中國科學(xué)院院士、中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院研究員陸汝鈐成為首位吳文俊人工智能最高成就獎的獲得者;百度高級副總裁、AI技術(shù)平臺體系總負責(zé)人王海峰獲得首個吳文俊人工智能杰出貢獻獎。不少獲獎?wù)呒娂娬驹陬I(lǐng)獎臺上合影留念，分享彼此的喜悅。

而就在這場盛宴開幕的前夕，有一部分獲獎?wù)吆蜆I(yè)界大咖還沒來得及放下行李，就匆匆聚集在一起展開了一場討論，他們并不是去分享喜悅，而是直面憂慮。

“大家最好直奔主題，一般寒暄的話少說。” 作為這場“中國人工智能弱勢分析座談會”的主持人，中國人工智能學(xué)會理事長、中國工程院院士李德毅開門見山，“優(yōu)勢以后再談，大家主要講講我國人工智能的近憂，跟全球相比，我國人工智能到底差在哪里。”

盲目跟風(fēng)下的“虛火”

“人工智能在中國特別火，但是我覺得火得不太正常。”人工智能與機器人教育專業(yè)委員會常務(wù)副理事長韓立群直言不諱。

過去幾年，人工智能的火爆似乎掀起了新一波互聯(lián)網(wǎng)技術(shù)浪潮，無數(shù)技術(shù)人、投資者、企業(yè)家轉(zhuǎn)移陣地，投身其中，從來沒有任何一個行業(yè)對某一技術(shù)領(lǐng)域如此趨之若鶩。

“第三次浪潮起來了，我相信它也會退潮。”在韓立群看來，從各個領(lǐng)域涌入人工智能行業(yè)的，大部分都是投機者，他們對人工智能新的突破預(yù)期過高。而當幻想破滅，當人工智能的應(yīng)用不能為他們帶來預(yù)期的真金白銀時，當初最活躍的這部分投機者會跑得比誰都快。

“這就是跟風(fēng)，是一個很危險的勢頭。”韓立群說，“現(xiàn)在，‘怎么看’‘怎么聽’似乎就是智能的全部，這就是人工智能主流風(fēng)刮起來的。不僅如此，跟風(fēng)還可以上很多項目，發(fā)很多論文……”

然而，很多人并沒有意識到，當下人工智能的火熱，其實更多的是盲目跟風(fēng)造就的虛假式繁榮。“如果將來人工智能干不好了，那就會變成我們背不起的包袱。”北京工業(yè)大學(xué)教授喬俊飛坦言，“人工智能如果脫離了經(jīng)濟社會的需求，光靠學(xué)者們把這個行業(yè)一直推得那么火熱，是不可能的。”

而在陸汝鈐看來，盲目跟風(fēng)也是學(xué)術(shù)不自信的表現(xiàn)。“實際上可做的項目有很多，但并不是每個都很熱，而專門挑最熱的項目去做，就是一種不自信的表現(xiàn)。”陸汝鈐說，“為了解決問題，很多條路可以走，我們應(yīng)該開辟別人沒有走過的路，也許這條路走起來很長，但是不能因為別人不做，你就不做。”

技術(shù)是一個升級創(chuàng)新的過程，而不是通過“包裝”渲染出的成果。根據(jù)國家發(fā)布的《新一代人工智能發(fā)展規(guī)劃》，2030年，我國人工智能技術(shù)及應(yīng)用總體達到世界級水準。而在多位專家看來，如果人工智能還按照當前這種淘金者的模式發(fā)展，中國人工智能的基礎(chǔ)研究很難有所突破。

基礎(chǔ)理論“龍頭”未擺正

未來已來，但是會以何種姿勢呈現(xiàn)，主要取決于技術(shù)開發(fā)者們的選擇。既是學(xué)者又是技術(shù)領(lǐng)袖的王海峰指出，我國現(xiàn)在用到的各種主流技術(shù)、理論、算法等等，絕大多數(shù)是由歐美提出的，相比而言，我國人工智能的基礎(chǔ)理論研究仍有一定差距。

“越到人工智能時代，包括人工智能算法、算力的競爭，我們的基礎(chǔ)產(chǎn)業(yè)，尤其是芯片的掣肘會更加明顯。”王海峰說。而當技術(shù)越來越先進，開源開放平臺就會變得更加重要。然而，相比美國等國家，我國人工智能開源開放也存在明顯差距。

人工智能包括科學(xué)、技術(shù)、工程、應(yīng)用和產(chǎn)業(yè)等很多方面，我國人工智能的發(fā)展很大程度上受到應(yīng)用和產(chǎn)業(yè)的驅(qū)動，實際上，人工智能的科學(xué)基礎(chǔ)是數(shù)學(xué)，當前所有的人工智能在現(xiàn)在的模式下都轉(zhuǎn)化為計算問題。

