◎高文 院士

人類智能就是我們大家都具有的這樣一個智能。人類智能是從哪里來的？首先是從我們生活和社會實踐當(dāng)中來，其次是我們通過語言、文字、印刷傳承下來的智能。所以不要忘了，語言、文字和印刷在人類智能的發(fā)展脈絡(luò)當(dāng)中是非常關(guān)鍵的一個技術(shù)。根據(jù)現(xiàn)在考古的發(fā)現(xiàn)，我們?nèi)祟愔悄苓M化到今天，經(jīng)歷了大約300 萬年，而人工智能其實發(fā)展的歷史并不長，只有63年?，F(xiàn)在一講人工智能，有的人喜歡得不得了，有的人害怕得不得了，為什么會這樣呢？是因為大家使用的關(guān)于人工智能的概念不盡相同。那么首先到底什么是人工智能？

一、高開低走、起起落落，人工智能曲折的前半生

人工智能也可以叫人造智能，是由人制造出來，當(dāng)然，它是模仿人的一個智能。它肯定要通過一個載體表現(xiàn)出來，這個載體可以是機器人，也可以是一臺計算機。人工智能有兩個很重要的概念，大家不能混淆。一個概念叫做通用人工智能，或叫強人工智能，就是人工智能的系統(tǒng)，如果它的功能、能力和人是一樣的，甚至超過人了，那就叫強人工智能系統(tǒng)。第二個概念叫專用人工智能，或叫弱人工智能，如果這個智能系統(tǒng)只能干一件事，盡管可能比人厲害，沒關(guān)系，那它也是弱人工智能。比如說我們現(xiàn)在去乘高鐵，以前還要檢票，現(xiàn)在身份證往那兒一放，刷個臉你就進去了，這就是一個刷臉人工智能系統(tǒng)。語音識別也是同樣的道理，不管它做得有多好，比別人強多少，如果它只是這一項功能的話，這就是一個弱人工智能系統(tǒng)。

（一）出身“名門”

1956年被稱作人工智能元年，我們說那是它出生之年。因為在1956年，有十位年輕的學(xué)者在美國的達特茅斯市搞了一個暑期研究所。在那個研究所經(jīng)過兩個月的討論，就人工智能應(yīng)該干什么、怎么干，進行了一番討論，最后寫了一個報告，大家公認是對人工智能比較完整的一個描述。

這十個人中當(dāng)時七個坐在草坪上照了張相，最前面這五個人是非常厲害的“大?！?。左邊的四個都是圖靈獎的得主，大家知道圖靈獎是計算機界的諾貝爾獎；第四位是諾貝爾獎獲得者，所以第四位是比較厲害的，他一個人既得了圖靈獎、又得了諾貝爾獎；第五位他不用得任何獎，他叫山農(nóng)，有的翻譯成香農(nóng)，他是信息論的創(chuàng)始人，是我們整個信息領(lǐng)域的一個鼻祖。這十個年輕人在兩個月期間討論了七個問題，包括自動計算機、編程語言、神經(jīng)網(wǎng)絡(luò)、計算規(guī)模理論，也就是說，做人工智能系統(tǒng)什么樣的計算機能做，然后是自我改進，這就是今天所說的機器學(xué)習(xí)。然后還有抽象，我們現(xiàn)在所有的大數(shù)據(jù)，你把數(shù)據(jù)直接喂進去，它是不能處理的，你要把這個數(shù)據(jù)提煉出來，這就是抽象。然后是隨機性和創(chuàng)造性，創(chuàng)造性的思維其實現(xiàn)在的機器還是做不了。他們當(dāng)時就把人工智能領(lǐng)域需要研究的問題列了一下，所以這一年被稱為是人工智能的元年。

