人工智能的三個(gè)層面都有不少尚未解決的技術(shù)瓶頸。以應(yīng)用層為例，假如停車場沒有地圖，無人車可能無法閱讀標(biāo)志標(biāo)線，從而無法順利找到停車位或通往出口的路

看基礎(chǔ)理論研究——

人工智能可分為專用人工智能和通用人工智能，目前的進(jìn)展主要是專用人工智能取得的，通用智能系統(tǒng)的研究與應(yīng)用仍然任重道遠(yuǎn)

阿爾法狗戰(zhàn)勝人類圍棋冠軍;人工智能在大規(guī)模人臉識別中超越人類一般水平;語音識別系統(tǒng)準(zhǔn)確率和專業(yè)速記員不相上下……近幾年，人工智能的發(fā)展水平令人矚目。

為何還要加強(qiáng)人工智能前沿基礎(chǔ)理論的研究?

中國科學(xué)院自動化研究所研究員譚鐵牛院士認(rèn)為，人工智能可分為專用人工智能和通用人工智能，目前的進(jìn)展主要是專用人工智能取得的。真正意義上完備的人工智能系統(tǒng)是一個(gè)通用智能系統(tǒng)，能像人腦一樣舉一反三、融會貫通。但是目前的人工智能系統(tǒng)有智商沒情商、會計(jì)算不會“算計(jì)”、有專才無通才。通用智能系統(tǒng)的研究與應(yīng)用仍然任重道遠(yuǎn)，人工智能總體發(fā)展水平仍處于起步階段。“人工智能前沿基礎(chǔ)理論是人工智能技術(shù)突破、行業(yè)革新、產(chǎn)業(yè)化推進(jìn)的基石。要想取得最終的話語權(quán)，我國必須在人工智能基礎(chǔ)理論和前沿技術(shù)方面取得重大突破。”

受訪專家指出，目前人工智能前沿基礎(chǔ)理論的探索空間非常巨大。以當(dāng)前最火爆的人工智能基礎(chǔ)理論——深度學(xué)習(xí)方法為例，它既非完美無缺，更不是人工智能基礎(chǔ)理論研究的全部。

“深度學(xué)習(xí)方法具有局限性。”英特爾中國研究院院長宋繼強(qiáng)說，比如深度學(xué)習(xí)能識別人臉，但做不到通過一個(gè)人的講話預(yù)測與另一個(gè)人之間的情感關(guān)系，因?yàn)樗狈@方面的知識輸入。

馭勢科技負(fù)責(zé)人吳甘沙舉例說，一旦數(shù)據(jù)標(biāo)得不準(zhǔn)、數(shù)據(jù)集有偏見甚至“對抗”輸入假數(shù)據(jù)，深度學(xué)習(xí)就可能出錯(cuò)。明明是一只熊貓，只要改動幾百個(gè)像素，深度學(xué)習(xí)有可能將其識別為海豹。

浙江大學(xué)計(jì)算機(jī)學(xué)院副院長、人工智能研究所所長吳飛認(rèn)為，從數(shù)據(jù)驅(qū)動的領(lǐng)域人工智能向人類通用智能邁進(jìn)，尚有神經(jīng)科學(xué)、認(rèn)知科學(xué)乃至新數(shù)學(xué)模型等交叉的未知領(lǐng)域需要跨越，路途依然遙遠(yuǎn)。

“應(yīng)該鼓勵(lì)科研人員瞄準(zhǔn)人工智能學(xué)科前沿方向，開展引領(lǐng)性原創(chuàng)科學(xué)研究，通過人工智能與腦認(rèn)知、神經(jīng)科學(xué)、心理學(xué)等學(xué)科的交叉融合，重點(diǎn)聚焦人工智能領(lǐng)域的重大基礎(chǔ)性科學(xué)問題，形成具有國際影響力的人工智能原創(chuàng)理論體系，為構(gòu)建我國自主可控的人工智能技術(shù)創(chuàng)新生態(tài)提供領(lǐng)先跨越的理論支撐。”譚鐵牛說。