“第一步就是如何建立合適的數(shù)學(xué)計算模型，這個模型是不是合適?怎樣說明它合適?解決數(shù)學(xué)模型里面各種各樣的問題。”歐洲科學(xué)院院士王東明說，“如何解決很難的數(shù)學(xué)問題、證明數(shù)學(xué)的猜想、發(fā)現(xiàn)數(shù)學(xué)的理論，這是目前人工智能仍然難以觸及的”。

喬俊飛還表示，人工智能基礎(chǔ)研究要獲得根本性的突破，就需要數(shù)據(jù)重組能力和計算能力的提高。

另外，基礎(chǔ)研究與學(xué)科建設(shè)也密不可分，一項技術(shù)的應(yīng)用落地與發(fā)展，最關(guān)鍵的首先是人才，但據(jù)有關(guān)數(shù)據(jù)顯示，我國人工智能人才缺口超過500萬，目前市場的供求比例僅為1：10。

“我國大學(xué)辦人工智能學(xué)院的還是少數(shù)。”北京郵電大學(xué)感知技術(shù)與產(chǎn)業(yè)研究院院長楊放春說，“學(xué)科建設(shè)是龍頭，龍頭沒有擺正，這是人工智能最大的弱勢。”

“今天大家都是跟著任務(wù)走，‘快餐式’的研究。我覺得，作為科技人員，還應(yīng)該在這些基礎(chǔ)問題上下一些功夫。形成學(xué)科和堅實的理論，形成真正為智能打造的系統(tǒng)和平臺，人工智能應(yīng)用架構(gòu)在這樣的夯實基礎(chǔ)之上，才會繁榮。”中國人工智能學(xué)會副理事長蔣昌俊說。

并未真正普及基礎(chǔ)行業(yè)

人工智能不應(yīng)該僅是表面繁榮，真正為基礎(chǔ)產(chǎn)業(yè)解決問題，才是該技術(shù)存在的價值。但是，從業(yè)界的反饋來看，人工智能大部分還是活躍在互聯(lián)網(wǎng)公司，實體產(chǎn)業(yè)真正因此獲益者寥寥。

出現(xiàn)這種情況，主要原因在于目前人工智能團隊仍無法與傳統(tǒng)生產(chǎn)設(shè)備團隊達成一定的共識。這一點，上海應(yīng)用技術(shù)大學(xué)教授李曉斌深有感觸。“一線的工人或者很多工程師，根本無法了解新的人工智能方法、技術(shù)應(yīng)用，如果他們不了解，我們就沒有辦法應(yīng)用理論方法或者技術(shù)，去解決基礎(chǔ)工業(yè)產(chǎn)業(yè)的實際問題。”

李曉斌坦言，當前人工智能的很多方法、技術(shù)、應(yīng)用，實際上都還沒有真正普及到基礎(chǔ)產(chǎn)業(yè)行業(yè)里面去。云從科技聯(lián)合創(chuàng)始人姚志強也表示，“目前來說，企業(yè)感到最難的地方就是，國內(nèi)整個人工智能的產(chǎn)業(yè)生態(tài)尚未健全。”

姚志強認為，處于金字塔尖的是國家級別的大型研發(fā)機構(gòu)，專注于研究關(guān)鍵共性問題;金字塔中層或骨干支撐應(yīng)該是一些龍頭型的人工智能企業(yè)。“但是，金字塔的基礎(chǔ)是成千上萬的解決更小、更細問題的人工智能應(yīng)用型的企業(yè)，而我國在這一塊仍非常稀缺。”

“整個體系結(jié)構(gòu)沒有形成互相的連通和循環(huán)，也就是說，研究機構(gòu)和龍頭企業(yè)之間缺乏聯(lián)系，龍頭企業(yè)之間和下面中小型企業(yè)之間也缺少互動，所以導(dǎo)致科研機構(gòu)有一些比較好的技術(shù)，無法轉(zhuǎn)移到龍頭企業(yè)。”姚志強說。

基礎(chǔ)不扎實，也就無法鞏固上層的發(fā)展，姚志強指出，當前人工智能企業(yè)數(shù)不勝數(shù)，但是每家企業(yè)或科研機構(gòu)都是在單打獨斗，沒有形成良性循環(huán)，導(dǎo)致整個大的生態(tài)一直無法建立起來。

王海峰表示，我國各個行業(yè)的信息化水平依然不足，導(dǎo)致人工智能技術(shù)應(yīng)用較為困難，如果信息化水平提高，數(shù)據(jù)完備，這時候把人工智能技術(shù)融入進去就會容易得多。