從1956年到1976年這二十年，是人工智能發(fā)展的第一個階段，主要工作是在模擬大腦是怎么工作的。它這個模擬不是說信號級的模擬，而是在更高層面的、在邏輯推理這個層面上去模擬大腦。那么用什么辦法來模擬呢？用邏輯推理的手段來模擬?，F(xiàn)在回過頭來看，在人工智能的第一階段，留下來比較珍貴的一個成果，就是數(shù)學(xué)定理證明。也就是說，用計算機自動進行數(shù)學(xué)定理的證明，一個是代數(shù)定理證明，一個是幾何定理證明，都是由兩位華人完成的。一位華人叫王浩，他實際上是和楊振寧先生同時代的人，他主要做的是代數(shù)的機器定理證明；還有一位非常有名的學(xué)者叫做吳文俊，他的幾何定理證明是世界上做得最好的。但是后來發(fā)現(xiàn)，僅僅通過模擬人的大腦來實現(xiàn)人工智能這條路太難走，除了機器定理證明做得還不錯以外，當(dāng)時第一階段設(shè)定的其它一些目標(biāo)都沒有完成，比方說希望能夠戰(zhàn)勝國際象棋的國際冠軍、機器能夠譜曲等等。實際上只有數(shù)學(xué)定理證明的這件事完成了，其它都沒有完成。后來整個人工智能從高潮跌到低谷以后，學(xué)者們就在反思，是不是人工智能走歪路了？技術(shù)方法雖然沒問題，但是不是要做點實事兒？

（二）初露鋒芒

學(xué)者們反思完了以后，他們就說大概需要做一點對社會有影響力的系統(tǒng)出來，這樣大家就會開始認可人工智能了。那什么系統(tǒng)行呢？比如說我們能不能做一些醫(yī)療診斷專家系統(tǒng)，可以代替醫(yī)生診斷疾病。有了這樣一些方向以后，根據(jù)剛才的邏輯推理，用這種方法去做專家系統(tǒng)。比如說心理咨詢專家系統(tǒng)，一個人有了抑郁癥或者處于抑郁癥前期，他有心理負擔(dān)的時候，并不愿意去找醫(yī)生或者朋友說，但如果是計算機，他就可以說了，所以用計算機做一個這樣的系統(tǒng)進行心理咨詢，可能會有用。

又比如說像故障診斷，最好把那些有限的專家的知識抽取出來做成一個系統(tǒng)，然后放到計算機里。這個計算機可以到現(xiàn)場，直接代替專家去做一些故障診斷，這是一條技術(shù)路線；另外一條技術(shù)路線，就是模擬神經(jīng)系統(tǒng)來做專家系統(tǒng)。第二條技術(shù)路線在哪些領(lǐng)域是比較有效呢？比如說字符識別、文字識別。以前寄一張明信片，寄一封信，前面都要寫郵政編碼，那個郵政編碼最開始是用人去分揀的，需要耗費很多人力。后來就想能不能用機器自動識別、自動分揀，后來發(fā)現(xiàn)用神經(jīng)網(wǎng)絡(luò)做這個效果不錯，包括今天我們的語音識別，這些東西基本上都是走神經(jīng)網(wǎng)絡(luò)這條技術(shù)路線的。所以這兩條技術(shù)路線就導(dǎo)致在第二次人工智能發(fā)展專家系統(tǒng)的這三十年，其實真是百花齊放。

但是到了2006年，人工智能又在慢慢跌落，因為當(dāng)時專家系統(tǒng)雖然做了很多，好用的卻不太多，大部分都是演示還不錯，真的上線去用的時候效果不那么好。因為很多基于邏輯推理的專家系統(tǒng)，實際上還是把人的知識做成規(guī)則放進計算機，因為是通過一問一答的方式把東西提煉出來，但可能會忘一些東西。實際上，它會遇到這個情況，人剛好把這個東西忘了，我們把它叫作“掛一漏萬”，這個系統(tǒng)就有點問題了，就是我們經(jīng)常說的“不堪大用”。專家系統(tǒng)又開始熱度降低，一直到2006年發(fā)生了一件大事。那一年一下爆出了至少三篇重量級的文章，一下子轟動了做人工智能的這個圈子。

三位學(xué)者發(fā)表了三篇重量級文章

神經(jīng)元結(jié)構(gòu)

