樊瑞

中國(guó)在AI領(lǐng)域正在蓄勢(shì)，逐步成長(zhǎng)為中堅(jiān)力量，但在基礎(chǔ)性、原創(chuàng)性研究、創(chuàng)新土壤、人才儲(chǔ)備層面，中國(guó)相較美國(guó)還存在不小的差距。

作為人工智能國(guó)際頂級(jí)會(huì)議，由美國(guó)人工智能協(xié)會(huì)（American Association for Artificial Intelligence）組織的AAAI大會(huì)在美國(guó)舊金山召開，在2017年的大會(huì)上中國(guó)面孔成為不可忽視的力量。在2571篇投稿論文中，中國(guó)和美國(guó)的投稿數(shù)量分別占到31%和30%，雖然在被接收論文數(shù)量上，中國(guó)還是低于美國(guó)，但數(shù)量已經(jīng)大幅提升。

可見(jiàn)，中國(guó)在AI領(lǐng)域正在蓄勢(shì)，逐步成長(zhǎng)為中堅(jiān)力量。據(jù)《烏鎮(zhèn)指數(shù)：全球人工智能發(fā)展報(bào)告》，在全球人工智能專利數(shù)量方面，中國(guó)以15745個(gè)緊跟在美國(guó)26891個(gè)之后位列第二，日本以14604個(gè)排名第三。值得一提的是，三國(guó)占總體專利的73.85%。

華人勢(shì)力

“不僅僅是學(xué)者，來(lái)參會(huì)的中國(guó)公司也變多了?！睏顝?qiáng)表示，他是AAAI Fellow、AAAI現(xiàn)任執(zhí)委。從去年的活動(dòng)贊助商角度而言，百度、騰訊和亞馬遜、IBM一并成為金牌贊助商，小i機(jī)器人、今日頭條也躋身銀牌贊助商之列。在去年收錄的論文中，百度、騰訊、華為、360、今日頭條、攜程等中國(guó)公司的人工智能團(tuán)隊(duì)也有出現(xiàn)。

“這一輪人工智能并不是一個(gè)新的革命，而是18世紀(jì)工業(yè)革命自動(dòng)化的一個(gè)延續(xù)，技術(shù)一旦掌握到手里，可以迅速擴(kuò)展到做全世界的生意，所以這對(duì)于中國(guó)起到了一個(gè)彎道超車的作用?！睏顝?qiáng)表示。

中國(guó)人數(shù)學(xué)好、刻苦努力無(wú)疑為中國(guó)發(fā)展人工智能提供了良好的基礎(chǔ)，但更大的驅(qū)動(dòng)力在于產(chǎn)業(yè)需求。一方面對(duì)于傳統(tǒng)企業(yè)而言，需要新技術(shù)來(lái)推動(dòng)產(chǎn)業(yè)變革，“中國(guó)的經(jīng)濟(jì)結(jié)構(gòu)還有很多不合理、低效率的地方，通過(guò)人工智能浪潮，就形成了一種新的競(jìng)爭(zhēng)?！睏顝?qiáng)強(qiáng)調(diào)。

對(duì)于互聯(lián)網(wǎng)巨頭或新興獨(dú)角獸公司而言，同樣需要借助人工智能技術(shù)，激發(fā)已經(jīng)存儲(chǔ)的海量數(shù)據(jù)，提升服務(wù)精準(zhǔn)度，創(chuàng)造潛在盈利機(jī)會(huì)。

“全世界只有中美兩國(guó)有如此大量的數(shù)據(jù)、大規(guī)模的計(jì)算和應(yīng)用場(chǎng)景，在應(yīng)用層面中美基本處于同一起跑線。”地平線機(jī)器人技術(shù)創(chuàng)始人兼首席執(zhí)行官余凱稱。余凱曾擔(dān)任百度研究院副院長(zhǎng)、深度學(xué)習(xí)實(shí)驗(yàn)室（IDL）主任，帶領(lǐng)的團(tuán)隊(duì)將深度學(xué)習(xí)技術(shù)成功應(yīng)用于廣告、搜索、圖像、語(yǔ)音等方面，

“最大的優(yōu)勢(shì)是人多，這種優(yōu)勢(shì)體現(xiàn)在三個(gè)層面，人多意味著市場(chǎng)大，有更強(qiáng)的驅(qū)動(dòng)力去把這件事情做好。其次針對(duì)社會(huì)服務(wù)層面，需要很多數(shù)據(jù)。第三，人才基數(shù)比較大，冒出頂尖人才相對(duì)多一些?！钡谒姆妒絼?chuàng)始人、首席執(zhí)行官戴文淵稱，“從數(shù)據(jù)量、投入的人力財(cái)力來(lái)看，中美之間沒(méi)有多少差距，且中國(guó)更有優(yōu)勢(shì)。”

中美差異

但將論文數(shù)量視為中國(guó)人工智能發(fā)展水平有失公允，雖然在靠近商業(yè)價(jià)值應(yīng)用層面中美并駕齊驅(qū)，但在基礎(chǔ)性、原創(chuàng)性研究、創(chuàng)新土壤、人才儲(chǔ)備層面，中國(guó)相較美國(guó)還存在不小的差距。

