ZAKER生活|AI的未来路在何方?,AI大咖面对面:落地应用时代

2020年7月9日
2020世界人工智能大会在上海拉开帷幕
当前 , AI已走出技术爆发的阶段 , 进入落地应用、创造价值的新时期 , AI赋能传统行业的重要性日益凸显 。 此次大会中 , AI+工业、AI+健康、AI+教育、AI+金融等主题论坛将依次召开 , 讨论AI赋能的现状、难点和未来前景 , 推动智能时代的传统行业转型 。
纵观全球 , 我国的AI发展处于怎样的国际地位?未来的路又在何方?
蒋昌俊:我国AI发展之路漫长基础研究仍是短板
ZAKER生活|AI的未来路在何方?,AI大咖面对面:落地应用时代
文章图片

同济大学副校长、上海市人工智能战略咨询专家委员会召集人蒋昌俊表示 , 在国家政策引领和支持下 , 得益于大规模的用户基础、丰富的应用场景 , 中国人工智能领域不断拥有全球影响力 , 尤其是智能产业化应用已经走在世界前端 。
现状:
中国智能产业化应用有世界领先 , 基础研究仍是短板
但同时指出 , 当前我国人工智能产业尚未形成有影响力的生态圈和产业链 , 与美国、欧洲相比 , 更加集中于应用落地 , 在基础理论和原创算法发展薄弱 , 缺乏突破性、标志性的研究成果 , 在共性技术平台、智能芯片等方面发展相对薄弱 。
蒋昌俊认为 , 这一系列的“短板”导致了我国依赖国外开发平台、基础器件等问题的产生 , 显然不利于我国人工智能生态的布局和产业的长期发展 。 “因此 , 我们还需要进一步提高认知 , 着眼于未来 , 加大科研攻关力度 , 补齐技术短板 , 建立产业生态 , 抢占产业制高点 。 ”
在谈到人工智能基础研究时 , 蒋昌俊说:“目前 , 从我国人工智能领域发展角度来讲 , 我们很注重应用方面 , 但是基础研究依然是短板 , 人工智能领域重大的理论和技术大都是源自西方国家 。 基础科学研究的特点是需要大量资源、投入周期长、不确定性大和风险高等 , 决定了其难以在短期内获得见效 , 但是只有长期的投入和耐心才能实现真正持久的创新与源源不断的技术发展 。 ”
从中长期来看 , 人工智能和机器学习领域的发展根源于理论、算法和芯片等基础层研究的突破创新 , 亟需针对人工智能的基础性、前瞻性、源头性的问题研究上有所突破 , 需要学术界和产业界共同努力 , 从源头找到有价值的问题、基础支撑平台技术的创新、搭建良好的产业生态链条等 。
在他看来 , 令人欣慰的是 , 目前各大互联网头部企业已经意识到 , 通过开源技术建立产业生态 , 才是抢占产业制高点的重要手段 。
尽管目前美国仍是该领域发展水平最高的国家 , 但我国的科技企业也在居安思危 , 开始深度学习框架上的布局 。 诸如百度的飞浆(PaddlePaddle)、清华大学的计图(Jittor)、旷视的天元(MegEngine)和华为推出的MindSpore等 , 都相继开源其深度学习算法 , 通过自主研发来掌握AI底层技术 。
未来:AI发展之路依旧漫长现在始于足下
AI的未来在何方?它将如何发展 , 又将给我们带来怎样的改变?
蒋昌俊表示 , 要想探讨AI的未来 , 就要从其发展特点入手 , 通过探讨传统AI和当前AI , 进而认知未来AI 。
他认为 , 传统的AI注重从感知到认知的过程 , 实现从逻辑到计算的不断提升;而当前的AI , 则是由弱到强的智能 , 是从闭环到开环、从确定到非定的系统 。
“目前的神经网络模型大都侧重对数据的计算层面 。 事实上 , 一个高级的智能机器应该具有环境感知与逻辑推理的能力 。 如何将AI的演算和计算进行融合 , 结合基于规则系统的推理能力和神经网络的学习能力 , 构建一个更强大的AI模型 , 推理能力可以帮助减少神经网络学习新事物时所需的数据量 。 这样的交互和融合将是当前AI由弱到强的主要突破口 。 ”蒋昌俊认为 , 在构建类脑认知模型中 , 目前脉冲神经网络的神经元以电脉冲的形式对信息进行编码 , 更接近真实神经元对信息的编码方式 , 能够很好地编码时间信息 。


推荐阅读