（三）突飛猛進

這三篇重量級的文章是誰寫的呢？就是圖上這三個人。第一個人叫辛頓，多倫多大學(xué)的教授，最能坐“冷板凳”的，研究神經(jīng)元網(wǎng)絡(luò)研究了一輩子，從最開始到成名就做這一件事；第二個人叫楊立昆，他不是中國人，他是美國人，是紐約大學(xué)的教授；第三位叫本杰奧，他是蒙特利爾大學(xué)的教授。這三個人在2006年幾乎同時發(fā)了三篇重量級的文章，從不同的角度闌述了深度神經(jīng)網(wǎng)絡(luò)是可以起大作用的，是可以進行大規(guī)模學(xué)習(xí)訓(xùn)練的，只要輸入的數(shù)據(jù)好，它就可以解決問題。換句話來說，我們今天人工智能的原型系統(tǒng)，很多人說就是神經(jīng)系統(tǒng)。

那什么是神經(jīng)系統(tǒng)？有一些我們叫做神經(jīng)元，就是圖片中那個紅的、最中間那個核叫神經(jīng)元。那邊上綠的連進去的那些呢，我們把很多這種輸入叫突觸。然后它也有輸出，那么我們現(xiàn)在要做的就是輸入、輸出和中間這個神經(jīng)元，是不是有辦法用數(shù)學(xué)把它模擬出來，或者說用數(shù)學(xué)把它描述出來，這個數(shù)學(xué)模型是有辦法構(gòu)建的。有了這個數(shù)學(xué)模型，這是一個神經(jīng)元，神經(jīng)元可以是一層的，也可以是N 層的。所以有了數(shù)學(xué)模型以后，你就可以構(gòu)造出這樣的一個系統(tǒng)來，這樣一個網(wǎng)絡(luò)來。有了這個網(wǎng)絡(luò)，你就可以通過演算，模擬仿真這樣一個系統(tǒng)了。所以實際上，現(xiàn)在我們所說的這個深度神經(jīng)網(wǎng)絡(luò)，或者今天的人工智能系統(tǒng)，它的原型就是這個原型。

剛才我說的2006年那三位很有名的人發(fā)表了論文以后，大家先是高興了一下，但是后面怎么樣，那要看這個東西能解決什么問題，摸索了幾年小有收獲，但是并沒有說，哇！這東西這么厲害。一直到2010年以后這件事才發(fā)生，和兩個中國人有關(guān)系。一位是斯坦福大學(xué)的華裔女教授，叫李飛飛，另外一位是普林斯頓大學(xué)的華人教授，叫李凱。他們兩個在2009年就是想弄一個規(guī)模特別大的圖像數(shù)據(jù)庫，而且標(biāo)注出來，然后就拿這個數(shù)據(jù)庫比賽。當(dāng)時很多大學(xué)、公司都派代表隊去比賽，那時候比賽比誰做的系統(tǒng)錯誤率比較低。2010年的時候，成績最好的隊是28%的錯誤率，下一年是26%的錯誤率。2012年的時候有了一個突破，錯誤率從26%一下子降到16%，性能一下子就提高了十個百分點。所有的人都很吃驚，說你到底用了什么招，你怎么能進展得這么快。這個參賽的領(lǐng)隊是一個學(xué)生，說我也沒用什么特殊的招，我就用了我老師給我的那個東西做了個網(wǎng)，然后就用這個網(wǎng)來參加比賽，沒有什么，那東西我老師都發(fā)表過。那么他老師是誰呀？就是剛才說的那個辛頓，辛頓的學(xué)生拿著辛頓的這個東西來參加比賽，2012年第一次就打敗了所有的對手，這是一個很了不得的大進展。

到了2013年的時候，就是深度網(wǎng)絡(luò)一統(tǒng)天下的時候了，全是這個技術(shù)，沒有別的，剩下就是使用多深的網(wǎng)，有多少個節(jié)點，參數(shù)怎么設(shè)定，這就變成了一些技巧性的東西，而不是方法上的革命了。所以這就是為什么說神經(jīng)元網(wǎng)絡(luò)突然一夜一統(tǒng)天下，開的都是神經(jīng)元網(wǎng)絡(luò)的花了。

