中國電子學會研究諮詢中心主任李頲：AI產業發展的趨勢、挑戰及政策建議

至頂網網路頻道 06月16日 北京報道：2017年6月14－16日，中國電子學會主辦、至頂網等協辦的「第九屆中國雲計算大會」在北京國家會議中心拉開帷幕，本屆大會主題圍繞「生態構建 深化應用」展開，吸引了來自雲計算、大數據等領域院士、專家、產業高管、技術大咖及各界人士的廣泛關注。

產業經濟學博士、高級工程師、中國電子學會研究諮詢中心主任 李頲

6月16日，產業經濟學博士、高級工程師、中國電子學會研究諮詢中心主任李頲，在當天上午的主會場中發表了《AI產業發展的趨勢、挑戰及政策建議》的主題演講。在演講中，李頲表示，對於鬆散耦合的數據往往是最會發生創新的地方；無耦合的數據就像是還沒有初步篩選過的礦石；緊密耦合的數據就像是已經精鍊過的礦石；鬆散耦合的很有可能當中找到寶。

以下為李頲演講實錄：(內容根據現場速記整理，未經發言嘉賓確認，僅供參考，謝絕轉載)

李頲：謝謝主持人，各位領導、各位專家、各位來賓大家上午好。非常榮幸能夠參與第九屆中國雲計算大會，也非常高興能有這樣一個機會在這樣的平台上和各位分享交流我們的研究觀點。在開始今天的報告之前，先請大家一起來思考一個問題，進入20世紀以來在人類歷史上，曾經出現過哪些里程碑的重大科學突破。我們看到在物理學領域有相對論和量子論，在生物化學領域出現了DNA，在信息領域出現了計算機技術，在通信和網路領域出現了互聯網。

應該說近十年以來我們的創新正在從單一領域的離散式突破向跨領域群體性邁進，從產品創新向系統模式的創新邁進。在信息領域、在生命科學領域、在材料領域、能源領域和製造領域，都在孕育著重大新技術革新和突破。在各項技術的競相角逐之下，人工智慧有望堪於互聯網和相對論的重大突破。這也是我想交流的主題《人工智慧產業發展的趨勢、挑戰以及政策建議》。

我將會從如下幾個方面來進行報告，包括人工智慧的突破和革新，人工智慧的全球戰略趨勢，人工智慧的產業布局趨勢，我國發展人工智慧產業面臨的挑戰以及相關的政策措施建議。

首先在人工智慧定義演化的很長一段時期內，人工智慧都保持它初始定義，就是讓機器能像人一樣的理解、思考和學習，借用計算機去模擬人類智能。在這樣一個定義之下，出現了以邏輯推論為代表的符號學派，出現了以模擬人類大腦和神經網路運行機制的連接學派。以及出現強調從感知到行為反饋的行為學派。在這之下我們也誕生了諸如像機器翻譯、專家系統、模式識別、機器學習等等一系列的成果。這一系列的成果和學派基本上是建立在二元世界的結構之上，及物理世界和人類世界的互動。

而隨著目前數據環境的改變和信息環境的變化，實際上現在出現了物理世界、人類社會和信息空間的三元結構的一種互動，以及世界的結構正在從二元邁向三元，在這樣一個三元的結構互動之下顯然我們的數據數量更為龐大，是一個海量的數據。我們的信息環境更為複雜，計算能力需求也更為強大，人機交互也會更加的頻繁、更加的自然和更加的智能化。在這樣一個環境變革趨勢之下，人工智慧就出現了演進式的定義，從簡單的用計算機模擬人類智能發展到了要推動機器人與網路互相連接互動，更加接近人類智能的形態，以提高人類的智力活動能力作為根本目標。

包括大數據的融合、跨媒體的認知、從單一智能向群體智能的演變、從強調有載體式的智能向自主智能系統的邁進，以及從單純的將機器視為工具、視為設備轉向將機器視為夥伴，向人機融合邁進的定義演化。

從領域延伸來看，最初人工智慧的領域從互聯網發明開始有類似性，基本上集中在科研領域和軍事領域這兩個方面。現在顯然是有了一個巨大的延伸，延伸到了製造領域，可以令製造更快、更環保和成本更低廉的生產成本。應用到物流環節自動化的手段來調配和規劃運輸的路線，提高供應鏈的管理效率。延伸到了金融領域，智能投資、智能的投資諮詢、智能基金的配置無疑更加提高了人類的交易效率，降低了人類交易的成本。擴展到農業領域，可以充分的預測農業所要面臨的天氣情況、所要面臨的植被情況以及地形環境對自然環境做出準確的預知和判斷，在農業領域提供了農業信息化和智能化的水平。延伸到教育領域，可以採用智能的系統，提高學生的自學能力，提高學生的一些評測和教學的評估能力。延伸到醫療領域，可以對人類的基因進行一些大規模的研究，並從中識別出具有風險或具有特意遺傳特徵的基因，從而改善人類的生物遺傳序列。

