不僅僅是中國，全球包括美國、英國，以及其他發(fā)達(dá)國家，都把人工智能當(dāng)成了一個(gè)新的發(fā)展戰(zhàn)略和新的發(fā)展契機(jī)，為什么是這樣呢？其實(shí)跟整個(gè)全球的經(jīng)濟(jì)形勢是有關(guān)系的。在過去的十年里，整個(gè)全球的經(jīng)濟(jì)狀況就在發(fā)生著一些變化，包括格局上的變化，產(chǎn)業(yè)上的變化，其實(shí)都說明了大家在思考這個(gè)問題。這里邊就需要一些新的賦能技術(shù)手段，人工智能無疑是當(dāng)下大家都看好的一個(gè)抓手。所以出現(xiàn)了這么密集的、全球的工作部署。

　　其實(shí)我們?nèi)祟愐恢毕胪黄谱约?，把我們的眼睛放出去希望我們有千里眼，把我們的耳朵放出去希望我們有順風(fēng)耳，每一步，這個(gè)目標(biāo)一直沒有變過。所以從有計(jì)算機(jī)開始大家就在想，我們管計(jì)算機(jī)叫電腦是什么意思？真的希望計(jì)算機(jī)它能夠代表我們的大腦，能夠放大我們思考決策的能力，所以一直在尋找這個(gè)技術(shù)路線。

　　早先，我們有了最早的感知神經(jīng)網(wǎng)絡(luò)的發(fā)明，給產(chǎn)業(yè)提振了一下，問題解決了嗎？但是上世紀(jì)80年代的一系列的實(shí)踐證明還是不行，原因是什么？太復(fù)雜了，理論上能行，但是算不出來，所以第一個(gè)階段在搖籃中夭折了。

　　又經(jīng)過了幾年的沉淀之后，提出了BP神經(jīng)網(wǎng)絡(luò)，大家又開始想是不是我的夢想又可以實(shí)現(xiàn)了呢？最后的實(shí)踐發(fā)現(xiàn)還是不行。2006年的時(shí)候深度學(xué)習(xí)取得了突破性的進(jìn)展之后，我們?nèi)祟惥褪沁@樣的，不管遇到多少挫折，那個(gè)夢想永遠(yuǎn)在，所以一定要不停的去試。2006年之后尤其是進(jìn)入到2010年之后，相關(guān)AI企業(yè)的注冊數(shù)和整個(gè)相關(guān)經(jīng)濟(jì)的增長，我們終于可以做一些事情了。其實(shí)1946年的時(shí)候，在馮諾伊曼構(gòu)造他的計(jì)算機(jī)的時(shí)候，實(shí)際上他也是就有了這樣一個(gè)想法，只不過后來他當(dāng)時(shí)用了一句話說“我們向世人展示一種絕對的且無望的通行性”就是說他意識(shí)到做不到，所以他回歸到本身的計(jì)算的過程。

　　整個(gè)過程里什么起到了重要的作用？就是我們的摩爾定律，我們知道摩爾定律是每18個(gè)月到24個(gè)月集成電路上容納的元器件的數(shù)量要翻一倍，性能也將提升一倍。所以在我們找到方法能夠去計(jì)算的時(shí)候，我們有了算力，才有了今天持續(xù)的應(yīng)用拓展和專用技術(shù)發(fā)展的一個(gè)局面。從某種意義上來說，今天的AI是靠算力成就的。

　　AI突破的幾個(gè)基本的技術(shù)要素，首先它是解決了可計(jì)算的問題，也就是在算法上的突破；還有一個(gè)是我們積累了大量的數(shù)據(jù)，這個(gè)形成了我們可學(xué)習(xí)的原材料，過去幾十年信息化的建設(shè)在方方面面都積累了大量的數(shù)據(jù)，也對我們?nèi)绾潍@得數(shù)據(jù)、如何使用數(shù)據(jù)積累了豐富的經(jīng)驗(yàn)，我們能看到數(shù)據(jù)的價(jià)值了；另外一個(gè)是我們處理能力得到了持續(xù)的提高。

　　延續(xù)這種主流技術(shù)生態(tài)的AI技術(shù)發(fā)展現(xiàn)在出現(xiàn)了幾個(gè)重點(diǎn)，首先我們看到了AI的專用芯片，現(xiàn)在市場上有十幾種，這個(gè)數(shù)據(jù)可能還在持續(xù)的增長，也許明年就是幾十種的專用的符合局部需求的AI的芯片。為什么會(huì)是這樣呢？AI成為一個(gè)大家都趨之若鶩的一個(gè)技術(shù)的時(shí)候，深度學(xué)習(xí)成為一個(gè)很好用的通用的錘子的時(shí)候，它自然在體系結(jié)構(gòu)的層面會(huì)往下沉，所以就有了芯片發(fā)明的一個(gè)基礎(chǔ)。

