「人工智慧雖有其學科獨立性，但同時也是具有很強滲透性和交叉性。2016年之前，人工智慧還沒有這麼熱，那時大家都覺得計算機和統計等專業還是熱門專業。現在人工智慧一下子熱起來了，據說中國人工智慧人才缺口達到了500萬，我認為這是偽命題。原因在於很難明確定義什麼是獨立於其他專業而存在的人工智慧人才。」浙江大學計算機學院副院長、浙江大學計算機學院人工智慧研究所所長吳飛教授說到。

圖 | 浙江大學計算機學院副院長、浙江大學計算機學院人工智慧研究所所長吳飛教授

人工智慧分為三階段，現在較為實用的是大數據智能

在人工智慧的劃分上，學術圈和產業界有著不同的說法，譬如若人工智慧-通用人工智慧-強人工智慧-超人工智慧。

對於這個問題，吳飛教授較為傾向於領域人工智慧、通用人工智慧和混合增強智能。領域人工智慧靠特定任務數據和規則驅動，通用人工智慧具備自我學習、舉一反三的能力，至於混合增強智能，則是多種智能體的組合，如人類智能+機器智能的有機組合，如達芬奇手術機器人和IBM Watson輔助醫生看病等等。

此前，AlphaGo Zero從空白狀態學起，在無任何人類輸入的條件下迅速自學圍棋，並以100：0的戰績擊敗「前輩」。看到AlphaGo Zero的「自我學習」，業內就有人思考，這是不是就是通用人工智慧？

對此，吳飛教授表示不認同。在他看來，在這一「自我學習」之前，人類會向其告知圍棋的相關規則，包括勝敗評判的標準等等。AlphaGo Zero在「規則有限、目標明確」的條件下，自我對弈了2900萬次，因此AlphaGo Zero依舊是由大數據所驅動的，是大數據驅動下的規則有限、目標明確且模式可枚舉的人工智慧。也就是說，這依舊是領域人工智慧的一種典型演算法。

在吳飛教授眼中，通用人工智慧只體現在人類身上，而想要打造通用人工智慧系統，除非將人類大腦全面解析。「現在產業中運用最多且最為有效的是以深度學習為代表、面向特定任務的數據驅動演算法，即大數據智能（弱人工智慧）。」

大數據智能下，企業高校從各司其事到抱團合作

理論研究需要數據、訓練演算法需要數據、技術應用需要數據……在智能化時代，數據就是「石油」般的存在。

在這一階段，因為是由大數據驅動，所以人工智慧需要很多標註數據。「在這方面，擁有大量數據的公司走在了高校的前面，他們可以做出高性能的人工智慧演算法，搭建非常漂亮的人工智慧應用。」吳飛教授表示。

不過，人工智慧產業所需要的不僅僅是會研發AI演算法、搭建AI應用的科技企業，「如果人工智慧僅僅是基於大數據的人工智慧，那就有失偏頗，高校更多的發展空間就是人工智慧其他方向的技術理論的研究，和核心技術的攻關。」

從相關動態來看，我們可以很明顯的看出，產學研結合已成為了一種必然趨勢。譬如科大訊飛，已經與包括中科院、清華大學在內的20多所高校研究院等共同合作建立了實驗室，從事智能語音的技術研發和產業應用方向開發。

在當前的環境內，高校研究院有自己的事情，企業也有著自己的需求。在這樣的背景下，如果高校研究院和企業能夠結合起來，瞄準大數據智能的一些不足、非大數據智能所不能解決的演算法上進行合作，這也是一個很好的合作點。

與此同時，吳飛教授也明確補充到，在當前的環境下，於高校而言，培養人才是最大、最重要的任務。

這不禁讓我們想到了當前AI產業界人才稀缺的現狀。

AI是一門滲透性強的交叉學科，「AI人才缺口」是個偽命題

人工智慧孵化器ElementAI基於Linkeln和各大會議的專家數據，對中、美、加、德、日等主流國家的AI人才做了一份統計。結果顯示，全世界大約有2.2萬名擁有博士學位的AI從業人員和研究人員，以及5400位AI專家，中國以總人數619人位列第7。

另外，騰訊研究院聯合Boss直聘發布《2017全球AI人才白皮書》，其中顯示，僅在2017年的前10個月，AI人才需求量已經達到2016年的近兩倍，2015年的5.3倍，年複合增長率超過200%……

從這些數據來看，國內AI人才急缺，但吳飛教授卻提出了自己的看法。

吳飛教授認為，人工智慧雖具有一定的學科獨立性，但是更多意義上是和其他學科交叉和滲透在一起，如計算機學科、控制學科等等都是能體現人工智慧專業性的學科。只不過，國內沒有一個專業叫做人工智慧，所以目前所有專業畢業的學生都沒有打上「人工智慧」的標籤。因此，前些日子媒體所言人工智慧人才缺口500萬這一數字的計算口徑並不科學。

此外，不僅僅是計算機、統計學等專業，吳飛教授也補充道，諸如農業、交通、管理等學科，只需在領域人才培養中添加人工智慧要素，形成智能+X人才，對於人工智慧人才培養也是一種有力補充。

特邀報告：「數據、知識和行為交互下的智能學習」

吳飛教授受邀在5月12日於揚州舉辦的第十九屆全國圖象圖形學學術會議上作題為「數據、知識和行為交互下的智能學習」的報告。該會議由中國圖象圖形學學會主辦，揚州大學承辦，是中國圖象圖形學學會主辦的最高級別的系列國內會議。

在吳飛教授看來，人工智慧中，知識引導方法長於推理(但是其難以拓展)、數據驅動模型擅於預測識別（但是其過程難以理解)、策略學習手段能對未知空間進行探索（但其依賴於搜索策略）。他將在大會上探討數據驅動中歸納、知識指導下演繹和行為強化內規劃相互融合而進行智能學習途徑。

更多優質內容，請持續關注鎂客網~~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！