以下是墨子沙龍「AI·未來」活動（2020年9月26日）李向陽教授的報告視頻和內容。
智能的世界-物聯網、大數據、到人工智慧 中國科學技術大學 李向陽_騰訊視頻
今天我演講的主題是：「智能的世界——物聯網、大數據，到人工智慧」。
羅浮宮很多人都非常熟悉，可能很多人都去過，非常漂亮。羅浮宮裡面，最有名的一幅藏畫是《蒙娜麗莎》，當然還有很多其他的藏品。但是，今天我想給大家講的是另外一個作品——雕塑「菲迪皮德斯」。
古希臘時期，菲迪皮德斯為了把馬拉松戰役取得勝利的消息傳遞迴去，最後因為跑得太快而去世了。他為了傳遞一個比特的信息，付出了生命的代價，所以現在這一頁ppt的標題是「生死攸關——比特」。
這麼多年來，我們人類一直在關注怎麼去進行信息的採集、傳輸、計算，以至於生成知識和獲得智能，這最後一點也就是最近我們大家都在講的人工智慧（AI）浪潮。
人工智慧已經經歷了很多的浪潮，現在主要是由AlphaGo引起的第三波浪潮。深度學習技術在圍棋領域第一次實現了機器對人類的全面勝利。除了下棋以外，在其他一些領域，我覺得人工智慧也已經做得非常好。當然還有很多事情，可能對人來說非常簡單，但對機器卻非常難，比如說，看圖說話。根據一副圖去寫一些話或者寫一個故事，這對機器來說就非常難了。
整個人工智慧離不開我們經常講的ABCDE。A是算法（Algorithm），B是大數據（Big data），C是計算（Computing），D是領域知識（Domain knowledge），還有E是指生態（Echo system）生態。
總的來說，現在的深度學習是一種基於數據的一些統計規律的學習，但數據從哪裡來？基本上都是來自物聯網設備（比如各種攝像頭等等）採集得到的各種數據，基於此我們對所處的物理世界有一個深度的了解。
所以，今天的內容主要分為三個部分：智能物聯網、大數據和人工智慧。
智能物聯網
從物理的世界到我們人造的一些設備的世界，我們的世界非常豐富多彩，文明是人、社會與物理世界的有機融合。在人、物理世界和社會的有機融合的時候，我們需要解決很多問題，包括環保、災害、安全等等方面。當然有很多方法，但最主要的方式可能是要通過一些設備和方法來對事件進行感知、預判，精確地來了解我們的世界。
總的來說，我們需要對我們的世界更透徹的感知，更全面的互聯互通。物聯網（Artificial Intelligence & Internet of Things，AIoT）作為信息系統向物理世界的延伸，它極大地拓展了我們人類認識世界、改變世界的能力。物聯網是信息技術的第三次革命浪潮。
到底什麼是物聯網？或者什麼是智能物聯網？基本上可以從三個層面來看：普通對象設備化、自治終端互聯化和普適服務智能化。第一是普通對象設備化，就是對任何東西都賦予它一些智能，使其變成一種感知設備。第二是自治終端互聯化，即任何設備都是互聯的，建構一個萬物互聯的世界。第三是普適服務智能化，即所有的服務都是有智能的。
總的來說，物聯網是一個基於網際網路、傳統電信網等信息承載體，讓所有能夠被獨立尋址的普通物理對象實現互聯互通的網絡，並提供智能服務的載體。智能物聯網到現在，經歷了大概幾十年的發展，現在已經非常普及。可能很多東西平常大家沒有感覺到，但實際上智能物聯網都在身邊。
智能物聯網也是一種今天和明天的技術，在之前的七八年大家更多在談人工智慧，可能下一步真正能夠落地的是人工智慧物聯網，是基於設備、基於行業的一種智能技術。智能物聯網以物聯網、網際網路、大數據、人工智慧融合創新，來引領我們未來的產業發展。