到2015年有一個革命性的突破，它的錯誤率變成了3.6%，3.6%是什么概念？人的平均錯誤率是5%，這個系統(tǒng)的錯誤率3.6%，超過人了。在圖像分類這件事上，神經(jīng)元網(wǎng)絡(luò)已經(jīng)超過了人，那這事是誰做的呢？是一位中國人做的。我們中國有一位學(xué)者叫做孫劍，孫劍他當(dāng)時帶了一個團隊，提出了一個網(wǎng)絡(luò)，叫做殘差網(wǎng)絡(luò)。他拿這個殘差網(wǎng)絡(luò)去比賽，一舉拿了個第一名。而且這個殘差網(wǎng)絡(luò)，不僅是在圖像分類比賽里面拿了第一名，圍棋比賽里面它仍然是最厲害的。大家都知道AlphaGo，它和李世石下的那五盤棋，它輸了一盤，回去以后課題組就推演一下，復(fù)了一下盤，想弄清楚輸?shù)脑?，結(jié)果發(fā)現(xiàn)是李世石走了一步棋譜上沒有的棋。也就是說，每次AlphaGo 和人下棋，如果人每次都走棋譜上沒有的棋，那人就有很大的勝算。

那到底有多少棋是當(dāng)時棋譜上沒有的呢？后來他們一算，當(dāng)時訓(xùn)練AlphaGo 這個機器的棋譜占所有可能棋譜的20%。也就是說，當(dāng)時的AlphaGo如果和人下棋，如果這個棋手他腦子真的夠用，能記住哪步棋是棋譜里沒有的話，那么他就有80%的概率獲勝，這是很大的一個概率。

所以回去以后他們就說這不行，這個太容易被人擊破了，怎么辦呢？他們要重新設(shè)計AlphaGo 的網(wǎng)絡(luò)，然后他們就把原來的網(wǎng)絡(luò)重新設(shè)計、提升，就是使用孫劍他們提出的殘差網(wǎng)絡(luò)。AlphaGo 經(jīng)過重新設(shè)計，從AlphaGo變成了Alphazero 以后，那一個系統(tǒng)和人類棋手下棋就從來沒輸過，因為它把所有的棋譜上沒有的棋全都生成出來，然后用一個完整的數(shù)據(jù)訓(xùn)練了系統(tǒng)。

在下圍棋這件事上，應(yīng)該說深度網(wǎng)絡(luò)已經(jīng)把這個問題解決掉了?；谶@樣的一個情況，我們對人工智能的判斷，基本上可以這樣講，在深度網(wǎng)絡(luò)適合的那一些弱人工智能領(lǐng)域，人工智能可以廣泛進行應(yīng)用、研究，做產(chǎn)品、做產(chǎn)業(yè)化。

二、促進與約束，人工智能如何繼續(xù)健康成長？

（一）從感知到認知，智能更上一層樓

人工智能在智能水平上，它的感知智能日益成熟。我們可以把智能分成感知智能、認知智能和決策智能，所謂的感知智能就是和我們感官直接相連的這些智能，比如說眼睛看的、耳朵聽的、手摸的等等，這些方面其實弱人工智都可以做得非常好。現(xiàn)在不管你是刷臉，還是語音識別，甚至機器翻譯，識別一個病例，識別一個產(chǎn)品有沒有殘次等等，這些方面都發(fā)展得非常好，人工智能正在慢慢地從一般的感知智能向認知智能進行升級。

（二）類腦計算和量子計算，兩條突破之路

如果做更大規(guī)模的或者和認知有關(guān)的人工智能產(chǎn)品，或者我們想做強人工智能，靠現(xiàn)有的計算機是做不到的，那怎么辦呢？就要尋找出路，可能的出路有兩個：在技術(shù)路線上面，一個出路叫做類腦智能。人其實還是很厲害的，我們一天消耗的能量，相當(dāng)于一個20瓦燈泡的能量，但是我們要干的事，可是比一個巨型計算機還要厲害。人對信息處理的能效比非常之高，但現(xiàn)在的計算機不行，能效比太低了。我們就希望能找一個能效比更高一點的機器來做這件事，類腦計算能效比可能較高一些。另一個可能的技術(shù)途徑就是量子計算。量子計算的能效比也極高，所以把量子計算做成比較穩(wěn)定的一個系統(tǒng)也是有可能的。當(dāng)然不管是類腦計算還是量子計算，現(xiàn)在還有很大的不確定性，到底什么時候能夠做出來，像今天的計算機這么穩(wěn)定、可靠、低價，這個還是需要去做很多研究的積累。