　　另外，超算平臺(tái)會(huì)面向AI去升級(jí)。過去的十幾年里，我們做超級(jí)計(jì)算平臺(tái)，做云計(jì)算平臺(tái)，做大數(shù)據(jù)中心，現(xiàn)在我們各地建的這樣的平臺(tái)要向AI去升級(jí)，它要支持智能計(jì)算的一些應(yīng)用，為什么要把它做成平臺(tái)呢？當(dāng)各個(gè)應(yīng)用都需要的時(shí)候，它是極消耗算力的時(shí)候，事實(shí)上它就應(yīng)該用共性的平臺(tái)來承擔(dān)，這樣它的性價(jià)比是最高的，而且可以在平臺(tái)上積累出更多的經(jīng)驗(yàn)可以交換成果，可以不斷的磨合出更好的成果來。

　　新的升級(jí)的超算平臺(tái)是融合了傳統(tǒng)超算大數(shù)據(jù)需求，具有智能感知、主動(dòng)學(xué)習(xí)、知識(shí)抽象、邏輯推理能力的新型的超算的范式。在這里，我知道在座有很多是地方主導(dǎo)經(jīng)濟(jì)信息化建設(shè)的，也有一些企業(yè)，這里的商機(jī)就是如果要發(fā)展一個(gè)地方的人工智能相關(guān)的一些經(jīng)濟(jì)和技術(shù)的時(shí)候，地方性的公共平臺(tái)要有這種能力，是整個(gè)AI生態(tài)里必不可少的一環(huán)。

　　AI需要的幾個(gè)需求動(dòng)力，信息化方面我們經(jīng)歷了辦公自動(dòng)化、業(yè)務(wù)流程自動(dòng)化之后，各類信息系統(tǒng)能滿足基本當(dāng)下的工作需求，但是它并不能滿足于精細(xì)化管理的需求以及對決策支撐的這種提升，所以它下一步的升級(jí)必然是向人工智能方向去走。另外一個(gè)行業(yè)轉(zhuǎn)型和大協(xié)同方面尤其是智能制造需要精細(xì)的需求挖掘和創(chuàng)新，需要新的賦能手段。向哪兒去要？向智能去要，只有有了智能的決策、智能的制造過程，才能支撐你的供給側(cè)改革，才能支撐你在市場上的競爭能力。

　　這方面也是國家整個(gè)經(jīng)濟(jì)支柱的一個(gè)核心所在。另外一點(diǎn)是人類智慧的放大和便捷的需求，像剛才陳院士提到的，我們對自身的健康、快樂、生活等等方面，所以我們機(jī)器醫(yī)生、無人駕駛、生活輔助的機(jī)器人，只要是能延伸我們的東西其實(shí)我們都有需求，包括剛才講的雞聲識(shí)別，養(yǎng)雞場也是人知道了病雞它聲音會(huì)不同，然后把它變成一種機(jī)器的能力，凡是我們?nèi)说哪芰δ芊糯?、能替代、能倍增的，都可以用到這里邊。

　　還有一個(gè)更重要的，我們可以用AI的技術(shù)探索未知的一些規(guī)律。當(dāng)你對一些事情很模糊的時(shí)候，你可以嘗試著去用，這樣的話其實(shí)是創(chuàng)新的一個(gè)非常好的手段。我們看一下AI的現(xiàn)狀和發(fā)展趨勢，其實(shí)是兩個(gè)維度，一個(gè)維度是說我們的現(xiàn)狀其實(shí)是個(gè)初級(jí)智能階段，而且這個(gè)階段還會(huì)延續(xù)很長時(shí)間。我們重點(diǎn)會(huì)放在專用的人工智能上，主要是模擬人的特定外在的能力，聽、說、看、學(xué)習(xí)、推理、行動(dòng)等等，盡可能的放大，通過互聯(lián)網(wǎng)、通過機(jī)器學(xué)習(xí)、通過專用的設(shè)備、通過網(wǎng)絡(luò)。另外在某些特定的任務(wù)上達(dá)到或超過人類的水平，這就是機(jī)智過人的方面，我們大腦的算力不夠的時(shí)候，可以用AI幫我們算，所以它是超越我們的。還有一個(gè)維度是發(fā)展延續(xù)我們的初衷，就是類腦的計(jì)算、腦科學(xué)相關(guān)的研究，這個(gè)是一直持續(xù)的，而且這兩個(gè)方面是互相交織的，任何一點(diǎn)關(guān)于類腦計(jì)算的認(rèn)知都會(huì)反饋到我們現(xiàn)在這個(gè)階段去促進(jìn)我們現(xiàn)代應(yīng)用的發(fā)展。