物聯網：智能感知技術
物聯網方面主要面對三個挑戰，也是物聯網的三個核心：感、傳、算。
首先我們得有個東西去了解我們的世界，也就是感知技術。人感知世界的方法主要有視覺、聽覺、觸覺、嗅覺和味覺。機器怎麼去感知？我們會利用各種信號，比如無線信號等等，並藉助一些智能的推理方法，來獲取物理世界的一些信息，比如人員是否存在、如何運動，他的行為、思想狀態、物體的狀態等等各種不同的信息。感知的方法有很多，比如我們經常見的振動傳感器、加速度陀螺儀、光傳感器、視覺方法、聲音、無線信號等等，都可以用來感知、理解我們的世界。
第二，得把感知到的內容傳回來，這就是傳。第三，要對傳過來的信息進行處理，即要做計算功能。當然所有東西都必須要有能量來支撐。所以總的來說，物聯網是感、傳、算以及能量四個方面來組成。不同設備的形式不太一樣，但總的來說離不開這四部分的東西。
物聯網現在遇到的困境或者困局是：很多時候大家發覺容易感知的信息難以傳輸，而易傳輸的信息難以感知。比如高精度視頻，這很容易感知，但是高清視頻耗傳輸帶寬太大，很多設備可能沒有能力將其傳回。另外還有些東西可能容易傳輸，比如說你今天高興不高興，你今天到底什麼樣的語氣、心情，你是什麼感情，這很容易傳輸，信息量不大，但不容易感知。
傳輸、感知之間往往有這種不對稱、不協調的情況。當然所謂的難和易也依賴許多限制條件，所以說難易也是一個相對的概念，比如你到底要什麼設備，是不是有能量等等。但總的來說，感知和傳輸有這樣的一個困局。比如現在所有人都有手機，為什麼現在智慧型手機這麼好用，當然除了系統做得好以外，離不開硬體能力的提升。比如說一個蘋果或者華為手機等，它裡面有很多傳感器——光照、加速度陀螺儀、距離感知等等，可以了解很多信息。
當然手機裡面，傳感器肯定是越來越多，可以測量的東西也越來越多，但是還有一個困境：如何以有限的感知來感知一個無限可能的世界？這個手機再怎麼能裝東西，它的體積也是有限的，但我們要了解的東西是非常多的，所以有這樣一個挑戰——如何以有限感知的設備和能力來了解無限可能的世界。
要破局，有很多方法，比如說無感而感，即可能沒有這樣的設備，但我想做這樣的能力。第二種跨域感知，比如有很多各種設備，每個都拿到了部分的信息，就像盲人摸象一樣，我們可以通過跨域感知來了解全局信息。第三種深度感知，可能使用以前的方法也拿到了很多信息，但分析不透徹，利用現有技術把信息進行深度挖掘，可以獲得更多的信息。
下面簡單匯報一下，目前在我們這一行業裡面和學術界裡的部分成果，以及我們如何去識別一些可能看上去不太可能的事情。我講一個例子，這是我們跟一些企業合作做的一個智能手錶/手環，可以進行手語識別【建議觀看文前視頻】。目前全中國有一兩千萬聾啞人，對於這些 在交互方面有障礙的人群，如何給他們一種跟外界做交互的能力呢？我們通過給他們戴上一個智能手錶，也就是普通的穿戴式手錶，可以在他打手語的時候，對手語進行識別從而實現交互。
另外除了實現這個行為的識別，微動作的識別以外，甚至我們可以拿手機測你的心跳，比如說拿一個手機在手上，或者放在口袋裡，就可以測出你的心跳。這些都是通過一些跨域感知實現的。