從表面上來看，這些都是應用領域的延伸，其實從根本的動力來看，應該說標誌著人工智慧正在從學術驅動轉變為應用拉動的這樣一個驅動模式的改變。而背後隱含的意義是人工智慧正比歷史上任何一個時刻都要更加接近於人類智能，在這樣一個無限接近的情況之下，不僅是能夠對經濟系統、對金融環境、對城市管理、生態環保等等宏觀領域產生作用，也能夠具體到製造業、農業等行業解決方案，提供一些可行性的操作方案，這些都是根本的驅動力的變革和創新。

在這樣一個突破創新趨勢之下，人工智慧受到全球各個政府的高度重視，並紛紛出台了一些戰略和政策。首先來看一下美國、歐盟、英國和德國的人工智慧戰略，美國的人工智慧戰略是為了力保世界領導者的地位，立足於人類、社會和世界的一個轉型。從2016年開始美國白宮就發布了人工智慧要為未來做好準備的等一系列的研究報告。目的主要是著力去確保自身在人工智慧領域以及相應的技術突破和革新方面的世界領導者地位。

而歐盟推出的計劃主要是集中在科學和醫學領域推出的人腦項目，這應該說是一個在波折中前進的項目，因為推出不久就在不到一年的時間裡遭遇大批科學家的抗議，因此曾經一度取消過認知科學的領域項目，直到現在還有部分科學家質疑研究的方向是否能最終解開人類大腦之迷的這一目標，但是無論如何，近期還是獲得了到2019年的項目支持，應該說這是在波折中前進的國家戰略。

英國實際上是發揮了自己在人工智慧領域獨特的生態系統優勢，更加註重於行業的實踐和應用。英國對人工智慧領域的研究可能不是名聲特別響，但是應該說除了美國之外，英國是人工智慧企業最為密集，也是人工智慧領域技術創新最有突破性的一個國家。英國目前已經圍繞著人工智慧核心技術構建了一套相對完整的生態系統，而且其中的骨幹力量大部分都屬於中小創新企業，這與英國本身的生態環境有密切的關聯性。

在德國人工智慧的研究，近期應該說主要還是圍繞著工業4.0的推動而展開，實際上在1988年德國就成立了以企業為主導的人工智慧研究中心，其中不僅包括了像賓士、西門子等這樣一些德國的傳統企業，而且也攙雜了美國企業的支持。德國人工智慧研究中心在近30年來在人工智慧領域的技術研究，取得了很多的積累和沉澱。但從近期來看，德國的人工智慧基礎研究主要還是在工業4.0領域，在這方面德國的經濟部和教研部這兩個政府部門給予了非常大的資助和支持。

接下來我們看一下日本的人工智慧戰略，為什麼把日本單獨用一頁PPT來進行描述，因為我們和日本人工智慧戰略其實是相對比較密切的。從2014年研究融合大腦來加快對人類大腦疾病的研究開始，應該說日本密切推出了一系列和人工智慧和社會智能化水平提升一系列的國家戰略。其實我們可以通過近幾年日本相關信息領域的研究發現，無論是過去還是到現在的超智能極少圍繞著某一個點去做規劃，而會和整個的社會轉型和居民生活的提升、生活環境的改善，和一些對環境的認知度，以及對環境的舒適感，居住條件的需求緊密的結合起來，這也是日本在制定舉國戰略的時候非常顯著的特點。目前日本圍繞著人工智慧制定了產業路線圖，計劃分三個階段來執行，第三階段延伸到2030年，是依託智能機器人將成為家庭成員的一部分，普及移動自動化和無人化，通過人工智慧，將人類的需求進行可視化和一些潛在化需求的分析，這是日本舉國戰略非常典型的特徵。

