人工智慧 澎湃發展新優勢

我國基礎研究成果突出，産業應用加速推進
人工智慧 澎湃發展新優勢

開欄的話

新年伊始，讓我們把目光投向人工智慧——剛剛過去的2017年，基礎研究領域的硬體、算法提升，與結合産業發展的技術應用，讓人工智慧發展迎來又一輪高潮。“機器能像人一樣思考和行動”拓展了整個社會的想象力邊界。

十九大報告提出，“推動互聯網、大數據、人工智慧和實體經濟深度融合”。當前我國人工智慧的發展水平處於什麼階段，在行業領域的應用進展如何？本版就此策劃了一組“聚焦高質量發展·關注人工智慧”系列報道，從行業專家、資深從業者、普通消費者的角度，向讀者全方位展示快速發展中的中國人工智慧圖景。

2017年是中國人工智慧領域發展的關鍵之年。無論是《政府工作報告》還是10月的十九大報告，都將人工智慧作為一項發展內容明確提出，這意味著人工智慧上升至國家戰略層面。

隨後，《新一代人工智慧發展規劃》《促進新一代人工智慧産業發展三年行動計劃（2018—2020年）》等一系列政策規劃的推出更是讓人工智慧的發展有了明確的時間表和路線圖。

如今，中國人工智慧領域正在頂層設計與實踐落實兩個方面努力發展，抓住機遇，蓄勢待發，開啟新一輪的衝刺。

全球人工智慧還處於發展初期

什麼是人工智慧？

1956年，在美國達特茅斯學院一次特殊的夏季言談會上，麻省理工學院教授約翰·麥卡錫第一次提出了人工智慧概念。此後，人工智慧迅速成為一個熱門話題。

儘管概念界定眾多，但科學界對人工智慧學科的基本思想和基本內容達成的共識是：研究人類智慧活動的規律，從而讓機器來模擬，使其擁有學習能力，甚至能夠像人類一樣去思考、工作。

在人工智慧研究早期，有些科學家非常樂觀地認為，隨著計算機的普及和CPU計算能力的提高，實現人工智慧指日可待。但後來事實證明，人工智慧的發展並沒有預期的那麼美好。

20世紀50年代至70年代，人工智慧力圖模擬人類智慧，但是受過分簡單的算法、匱乏得難以應對不確定環境的理論以及計算能力的限制，這一熱潮逐漸冷卻；20世紀80年代，人工智慧的關鍵應用——基於規則的專家系統得以發展，但是數據較少，難以捕捉專家的隱性知識，加之計算能力依然有限，使得其不被重視，人工智慧研究進入低潮期。

直到進入20世紀90年代，神經網絡、深度學習等人工智慧算法以及大數據、雲計算和高性能計算等信息通信技術快速發展，人工智慧才迎來了春天。

“大約在10年前，一種被稱為深度學習的新的機器學習方法，讓人工智慧的算法更智慧。”中國科學院自動化研究所研究員易建強説：“它是一種通過多層表示來對數據之間的複雜關係進行建模的算法。深度學習模倣人腦結構，具有更強的建模和推理能力，能夠更有效地解決多類複雜的智慧問題。”

中國科學院院士譚鐵牛説：“當前，面向特定領域的專用人工智慧技術取得突破性進展，甚至可以在單點突破、局部智慧水平的單項測試中超越人類智慧。”

這其中，比較著名的事件包括1997年“深藍”戰勝國際象棋世界冠軍，2011年IBM超級計算機沃森在美國電視答題節目中戰勝兩位人類冠軍，以及2016年和2017年阿爾法狗戰勝人類圍棋高手。

在不少人工智慧專家看來，儘管經過近60年的發展，人工智慧已經取得了巨大的進步，但總體上還處於發展初期。

我國多項技術處於世界領先地位

採訪中，諸多業內人士認為，我國人工智慧技術攻關和産業應用雖然起步較晚，但在國家多項政策和科研基金的支持與鼓勵下，近年來發展勢頭迅猛。

在基礎研究方面，我國已擁有人工智慧研發隊伍和國家重點實驗室等設施齊全的研發機構，並先後設立了各種與人工智慧相關的研究課題，研發産出數量和質量也有了很大提升，已取得許多突出成果。

科技部高新司司長秦勇説：“我國在語音識別、視覺識別、機器翻譯、中文信息處理等技術方面處於世界領先地位。中國科學院自動化研究所譚鐵牛團隊全面突破虹膜識別領域的成像裝置、圖像處理、特徵抽取、識別檢索、安全防偽等一系列關鍵技術，建立了虹膜識別比較系統的計算理論和方法體系，還建成目前國際上最大規模的共享虹膜圖像庫。”