我再講一個故事——沒有電池的感知。在歷史上有一個很有名的事情叫Great Seal Bug (The Thing)，發生在二戰時期，蘇聯送給美國大使館一個木頭雕制的美國國鳥雕塑。美國人做了很多檢查，發現沒什麼問題，就放到了他們大使館。一放就放了好幾年，大概在七年後，據說是一個英國大使館的小伙子調收音機，說怎麼聽到了美國大使館的人在說話。然後就去查，第一次沒查出來，最後把這個雕塑卸開以後，發現裡面有一根大概20多厘米的鐵針。這是我們人類歷史上第一次做的一個沒有電池但可以感知周圍聲音的設備，很奇妙。
它的基本的原理是，人們說話的時候會有聲波振動，振動會引起周圍無線信號的一些變化。鐵針通過外面傳播給它的能量，從而產生一些微小的振動，通過反射回去的能量可以恢復人的聲音。基於這方面的技術，在1971年，Mario Cardull發明了Radio Frequency Identification技術，簡稱「RFID技術」。他做了一個沒有電池的小天線，通過另外一個讀寫器，發射能量打在天線上返回，就可以獲取很多信息。
RFID現在使用的很多，有很多不同的技術，有無源、有源，比如我們現在拿的好多卡。還有，到食堂吃飯，有的碗上就帶RIFD，不需要看什麼菜，只要盤子放到對應區域就可以知道具體價格。當然不同的技術可以實現的讀寫器和標籤距離也不同，最遠可能達到幾十米到上百米，但通常情況下大概二十米左右的距離。RFID一般應用於倉儲管理，比如像沃爾瑪很多設備上都有標籤。在二維碼時代每件設備都需要手動掃描，但通過RFID標籤，可以實現遠距離、大批量的設備識別，大大提高了效率。但同時RFID目前也存在一些挑戰，如漏讀等。
如果未來能把定位的距離精度提高到10-15厘米左右或者10厘米以內，我們可以實現很多有趣的應用。比如一位MIT老師做的一個應用：將每個商品貼上RFID標籤，顧客將商品放入購物車中，同時顧客錢包中裝有RFID的銀行卡，通過距離的關係，可以識別出購物車中的商品是顧客購買的物品，就可以直接自動付款，從而實現顧客在超市不再需要排隊等待結帳。這個技術極大提高了我們的效率。
如果再前進一小步，把RFID定位精度提高到1厘米甚至1毫米，又會怎麼樣？目前我們在實驗室能夠做到毫米級的軌跡跟蹤，我們稱之為「RIFD標籤的高精度定位和跟蹤」。
舉個例子，比如機場中的行李分揀。一般行李分揀有兩種方式，一種是由人力掃碼進行分揀，但使用人力就容易出錯；另外一種是目前在海外有使用的自動行李分揀機器，一台機器需要成千上億元，價格十分昂貴，但不容易出錯。通過RIFD標籤的高精度定位，就不再需要人去進行一個個掃碼分揀，它會自動告訴你哪個箱子該放到哪個飛機。
此外也可以應用於檢測高速運轉物體的轉速，從而得出機器是否工作正常。這種檢測主要有兩種方法，第一種是把標籤貼在物體上跟蹤物體，本質上是跟蹤標籤。但很多應用情況下，無法給物體貼標籤。第二種就是針對沒有標籤的物體如何來做高精度的定位和跟蹤。比如，隔牆無標籤物的軌跡識別和高速運轉物體軌跡識別以及振動設備識別。
以上講述的應用看起來十分奇妙，但實際上原理並不是很難。基本原理是在一個空間中放置一些天線，利用這些天線接收無線信號，當物體在空間運動的時候，通過不斷的讀寫RFID標籤反饋的信息，根據標籤反饋過來的信號強度，或者信號的相位和時間的信息，再利用信號打到物體上產生的反射信號的相位跟反射距離和波長的公式，很容易得出物體的位置信息。