（三）人與機器，混合智能具備獨特優(yōu)勢

在智能形態(tài)方面，越來越多的是人和計算機混合在一起的，我們叫人機混合智能。比如說，你想做一個純粹把人100%甩在環(huán)外的無人駕駛系統(tǒng)，其實是非常難的，但如果人介入一下，很多問題解決起來就簡單很多了。機器能做的事交給機器去做，如果機器做得不那么好的事，人就可以介入一下。這樣的人機混合智能，可能是現(xiàn)階段發(fā)展人工智能一個比較重要的技術(shù)途徑。

（四）應(yīng)用先行，有助于技術(shù)發(fā)展

以前做研究，大部分是先把技術(shù)都做好，然后去轉(zhuǎn)化技術(shù)，去做應(yīng)用，而現(xiàn)在是靠應(yīng)用去拉動技術(shù)發(fā)展，這條路也是人工智能非常重要的一個發(fā)展形態(tài)。深度神經(jīng)網(wǎng)絡(luò)出來的時候，在哪兒好用，不知道，最后幸虧辛頓的學(xué)生拿這個東西去參加圖像網(wǎng)絡(luò)的比賽。如果不是參加那個比賽，可能這個深度神經(jīng)網(wǎng)絡(luò)的熱潮，說不定還會再拖一些年才到來，所以說，就是你要找一個很好的應(yīng)用場景把它用起來。

（五）未雨綢繆，防止技術(shù)失控

人工智能它不像別的技術(shù)，它有社會屬性，這也是為什么前一段時間有很多爭論說，我們以后會不會被機器、人工智能奴役、擺布？我們會不會這樣？這個社會屬性，恰恰是我們做人工智能的時候要非常認真對待的一個問題，如果你不認真對待，可能就會吃大苦頭?，F(xiàn)在其實已經(jīng)有幾個例子：波音737 MAX 8，波音公司對人工智能怎么用或者對無人駕駛怎么用，就太大意。那兩架掉下來的飛機，駕駛員拼命和飛機搏斗，要往上拉，就是拉不起來，結(jié)果飛機就一頭兒栽下來了。這里頭它錯在哪兒？人機混合系統(tǒng)，人是最關(guān)鍵的，所以在這個環(huán)節(jié)里面，你不能讓機器跑到人前面去了，這就犯錯了。所以我們說，在人工智能的社會屬性這方面，一定要擺正人和智能系統(tǒng)它們之間的關(guān)系。其實對將來人工智能到底能干什么，不能干什么，我們現(xiàn)在可能就要不停地去做這種研究、立法，從法律上面就給它約束好。所有的技術(shù)都是這樣，一定有它的好的一面和壞的一面，要防止壞的一面發(fā)生，要通過法律、道德規(guī)范等手段去約束它。

三、中國人工智能發(fā)展的優(yōu)勢與差距

人工智能總體上來說，在我們國家是非常受重視，從三個方面來看看中國在人工智能發(fā)展的一些大的情況。

（一）我國已經(jīng)成為人工智能領(lǐng)域的超級大國之一

第一個方面，我們整體來說，這些年中國人工智能到底是怎么樣的一個狀況？改革開放以后，我們國家在基礎(chǔ)研究方面的投入巨大，人工智能的發(fā)展有了非常好的沉淀。

第二個方面，一些核心關(guān)鍵技術(shù)，中國應(yīng)該說已經(jīng)走在了世界的前列。比如說人臉識別技術(shù)、語音識別技術(shù)，這兩項技術(shù)全世界都公認中國是做得最好的。

