人工智慧發展短板亟待攻克

雖然中國的人工智慧已經取得一定程度的技術突破，但要達到高智能水平，依舊任重道遠，未來亟待攻克理性不足、前沿不足、產學研結合不足等問題。

記者發現，相較產業界對人工智慧的一致樂觀，學術界對這一技術的態度似乎更加冷靜。

「從去年『阿爾法狗』打敗李世石開始，人工智慧突然火爆。到了今天，有必要冷靜一下。」作為國家核高基重大專項總工程師，清華大學微電子學研究所所長魏少軍接受記者採訪時表示，當下的人工智慧，強調的是演算法方面的突破，只是機器智能的一個分支，而且只能完成類似下圍棋這種相對單一的任務，與真正的、全面的智能還相差很遠。

這並非一家之言。美國人工智慧學會理事、香港科技大學計算機科學及工程學系主任楊強告訴記者，歐美學者在上世紀50年代提出人工智慧的概念，機器學習誕生於上世紀80年代，最近幾年雖然發展迅速，但仍然受困於數據和計算能力。

「如果說現在的人工智慧在模仿人類，那麼它仍是『笨孩子』，必須要海量數據才能訓練出演算法。並且切換一個場景，還是要從頭學起，不像人類，騎自行車的經驗可以遷移到騎摩托車。」楊強說。

擔任人工智慧領域頂級國際學術會議AAAI主席的首位華人學者、南京大學計算機系教授周志華表示，人工智慧技術涉及很多內容，部分媒體過分渲染「人工智慧威脅論」，是沒有認清人工智慧的真正發展水平。

「不少人僅憑對這幾個字的字面理解就大談人工智慧，任何技術都生硬地往人工智慧上靠，這一現象很不好」。周志華告誡說。

而令學者們憂慮的另一現象是，人工智慧領域研究者跟風的多、發表獨家見解的少之又少。 「現在關於人工智慧的論壇會議很多。計算機視覺也好、深度學習也罷，動輒都有好幾千甚至上萬的投稿，但內容同質化嚴重。大家不是去關心創新，而是關心寫論文。」楊強直言。

國家千人計劃特聘教授、清華大學類腦計算研究中心主任施路平有著類似的擔憂。他表示，人工智慧晶元領域，深度學習和類腦的脈衝神經網路是兩套不同的技術路徑。目前，深度學習較為流行，類腦晶元前景也十分遠大，必須重視。

「學生老問我，為什麼大公司在類腦研究方面投入這麼少？我說，目前有十幾種解決方案，大公司要等能夠看明白之後再選擇一種。公司是追隨者，但我們要做引領潮流的人。」施路平認為，獨立思考的精神在人工智慧學界難能可貴，研究者出於升職、加薪的考慮，不願意坐「冷板凳」，但是，科研領域不少革命性的突破，就是在坐冷板凳的過程中產生的。「真理有時就是掌握在少數人手中。即便這個思路短期內沒有成功，也為將來的進步打下了基礎。要想引領就必須要有獨立的思考，要咬牙堅持。」

楊強對此體會頗深。2005年，他在國際上率先提出「遷移學習」概念，意在讓深度學習演算法具有「舉一反三」的遷移能力，不用處處從頭開始。如今，遷移學習已經是全球學界和業界關注的焦點，百度、騰訊、微軟都已經應用這項技術。而曾經，這是冷門概念，願意師從他「死磕」這一技術路線的學生非常之少。

中國人工智慧發展的短板還體現在產學研結合不足，從實驗室到市場的鏈條太長。

記者在採訪中發現，諸多人工智慧領域的學者都已投身一線產品的研發。魏少軍教授在帶隊開發可重構計算人工智慧晶元Thinker；施路平教授的團隊致力於開發脈衝神經網路與深度學習原理相結合的「天機」晶元，如今已經生產出樣品、應用於自動駕駛自行車；楊強教授的遷移學習原理，應用於百度、騰訊等公司，他還創立了「第四範式」公司，將遷移學習演算法應用於金融領域、優化銀行的風控。

然而，幾乎所有專家都在「吐槽」產學研的脫節。

「從實驗室到生產出產品、再到推向市場，這個鏈條太長、整個過程太痛苦。」魏少軍感嘆，產業化的每個環節幾乎都面臨阻礙——研發時沒資金；生產時工藝不能滿足要求；在應用環節，各個領域沿用慣用的產品，新產品很難走進千家萬戶。

楊強表示，目前，中國企業中，真正具有前沿思維的還是少數。包括BAT、華為等大企業在內，仍然沒有成為人工智慧技術創新的主體。

「長此以往，中國企業將在全球人工智慧競賽中處於劣勢。」施路平表示，目前來看，從核心晶元、操作系統再到底層框架，幾乎都是以國外公司為主導，這導致中國的很多重要創新，都受制於國外公司，為產學研聯動增添了新的障礙。

楊強認為，人工智慧必須在現實中尋找到應用場景，未來的發展才具有意義。因此，產學研聯動是一條必經之路，其中的困難應引起各界足夠重視。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！