目前這部分的研究主要有兩大挑戰。首先是設備的測量相位精度較低，設備相位精度影響定位精度，目前在理論上可以做到10^(-2)毫米級別的定位精度，但實際上還做不到。另外一點，由於相位跟波長成反比，所以波長越長，相位精度越高。如果可以利用高頻小波長電磁波那麼就可以實現更精確的定位和更好的感知。
另外一種是深度學習。因為現在模型太複雜，且噪音等影響因素很多，可以通過一些深度學習的方法來提高感知能力。比如標籤，我們形成一種能量的時空譜，將時空譜放到深度學習模型裡面去做一些判斷識別；比如運動，也可以建立時空的能量譜，用深度學習模型來判別這個人到底在做什麼動作。即，可以用深度學習去解決在物理模型上有噪音的問題，也可以做很多智能的跨域感知。
美國一些學者做了這樣的實驗：根據拍攝的無聲視頻，根據你的臉我就知道你的身體狀況，比如你的心跳等。類似工作我們自己也有做，比如學生在圖書館，我只拍他的桌面，沒拍他的電腦，我就能知道他在電腦上打什麼字，單個字大概能到50%的準確率，對於一個句子，則有99%的準確率。它的原理很簡單，因為敲鍵盤的時候，鍵盤在振動，桌面也在振動，根據桌面的振動規律，可以反推你在打什麼字。
物聯網：低耗互聯技術
以上講的是感知，另外一個主題是怎麼去做互聯。我們在很多場景下遇到能量的瓶頸。很多時候我們的設備可以用電池或者接電源，但也有很多時候，不方便甚至無法使用或更換電源。比如我們在無錫做的一個特別耗電的二氧化碳傳感器系統，一個五號電池僅能用幾個小時，但在很多場景下，不能老去換電池。再比如說做人體的一些檢測，需要讓人把一個東西吞下去，以色列就做了個可以做感知的藥丸兒，但是卻不能吞個電池下去，這有點危險。
所以這種情況下，怎麼解決電池供電的瓶頸？需要一些新的能量獲取與網絡模式，來克服傳統的一些解決不了的場景。比如在低功耗、無源通訊網絡上（美國和我們都在做），剛才講的RFID標籤，一方是沒電池，一方有電，通過打過去反射回來，可以去感知信息。
那麼是不是有可能讓兩個都沒有電源的設備來進行通信呢？大家覺得這很奇妙，實際上是可以的。比如說有一個設備Alice，想發射一個信號給Bob。Alice發射信號給Bob的時候，她自己沒有能量是無法完成的。但如果真的是完全沒有能量，是違背物理規律的，因為可以反射周圍如電視塔或者wireless AP的能量。因此如果我想通信，我就給你反射一下，相當於告訴你我在給你發一個東西。對Bob來講，若要知道Alice在不在發信號，就必須知道她是不是反射東西給了自己。而判斷是不是反射，則根據統計規律：當對方不發射信號時，通常收到能量只能來源於電視塔，這可能是一個統計的規律。一旦有反射信號，統計規律會相應變化，就知道對方給自己發信號了。通過這樣一個簡單的是不是反射和統計規律的發現，就可以傳遞信息。但雙方都沒有電池、沒有電源，都是通過捕獲在世界裡無處不在的能量來進行通信和計算的。
反射通信方法——利用周圍無處不在的無線信號能量
下面是一個簡單的視頻（建議觀看文前視頻），是我們實驗室做的一個沒有電池但可以打電話的手機。
我們必須要非常低功耗的攝像頭，不是數位訊號，是模擬信號的攝像頭，因為它能量很低才行。通過反射周圍的無線信號，可以把視頻傳回來。在我們實驗室，一米左右大概能傳到1.8Mbps，十幾米的時候能傳到700Kbps多。這在很多場景下都有用處。
大數據
我們在採集了數據以後，這些數據到底該怎麼辦？現在很熱的一個方向叫「大數據」。首先回憶一下人類科研的四大範式：
（1）第一種是實驗範式，比如伽利略爬上比薩斜塔做了個實驗，去發現一些規律。
