一个卷积神经网络，使它能在新的图像中辨别出物件、车辆和行人。

卷积神经网络的决策能力很取决于它用来学习的训练数据。目前多数用于训练自动车的数据都是在良好天气下收集所得，因此自动车平日能比较容易检测出物件，但遇上台风等恶劣天气和其他特殊情况时却很可能失灵。我们原则上可以引入更多数据，为每种路况都来一个训练卷积神经网络（或其他机器学习模型），但实践中却难以有足够的数据和时间来训练这些网络，也无法预见汽车所有可能遇到的情况。

澳大自动驾驶研究团队

应对这个问题的方法之一就是运用「迁移学习」人工智能方法，原理有点像训练一个单车手学习驾驶电单车。单车手凭着他们的经验，可能驾驶电单车时会比其他人更易保持平衡，毋须像其他人一样从头学起。同样，如果没有足够的数据或时间，我们可以用已经训练好的机器学习模型为基础，为类似任务训练出新的模型。

为了提升迁移学习的成效，澳大与百度的研究人员提出了一种新算法，名为Re-Initializing the Fully-connected LayEr（简称RIFLE），用于训练基于迁移学习方法的卷积神经网络时的「反向传播」过程。他们先用这个新算法训练一个卷积神经网络，然后以它来分类、检测和分割数以万计的图像，发现其表现远胜一些经主流算法训练的对手。相关论文已在顶尖的国际机器学习年会上发表。

加快训练机器学习模型

重新训练一个卷积神经网络前，我们可以先删除一些与新任务无关的部分，这个过程称为「剪枝」。「剪枝」有助降低卷积神经网络的复杂程度、从而加快运算，但有时也会削弱其执行任务的能力。

针对这个问题，澳大、中科院深圳先进技术研究院和百度的研究人员开发了一种新的「剪枝」方法，名为Attentive Feature Distillation and Selection（简称AFDS）。他们用AFDS和多种主流算法修剪一个有101个卷积层的卷积神经网络，再用这些网络来分析六个图片数据库，辨识图片上有甚么物件。他们发现，在运算量下降30%的情况下，用AFDS修剪的网络达到几乎同样准确的辨识结果；即使运算量下降90%，准确度仍能够保持在约70%，远高于用其他方法修剪的网络。相关论文已在顶尖的国际学习表征年会上发表。

AFDS算法有助提升机器学习模型的运算速度

自动车通常会用卷积神经网络来分析周边的物体，它们一旦受到网络攻击或遇到不太清晰的物件（例如有涂鸦的路标）时很易判断错误，例如将停车标志误判为让先标志，随时酿成惨剧。因此，研究人员开发了LAFEAT算法，令卷积神经网络面对攻击或噪声时更具鲁棒性（robustness，又译稳健性）。这款新算法在实验中的表现远胜10多种现有的算法。

在2021年中，澳大和百度的研究人员将LAFEAT算法在国际计算机视觉与模式识别会议上发表，该会议的论文录取率仅为4.59%。他们也用这项算法参加了美国伊利诺大学、清华大学和阿里安全合办的「CVPR安全AI挑战者赛」算法比赛，与全球1680支队伍切磋，勇夺亚军，成为唯一来自澳门的获奖队伍。

卷积神经网络受攻击时或会误判路标

走向自动驾驶的未来

研究团队亦在深入研究人机交互技术，重点包括自然语言处理，目标是让自动车正确回应语音指令。须教授也说，澳门路面较窄、电单车特别多，对自动车带来额外挑战，所以他的团队亦在研究应对澳门复杂路况的技术。

研究人员可在设于智慧城市物联网国家重点实验室（澳门大学）的实验平台用模型车辆测试自动驾驶技术

那么，到底我们何时才能在日常生活用自动车出行？须教授说，要真正广泛使用自动车，我们还要克服不少技术难题，也需要有新的道路、网络基建和法律法规配合，有赖社会各界共同努力。「我们会不断开发新的自动驾驶技术。通过在澳大启用自动巴士，我们也希望提升公众对自动车的认识，为在澳门实现自动驾驶创造有利条件。

2. 智能海洋机器人用途广泛

澳门大学电机及计算机工程系Carlos Silvestre教授的团队正在研发新型自主船艇。他们在2020年一项国际智能无人船赛事夺冠，目前则在研究智能水下无人艇，能用于执行海底测绘等诸多任务。

应用广泛

Silvestre教授在2011年领导成立「基于传感器的协作机器人研究实验室」（SCORE实验室），目前与研究助理Joel Reis博士、博士生余甘和其他学生一同开展动力系统理论的科学探索，并且运用研究成果开发智能海洋机器人和空中无人机。

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多年前开始研究海洋机器人。当时他是里斯本大学高等技术学院的硕士生。他说，在不同类型的机器人中，无人水面舰艇（USV）的用途尤其广泛，在执行巡逻、货运、海洋研究、搜救、油气勘探和海底电缆安装等任务时均有明显优势。