最後來看我國的人工智慧具有哪些趨勢，目前人工智慧是進入了國家的宏觀戰略布局，大批專項也即將發力，但是我國進入人工智慧領域研究應該說相對發達國家而言還是比較晚的，1978年才將人工智慧納入國家層面的研究計劃，在這之後國家基金委啟動了一些重大專項，包括每年舉辦智能車的挑戰賽來檢驗人工智慧發展水平。在這之後2015年出台互聯網+行動指導意見和2016年推出十三五戰略新興規劃的時候，才將人工智慧明確納入國家宏觀戰略考量的一個層面。和規劃配套的財政專項也即將出台，從資金、政策、公共環境營造等多個方面為我國的人工智慧技術和產業發展提供一個良好的政策保障，這是我國的戰略趨勢。

在了解了全國戰略趨勢之後，我們再來看一下人工智慧技術及產業趨勢，何為人工智慧技術框架，目前一談到人工智慧，因為現在的新名詞很多，機器學習、深度學習、神經網路、各種晶元、各種新興的名詞會造成大量的衝擊，但是其實如果系統來看，我們可以簡要的把人工智慧的基本技術框架，歸納為兩大基礎平台和三大通用技術。兩大基礎平台一個是雲計算平台，一個是大數據平台，三大通用技術就是機器學習、模式識別和人機交互。

在機器學習之下涵蓋了深度學習、機械學習等等一系列的應用分類，在模式識別之下涵蓋了諸如人臉識別、圖像識別、語音、語義識別等，這是人工智慧最密切最通用的技術之一。在這樣的技術平台衍生出來大量的技術實踐，智能駕駛、智能機器人這些實際上都是架構在通用技術和基礎平台技術之上的一些具體實現，雖然技術方向不是很完整，但是基本上有助於我們比較簡要的了解目前人工智慧一個基本的技術發展方向和框架。

在框架之下，我們試著來歸納分析一下，當前的人工智慧的主要的一些技術發展趨勢。第一是智能水平逐步提升，正從專有智能向通用智能過渡，什麼是專有人工智慧？應該說目前我們所能接觸到的絕大部分的人工智慧都屬於專有人工智慧。是專門用來解釋和識別人類在生產、生活中遭遇到的一系列問題。比如智能醫療系統可以檢測出病人是否患有腫瘤，以及識別出腫瘤的種類，這就是典型的專有人工智慧的體現。那麼什麼時候能達到通用人工智慧，就是不僅能夠發現和識別腫瘤的種類，還能夠給出對應的匹配治療方案，並且能夠切實有效的實行，這才能說發展到了通用人工智慧的階段。

通用人工智慧的下一個階段是什麼？是抽象人工智慧階段，就是要不僅能夠認知、判斷、識別和給出具體的解決方案，還能夠引導人類的行為方式，為之發生一些改變，用一個比較形象的話來形容，一開始人工智慧只能判斷腫瘤的種類，發現有腫瘤的存在，再到後來圍繞腫瘤給出具體的解決方案，最後後還要來引導人類採用正確的習慣，從而避免腫瘤的發生，這是從專有、通用到抽象人工智慧的過程。

最後是否會發展成為超級人工智慧，這會存在一個大大的問號，我們的超級人工智慧會迎向美好的明天？還是淘汰和取代？這是目前無法解釋的問題。

第二個趨勢就是聚焦行業焦點和行業痛點，迭代式的技術進步將會持續發生，目前圍繞著醫療、金融、交通教育零售等數據相對比較集中，而且質量比較高的行業實踐應用需求，在演算法模型、圖像識別、自然語言處理等方面，出現了一些疊加式、小規模邊際化持續性的技術突破。而在這些突破當中，能夠進一步促進人工智慧的深度應用，從而支持人工智慧實現從感知到決策到行為再到學習這樣一個正向的閉環反饋的智能閉環的過程，這是目前的趨勢。

第三個技術趨勢實際上，應該算是商業模式的改變，但是商業模式的改變，又確實與技術未來的焦點密切相關，那就是目前的深度學習平台，在各大巨頭的指導之下正在實現開源化，而這樣一個開源化深度學習的平台，又勢必會導致超級智能生態系統在未來即將構建的態勢。應該說從2015點開始在谷歌折算一些項目和龍頭企業帶動之下，各大人工智慧的企業紛紛宣布了自己深度學習平台的開源而不僅包括了谷歌的（英文），包括了亞馬遜這樣一些平台，包括了Facebook，包括微軟還有IBM學習平台的開源，應該說目前的主要深度學習的開源框架已經達到了十四五種以上，在這一些平台的開源的確大幅度促進了人工智慧的發展和具體行業的深度應用，但是實際上最終收益還是技術巨頭，圍繞這一些開源深度學習平台所展開的超級智能生態系統的競爭，將會是未來很長一段時間之內人工智慧技術競爭的焦點所在。這是當前的三點技術發展的趨勢，我們嘗試了進行呢歸納總結一下。