（2）第二種是理論範式，比如牛頓和愛因斯坦不做實驗，給出一些理論。
（3）第三種是仿真範式，是近100年出現的第三種範式。可能理論上有些東西，但跟實際可能有一些誤差，自從人類有了計算機以後，可做計算機的模擬。我在美國讀博的時候，是做火箭的，但不能說做火箭的時候去試一下，因為每次發火箭的成本太高，因此只能做模擬，這叫仿真範式。
（4）第四種是數據範式，出現在近二三十年。1998年圖靈獎獲得者吉姆·格雷在Microsoft提出數據範式。通過統計各種數據，從數據當中發現規律。
那麼到底什麼是大數據？第一，數據要多；第二，數據要快速的處理；第三，數據的種類很多；第四，數據實際上很多時候且大部分是沒有用的，我們要在沙裡淘金，甚至淘都不太夠，要琢，要真的用放大鏡才能發現有用的東西。
大數據確實很有用，未來學家托夫勒就說過，改變世界有四大東西：第一是暴力，戰爭是改變人類走向的力量；第二是知識，我們經常講知識改變命運；第三是金錢，它可以改變世界。第四，最重要的，他認為大數據是第四種改變世界的力量。
數據在很多方面有很多的應用，例如：（1）大數據用在健康，尤其是個性化的健康醫療服務上；（2）個性化的教育上，由於疫情的影響，將來線上線下結合的教育可能會非常普及。大數據、物聯網、人工智慧在教育領域有很大的市場。（3）在社會科學上，像歐巴馬或川普的競選，都用了很多大數據來輔助他們的競選。（4）現在也可以利用大數據做文學創作，大數據學習自動寫稿子、寫評論。（5）影視娛樂，比如《紙牌屋》電影，它就用了很好的大數據分析，分析選演員、寫劇情、什麼時間去放，效果最好。（6）城市交通，比如阿里在杭州做的指揮交通等，都是用大數據來做一些智能推斷。（7）大數據用於個性化的廣告上，比如螞蟻金服。前兩天我在螞蟻金服開會，他們用的最多的就是怎麼根據企業個人精準的畫像，做最好的個性化服務。再比如騰訊遊戲，很多廣告都是基於一個很大的領域，叫計算經濟學，它的基礎是大數據。
但是大數據還有很多挑戰與困局。隨著日益普及的物聯網設備，產生了很多數據，幾年後可能要將近180 ZB，但其中非結構化數據，即音頻、視頻等等將超過80%。這些數據對我們隱私保護帶來巨大挑戰。如果數據安全隱私沒做好，所有的都是空中樓閣，很容易出問題。但為什麼安全隱私比較嚴重，是因為數據孤島現象很厲害，很多個人和企業都擁有各自的數據，但數據不能流通。
那麼怎麼去解決讓數據不可見，但數據價值可用呢？我們經常講data invisible but available，怎麼去實現這樣的功能，數據隔離已經成為智能要發展的一個大瓶頸。我們需要一些交叉的學科，比如計算科學、經濟學、數據科學、法律法規等，大家一起來讓數據真正能成為21世紀的石油，真的流通起來。但流通不是一定要數據流通，而是真正讓數據價值流通起來。
看一下網際網路上那隻「狗」，是皮特在課上畫的很有名的漫畫——在網上沒人知道你是一隻狗。剛開始的網絡只提供互聯的服務，但是它是連接機器，不關心機器後面你是男人、女人、小孩子、老人還是一隻狗。這是剛開始的概念。
《紐約客》彼得·施泰納（Peter Steiner）
但是現在隨著搜索技術、大數據技術的發展，我們可以做人物的精準畫像，「狗」無處可藏。人家知道是一隻狗，在後面敲鍵盤。但是現在隨著技術的發展和個體意識、隱私保護需求的增長，數據我們希望可用，但不可見，我們更需要價值和服務。你不應該知道我是一隻狗，雖然我是一隻狗，但你不應該知道。所以我覺得整個人類的技術發展，是三個不同的階段：剛開始不知道，到後來可以精準地知道，再後來你不應當知道。