SCORE实验室在澳大校园的湖面试测无人船

设计导航及控制算法

由于风、浪、洋流等环境因素，要使USV始终在正确时间沿着正确路径航行并非易事。USV需要一个由复杂算法组成的轨迹跟踪控制系统，才能实时、准确和安全地运作，并在偏离预定路径时进行快速修正。

无人船装有一个轨迹跟踪控制系统

SCORE实验室近年来在设计非线性轨迹跟踪智能控制系统方面取得丰硕成果，它们的有效性已在计算机仿真和澳大校园内的实地试验得到验证。实验室成员开发的算法能让USV避开障碍物、在电力耗尽时返回出发点和应对其他突发情况。

澳大团队在首届珠海万山国际智能船艇公开赛的一个项目夺冠

SCORE实验室成员凭借他们的算法，在2020年底首届珠海万山国际智能船艇公开赛获得冠军。他们在比赛期间编写了智能制导、控制和导航程序并安装在USV上，然后在海上执行自动导航、避开障碍物和目标识别等任务。他们的USV最终的追踪准确度不仅远高于10名对手，更被赛事主办方誉为（史无前例）。

新型无人潜水器

此外，Silvestre教授的团队正在设计一种新型自主水下航行器，将会配备专业级的声纳系统、摄像头和惯性传感器。这个项目名为（ORVIS-Ocean Robotic Vehicles for Intervention in Shallow Waters），为期数年，2020年起由澳门科学技术发展基金资助。

据Silvestre教授介绍，这款新型水下机器人将会配备声纳传感器，在低能见度的水底仍能产生高解像度的图像。在台风等天灾后，我们可以使用这个机器人来检查澳门能见度很低的水域的水下设施有否损坏。海洋机器人可以巡逻水域、检查海堤等海洋设施、绘制海床地图和监测海洋生态系统，相信将会在澳门得到更广泛的应用。

3. 智能机器人创新惠民

随着人工智能的进步和行业需求的增长，智能机器人早已成为全球各地的研究热点。澳门大学机电工程系教授徐青松一直带领团队研发创新的智能机器人，服务民生和社会。

消毒机器人协助防疫

2020年新冠疫情初期，徐教授的团队获澳门科学技术发展基金资助开发了智能机器人「消毒智多星」，期间获澳门发展及质量研究所提供空气指标监测支援。他说消毒机器人能减省人力、提高效率、降低医护人员接触病毒的风险和确保消毒剂均匀喷洒。

徐青松教授（中）的团队研制各类机器人

徐教授说：我们一手研发了机器人的零件和程序，更包办其外观设计和组装，所以能够压缩成本和售价，吸引更多机构使用机器人。他表示，澳大已就相关技术申请专利，也正与企业洽谈专利权转让，期望将智能消毒机械人批量生产，推向粤港澳大湾区等地的市场。

消毒机器人

工业机器人推动智能制造

在澳门科学技术发展基金首届重点研发专项资助计划支持下，徐教授的团队也在开发拥有三维视觉感知和柔顺力控的新一代工业机器人，能够在可变化的环境与人类紧密合作。所谓柔顺力控，即是机器人能够因应外力影响（例如是机器臂活动时被人碰到一下）灵活调整自身力度，确保完成任务。

徐教授说，新的机器人将会比同类产品更灵活、更智能，能完成更复杂的工作。这个项目的目标是提升机器人智能作业系统的性能，将以零件装配、汽车打磨、飞机维护等任务作为示范用途，相信成果会有利推进澳门经济适度多元化发展。

智能工业机器臂

微操作机器人促进生物医学工程

徐教授团队早前还研发了智能微操作机器人系统。该系统能够自动在微纳米尺度上操控微注射器和微夹钳，可以用于基因编辑等活体细胞操作，大大增加细胞在显微注射后的存活率，使显微注射更可靠、效果更稳定，满足生物医学工程对活体细胞操作不断增长的需求。他们还发明了新型智能精确运动与力度混合控制算法，让微操作机器人工作时更迅速和更准确。

机器人微夹钳系统

此外，徐教授团队的项目「机器人微夹钳系统研发及産业应用」是澳门大学—华发集团联合实验室的首批科创项目之一，正在珠海澳大科技研究院的支援下，将研究成果转化为面向市场的产品。

徐青松教授

经过10余年研发积累，徐教授先后担任多份著名国际期刊的编委，并多次获得澳门科学技术奖励，期望团队再接再厉：我们也正在开发血管机器人、高空作业机器人等智能机器人，进一步以科技创新改善人们的生活。我相信智能机器人将会与人共融，更好地服务社会。

4. 智能侦测图像篡改

科技令图像篡改变得轻而易举、电子文件真伪难测。澳门大学计算机及信息科学系副教授周建涛的团队凭着一款先进算法，在一场图像篡改侦测国际比赛中击败1,500多支队伍，目前与阿里巴巴合作开发更强大的侦测工具。