第三個方面，中國人工智能，它的發(fā)展和各行各業(yè)的結(jié)合越來越緊密，從互聯(lián)網(wǎng)往各行各業(yè)都在開始推廣和滲透。對于中國來講，人工智能的應(yīng)用，比世界任何一個國家都做得更好。

第四個方面，人工智能發(fā)展的創(chuàng)新生態(tài)環(huán)境已經(jīng)初步形成。比如說科技部已經(jīng)布局了五個開放平臺，包括百度的無人駕駛、阿里的城市大腦、騰訊的智能醫(yī)療、科大迅飛的語音識別、商湯的圖像與視頻處理。

第五個方面，我們國家在全球人工智能整個這個領(lǐng)域，占有的位勢非常重要。基本上美國和中國，在人工智能領(lǐng)域就是兩個超級大國。美國可能在基礎(chǔ)研究方面強一些，中國可能在應(yīng)用方面強一些。全世界在2017年對人工智能企業(yè)的投入，中國占了48%，美國只有百分之三十幾。2017、2018年中國人工智能的專利總數(shù)都超過美國和日本。

（二）四大優(yōu)勢護航中國人工智能發(fā)展

中國發(fā)展人工智能有四個優(yōu)勢：第一個優(yōu)勢是政策優(yōu)勢。人工智能現(xiàn)在已經(jīng)被列為整個中國優(yōu)先發(fā)展的領(lǐng)域，所以我們有非常好的政策優(yōu)勢。

第二個優(yōu)勢是海量數(shù)據(jù)資源的優(yōu)勢。我們國家人口是美國的四倍多；手機群體全球最大，用手機做支付也是全球最大；在醫(yī)院里面看病、在旅游、在物流方面，所有這些數(shù)據(jù)都是全世界規(guī)模最大的。這就是在應(yīng)用方面，任何一個國家都和中國沒法比的一個主要原因。

第三個優(yōu)勢是應(yīng)用場景的優(yōu)勢。因為我們是發(fā)展中國家，從農(nóng)業(yè)社會到工業(yè)社會，現(xiàn)代社會發(fā)展的時間非常短。所以很多東西，基礎(chǔ)設(shè)施都沒有到位，但是恰恰給人工智能的應(yīng)用提供了一些深的場景。比如說我們城市化，原來就是一個鄉(xiāng)鎮(zhèn)，突然就變成城市了。那里很多基礎(chǔ)設(shè)施都不行，要改造成一個完全城市的基礎(chǔ)設(shè)施架構(gòu)的話，那你得花時間，拿錢來吧。但是很多東西，其實如果人工智能介入進去，它的服務(wù)一下就上來了，多快好省?，F(xiàn)在老齡化非常嚴(yán)重，社會服務(wù)哪里來？就要靠人工智能系統(tǒng)來做，比如說醫(yī)療、教育。所以像這樣一些民生的問題，有人工智能進來以后，都可以快速得到解決。

第四個優(yōu)勢是青年人才優(yōu)勢。我們的大學(xué)毛入學(xué)率現(xiàn)在已經(jīng)接近40%了，而且中國有一個特點，學(xué)理工科的比例很高。不像西方發(fā)達國家，它們國家毛入學(xué)率高了以后，很多學(xué)生學(xué)的是法律，學(xué)的是文科，學(xué)工科的比例很低。那這些學(xué)生將來都可以成為我們做人工智能的系統(tǒng)工程師，這個是一個非常大的儲備庫。而且這個儲備庫不是光講一講，因為這些年包括國家自然科學(xué)基金委員會，專門給人工智能設(shè)立了一個一級學(xué)科代碼，專門有一類，很多年輕人都可以申請到人工智能的項目，所以高校里面的年輕老師拿項目沒那么困難。現(xiàn)在你要看大的國際會議或者是最頂級的人工智能的國際雜志，基本上有一半的投稿人和參會者是中國的年輕人。

