溫曉君

人工智能或?qū)⒏淖冋麄€信息產(chǎn)業(yè)的“游戲”規(guī)則，是中國信息產(chǎn)業(yè)實現(xiàn)從跟跑到并跑甚至領(lǐng)跑轉(zhuǎn)折的關(guān)鍵

對人工智能發(fā)展現(xiàn)狀及趨勢的判斷

1.專用人工智能在特定約束條件下已具備超越人腦某個方面的能力，但通用意義上人工智能的實現(xiàn)依然是一個漫長而復(fù)雜的過程。人工智能融合了信息科學、控制理論、神經(jīng)醫(yī)學、心理學等多個領(lǐng)域，其最終目標是用機器去實現(xiàn)需要由人類智慧才能完成的任務(wù)。人工智能的發(fā)展需要多學科交叉融合形成體系化支撐，單點理論、單項技術(shù)的突破并不足以構(gòu)成真正意義上的“智能”。歷史上人工智能的發(fā)展歷經(jīng)多次起伏，一方面受限于特定歷史階段某項關(guān)鍵技術(shù)指標和能力的短板，如計算機處理性能、神經(jīng)網(wǎng)絡(luò)算法成熟度、數(shù)據(jù)樣本豐富程度等，另一方面也由于人們對“智能”的理解不斷深化和拓展，擁有了更高的期望目標。

近年來，隨著計算機、智能終端、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)的飛速發(fā)展，制約人工智能發(fā)展的外部技術(shù)瓶頸得以突破，專用人工智能發(fā)展步入快車道，在語音語義圖像識別、智能控制、專家系統(tǒng)等細分領(lǐng)域形成了一系列應(yīng)用成果。谷歌AlphaGo采用更為優(yōu)化的深度學習神經(jīng)網(wǎng)絡(luò)，在規(guī)則已知和邏輯可控的棋類競技中實現(xiàn)了對人類的超越；IBM的沃森機器人能夠在幾秒之內(nèi)篩選數(shù)十年癌癥治療史中的100多萬份患者病例記錄，為醫(yī)生提供可供選擇的循證治療方案。但無論是AlphaGo還是沃森都需要由人類預(yù)先進行知識分類和設(shè)計干預(yù)，并且“智能”水平的高低很大程度上取決于先驗樣本學習的數(shù)量和準確性，遠未達到能夠替代人類智能的通用人工智能水平。有資料表明當前通用人工智能的綜合能力僅與蠕蟲的智能相當。

因此，當前以及未來相當長一段時期人工智能產(chǎn)業(yè)化發(fā)展的重點在于專用型人工智能，特別是在某些需要對人類大腦某項能力進行延伸和對人類判斷決策進行輔助的場景，如智能交通、無人駕駛、航空、金融等細分行業(yè)領(lǐng)域。

2.人工智能產(chǎn)業(yè)鏈重心開始向底層硬件遷移。人工智能發(fā)展是計算機硬件、軟件技術(shù)交替前行、牽引演進的產(chǎn)物，其技術(shù)要素主要包括四個方面。一是智能的感知、傳感系統(tǒng)，包括各類用于信息數(shù)據(jù)采集和環(huán)境感知的傳感器件和設(shè)備；二是智能的指揮中樞，主要指用于代替人腦的處理器芯片；三是智能的信息處理算法，包括一切用于輔助人腦或模擬人腦進行認知學習、思維分析的軟件算法；四是海量的學習數(shù)據(jù)，為人工智能機器學習提供充足的先驗樣本。

互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的蓬勃發(fā)展積累了海量的學習樣本，深度學習算法的提出從軟件層面模仿了人類大腦對底層信號的分級處理和特征提取，使得學習目標更精準、更有效，一批應(yīng)用于語音和圖像識別、機器翻譯、機器搜索等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)軟件產(chǎn)品紛紛涌現(xiàn)。但是現(xiàn)有的神經(jīng)網(wǎng)絡(luò)分布式算法幾乎全部建立在傳統(tǒng)的集中式計算硬件架構(gòu)基礎(chǔ)上，在計算效率、能耗開銷等方面存在嚴重的軟硬件不匹配，無法從根本上發(fā)揮人工智能技術(shù)的優(yōu)勢，迫切需要從底層硬件層面加以解決。

以IBM、高通為代表的芯片巨頭企業(yè)陸續(xù)推出了硬件層面模擬的“類人腦芯片”或人造“神經(jīng)元”，IBM主導(dǎo)的SyNAPSE項目預(yù)計將推出采用其人腦芯片的計算機原型。除芯片之外，近年來面向物聯(lián)網(wǎng)應(yīng)用的生物、運動、醫(yī)學、健康、環(huán)境類智能傳感器，以及面向智能制造、工業(yè)互聯(lián)網(wǎng)應(yīng)用的微機電器件等發(fā)展迅速，人工智能發(fā)展重心呈現(xiàn)向硬件底層快速滲透的趨勢。

