独特视角：从物理智能到微波视觉（三）
每个阶段还应该研究对应的人脑原生的驱动力，如生理需求、心理需求等，这些需求是驱动通用人工智能算法进行正确学习的必要源动力。
第4个阶段研究对象为意识的本质，意识如何形成是一个根本科学问题，人工智能是否能产生意识更是一个哲学问题，这一根本问题的研究有助于解答人类一直寻求的答案：人是从哪里来的。有一点可以肯定是：没有自我意识的人工智能不可能超越人类。
这种分类方法（图5）体现了智能在进化生长过程不同阶段中所应对的对象不同。当前智能科学相关的研究往往不特别区分这些阶段，而这个分阶段的生长过程却定义了智能本质。人类智能就是循序渐进的从先适应客观世界的物理智能，发展到适应人类社会的心理智能。人工智能的发展也应遵循这一规律。先建立一种通用的人工智能算法，能够建模人类大脑的基本机能，如学习、记忆等。这种算法与物理世界交互即可产生物理智能，例如机器人能够应对牛顿力学。不同阶段的研究可以并行进行，如在数学智能没有完全研究成熟之前可以进行相应的物理智能研究。例如基于现阶段的深度神经网络理论，可以结合计算物理进行基于深度学习的物理智能研究。数学智能与物理智能可以相互补充、相互促进。人工智能来源于人类智能但完全有可能在某些方面超越人类，就像人类学鸟飞发明飞机，而飞机却超越鸟类，当然也超越了不会飞的人类的能力；显然，已经建立的物理学理论体系可以帮助人们发明在某一方面超越人类的物理智能。
图5 未来智能科学体系
Fig. 5 Architecture of future intelligent science
通过2个途径，人们可能构建超越人类的物理智能：1）借助物理学对于物理世界的严谨理论表述，我们可以将物理原理设计在人工智能中，使其具备比人类更强的适应或战胜物理世界的能力；2）采用计算物理模拟器来训练通用人工智能算法，使其具备人类不可能拥有的超能力。第1点类似于在人工智能大脑内部用计算物理引擎构建1个模型来帮助预测外部世界。关于第2点，谷歌AlphaGo Zero算法的成功给人们一定的信心，通过在围棋模拟器上学习3天即超过人类3000年的集体智慧，说明模拟器训练是一种可行的途径。
因此，计算物理模拟器是物理智能的关键。采用模拟器构建物理智能的途径利用了人类发展史上的2次革命成果：1）科学革命建立了人类对于物理世界规律精确表述的理论和技术创新；2）信息革命建立了人类利用计算机对物理世界规律进行计算仿真的能力。这相当于将人类千年的智慧汇集到一个人工智能大脑中。物理智能将超越人类智能，因为物理学描述的现象超越人类感官范畴。例如，物理学涵盖的尺度范围和速度范围远超过人类能适应的范围，电磁波涵盖的频谱远超过人类能感知的光谱范围（图6）。
图6 物理智能在适应物理世界的能力上将超越人类智能
Fig. 6 Physical intelligence will excel over human being in adapting to the physical world
作为物理智能一个典型的例子，通过力学模型构建的人工智能可以完美地控制机器人的运动。另一个例子就是“微波视觉”，一种基于计算电磁学引擎的物理智能，像人类处理光信息一样处理微波信息。
2 微波视觉
2.1 内涵
人的视觉能看见光，但看不见微波。若有外星人的眼睛能看见微波，那他就有“微波眼睛”，他的视觉神经中枢必与人类视觉不同，可称为“微波视觉”。第二次世界大战期间发明的雷达等技术已使人类感受到微波的信息，是否也能发展基于人工智能的信息感知与理解的“微波视觉”？
在阳光下历经亿年进化，人类形成与生俱来的适应光学信息的大脑，初生婴儿的大脑再通过其与光学世界交互进行学习，最终形成能感知世界、认识自我的人类视觉。人类视觉能高效理解光学信息、实现自主定位导航，同时还是产生自我意识的关键因素。
深度学习前沿技术AlphaGo Zero给予人们启发，智能算法与虚拟围棋世界的交互和学习可以获得超越人类的智能。早期AlphaGo版本采用人类棋谱进行学习与训练，AlphaGo Zero版本则完全通过在围棋游戏模拟器里面相互对弈，然后相互学习优化，经过3天的学习就达到了人类冠军的水平。AlphaGo Zero达到这一成绩的核心前提条件在于模拟器精确的模拟了围棋游戏世界的规则，也就是说如果有一个能精确模拟物理世界的模拟器，相信人们也能用现有深度学习技术训练出实用的人工智能。
显然，物理智能的其中一种途径（或者说当前可行的途径）就是用精确高效的计算物理模拟器训练基于深度学习的人工智能，而这样的思想已经在国际上得以推行。例如在自动驾驶领域的绝大多数企业都在使用虚拟现实模拟器和真实采集的数据一起训练自动驾驶算法。2017 年底，美国美国国防高级研究计划局（DARPA）启动“进攻性蜂群使能战术”OFFSET研究项目，旨在研发能自动控制上百架无人机进行协同作战的人工智能技术。该项目的主要技术途径即依赖虚拟现实飞行模拟器AirSim训练这一人工智能技术。