（三）四個薄弱環(huán)節(jié)急需加強

我們也有一些短板，我們還有四個薄弱環(huán)節(jié)：第一個薄弱環(huán)節(jié)，我們在基礎(chǔ)理論和原創(chuàng)算法這方面，我們得老老實實承認，還是有差距的。一個原因本身我們起步就晚，是后來者，好多的積累還是不夠；另外加上這些年我們發(fā)展的速度比較快，蘿卜快了不洗泥。對到底誰做得好、誰做得不好，有一些非常簡單粗暴的人才評估體系，比如說就數(shù)你發(fā)了多少論文，拿了多少科研項目，對于那些長期做基礎(chǔ)研究、肯坐冷板凳的人，客觀上是不鼓勵的?，F(xiàn)在這個情況正在改觀，一個是國家在加大投入，大學(xué)里面給年輕人的待遇越來越好；另外我們很多有實力的企業(yè)自己成立了研究院，在里面養(yǎng)了一批很強的年輕人，這些人工資給得很高。所以我相信再過5 到10年，中國在人工智能方面的基礎(chǔ)理論和算法一點都不會弱。

第二個短板是在高端器件方面，比如說利用GPU（圖形處理器）做深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的這個芯片GPU（圖形處理器）芯片，目前英偉達（NVIDIA）一家公司就占了70%的市場份額。中國真正自己的GPU（圖形處理器）的生產(chǎn)廠商占的份額，還是比較低的。

第三個短板就是我們?nèi)狈τ杏绊懙娜斯ぶ悄艿拈_源開放平臺。人工智能這幾年能夠發(fā)展這么快，和開源開放關(guān)系很密切?，F(xiàn)在最好的算法有很多都開放了，源程序都在網(wǎng)絡(luò)上，你從網(wǎng)上下載下來以后，根據(jù)你自己的應(yīng)用稍微修改一下，馬上你就可以做一個?，F(xiàn)在我們經(jīng)常講笑話說，高中生可以和教授做同樣水平的工作。但是最有影響的前五個平臺，都是美國的企業(yè)，包括谷歌、亞馬遜、微軟、國際商業(yè)機器公司、臉書，這是五個人工智能開源開放做得最好的平臺。

第四個短板是高端人才我們比較少。所以有統(tǒng)計說，中國最頂級的做人工智能的高端人才數(shù)量只相當(dāng)于美國的20%，什么時候我們的高端人才數(shù)量和他們差不多了，我們的人工智能發(fā)展就基本上到位了。

四、第四次工業(yè)革命，我們該如何布局未來？

未來已來，到底是哪一個未來到來了？我們來簡單地預(yù)測一下。

先看過去30年，這是一個變化非常大、非?？斓?0年。第一個是計算機的算力，就是我們說的CPU，手機里核心處理器或者電腦里核心處理器，芯片的算力增強了100 萬倍；第二個是存儲，30年前的臺式機和今天的臺式機里面的存儲器相差了差不多100 萬倍；第三個就是通信的速度增加了100萬倍，這個我們得益于光纖通信，得益于無線通信的發(fā)展。這3 個100萬倍，使得過去的30年我們周圍的整個生活、社會、學(xué)習(xí)都發(fā)生了天翻地覆的變化。所以說下一次的工業(yè)革命將會在我們這些人的眼皮底下發(fā)生，那么大概是什么時間呢？在2030年到2040年之間會發(fā)生下一次工業(yè)革命。當(dāng)然正確的時間和定義，那時候說不出來，可能要等到2050年、2060年，才能回過頭說，那個時間點應(yīng)該是第四次工業(yè)革命的起點。那么題目是什么？我個人的猜測，下一次工業(yè)革命的題目就是人工智能。人工智能將是未來一個世紀(jì)的核心技術(shù)，要想把人工智能發(fā)展好，我們就需要在很多事上進行一些好一點的布局。

（一）國家戰(zhàn)略、人才高地、基礎(chǔ)建設(shè)、立法保障，一個都不能少

第一個是人工智能要作為一個全局的發(fā)展戰(zhàn)略來布局，不管是國家、地方、企業(yè)，都應(yīng)該把人工智能放在最重要的一個戰(zhàn)略位置上。