總的來說，大數據在未來必須和人工智慧深度結合，即A（Algorithm）、B（Big data）、C（Computation）和人工智慧深度結合起來。
人工智慧的起源與發展
簡單講一下人工智慧。從感知到數據，數據本身是沒有價值的，只有通過各種技術去挖掘數據背後的規律，沙里琢金才真的有用。這個技術是什麼，現在大家用的最多的是人工智慧技術，即AI。人工智慧，則必須要說圖靈。他非常有才，在很多領域做出了非常卓越的貢獻，但是他生的年代既是一個好年代，也是一個差年代，好年代是因為那個時候技術發展非常快，二戰有很多機會做很多事情；壞年代是因為那個時候還不那麼開放，圖靈據說是個同性戀，所以後來就在1954年自殺了。
Alan Mathison Turing，1912～1954
圖靈有很多有名的事情，他在1950年提出了圖靈測試：如果一台機器能夠與人類展開對話，不是見面的，我們不能辨別出來其機器身份，那麼這台機器就算有了智能。也就是一個機器在跟另外一個東西交互的時候，或者人跟機器在交互的時候，我不知道對方到底是人還是機器，那這個機器就算有了智能。這就是一個很典型的圖靈測試。
在1956年有十個很有名的科學家，他們當時在美國的達特茅斯開會，第一次提出了Artificial Intelligence，研究人工智慧的概念。這個照片很有名，大家後來都拿了圖靈獎，其中有一位先生拿了圖靈獎和諾貝爾獎。
1956年在美國達特茅斯學院的討論會
人工智慧經歷了好幾次浪潮。人類的發展真的是一個輪迴，技術也是有輪迴的。人工智慧第一次浪潮是在1970年，第一次黃金期。第二次主要是1990年左右，日本當時提出來做第五代計算機，做人工智慧的東西，但後來因為很多能力跟不上而終止了。所以我們經常講做事情太前太后都不好，太前就是長江後浪推前浪，前浪死在沙灘上。人工智慧當時提了很多理念，很先進，但是很多東西沒跟上，所以就死掉了。第三次浪潮，隨著計算、數據等等技術的發展，推動了我們第三次人工智慧的發展，很多技術理論在20多年前、30年前都已經有了，只是把這些理論在新的能力下真正開花結果而已。
到底現在是不是人工智慧爆發的前夜？現在國家有很多人工智慧公司，但說心裡話，可能這一兩年很多公司會很艱難。「深藍」1997年第一次交手便戰勝了人類最好的棋手卡斯巴羅夫。西洋棋相對圍棋來說還是比較簡單的，最複雜的是麻將，什麼時候機器把人類麻將給贏了，那就真厲害了。主要原因是什麼？因為西洋棋也好，中國圍棋也好，它是一個全領域知識都知道的，我是什麼都看到，然後來做決策，但是麻將我只看到我自己的，很多信息我是不知道的，這更難一點。我們科大也做了很多工作，比如科大的佳佳機器人，以假亂真。
1997年5月「深藍」電腦挑戰卡斯巴羅夫（上）；中國科大智能機器人「佳佳」（下）
除了機器人以外，也可以做一些藝術。下面這些畫都是機器生成的，不是人畫的。機器根據風格，可以把一張真實的照片變成一張藝術照，可以產生藝術風格的遷移等等。當然也可以有其他具體應用場景，比如女生在網上購物，可以讓你知道你穿上這件連衣裙到底什麼樣子。這種類似於虛擬現實的一些實踐，都需要人工智慧技術。