看關(guān)鍵核心技術(shù)——

人工智能可分為基礎(chǔ)設(shè)施層、賦能層和應(yīng)用層。三個(gè)層面都有很多核心技術(shù)，都有不少尚未解決的技術(shù)瓶頸

近年來我國的人工智能技術(shù)取得了長足進(jìn)展，但一些關(guān)鍵核心技術(shù)仍需攻克。

在吳甘沙看來，人工智能可分為三層：基礎(chǔ)設(shè)施層、賦能層和應(yīng)用層。其中，基礎(chǔ)設(shè)施層是指基礎(chǔ)理論算法和算力;賦能層涉及特定的應(yīng)用場景，比如語音識別、計(jì)算機(jī)視覺、專家系統(tǒng)、博弈系統(tǒng)和機(jī)器人;應(yīng)用層指的是無人駕駛、智能醫(yī)療等綜合場景。

“三個(gè)層面都有很多核心技術(shù)，都有不少尚未解決的技術(shù)瓶頸。”他說，從基礎(chǔ)設(shè)施層來看，前沿基礎(chǔ)理論和算法仍有很大的突破空間，芯片等硬件設(shè)備有待進(jìn)一步國產(chǎn)化。從賦能層來看，跟語音識別相關(guān)的人工智能整體進(jìn)步很大，但一些智能機(jī)器有時(shí)翻譯出來的語言仍然不像“人話”，缺乏對語義的深刻理解;工業(yè)機(jī)器人可以處理某幾個(gè)環(huán)節(jié)的問題，卻無法在總裝環(huán)節(jié)像人一樣通過肌肉和神經(jīng)的靈敏操縱實(shí)現(xiàn)精確控制。從應(yīng)用層來看，無人駕駛是一個(gè)開放、動態(tài)、不確定的環(huán)境，人類無法“喂”給機(jī)器世界上所有的交通場景，無人車可能無法處理某類狀況。假如停車場沒有地圖，無人車可能無法閱讀標(biāo)志標(biāo)線，從而無法順利找到停車位或通往出口的路。

專家指出，攻克人工智能的關(guān)鍵核心技術(shù)，除了尋求前沿基礎(chǔ)理論的突破，還應(yīng)重視基礎(chǔ)硬件研發(fā)、支撐系統(tǒng)研發(fā)、生態(tài)構(gòu)建以及研發(fā)心態(tài)調(diào)整。

南京大學(xué)計(jì)算機(jī)系主任、人工智能學(xué)院院長周志華說，目前幾乎所有智能應(yīng)用都越來越離不開GPU(圖形處理器)，很多企業(yè)直接把智能應(yīng)用架構(gòu)在TensorFlow(基于數(shù)據(jù)流編程的符號數(shù)學(xué)系統(tǒng))之類的系統(tǒng)上，這在未來有被“卡脖子”的風(fēng)險(xiǎn)。國內(nèi)應(yīng)該加大力氣開展機(jī)器學(xué)習(xí)基礎(chǔ)硬件和支撐系統(tǒng)的研發(fā)，能夠產(chǎn)生GPU、TensorFlow的替代者。另一方面，GPU、TensorFlow都基于深度神經(jīng)網(wǎng)絡(luò)模型，如果在非神經(jīng)網(wǎng)絡(luò)模型的深度學(xué)習(xí)方面取得突破，那么這些基于深度神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)硬件和系統(tǒng)的“壟斷”就會自然消失。

“人工智能技術(shù)最終會落到芯片，各種算法都需要定制的硬件去加速。芯片提供了加速的基礎(chǔ)，軟件是定義在芯片上如何快速地開發(fā)，二者的配合愈發(fā)重要——加強(qiáng)芯片和軟件系統(tǒng)的開發(fā)非常關(guān)鍵。”宋繼強(qiáng)說。

