電子發(fā)燒友App
人工智能協(xié)會 AI
國際科技巨頭對人工智能的研究已逾十多年，并且部分研究成果已經(jīng)進(jìn)行商業(yè)應(yīng)用。同時，國內(nèi)近幾年掀起AI熱，科研、資本和人才向AI靠攏的趨勢明顯?；ヂ?lián)網(wǎng)巨頭公司大力加碼推進(jìn)人工智能研發(fā)。馬化騰也表示，如果只能投資一個領(lǐng)域，從他自身所處行業(yè)出發(fā)，他最關(guān)注的是和信息技術(shù)相關(guān)的AI產(chǎn)業(yè)。
那么AI在國內(nèi)研究發(fā)展現(xiàn)狀如何？未來推進(jìn)的方向應(yīng)該是怎樣的？美國人工智能協(xié)會（the Association for the Advance of Artificial Intelligence，AAAI）執(zhí)行委員會唯一的華人委員、香港科技大學(xué)計(jì)算機(jī)科學(xué)及工程學(xué)系教授楊強(qiáng)近日接受《知識分子》訪談，他認(rèn)為，國內(nèi)AI研究盡管在投稿量上接近領(lǐng)先，但是在創(chuàng)新方面，國內(nèi)人工智能研究還有欠缺，“很多人學(xué)會回答問題了，但是，很少有人會提出新問題”。
談到AI未來的發(fā)展方向，楊強(qiáng)認(rèn)為，當(dāng)前AI應(yīng)用沒有做到讓整個行業(yè)脫胎換骨，而要做到AI驅(qū)動的“核心決策系統(tǒng)”的優(yōu)化，算法研究的力量可能只占其中比較小的百分比，更多的是要看市場對這個系統(tǒng)的態(tài)度，看生態(tài)、同盟的發(fā)展速度，是不是可以來推動整個垂直行業(yè)的躍進(jìn)。
同時他還指出國內(nèi)外巨頭公司布局人工智能方面的不同之處，并對AI相關(guān)人才的培養(yǎng)提出了自己的看法。
以下為訪談全文。
Ai落地難，難在哪里？
《知識分子》：人工智能不同領(lǐng)域，包括計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、自然語言處理、機(jī)器人技術(shù)和語音識別技術(shù)等，國內(nèi)與國外研究進(jìn)展的主要差距體現(xiàn)在哪？
楊強(qiáng)：人工智能和其他的科學(xué)行業(yè)的發(fā)展規(guī)律是類似的，比方說天體物理，在一些大家已公認(rèn)的題目上，像“用射電望遠(yuǎn)鏡觀測星系”，“研究星系的發(fā)展規(guī)律”等，在大家都得到數(shù)據(jù)和資源后，就都去參與研究。中國的人工智能發(fā)展現(xiàn)在處于這個狀態(tài)，有一些國際上公認(rèn)的熱點(diǎn)題目，大家都去研究，例如機(jī)器學(xué)習(xí)，有很多的學(xué)生、學(xué)者去參與。我們現(xiàn)在的科研文章，不管是投稿量還是被接收量，都已經(jīng)接近世界的水平了，這是很可喜的事。
但是在創(chuàng)新方面，國內(nèi)的人工智能還有欠缺。 就像在科學(xué)的領(lǐng)域發(fā)現(xiàn)一個新的星體，或是發(fā)明一個新的手段去進(jìn)行科學(xué)發(fā)現(xiàn)，這類注重“新”的問題，需要科學(xué)家去深度思考，也是科學(xué)家們真正應(yīng)該做的事情，而不僅僅是做人家定下來的題目。做別人給的題目比較容易，但提出好的、新的題目卻很難。國內(nèi)人工智能研究方面，“引領(lǐng)”型的研究還不夠，接近國際水平，只是從量的上面看，這當(dāng)然已經(jīng)相當(dāng)不錯了。但是從質(zhì)的方面，還有不小的差距。這就像：現(xiàn)在很多人學(xué)會回答問題了，但是，很少有人會提出新問題。
造成這種差距的原因來自多方面，一方面可能是因?yàn)槊襟w的宣傳和社會對青少年的培養(yǎng)仍然比較傳統(tǒng)，即：鼓勵大家去研究人人都在做的方向，去人多的地方掘金。這種思維是整個社會和文化造成的，一時沒辦法改變。另外，某些學(xué)生、學(xué)者比較注重短期效益，比較在乎短期的成敗比如文章數(shù)。媒體上也宣傳，大家在評價大學(xué)等機(jī)構(gòu)研究水平時，還是在看發(fā)表文章的數(shù)量，認(rèn)為一家機(jī)構(gòu)發(fā)表的文章多，這家機(jī)構(gòu)就很厲害，其實(shí)，這是一個錯誤的引導(dǎo)。應(yīng)該轉(zhuǎn)變思維，強(qiáng)調(diào)他們提出了幾個新的思維，這些思維被全世界多少人跟蹤，引用，發(fā)展。