3.“智能產(chǎn)業(yè)”的出現(xiàn)加速人工智能的行業(yè)應(yīng)用。伴隨信息技術(shù)的溢出效應(yīng)，傳統(tǒng)產(chǎn)業(yè)產(chǎn)品及服務(wù)近年來呈現(xiàn)出顯著的智能化特征，催生出智能制造、智能交通、智能物流、智能家居、智能家庭服務(wù)機器人、智慧健康養(yǎng)老等一批新業(yè)態(tài)新模式?！爸悄墚a(chǎn)業(yè)”的出現(xiàn)，為人工智能的發(fā)展提供了廣闊的行業(yè)應(yīng)用空間，極大促進了人工智能產(chǎn)業(yè)化進程。

中國發(fā)展人工智能面臨的機遇和挑戰(zhàn)

近年來，美歐等國家通過巨額研究經(jīng)費支持和骨干企業(yè)密集融資、收購等方式，在人工智能領(lǐng)域不斷加大投入，開展專利布局，以技術(shù)和應(yīng)用為紐帶構(gòu)筑產(chǎn)業(yè)生態(tài)。中國在人工智能基礎(chǔ)研究領(lǐng)域并不落后，人工視覺、語音語義識別等細分行業(yè)應(yīng)用甚至處于國際領(lǐng)先水平，涌現(xiàn)出一批具備國際競爭實力的企業(yè)和研究機構(gòu)，已具備發(fā)展人工智能的良好基礎(chǔ)。作為新興領(lǐng)域，國內(nèi)外人工智能產(chǎn)業(yè)化目前發(fā)展基本同步，國外企業(yè)加快發(fā)展的同時，國內(nèi)企業(yè)也在積極布局跟進，這給國內(nèi)企業(yè)提供了同步參與國際創(chuàng)新、同臺競爭的機遇。但從全局來看，國內(nèi)企業(yè)多定位在人工智能低端應(yīng)用，產(chǎn)業(yè)仍面臨產(chǎn)學研用脫節(jié)和人才隊伍儲備不足等諸多難題。

1.產(chǎn)業(yè)鏈上下游協(xié)同機制尚未健全。中國人工智能產(chǎn)業(yè)目前仍以單打獨斗為主，各企業(yè)在相關(guān)領(lǐng)域進行了一定的研究，但缺乏技術(shù)間的協(xié)同，產(chǎn)品間的互聯(lián)互通和上下游的互動缺乏有效協(xié)調(diào)。尤其是公共基礎(chǔ)服務(wù)平臺的匱乏限制了人工智能產(chǎn)業(yè)鏈上下游交流合作，無法形成發(fā)展合力。

2.公共基礎(chǔ)服務(wù)能力亟待提升。為推動人工智能產(chǎn)業(yè)發(fā)展，歐美日等主要經(jīng)濟體均提出了實施“腦計劃”工程，提升人工智能公共基礎(chǔ)服務(wù)能力。中國人工智能產(chǎn)業(yè)仍處于初步發(fā)展階段，基礎(chǔ)公共服務(wù)能力不強：一是面向全行業(yè)的深度學習、類腦智能等人工智能平臺仍不完善，各領(lǐng)域相關(guān)企業(yè)在重復(fù)建設(shè)小型人工智能平臺，智能分析技術(shù)參差不齊，不利于技術(shù)的集中和資源的集聚；二是行業(yè)重要公共資源庫仍處于空白，支撐深度學習的文獻、語音、圖像、視頻、地圖及行業(yè)應(yīng)用數(shù)據(jù)等人工智能海量訓練資源庫和標準測試數(shù)據(jù)較為分散，難以集中應(yīng)用；三是人工智能綜合標準化體系仍需研究，支撐行業(yè)發(fā)展的基礎(chǔ)性、技術(shù)性、安全性標準仍需進一步加強研究，以為行業(yè)健康發(fā)展和應(yīng)用普及奠定基礎(chǔ)。

3.重點領(lǐng)域關(guān)鍵技術(shù)仍需突破。在人工智能前端平臺方面，支撐深度學習的大規(guī)模計算機集群技術(shù)仍需要進一步完善，提升計算機集群的軟硬件協(xié)調(diào)效率和性能，為海量數(shù)據(jù)計算提供支撐。同時，在深度學習算法方面，要進一步完善算法框架模型和算法程序，提升智能化分析水平和決策水平，優(yōu)化人工智能應(yīng)用服務(wù)。在關(guān)鍵智能硬件設(shè)備方面，要進一步突破關(guān)鍵傳感器、高性能中央處理器、輕量級操作系統(tǒng)、應(yīng)用程序軟件、快速組網(wǎng)等關(guān)鍵技術(shù)，促進智能硬件產(chǎn)品的創(chuàng)新發(fā)展。亟需協(xié)調(diào)行業(yè)內(nèi)骨干企業(yè)加大聯(lián)合技術(shù)攻關(guān)力度，解決行業(yè)共性問題和需求，突破產(chǎn)業(yè)鏈發(fā)展瓶頸，為行業(yè)發(fā)展提供強有力支撐。