北京大學(xué)計(jì)算機(jī)系主任黃鐵軍認(rèn)為，發(fā)展關(guān)鍵核心技術(shù)，需要以開源開放的方式建設(shè)有利于人工智能發(fā)展的生態(tài)，抓緊布局新一代人工智能開源開放平臺，盡快建立、完善人工智能關(guān)鍵核心技術(shù)體系。

“從研發(fā)心態(tài)上說，尋求關(guān)鍵核心技術(shù)突破不能急功近利，要把目光放長遠(yuǎn)，不能為了一時(shí)利益，只做一些‘短平快’的研究。很多人工智能的基礎(chǔ)研究前期投入巨大，可能需要很多年才出成果，但這些都是有價(jià)值的探索。”宋繼強(qiáng)說。

看人才建設(shè)——

努力建設(shè)一大批具有國際水平的研究組，是出現(xiàn)頂尖人才的基礎(chǔ)

發(fā)展人工智能，離不開高水平的人才隊(duì)伍。受訪專家指出，我國入門級人工智能人才比較豐富，但具有國際影響力的人才稀缺、高水平人才匱乏，必須建設(shè)完備的人工智能人才體系。

建設(shè)完備的人工智能人才體系，需要良好的大環(huán)境。

“人工智能作為一個(gè)學(xué)科是在1956年正式出現(xiàn)的，歐美研究開展得很早，而我國起步較晚，跟國際前沿接軌的科研工作最近十年才多起來。一般來說，頂尖人才的成長需要環(huán)境，例如在研究生期間就能接觸到前沿的課題、能得到高水平學(xué)者的指點(diǎn)、能夠有相當(dāng)數(shù)量的活躍研究者討論交流等。”周志華認(rèn)為，“‘青藏高原上才能有珠穆朗瑪峰’，努力建設(shè)一大批具有國際水平的研究組，是出現(xiàn)頂尖人才的基礎(chǔ)。”

建設(shè)完備的人工智能人才體系，需要加強(qiáng)相關(guān)專業(yè)的課程建設(shè)。

周志華認(rèn)為，目前我國高校人工智能方向的博士生、碩士生數(shù)量遠(yuǎn)遠(yuǎn)不能滿足需求。人工智能專業(yè)課程開設(shè)得很少，本科階段一般只有1至2門課。“在具有人工智能人才培養(yǎng)能力的高校，應(yīng)加強(qiáng)相關(guān)專業(yè)的課程建設(shè)和人才培養(yǎng)體系建設(shè)。”

專家指出，課程內(nèi)容要向“交叉”傾斜。

“交叉有兩層含義，第一是基礎(chǔ)理論方面的交叉，第二是應(yīng)用方面的交叉。”黃鐵軍說，第一，人工智能學(xué)科要和基礎(chǔ)科學(xué)交叉。為了取得前沿性基礎(chǔ)理論突破，學(xué)生不僅要懂計(jì)算機(jī)和人工智能，還要選擇腦科學(xué)、數(shù)理科學(xué)甚至人文社會學(xué)科等進(jìn)行雙向交叉。第二，為了推動市場應(yīng)用發(fā)展，應(yīng)該讓人工智能學(xué)科和應(yīng)用學(xué)科交叉，比如人工智能和農(nóng)業(yè)、醫(yī)學(xué)、土木、交通等進(jìn)行交叉。

建設(shè)完備的人工智能人才體系，還需要進(jìn)一步提升公眾的人工智能科技素養(yǎng)。

譚鐵牛認(rèn)為，每一個(gè)人都需要學(xué)習(xí)、適應(yīng)人工智能時(shí)代的科技浪潮。“在加強(qiáng)人工智能領(lǐng)軍人才培養(yǎng)引進(jìn)的同時(shí)，要面向技術(shù)創(chuàng)新和產(chǎn)業(yè)發(fā)展多層次培養(yǎng)人工智能創(chuàng)新創(chuàng)業(yè)人才，逐步開展全民智能教育項(xiàng)目，在中小學(xué)階段設(shè)置人工智能課程。”