“國(guó)內(nèi)更多是技術(shù)的落地、產(chǎn)業(yè)化和應(yīng)用，國(guó)外仍然有很多人在公司和研究院做前沿研究，包括尋求方法論上的突破，我們擅長(zhǎng)把事情做得更細(xì)致，相對(duì)而言突破性和奠基性的工作還不夠多。”地平線機(jī)器人技術(shù)聯(lián)合創(chuàng)始人、算法副總裁黃暢表示。在他看來(lái)，做研究無(wú)外乎尋找新的問(wèn)題和研究新的方法，而在這兩方面國(guó)內(nèi)和國(guó)外相比還存在不小的差距。

楊強(qiáng)認(rèn)為，深度學(xué)習(xí)是不斷發(fā)展的，研究領(lǐng)域的領(lǐng)導(dǎo)者應(yīng)該是開拓新的領(lǐng)域，而不是在原有的基礎(chǔ)上深挖?！鞍岩粋€(gè)10層的深度模型拓展到100層甚至1000層，我覺(jué)得這個(gè)確實(shí)是一個(gè)進(jìn)步，中國(guó)人目前是這個(gè)層次，但這些在我看來(lái)并不是一個(gè)原創(chuàng)。”楊強(qiáng)舉例說(shuō)道。

余凱認(rèn)為，有一些中國(guó)學(xué)生很擅長(zhǎng)“刷分”“刷榜”，“別人做到99.5%，我做了99.7%，并不一定有實(shí)質(zhì)性突破，世界也沒(méi)有因?yàn)檫@個(gè)刷分而變得不一樣。原創(chuàng)性的創(chuàng)新需要不一樣的思考，現(xiàn)在講深度學(xué)習(xí)比較多，所有的人都進(jìn)行深度學(xué)習(xí)，而不是思考What is wrong ？How to be different？”

回歸至深度學(xué)習(xí)的歷史發(fā)展脈絡(luò)來(lái)看，正是一個(gè)邊緣化課題走向主流技術(shù)的路徑。早在上世紀(jì)80年代初期，深度學(xué)習(xí)學(xué)派的開山人物Hinton一直堅(jiān)持神經(jīng)網(wǎng)絡(luò)的探索，但受限于當(dāng)時(shí)的電腦速度、數(shù)據(jù)量等問(wèn)題，深度學(xué)習(xí)理論是一項(xiàng)邊緣化的研究，當(dāng)時(shí)AI的主流研究方向與之截然相反，推崇小樣本學(xué)習(xí)，主推SVM學(xué)習(xí)。

正是以深度學(xué)習(xí)學(xué)派的開山人物Hinton為代表的一群人對(duì)深度學(xué)習(xí)的堅(jiān)持，才一步步將邊緣課題變成人工智能核心技術(shù)。

人工智能挑戰(zhàn)

一派繁榮之下，正視人工智能的作用變得更為重要?！跋噍^于告訴人們?nèi)斯ぶ悄苣茏鍪裁?，目前更重要的反倒是告訴人們，人工智能不能做什么?！庇鄤P笑著說(shuō)道。結(jié)合當(dāng)下的發(fā)展情況人工智能仍然面臨諸多挑戰(zhàn)。

首要挑戰(zhàn)就是數(shù)據(jù)不足的問(wèn)題。眾所周知，人工智能建立在海量數(shù)據(jù)基礎(chǔ)之上，通過(guò)大數(shù)據(jù)訓(xùn)練，來(lái)優(yōu)化算法模型，以人臉識(shí)別技術(shù)為例，訓(xùn)練這一算法模型需要至少百萬(wàn)級(jí)別的圖片數(shù)據(jù)。

目前人工智能主要是監(jiān)督式學(xué)習(xí)，有監(jiān)督的訓(xùn)練就需要帶標(biāo)簽的數(shù)據(jù)，因此數(shù)據(jù)的質(zhì)量和精準(zhǔn)度及輸出結(jié)果密切相關(guān)?！叭绾翁蕹龜?shù)據(jù)中的噪音、垃圾信息，獲取優(yōu)質(zhì)且?guī)в袠?biāo)簽的數(shù)據(jù)成為新挑戰(zhàn)，也正是因?yàn)檫@個(gè)原因，半監(jiān)督式甚至無(wú)監(jiān)督式學(xué)習(xí)方法必然成為未來(lái)的研究熱點(diǎn)?！秉S暢說(shuō)道。

另一大挑戰(zhàn)在于深度學(xué)習(xí)的推廣和場(chǎng)景遷移能力不足，每個(gè)領(lǐng)域的數(shù)據(jù)都需要重新收集、標(biāo)準(zhǔn)和再訓(xùn)練，很難進(jìn)行跨領(lǐng)域推廣。這些挑戰(zhàn)也是人工智能工業(yè)界和學(xué)術(shù)界急需突破的問(wèn)題。“在招聘的過(guò)程中，學(xué)習(xí)深度學(xué)習(xí)的人很多，而懂得遷移學(xué)習(xí)、具備思辨能力的人很少?！贝魑臏Y表示。反映到人才培養(yǎng)和教育而言，如何引導(dǎo)并鼓勵(lì)學(xué)生進(jìn)行跨領(lǐng)域、原創(chuàng)性的探索研究尤為重要。

例如去年AAAI最佳論文來(lái)自斯坦福大學(xué)計(jì)算機(jī)科學(xué)系的Russell Stewart、Stefano Drmon，他們所撰寫的論文《用物理和特定領(lǐng)域知識(shí)讓神經(jīng)網(wǎng)絡(luò)進(jìn)行不帶標(biāo)簽的監(jiān)督學(xué)習(xí)》，就是將物理知識(shí)與深度學(xué)習(xí)相結(jié)合，通過(guò)跨領(lǐng)域研究給AI帶來(lái)新的啟發(fā)。