在這樣的發展趨勢之下，我們也試著來研判一下，未來人工智慧技術發展到底具有哪一些熱點方向，第一個我們認為深度學習，如果具體來說有監督學習和無監督學習，在目前實際上無監督學習是深度學習所追求的一個相對比較終極和長遠的目標。在目前來看大部分的這種深度學習還顯得有監督學習，但是目前類似於像阿爾法狗這種學習實際上已經達到了一種輕度監督學習，或者半監督式學習這麼一個狀態。它的最終目標都是為了模擬人類大腦和神經網路這樣一個反饋和決策的機制。

在這方面谷歌和Facebook是佼佼者。既包括了企業解決方案的提供的語音識別也包括了直接面對消費者智能終端所體現的語音識別，如果從傳統的構架來看，從感知層面可以直接發展到交互層面，首先我能夠聽懂你的語言，能夠進行一些生文的系和判斷，在進行一些口語的理解，最後有一個輸出就能夠完成語言識別的過程，但是從近期的語言識別來看，尤其領先的廠商嵌入了認知的環節，我不僅聽懂基本的意思我還能結合上下文、結合語環捕捉你微小動作改變，圖譜形成一個描述和刻劃，從而通過搜索引擎尋找到最適應對應下文這樣的一個內容的推介。在嵌入了認知之後就是從感知到交互變成了感知認知交互三體相互互動的這麼一個環節。而最後之後才是一個最後的表達輸出語音合成的環節，這也是最新的語音識別技術領域目前逐漸發展和改良也是之前所說迭代式典型的體現。

但是無論語音識別技術如何的發展，它的根基都是建立在機器學習大數據和超算平台技術框架之上，目前包括了像行業解決方案轉型成功的（英文）包括了一直都很強勢的蘋果，以及包括我們國家發展態勢非常喜人科大訊飛都是在語音識別領域取得了一些比較典型的顯著成果，這是兩個熱點方向。

第三個熱點方向其實在過去的一段時間裡面，曾經產生過一些爭議，認為無人系統不是完全屬於人工智慧的一個發展方向，當然從目前它所應用的一些領域和技術發展態勢來看，應該說無人系統就是下一個五到十年裡面人工智慧展開技術競爭和產業競爭的主戰場，它可以應用在空間機器人海洋機器人以及像服務機器人，無人機無人車，甚至可以應用到工廠無人車間等等，可以說應用領域非常廣泛具有機動性強，適應能力生產力高，無人員傷亡，一般來說感知、決策和執行這三層，為什麼說它是將來人工智慧技術競爭和產業競爭這樣一個主戰場，因為在過去來看發展無人系統實際上只是從感知到執行的過程，但是從近期的發展趨勢來看它越來越多的應用到內腦智能，應用到了模式識別，應用到的集群決策，就是AI單元一些協同的和通訊，運用到了交互和深度學習等等。因此我們大膽判斷，無人系統將會是下一個五到十裡面人工智慧產業技術的主戰場，也是我們所研判的第三個技術發展的熱點方向。

在分析完了技術之後，我們來了解一下人工智慧產業的發展趨勢。什麼是人工智慧的產業，目前沒有一個統一的定論，我們也是比較大膽的給它下了一個相對比較粗淺的定義，我們認為什麼是人工智慧產業，人工智慧產業是依託人工智慧技術提供智能化產品服務機解決方案，具備有一定商業模式，形成了一定的產業規模的各個行業的這樣一些結合，在這樣一個定義之下，近年來人工智慧產業化程度是不斷的提升，市場規模也進一步的擴大，各類產品需求是得到爆髮式的增長和釋放。在2016年全球人工智慧規模達到了86.94億元，我們市場達到2.59億元，下一步還有望進一步擴大，到2020天我們將發展超過180億美元，其中我國講話14億美元，年均增速是50%，這是我們自身的一個比較簡單的這麼一個判斷。

在這樣一個產業體系主要構成之下，我們在給產業體系進行分層方面也是參考了一些目前現有機構的研究成果，從客觀情況來看，根據上下游關係，將人工智慧的產業分為技術層和應用層，包括了七類17種產品及服務是目前相對比較客觀合理的分類，在基礎層，我們包括了感測器、晶元和演算法模型，其中感測器和晶元屬於關鍵硬體，在技術層我們分為語音識別、語義識別、圖像識別、字元識別、人臉識別、手勢識別。在應用層我們把它細分智能機器人無人機、智能醫療、智能金融、智能駕駛、智能安防、智能搜索、智能教育。其中智能機器人和無人設備領域而醫療、金融教育安防搜索等等這一些領域是屬於具體應用長頸的這樣一個應用，這是我們一個很簡單的分類。