第二個是怎么樣健全人工智能的國家研發(fā)體系，這是今后人工智能發(fā)展很重要的一個布局。

第三個就是人才培養(yǎng)，必須要形成一些人工智能的人才高地。美國在人工智能發(fā)展的初期，其實它是有幾個高地的，比如說斯坦福大學(xué)是一個高地，卡耐基梅隆大學(xué)是一個高地，MIT（麻省理工學(xué)院）和貝爾實驗室那一帶也是一個高地，這幾個高地的形成，最后帶動整個美國的人工智能理論和算法的發(fā)展。中國也應(yīng)該形成幾個人工智能人才高地，這樣才有利于人工智能的發(fā)展。

第四個就是要加強智能化基礎(chǔ)設(shè)施的建設(shè)，推動公開數(shù)據(jù)的開放、共享，這個也非常關(guān)鍵。這一輪的人工智能，主要是弱人工智能，如果你沒有非常好的數(shù)據(jù)，你就談不上人工智能，數(shù)據(jù)才是最核心的。但是為什么和政府相關(guān)的人工智能卻起不來呢？因為它那個數(shù)據(jù)要么不放出來，要么它只放出來非常窄的數(shù)據(jù)。怎么樣能讓做人工智能應(yīng)用的企業(yè)和團隊，既能用到這些數(shù)據(jù)，同時這些數(shù)據(jù)又不失去它的隱私權(quán)、安全性等等，這就要平衡好這些東西。所以說，數(shù)據(jù)的開放共享，要制定出相應(yīng)的一些法律法規(guī)，要有一些辦法、工具可以操作。在這個前提下，一定要把數(shù)據(jù)盡快放出來，讓相關(guān)企業(yè)用這些數(shù)據(jù)去做應(yīng)用。

第五個就是人工智能法律倫理問題的研究應(yīng)該要加強，要引導(dǎo)人工智能安全可控發(fā)展。另外一個，就是要深化國際開放合作，要主動參與全球的人工智能的治理。

高文院士在CCTV-2央視財經(jīng)頻道《中國經(jīng)濟大講堂》演講現(xiàn)場

（二）數(shù)據(jù)處理、開源平臺、應(yīng)用場景，三個抓手要記牢

怎么樣才能夠真正地把人工智能的這些應(yīng)用向各行各業(yè)賦能？抓手是什么？我覺得人工智能的抓手無非是三個方面：

一個是數(shù)據(jù)。沒有數(shù)據(jù)，現(xiàn)在的弱人工智能都沒法做。你要怎么樣去把數(shù)據(jù)組織起來、清洗出來，另外再加上一些安全保護等等，所以數(shù)據(jù)是一個非常關(guān)鍵的抓手，我認為是排在第一位的。

第二位就是開源平臺。作為一個人工智能大國，你應(yīng)該要作出自己的貢獻，所以基本上也會有一些有影響的平臺出來，那樣才能與你這個人工智能大國的身份相稱，就是開源平臺需要發(fā)展起來。

第三個就是應(yīng)用場景。現(xiàn)在絕大多數(shù)都是投資驅(qū)動的應(yīng)用場景，這個不夠，政府必須要把優(yōu)先發(fā)展的領(lǐng)域想清楚，通過市場經(jīng)濟就能做起來的事，那就交給市場去做；需要政府的手介入、干預(yù)才能做好的事，政府就要果斷地開始去培育、去干預(yù)，而且要有手段。比如說網(wǎng)上有太多開源平臺，到底哪個好用，針對哪個應(yīng)用最合適，其實你讓企業(yè)自己去做決定，他是不知道的。所以，最好要有一些有經(jīng)驗的人，帶著問題、技術(shù)和他們?nèi)ミM行對話，給它扶上馬、送一程，然后這個應(yīng)用就算成了。所以必須要抓應(yīng)用場景，抓這種賦能，這是非常關(guān)鍵的一個步驟。我們需要做的就是要發(fā)揮各方的主觀能動性，我們齊心協(xié)力把現(xiàn)在中國人工智能發(fā)展的短板補上，這個就是我們最需要采取的一個行動。在這個基礎(chǔ)上，我們和全世界的人工智能同步推進，去迎接第四次工業(yè)革命、智能時代的工業(yè)革命曙光的到來。