人工智能发展短板亟待攻克

 《经济参考报》记者采访了解到，虽然中国的人工智能已经取得一定程度的技术突破，但要达到高智能水平，依旧任重道远，未来亟待攻克理性不足、前沿不足、产学研结合不足等问题。

记者发现，相较产业界对人工智能的一致乐观，学术界对这一技术的态度似乎更加冷静。

“从去年‘阿尔法狗’打败李世石开始，人工智能突然火爆。到了今天，有必要冷静一下。”作为国家核高基重大专项总工程师，清华大学微电子学研究所所长魏少军接受记者采访时表示，当下的人工智能，强调的是算法方面的突破，只是机器智能的一个分支，而且只能完成类似下围棋这种相对单一的任务，与真正的、全面的智能还相差很远。

这并非一家之言。美国人工智能学会理事、香港科技大学计算机科学及工程学系主任杨强告诉记者，欧美学者在上世纪50年代提出人工智能的概念，机器学习诞生于上世纪80年代，最近几年虽然发展迅速，但仍然受困于数据和计算能力。

“如果说现在的人工智能在模仿人类，那么它仍是‘笨孩子’，必须要海量数据才能训练出算法。并且切换一个场景，还是要从头学起，不像人类，骑自行车的经验可以迁移到骑摩托车。”杨强说。

担任人工智能领域顶级国际学术会议AAAI主席的首位华人学者、南京大学计算机系教授周志华表示，人工智能技术涉及很多内容，部分媒体过分渲染“人工智能威胁论”，是没有认清人工智能的真正发展水平。

“不少人仅凭对这几个字的字面理解就大谈人工智能，任何技术都生硬地往人工智能上靠，这一现象很不好”。周志华告诫说。

而令学者们忧虑的另一现象是，人工智能领域研究者跟风的多、发表独家见解的少之又少。 “现在关于人工智能的论坛会议很多。计算机视觉也好、深度学习也罢，动辄都有好几千甚至上万的投稿，但内容同质化严重。大家不是去关心创新，而是关心写论文。”杨强直言。

国家千人计划特聘教授、清华大学类脑计算研究中心主任施路平有着类似的担忧。他表示，人工智能芯片领域，深度学习和类脑的脉冲神经网络是两套不同的技术路径。目前，深度学习较为流行，类脑芯片前景也十分远大，必须重视。

“学生老问我，为什么大公司在类脑研究方面投入这么少？我说，目前有十几种解决方案，大公司要等能够看明白之后再选择一种。公司是追随者，但我们要做引领潮流的人。”施路平认为，独立思考的精神在人工智能学界难能可贵，研究者出于升职、加薪的考虑，不愿意坐“冷板凳”，但是，科研领域不少革命性的突破，就是在坐冷板凳的过程中产生的。“真理有时就是掌握在少数人手中。即便这个思路短期内没有成功，也为将来的进步打下了基础。要想引领就必须要有独立的思考，要咬牙坚持。”

杨强对此体会颇深。2005年，他在国际上率先提出“迁移学习”概念，意在让深度学习算法具有“举一反三”的迁移能力，不用处处从头开始。如今，迁移学习已经是全球学界和业界关注的焦点，百度、腾讯、微软都已经应用这项技术。而曾经，这是冷门概念，愿意师从他“死磕”这一技术路线的学生非常之少。

中国人工智能发展的短板还体现在产学研结合不足，从实验室到市场的链条太长。

记者在采访中发现，诸多人工智能领域的学者都已投身一线产品的研发。魏少军教授在带队开发可重构计算人工智能芯片Thinker；施路平教授的团队致力于开发脉冲神经网络与深度学习原理相结合的“天机”芯片，如今已经生产出样品、应用于自动驾驶自行车；杨强教授的迁移学习原理，应用于百度、腾讯等公司，他还创立了“第四范式”公司，将迁移学习算法应用于金融领域、优化银行的风控。

然而，几乎所有专家都在“吐槽”产学研的脱节。

“从实验室到生产出产品、再到推向市场，这个链条太长、整个过程太痛苦。”魏少军感叹，产业化的每个环节几乎都面临阻碍——研发时没资金；生产时工艺不能满足要求；在应用环节，各个领域沿用惯用的产品，新产品很难走进千家万户。

杨强表示，目前，中国企业中，真正具有前沿思维的还是少数。包括BAT、华为等大企业在内，仍然没有成为人工智能技术创新的主体。

“长此以往，中国企业将在全球人工智能竞赛中处于劣势。”施路平表示，目前来看，从核心芯片、操作系统再到底层框架，几乎都是以国外公司为主导，这导致中国的很多重要创新，都受制于国外公司，为产学研联动增添了新的障碍。

杨强认为，人工智能必须在现实中寻找到应用场景，未来的发展才具有意义。因此，产学研联动是一条必经之路，其中的困难应引起各界足够重视。

(本版稿件除署名外，均由记者王存福、周琳、马晓澄、王晓洁、付光宇采写)