而在這樣的產業體系的主要構成方面就不詳細展開了。我們現在也對國內外企業的框架做了一個簡單的分類點了一些比較典型的國際企業。主要來看一下目前人工智慧產業布局的四點趨勢，第一個從總體趨勢來看，應該說是快速增長的期，2016年已經突破了1千家跨越了機器學習以及機器視角，融資金額高達49億美元，在區域趨勢來看，人工智慧還是集中在發達國家，美國、英國、德國的較為迅猛。從分類趨勢來看機器學習受到了市場的高度關注，在所有的人工智慧子類當中研究機器學習和應用公司最多，達到260家，約佔行業的20%，這數據其實已經超過了300家。從企業的趨勢來看應該說龍頭企業依託了核心技術研發，資本併購開源等方式正在積極布局人工智慧的全部領域，計算機視覺的領域競爭相對比較激烈，智能機器人、智能駕駛智能醫療均為創投的熱點。

再來看一下我國發展人工智慧產業所面臨的幾點挑戰：

第一點挑戰是在核心技術方面，我們與發達國家仍有差距，因為人工智慧的核心技術是需要長期的積累和大量的投入，我國雖然目前在側重於應用的層面取得了一定的成果，但是在技術層面還是有很大的提升空間，尤其是在演算法領域和深度學習晶元領域，應該說目前是有一點突破但是離目前大規模的應用還是有一點距離。

第二點挑戰沒有獲得足夠有力的配套服務支撐。我們目前的應用領域和規模是即將進入快速增長的階段，但是在標準制定檢驗評測信息諮詢、成果轉化等等方面，圍繞著配套相關服務是寥寥無幾甚至是空白的狀態。並沒有為人工智慧的時代到來做好一個前瞻性的布局準備，也沒有助力持續健康發展的良好環境。

第三點挑戰是先行的科研和教育體系與人工智慧發展需求不能完全契合。我們的現行科研機制還是快速交互成果的跟隨式研究，對於需要試錯需要差異化的研究是相對忽視。對於厚積薄發的也沒有投入研究，同時我們相對條塊式的細分化的教育體制需要融合需要前沿複合型的人才也沒有完全的契合。

基於這些挑戰，我們給出了一些政策措施建議：

第一個建議，是在配套人工智慧2.0的國家戰略這方面，我們也國家部委和地方政府能夠圍繞人工智慧2.0的戰略出台，能夠儘快出台一些趨勢集中到有步驟、有計劃的促進數據公開和公共數據共享這一些方面，引領我國人工智慧技術研究和應用的快速健康發展。

第二個建議，是搭建人工智慧的協同創新核心平台，建設國家級的協同創新合作平台，站在整合創新資源對接全產業鏈的技術以及開展全球示範的高度去加速人工智慧的領域一些科技轉化的速度，降低創業創新的門檻，建設一個良好的創新生態環境。

第三個建議，是要充分發揮相關行業的協會及科技支撐的作用，我們可以支持相關的行業協會成跨界融合的人工智慧產業中心，前瞻研討一些技術發展的路線和中國的節點下一步培養示範性人工智慧提供依據，同時鼓勵行業協會和科技社團聯合創建人工智慧雙創平台提供一些研發設計，檢驗評測信息諮詢和人才培訓等公共服務。

第四個建議，就是圍繞著當前在行業的具體人工智慧的推廣應用需求，率先開展光電技術和領域的標準制定工作，重點推動團體標準的制定完善和實施，提出整體的布局和框架，建立具有科學性系統性和前瞻性面向國際的人工智慧標準體系。

最後簡單做一個自我介紹，我來自中國電子學會研究諮詢中心，我們目前近20個團體其中博士學歷佔80%以上，也承擔了人工智慧2.0白皮書重大研究課題，這是中國科協給我們的授牌智庫型組織，我們目前圍繞著人工智慧、智能機器人、智能製造這些領域定期的發布投資增長點等這一類分析報告。歡迎各位專家、各位來賓與我們進行一些廣泛的互動交流，也歡迎各位就人工智慧方面進行一些指導和指正，以上就是我今天報告的全部內容，感謝各位的聆聽、指正，謝謝。

（以上內容根據現場速記整理，未經發言嘉賓確認，僅供參考，謝絕轉載。)

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！