美國人工智能協(xié)會委員、香港科技大學(xué)計(jì)算機(jī)科學(xué)及工程學(xué)系教授楊強(qiáng)。圖片由受訪者提供。
《知識分子》：如何評價當(dāng)前人工智能不同領(lǐng)域商業(yè)化應(yīng)用推進(jìn)程度？落地難的主要原因是？
楊強(qiáng)：我們要解決人工智能落地難，首先要理解什么叫“落地難”。我的理解就是，在實(shí)驗(yàn)室理想的環(huán)境下，取得了很大的成功，但是拿到實(shí)際的生活、生產(chǎn)當(dāng)中去，往往不能得到預(yù)期的結(jié)果。AI落地，會遇到很多的挑戰(zhàn)。
第一個挑戰(zhàn)是數(shù)據(jù)少。數(shù)據(jù)在大部分產(chǎn)業(yè)界都是以孤島的形式存在，以小數(shù)據(jù)的形式存在，沒有形成完整的大數(shù)據(jù)。為大數(shù)據(jù)設(shè)計(jì)的算法模型，在大多這樣場景中，就會無能為力。
第二，我們逐漸意識到AI其實(shí)并不是一個產(chǎn)品，不像Microsoft Office一樣，大家拿來就可以用。而是：AI的模型需要做訓(xùn)練，訓(xùn)練是需要數(shù)據(jù)的，需要標(biāo)記好的數(shù)據(jù)，要有不斷壯大模型的經(jīng)驗(yàn)、需要有能力獲得好的反饋來幫助模型壯大、整合不同的數(shù)據(jù)擁有方來進(jìn)行互補(bǔ)。所以，這些都說明，AI的落地更像是一個“解決方案”。但是，如果AI僅僅是解決方案的話，落地就會非常難，因?yàn)閷τ诓煌膯栴}，需要不同的方案設(shè)計(jì)，這就很難Scale up （擴(kuò)展），效率會非常低下。
如何把一個通用的解決方案做成一個“落地”的解決方案呢？ 這就是需要非常巧妙地做好一個垂直領(lǐng)域行業(yè)的“生態(tài)”，在這個行業(yè)生態(tài)里，有很多的參與方，大家都能參與進(jìn)來獲利。最好的例子就是一個開放的操作系統(tǒng)。而AI現(xiàn)在的狀況是，大家還都是各家在做各家的，沒有聯(lián)成像“操作系統(tǒng)”一樣的生態(tài)。我們希望，AI以后能夠發(fā)展生態(tài)，成為“珠聯(lián)璧合”的形式，那時候人工智能才能真正的落地。
《知識分子》：您覺得這幾年國內(nèi)人工智能落地運(yùn)用推進(jìn)處于加速的狀態(tài)嗎？
楊強(qiáng)：應(yīng)該說有很多線頭出來了。我們放眼看去，這些版圖上面的小煙筒一個一個都起來了，但是大煙筒還不多。
《知識分子》：大煙筒是指什么？
楊強(qiáng)：大煙筒是“深度的”、人工智能的產(chǎn)業(yè)化的應(yīng)用和生態(tài)，包括用人工智能來驅(qū)動一個行業(yè)，或者是加速一個聯(lián)盟的發(fā)展，AI的產(chǎn)業(yè)化在這方面做得還不夠。而我們看到更多的是一些“打補(bǔ)丁”式的AI應(yīng)用。比方說一個傳統(tǒng)企業(yè)，以前沒有用人工智能來做人機(jī)交互，人臉識別，而現(xiàn)在用了，但這樣的企業(yè)還不算是人工智能企業(yè)。就像一個清朝的學(xué)者，帶上一副眼鏡，也不能稱作現(xiàn)代的知識分子。我們可以把AI的這種用法叫作“局部優(yōu)化“，或Local Optimization，但是，這樣的AI應(yīng)用沒有做到整個行業(yè)的脫胎換骨，即AI驅(qū)動的“核心決策系統(tǒng)”的優(yōu)化。用這種“打補(bǔ)丁”的做法，AI的最大優(yōu)勢也就沒有可能發(fā)揮出來。
一個行業(yè)下AI驅(qū)動的決策系統(tǒng)，在它的優(yōu)化過程中，算法研究的力量可能只占其中一個比較小的百分比，更多的是要看市場對這個系統(tǒng)的態(tài)度，看生態(tài)，同盟的發(fā)展速度，是不是可以來推動整個垂直行業(yè)的躍進(jìn)。這和“操作系統(tǒng)”的發(fā)展一樣的，要建立一個大家都能受益的同盟。而建立這個同盟，不僅僅需要一個個頂尖的科學(xué)家，也需要一些Visionary，需要像成吉思汗一樣的站得很高、有視野的領(lǐng)袖型人才，來找到突破口，發(fā)現(xiàn)生態(tài)成長的機(jī)會，讓雪球滾起來。 在這個方面，我們是相當(dāng)所欠缺的。
工商網(wǎng)監(jiān)
評論