　　我們在整個(gè)發(fā)展過程當(dāng)中其實(shí)也遇到了一些問題。在過去的五年里邊AI炒的非常火，但是這中間一直夾雜著一些聲音，AI到底能走多遠(yuǎn)？就像當(dāng)初我們質(zhì)疑云計(jì)算、大數(shù)據(jù)一樣，現(xiàn)在也有很多的聲音開始質(zhì)疑AI，為什么出現(xiàn)了這個(gè)情況呢？

　　其實(shí)就是我們開始太興奮了，于是又忘了我們原先有很多手段，我們把AI這個(gè)錘子人手一份到處去敲，但是發(fā)現(xiàn)它有的時(shí)候并沒那么管用。其實(shí)我們可以讓它更管用一點(diǎn)，我們可以把原先傳統(tǒng)的領(lǐng)域知識(shí)和模型與AI結(jié)合起來，比如就說機(jī)器閱片，不管是CT還是核磁共振的片子，現(xiàn)在都讓機(jī)器去讀。我們傳統(tǒng)對圖形圖像識(shí)別也有很多很多的理論方法，但我們現(xiàn)在大部分就是醫(yī)療領(lǐng)域、AI醫(yī)療領(lǐng)域的公司基本上就是拿著深度學(xué)習(xí)這一個(gè)錘子在敲這些數(shù)據(jù)。事實(shí)上我們可以把原先用到的圖像識(shí)別的邊界的掃描、圖形的比對。還有一些不變量的計(jì)算，跟它融合起來，除了錘子，把原來的剪子、鉗子放在一起用，它就會(huì)互相的促進(jìn)這個(gè)技術(shù)，最后會(huì)達(dá)到很好的效果。

　　還有一個(gè)是我們面向AI的數(shù)據(jù)質(zhì)量很多層面是不太高的，所以也影響了整個(gè)的效果，就會(huì)產(chǎn)生一些這樣的疑問。另外一個(gè)是局部模型有效性和遷移的問題，在一個(gè)地方學(xué)的好的問題拿到其他地方有沒有理論和方法能夠?qū)W好？遷移學(xué)習(xí)有一些理論和方法，但是確實(shí)還有待繼續(xù)研究和深入。

　　業(yè)務(wù)發(fā)展和AI模型穩(wěn)定性的問題，就是要把業(yè)務(wù)系統(tǒng)和模型訓(xùn)練、學(xué)習(xí)過程同步化，學(xué)習(xí)過程是業(yè)務(wù)系統(tǒng)的一部分，在設(shè)計(jì)規(guī)劃的時(shí)候要有這樣一些思考和一些機(jī)制放進(jìn)去，就是學(xué)習(xí)訓(xùn)練應(yīng)用形成更大的循環(huán)就能解決這個(gè)問題。數(shù)據(jù)質(zhì)量事實(shí)上這個(gè)是跟我們歷史現(xiàn)狀有關(guān)系，因?yàn)槲覀兌际怯邢到y(tǒng)然后面向AI去升級(jí)，所以數(shù)據(jù)本身、原先的數(shù)據(jù)可能沒有面向AI做一些定制化的考量，這個(gè)想做好是從補(bǔ)充數(shù)據(jù)開始。對新建系統(tǒng)我們應(yīng)該借鑒數(shù)字孿生的思路，讓我們的系統(tǒng)更完備、數(shù)據(jù)更豐富、更可靠、質(zhì)量更高，這樣就不會(huì)出現(xiàn)數(shù)據(jù)的問題。

　　局部遷移的問題，多次的學(xué)習(xí)可以彌補(bǔ)。還有一個(gè)問題是我們?nèi)鄙僖恍┐笮袠I(yè)的協(xié)同，比如還是舉讀片這個(gè)例子，不同的機(jī)器它是有差異的，我要想讓我的模型更好，可以把它放出去讓別人別的數(shù)據(jù)級(jí)上持續(xù)的做，這樣這個(gè)工作機(jī)制就能形成一個(gè)更好的成果。

　　AI的應(yīng)用重點(diǎn)領(lǐng)域，重中之重還是面向制造業(yè)，把AI、智能傳感器、CPS、數(shù)字孿生、大數(shù)據(jù)、云計(jì)算、邊緣計(jì)算通通結(jié)合起來，形成智能的工業(yè)化的發(fā)展環(huán)境，這是我們國家整個(gè)經(jīng)濟(jì)崛起非常關(guān)鍵的一步。

　?。ū疚母鶕?jù)中國國際數(shù)字經(jīng)濟(jì)博覽會(huì)速記整理，內(nèi)容未經(jīng)本人確認(rèn)）

趙曉芳

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……