智慧芯片技術也實現了突破。中科院計算所發佈了全球首款深度學習專用處理器，清華大學研製出可重構神經網絡的計算芯片，比現有的GPU效能提升了3個數量級。

與此同時，我國在人工智慧領域的論文數量快速增長。據統計，2007年—2016年，全球人工智慧領域論文中，我國佔近20%，僅次於美國；深度學習領域的論文總量和引用量均居世界第一。此外，人工智慧相關發明專利授權量已居世界第二。

人工智慧創新創業日益活躍

當前，伴隨著人工智慧研究熱潮，我國人工智慧産業化應用也蓬勃發展。

智慧産品和應用大量涌現。人工智慧産品在醫療、商業、通信、城市管理等方面得到快速應用。目前已有1.5億支付寶用戶使用過“刷臉”功能，華為首次在全球將人工智慧移動芯片用於手機。

人工智慧創新創業也日益活躍，一批龍頭骨幹企業快速成長。據統計，當前中國的人工智慧企業數量、專利申請數量以及融資規模均僅次於美國，位列全球第二。全球最值得關注的100家人工智慧企業中我國有27家，其中，騰訊、阿裏雲、百度、科大訊飛等成為全球人工智慧領域的佼佼者，也成為建設國家新一代人工智慧開放創新平臺的領頭羊。

2017年7月5日，百度首次發佈人工智慧開放平臺的整體戰略、技術和解決方案。這也是百度AI技術首次整體亮相。其中，對話式人工智慧系統，可讓用戶以自然語言對話的交互方式，實現諸多功能；Apollo自動駕駛技術平臺，可幫助汽車行業及自動駕駛領域的合作夥伴快速搭建一套屬於自己的完整的自動駕駛系統，是全球領先的自動駕駛生態。

2017年8月3日，騰訊公司正式發佈了人工智慧醫學影像産品——騰訊覓影。同時，還宣佈發起成立了人工智慧醫學影像聯合實驗室。

2017年10月11日，阿裏巴巴首席技術官張建鋒宣佈成立全球研究院——達摩院。達摩院的成立，代表著阿裏巴巴正式邁入全球人工智慧等前沿科技的競爭行列。

此外，科大訊飛在智慧語音技術上處於國際領先水平；依圖科技搭建了全球首個十億級人像對比系統，在2017年美國國家標準與技術研究院組織的人臉識別技術測試中，成為第一個獲得冠軍的中國團隊。

“加速積累的技術能力與海量的數據資源、巨大的應用需求、開放的市場環境有機結合，形成了我國人工智慧發展的獨特優勢。”秦勇説。

整體水平與發達國家仍有較大差距

儘管我國在一些人工智慧關鍵技術尤其是核心算法方面與發達國家水平相當，但我國人工智慧整體發展水平與發達國家相比仍有較大差距，比如在高精尖零部件、技術工業、工業設計、大型智慧系統、大規模應用系統以及基礎平臺等方面。專家們還指出，我國人工智慧技術發展還面臨著體制機制、創新人才、基礎設施等方面的挑戰。

易建強説：“與人工智慧發展成熟且處於前列的美國等相比，雖然中國在人工智慧的論文數量方面超過美國，但中國學者的研究影響力尚不及美國或英國同行。”

這背後的一個重要原因就是人才短缺。據統計，美國半數以上的數據科學家擁有10年以上的工作經驗，而在中國，超過40%的數據科學家工作經驗尚不足5年。還有，在中國只有不到30所大學的研究實驗室專注於人工智慧，輸出人才的數量遠遠無法滿足人工智慧企業的用人需求。此外，中國的人工智慧科學家大多集中于計算機視覺和語音識別等領域，其他領域的人才相對匱乏。

在産業應用方面，人工智慧技術成果雖然已經在我國越來越多的領域應用，但專家表示也還存在一些問題。比如，除少數垂直領域憑藉多年大數據積累和業務流程優化經驗，催生出營銷、風控、智慧投顧、安防等人工智慧技術可直接落地的應用場景外，大多數傳統行業的業務需求與人工智慧的前沿科技成果之間尚存在不小差距。面向普通消費者的移動互聯網應用與人工智慧技術之間的結合尚處在探索階段。

“在人工智慧生態系統方面，美國也更為完善和活躍，創業公司數量遠超中國。而且由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。”易建強説。

專家建議，應建設開放共享的人工智慧創新發展平臺，重視和加強人工智慧前瞻性基礎研究，加大人才培養力度，在深化人工智慧技術推廣應用、市場準入等方面建立更加寬鬆的政策環境，不斷提升信息化水平來支撐智慧化發展，並積極引進培養更多有國際影響力的領軍人才。（記者 吳月輝）