基于现有深度学习技术，可以发展适应电磁信息的认知智能算法，并用超算模拟电磁世界，通过与电磁模拟器的交互进行演化学习，实现人造微波视觉。研究微波视觉能自动解译雷达图像、复杂电磁环境等微波信息，实现微波视觉自主定位导航，为探索意识本质提供基础。
图7阐述了微波视觉的主要构思，光视觉是人在光世界中进化和学习获得，而我们提出通过模拟电磁（微）波世界，实现相类似光视觉但又截然不同电磁信息感知认知的微波视觉。主要技术途径是借鉴Alpha⁃Go/OFFSET、基于电磁学理论，构建微波世界模拟器，用于演化和训练微波视觉。
图7 微波视觉的概念与内涵
Fig. 7 Microwave vision
借鉴人脑的光视觉发展人工智能的微波视觉，人脑产生光视觉的3个必要条件是：外在光学世界的存在；自然进化产生的光视觉神经网络；人与光世界交互学习演化的能力。因此发展微波视觉需要研究对应3个问题：高性能电磁物理模拟器、处理电磁信息的微波视觉神经网络、智能体与电磁模拟器的交互学习机制，这3个问题分别构成了微波视觉的电磁物理基础、神经生物基础和认知学习基础，称之为微波视觉三要素。
1）微波视觉的电磁物理基础——准实时高逼真的电磁物理模拟器。
首先解决微波视觉的虚拟训练环境问题，为微波视觉的进化和学习提供虚拟环境。这一问题的关键体现在既要实现高逼真度的模拟效果，又要在资源约束条件下满足准实时交互的要求，这是采用虚拟环境训练人工智能的可行性条件。若采用精确几何物理建模和现有计算电磁学方法，其模型精细度难以在有限人力条件下做到高逼真要求，算法复杂度无法达到准实时要求。突破这一瓶颈的思路是将观测大数据同化到计算物理模型中，研究数据驱动的电磁模拟器，通过大数据挖掘提取半经验底层散射模型，进一步发展混合多尺度计算电磁学方法，实现既能提高仿真逼真度、又能降低算法复杂度、满足准实时交互的需求。
2）微波视觉的神经生物基础——处理电磁信息的微波视觉神经网络。
人类进化的视觉神经网络适应于光信息处理，需要设计专门表征处理电磁信息的微波视觉神经网络。以视觉神经网络底层组织、环路和网络结构为启发，对比光信息与微波信息，仿照设计构建电磁信息神经网络，体现从以粒子效应为主到波场效应为主的物理属性转变。解决神经元如何表征电磁信息的时、频、相、极化等多维度特征，神经信息传递机制如何体现电磁波相干散射与传播规律，神经网络结构如何契合电磁散射逆问题求解模式等微波视觉神经网络基础问题。设计用于结构化表征的深度生成网络和用于反演的深度鉴别网络等基本组件。
3）认知学习基础——智能体与电磁模拟器交互学习机制。
光视觉是人脑视觉神经网络与外在光世界交互学习演化的产物，基于交互的学习机制是突破通用人工智能须解决的根本问题。尽管脑科学这方面研究相对滞后，现阶段的微波视觉研究可参考已知人类光视觉的学习机制和运作机制，如视觉注意、视觉印象、视角关联、预测推断等，受它们启发研究如何建立具备注意、记忆、关联、预测等功能的微波视觉强化学习架构。借鉴视觉神经认知机制，探求如何设计交互式迭代学习算法，按训练和测试2个阶段分别研究不同交互机制，在训练阶段的交互以采样为目的，测试阶段的交互以实时预测反演为目的。
“微波视觉”与人类长期依靠的“光视觉”不同，它的产生将颠覆传统的雷达信号处理与以光视觉为基础的图像处理技术，将使目前似乎看不见摸不着的微波监测成为“微波视觉”中看得清理解透的新的技术形态，如自主定位导航、电子侦查对抗等电磁波技术。微波视觉将实现天地海目标雷达回波图像在线自动解译，改变目前地面站人工判读业务形态；实现雷达回波直接重构目标与场景的可视化表征，颠覆传统电磁信号处理、雷达回波图像解译的思维与方法；实现直接对散射辐射场的视觉语义概念生成、推理、决策和交互，改变现有雷达、侦查、干扰对抗的技术形态；实现基于微波视觉的智能自主定位导航，补充传统视觉导航技术。
微波视觉将是从基本理论到多种关键技术再到广泛应用的体系化研究，面临多个维度的挑战。理论上需解决微波视觉的根本科学问题，包括如何理解智能与物理世界交互的机制，如何实现高效电磁模拟器，如何使用模拟器构建微波视觉。在技术上需解决技术难题包括大规模场景与目标的快速计算仿真、无限解空间的搜索与学习、视觉的交互学习算法以及而向应用的各种方法等。
2.2 前期研究
复旦大学电磁波信息科学教育部重点实验室长期从事电磁散射机制、微波遥感图像解译和参数反演等研究，前期在微波视觉相关领域特别是合成孔径雷达（synthetic aperture radar，SAR）图像快速仿真、智能解译和目标识别方面做了相关研究工作。
合成孔径雷达能够全天时、全天候、高分辨率成像，因此适用于目标的侦察、监视和识别，同时也已经被广泛应用于地球科学、天气变化与环境系统监测、海洋资源利用、行星探测、战场侦察等领域，是空间遥感的前沿技术。由于其微波波段成像和相位相干处理的特性，SAR图像与光学图像表现不同，难以直观解读。事实上，SAR图像包含了丰富的目标信息，例如几何形状、材质、结构等。SAR图像解译和信息获取是在轨雷达卫星实现成功应用的最后决定性的一步。