4.知識產(chǎn)權(quán)共建共享機制匱乏。人工智能是專利密集型行業(yè)，據(jù)統(tǒng)計，人工智能技術(shù)領(lǐng)域的相關(guān)專利申請數(shù)量已超過2.4萬件。從區(qū)域看，美國以9786件專利申請位居全球第一，且專利申請大多跟算法有關(guān)，其中主要人工智能專利持有企業(yè)為IBM（2399件）、谷歌（2171件）、微軟（1544件）。中國在人工智能領(lǐng)域共提交專利申請約6900件，相關(guān)專利申請側(cè)重于商業(yè)場景應(yīng)用等，國內(nèi)的主要研發(fā)企業(yè)為百度（446件）、阿里巴巴（383件）、騰訊（201件）等。同發(fā)達國家相比，中國相關(guān)企業(yè)的專利競爭力仍顯不足，應(yīng)大力加強專利領(lǐng)域合作，提升國內(nèi)人工智能知識產(chǎn)權(quán)布局。

5.基礎(chǔ)軟硬件短板依然存在。目前，美國在人工智能研究方面具有領(lǐng)先優(yōu)勢，在類腦研究及算法研究等基礎(chǔ)領(lǐng)域起步早、投入大，在集成電路和軟件領(lǐng)域保持領(lǐng)先水平。目前，中國集成電路芯片的設(shè)計及制造水平均與國際領(lǐng)先技術(shù)存在一定的差距，軟件技術(shù)也尚未達到國際領(lǐng)先水平。在人工智能技術(shù)競爭的時代，亟需解決這類基礎(chǔ)技術(shù)的短板，為人工智能技術(shù)從實驗室走向消費市場，從前沿技術(shù)研究走向不同領(lǐng)域的應(yīng)用提供切實的基礎(chǔ)技術(shù)支撐。

中國人工智能產(chǎn)業(yè)發(fā)展的措施建議

1.加強人工智能核心技術(shù)研發(fā)和產(chǎn)業(yè)化。制定人工智能產(chǎn)業(yè)技術(shù)發(fā)展路線圖，在客觀分析、科學研判的基礎(chǔ)上，找準產(chǎn)業(yè)未來發(fā)展的薄弱點和趕超點。加大資金投入力度，重點突破自然語音語義識別、機器學習、智能搜索等關(guān)鍵技術(shù)，完善核心芯片、顯示器件、智能傳感器、開發(fā)工具與集成環(huán)境等產(chǎn)業(yè)鏈配套。有序推進類人腦計算機、深度學習等前沿理論研究和技術(shù)創(chuàng)新，強化人工智能產(chǎn)品原始定義能力，扭轉(zhuǎn)技術(shù)路徑跟隨以及產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)受制于人的被動局面，形成自主可控的產(chǎn)業(yè)體系。

2.有效推進人工智能行業(yè)應(yīng)用示范。加快人工智能技術(shù)在家居、汽車、無人系統(tǒng)、安防等領(lǐng)域的推廣應(yīng)用，提升生產(chǎn)生活的智能化服務(wù)水平。支持在制造、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網(wǎng)絡(luò)安全、社會治理等重要領(lǐng)域開展人工智能應(yīng)用試點示范，提升人工智能的集群式創(chuàng)新創(chuàng)業(yè)能力。在未來3-5年內(nèi)，逐步推廣人工智能應(yīng)用領(lǐng)域，進一步推動人工智能在生活、公共安全、工業(yè)設(shè)計、醫(yī)學、規(guī)劃、交通和文化教育行業(yè)等領(lǐng)域中的規(guī)模化應(yīng)用。

3.加快制定關(guān)鍵技術(shù)標準規(guī)范。開展人工智能綜合標準化體系研究，推動建立人工智能融合標準體系。建立并完善基礎(chǔ)共性、互聯(lián)互通、行業(yè)應(yīng)用、安全服務(wù)、隱私保護等技術(shù)標準，研究建立人工智能系統(tǒng)的智能化水平評估標準。加強智能家居、智能汽車、智能機器人、智能可穿戴設(shè)備等熱點細分領(lǐng)域的網(wǎng)絡(luò)、軟硬件、數(shù)據(jù)、系統(tǒng)等標準化工作，鼓勵人工智能領(lǐng)域的國內(nèi)標準化組織、行業(yè)組織、企業(yè)參與國際標準化工作，推進自主人工智能相關(guān)標準國際化。

4.打造高水平公共服務(wù)平臺。建立集技術(shù)研發(fā)、示范應(yīng)用、產(chǎn)品檢測認證、知識產(chǎn)權(quán)等功能為一體的產(chǎn)業(yè)公共服務(wù)平臺。打造人工智能創(chuàng)新孵化中心，促進產(chǎn)融對接，扶持創(chuàng)新創(chuàng)業(yè)企業(yè)。

（作者為中國電子信息產(chǎn)業(yè)發(fā)展研究院電子信息產(chǎn)業(yè)研究所副所長）