未來十年信息技術將帶來巨大“紅利”

李國杰

我們現(xiàn)在到底處于一個什么樣的時代？社會上都說中國的信息時代已經(jīng)過去了，經(jīng)過物聯(lián)網(wǎng)的時代，現(xiàn)在已經(jīng)進入了大數(shù)據(jù)時代，那么，現(xiàn)在到底是一個什么樣的時代呢？從人類社會發(fā)展的長周期來看，應該說人類有文明以來分為三個時代：農業(yè)時代、工業(yè)時代和信息時代，前面原始人類世界的時期都沒有算。信息時代實際是從二戰(zhàn)以后開始，現(xiàn)在算起來也就半個多個世紀，與工業(yè)時代相比，信息時代可能正處在從蒸汽機時代階段向電器時代階段的轉變期。

大數(shù)據(jù)與人工智能是信息時代的一個新階段。我們過去講信息化、網(wǎng)絡化，現(xiàn)在是智能化，好像之前那些都不重要了。其實我覺得與其強調智能化和數(shù)字化、網(wǎng)絡化的區(qū)隔，不如多強調智能化和信息化的密切聯(lián)系，數(shù)字化和網(wǎng)絡化如果沒有做好，智能化就不好做。

新技術的發(fā)展在于和已知技術的融合

之前，我參考過去國外信息傳播的概念，發(fā)現(xiàn)經(jīng)濟發(fā)展呈現(xiàn)長波的趨勢，一個長波大概是20年，并且有縮短的趨勢。

伴隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的變革，到2008年金融危機，經(jīng)濟發(fā)展應該是到了高峰，并且呈現(xiàn)出往下走的趨勢，所以現(xiàn)在是什么時候呢？現(xiàn)在經(jīng)濟增長速度大概是3%～4%，是經(jīng)濟的衰退期，我們現(xiàn)在講如火如荼，但是總體來講是一個衰退期，是一個低潮。

歷史上經(jīng)濟的衰退期正好是重大的發(fā)明期，再結合2012年的發(fā)展，西方已經(jīng)加快下一波的發(fā)展，大概是這么一個總趨勢。但是不管怎么變，前面還都是屬于信息時代。

從這個時代我們得出一個結論：未來10到15年對經(jīng)濟貢獻最大的可能不是大數(shù)據(jù)和人工智能的新技術，而是信息技術融入各個產(chǎn)業(yè)的新產(chǎn)品、提供個性化產(chǎn)品和服務的新業(yè)態(tài)、產(chǎn)業(yè)鏈跨界融合的新模式。這些創(chuàng)新主要是已知技術的新組合，這些創(chuàng)新大多數(shù)是已知技術新的融合。

與此同時，在經(jīng)濟的衰退復蘇期要特別重視基礎性技術的發(fā)明。未來10到15年應力爭在大數(shù)據(jù)和人工智能領域做出像電子計算機、集成電路、互聯(lián)網(wǎng)一樣的重大發(fā)明?，F(xiàn)在各種各樣的學習都談不上重大的發(fā)明，這些是小的發(fā)明，是它自己冒出來的，我們希望未來有重大發(fā)明出來。

然而，歷史上重大技術發(fā)明都經(jīng)過較長時間的技術改進和擴散之后才能產(chǎn)生巨大經(jīng)濟效益，信息技術也不應例外。從2016年到2025年的10年內，汽車、消費品、電力、物流等行業(yè)的數(shù)字化轉型有望帶來100億美元的社會與企業(yè)價值。大數(shù)據(jù)和人工智能提升傳統(tǒng)產(chǎn)業(yè)的前景十分光明。

人工智能是一個新的學科，涉及腦科學、計算機科學、統(tǒng)計學和社會科學，等等。但是到目前為止腦科學對人工智能的貢獻還很小，現(xiàn)在所謂的機器學習，談不上神經(jīng)科學。不過，統(tǒng)計學對人工智能卻有很大的影響，但是沒有人說把人工智能當成統(tǒng)計學的一個分支。從目前來看，人工智能本質上是計算機的一個分支，從應用來看，人工智能元年是計算機技術的非平凡的一年。

所謂的智能化前提就是計算機化，目前不存在脫離計算機的優(yōu)勢。我們應該強調學科的融合，從老的學科分離出新學科是很常見的，計算機應該積極支持新學科的成長，但是大數(shù)據(jù)和人工智能技術最應該注重融合，錢學森說過“必集大車，才能得智慧”。人工智能的權威專家也說過，人工智能的任務是在研究還沒有解決的計算機問題。從這個意義上來講，所謂智能時代不是后信息時代，大數(shù)據(jù)更不是。