人工智慧在日常生活當中還有很多其他應用。比如助理，遊戲語音技術，智能音箱，自動駕駛。還有醫療、智能家居、安防等等。人工智慧用的最好的就在安防。現在的很多企業都在搶灘布局人工智慧，當然人工智慧包括很多，從底層的晶片到中間的計算，到數據，再到深層的服務框架。比如美國一些公司和國內很多公司都在做框架、做生態，都在搶灘布局人工智慧，當然是在不同的層面布局。
很多國家也是競爭白日化，像中美之間競爭很激烈，最主要的當時美國出了14個禁運產品，其中有7個是跟計算機和人工智慧相關的。對中國來講，如何去做第三代人工智慧，如何做自主系統，做生態、做系統，要想真正做好，我們既要擁抱開放的世界，但是還要自主。
人工智慧任重道遠
總的來說，人工智慧任重道遠。人工智慧有三個階段，從運算智能，即能存會算，到感知智能，即能聽會說、能看會認，到最高級階段的認知智能，即能理解、會思考，這是人工智慧三個境界。
現在基本上處在運算智能和感知智能的階段，到認知智能還有比較遠的距離。運算智能取得了很多的突破，我們現在講的第三次浪潮基本上還在運算智能的階段。感知智能也在慢慢的逼近和超越人類，去感知世界，做一些分析。比如在視覺、聽覺、觸覺等方面，能力可能在很多地方比人還厲害。在認知智能方面有很大的挑戰，包括數據的瓶頸、泛化的瓶頸、能耗、語義鴻溝和可解釋性、可靠性、安全性等。
萬物互聯時代的人工智慧，我們會遐想，最好的技術不是你天天看到它，最好的技術是你天天在用，但你感覺不到它的存在。在將來，我們這個世界可能是無屏的，不像現在的電視螢幕等，而是無屏、遠場、移動。在未來世界，我們如何實現一個基於智能的交互、理解、服務，而不是簡單的天天敲鍵盤輸入東西，怎麼去做好相關的技術，人工智慧是不是準備好了，當然還有很多的挑戰。
我們人類一直在採集信息做計算，要解決三個方面的挑戰：第一是感知，如何把這個世界感知得特別好，第二是計算，第三是決策。關於計算，很多機器、手機計算能力都很強，但是可能未來真正能改變人類命運的另外一個計算模式是量子計算。量子計算能力以後會非常強大，可能以前認為人工智慧不可行的事情也變得可行。或者以前認為很好的事情，當有了量子計算之後變得不好——我們以前做的很多安全的方法可能在量子計算的場景下就不安全了。以前很多遊戲規則，在量子計算以後可能都會改變，量子計算是改變規則的一個技術。
謝謝大家。
李向陽：現為中國科學技術大學計算機科學與技術學院教授、博士生導師、執行院長，中國科學技術大學信息與智能學部常務副部長，ACM Fellow及傑出科學家，IEEE Fellow，基金委傑出青年基金獲得者，ACM中國共同主席。研究方向包括智能物聯網、數據共享與計算及交易、網絡安全隱私等方面，Google學術引用22000餘次，H-Index 77。
演講者 | 李向陽
文字整理 | 劉朝亮、王佳
排版 | John
墨子沙龍是以中國先賢「墨子」命名的大型公益性科普論壇，由中國科學技術大學上海研究院主辦，中國科大新創校友基金會、中國科學技術大學教育基金會、浦東新區科學技術協會、中國科學技術協會及浦東新區科技和經濟委員會等協辦。
墨子是我國古代著名的思想家、科學家，其思想和成就是我國早期科學萌芽的體現，「墨子沙龍」的建立，旨在傳承、發揚科學傳統，建設崇尚科學的社會氛圍，提升公民科學素養，倡導、弘揚科學精神。科普對象為熱愛科學、有探索精神和好奇心的普通公眾，我們希望能讓具有中學同等學力及以上的公眾了解、欣賞到當下全球最尖端的科學進展、科學思想。
關於「墨子沙龍」