眼看未为真

周教授是澳大人工智能与机器人研究中心代主任，也是智慧城市物联网国家重点实验室（澳门大学）的成员。他说：许多被篡改的图像不但肉眼无法察觉，连计算机程序也侦测不到。

周建涛教授团队借助澳大智能超算中心的超级计算机训练用于图像篡改侦测的深度学习模型

图像篡改侦测算法有如专业侦探，察觉到旁人不为意的蛛丝马迹。这些算法通常会分析图像的噪声分布和其他特征，寻找线索。如果一幅图像未经篡改，整幅图的噪声分布通常会保持一致。

研究人员将SE-Block结构加入到神经网络，提升其从图像撷取信息的效能。图为SEBlock的结构。

2019年起，研究团队获澳门科学技术发展基金资助，开展一项关于准确分析噪声和提取图像特征的研究项目，其成果有助开发侦测算法，令篡改过的图像无所遁形。

探微知着

2021年初，周教授的团队参加由清华大学和阿里巴巴合办的{安全AI挑战者赛（第五期）}，在（篡改赛道）勇夺冠军，也在检测赛道获得季军。在篡改赛道，团队修改了20张证件类图像上的信息，例如身份证上的姓名和出生日期。他们会分析图像中真实部分的噪声，同时参考被篡改部分的背景细节，最后在被篡改部分添加一层自适应噪声，用来躲避人工智能工具的侦测。他说：我们是1,534支参赛团队中最成功的图像篡改者。

周建涛教授（右）的团队在由清华大学和阿里巴巴合办的「安全AI挑战者赛（第五期）」获奖

比赛期间，他们也训练出一款新的侦测算法。它经过深度学习数以万计的图像，不出半秒就能侦测出图像被篡改的位置，准确度远超对手。这款算法特点是采用了一个多网络架构的空间通道感知模块，能够准确地提取图像特征。

周建涛教授

产学合作

凭着瞩目的表现，周教授的团队获阿里巴巴赞助加强算法。周教授说，网上购物平台每日都要验证大量网店的牌照，确保卖家都是合资格的商户。面对高解像度的图像时，现有算法一般可以准确侦测出经篡改的图像，但处理低解像度图像，例如是经社交媒体或通讯软件压缩过的图像，往往束手无策。

周建涛教授团队运用澳大的智能超算中心来训练算法。该中心提供多个GPU计算平台，可以执行深度学习任务和作为虚拟数据中心。

研究团队正在参与「阿里巴巴创新研究计划」，开展为期一年的「抗媒体传输的高鲁棒伪造图像检测与定位研究」，旨在设计更高效的侦测算法，即使目标图像曾被不同媒介压缩、调整大小、过滤或添加噪声，仍能找出破绽。

周建涛教授团队的算法可在半秒内侦测出图像被篡改的位置

周教授说，这项目是澳大在该领域与大型科技企业首次合作，有助他的团队累积产学研合作经验：我们正在运用研究成果解决现实世界的商业问题，进展令人鼓舞。

5. 社交媒体数据驱动智慧旅游

社交媒体每天产生大量时空数据，充分利用这些大数据可以推动旅游业智能化。为了善用这些数据，澳门大学的研究人员正在开发一系列先进算法，藉此推动澳门成为智能型世界旅游休闲中心。

数据助旅客规划行程

在智慧城市物联网国家重点实验室（澳门大学），数据挖掘专家、计算机及信息科学系主任巩志国教授正在与研究生研究「社交媒体数据流的在线事件检测与智能分层聚类技术」，其中一环是开发供旅客和业界使用的手机程序。项目在2019年起获澳门科学技术发展基金资助。

巩志国教授的团队开发的手机程序能提供个人化行程推荐

巩教授的团队设计了一款手机程序，能够推荐个人化的澳门行程，原理是分析旅客在社交媒体留下的「游览轨迹」，主要是他们在澳门到访过的地点、时间和评论。巩教授相信，提供更个人化的旅游体验有助延长旅客在澳游览的时间。对初次来澳的旅客，我们也运用了迁移学习技术，通过分析他们在原居地的游览轨迹获取其旅游喜好，在他们抵达前就能推荐景点。

计算机程序显示旅客的位置和心情

与此同时，巩教授的团队开发了一些新算法分析社交媒体数据，能够评估旅客心情、找出热门的名胜和活动，以及识别和预测突发事件。酒店、餐厅和博物馆等旅游场所都能采用这些技术，了解旅客需要，改善服务和拓展客源。他的团队也正研究用社交媒体数据，评估各区不同时段的旅客密度，为政府规划交通及旅游设施提供参考。

巩志国教授

改良算法推动智慧旅游

为方便市民和旅客出行、避开塞车，研究团队将会推出另一款手机程序，数据来自40多个路口的摄录镜头。程序能在地图上实时显示道路的挤塞程度和预测将来的路况，主要运用两种机器学习方法，分别是能从图像识别车辆数量和类型的「卷积神经网络」，以及用来分析相关的时序数据的「循环神经网络」。他们更在开发另一款运用机器学习模型的程序，预测巴士到站时间。