重視大數(shù)據(jù)和人工智能基礎理論建設

有一種看法是人工智能等于A+B+C，A就是算法，B就是大數(shù)據(jù)，C就是算力。我的看法是把大數(shù)據(jù)和AI結合在一起看，大數(shù)據(jù)肯定是A+B+C+D+E，A還是算法，B是基本理論或者基礎設施，C是計算能力，D是領域知識，E是生態(tài)環(huán)境。

大數(shù)據(jù)和人工智能要特別重視大眾的剛性需求。今后的幾十年，信息技術發(fā)展方向是為大眾服務，為多數(shù)人服務。我們經(jīng)常講我們小時候處于水深火熱當中，現(xiàn)在人工智能和大數(shù)據(jù)需要關心大眾剛性的需求，包括健康、出行、安全這些都是剛性需求。我們要多做一些真正的解決問題的探索，這樣才有一定作用。

另外，要滿足大數(shù)據(jù)的剛性需求一定要有基礎設施，工業(yè)時代就是鐵路、公路、機場，智能化階段的基礎設施是：大數(shù)據(jù)中心、機器學習訓練平臺等。大數(shù)據(jù)的存儲、管理和分析成為新的基礎設施，所以大數(shù)據(jù)也催生了Scolable AI也成為基礎設施。

我們中國人是很重視“名”的，信息領域不斷地創(chuàng)造新名詞，但是一般新的名詞或者一個新的學科一旦上升為國家意志以后，原來的技術學科就被邊緣化了。

在2016年國家自然科學基金計算機學科的4863項申請項目中，計算機科學的基礎理論只有16項，計算機體系結構22項，程序設計語言及支撐環(huán)境13項，高速數(shù)據(jù)傳輸技術2項。但是，計算機圖像與視頻處理有439項，模式識別理論及應用357項，人工智能應用258項。所以構建大數(shù)據(jù)和AI基礎設施離不開“系統(tǒng)結構”和“基礎軟件”。

國務院已經(jīng)公布了《新一代人工智能發(fā)展規(guī)劃》，規(guī)劃里面分析更多的是應用為主的開發(fā)，涉及到人工智能基本理論的比較少。然而，在未來更應該高度重視這些基礎數(shù)據(jù)，數(shù)據(jù)和科學。什么叫數(shù)據(jù)科學？數(shù)據(jù)科學是用數(shù)據(jù)的辦法來研究科學和用科學的辦法來研究數(shù)據(jù)，這個叫做數(shù)據(jù)科學。前面像什么經(jīng)濟學、天文學，后面講的就是統(tǒng)計學習。這種事情要搞起來一定要數(shù)學家、計算機科學家和各個領域的深度合作。

深度學習為什么這么有效？沒有人解釋為什么，最近以色列希伯來大學有一個學者提出一個理論叫“信息瓶頸”，他發(fā)現(xiàn)深度學習與“物理重整化是完全相同的過程，提出“學習最重要的部分是忘記”。我們應重視這一類的基礎研究。

未來5年內，需要新增巨大數(shù)量的AI研發(fā)工程師，現(xiàn)在需要碩士博士研發(fā)的AI技術，10年后將會成為高中生的課外作業(yè)。

人類大數(shù)據(jù)學習體現(xiàn)在基因“進化”

現(xiàn)在，很多人習慣將人與機器學習去對比，其實這個是錯誤的。人出生時的大腦已經(jīng)是經(jīng)過大數(shù)據(jù)學習完的，是幾百萬年進化過來的，幾百萬年經(jīng)過非常多的大數(shù)據(jù)形成，所以體現(xiàn)在大腦的結構上面。

出生以后人類個體的發(fā)育已經(jīng)不是大數(shù)據(jù)了，他形成一些小數(shù)據(jù)來修改大腦，出生的時候大腦連接非常多，以后不是增加連接，是越學越少，慢慢做減法的過程，所以它不是人腦學習的過程。

人類大數(shù)據(jù)學習體現(xiàn)在基因“進化”上，當代人的學習過程對計算機的大數(shù)據(jù)學習并沒有多大啟發(fā)。要從動物和人類的進化中獲取大數(shù)據(jù)學習的“經(jīng)驗”。人腦是進化出來的，不是科學出來的，要理解大腦必須理解進化。

同時，領域知識絕不可忽視，基于大數(shù)據(jù)的研究第四范式成為熱門以后，“數(shù)據(jù)就是力量”大有取代“知識就是力量”之勢。但許多教訓提醒我們：領域知識決不可忽視。

離散的數(shù)據(jù)背后可能是一個連續(xù)的模型，這個連續(xù)的模型需要深入掌握領域知識才能獲得。進化計算實質上是自適應的機器學習方法，它的核心思想是利用進化歷史中獲得的信息和知識指導搜索或計算，這些知識需要從領域專家獲得。endprint