《經濟參考報》記者采訪了解到,雖然中國的人工智能已經取得一定程度的技術突破,但要達到高智能水平,依舊任重道遠,未來亟待攻克理性不足、前沿不足、產學研結合不足等問題。

記者發(fā)現,相較產業(yè)界對人工智能的一致樂觀,學術界對這一技術的態(tài)度似乎更加冷靜。

“從去年‘阿爾法狗’打敗李世石開始,人工智能突然火爆。到了今天,有必要冷靜一下。”作為國家核高基重大專項總工程師,清華大學微電子學研究所所長魏少軍接受記者采訪時表示,當下的人工智能,強調的是算法方面的突破,只是機器智能的一個分支,而且只能完成類似下圍棋這種相對單一的任務,與真正的、全面的智能還相差很遠。

這并非一家之言。美國人工智能學會理事、香港科技大學計算機科學及工程學系主任楊強告訴記者,歐美學者在上世紀50年代提出人工智能的概念,機器學習誕生于上世紀80年代,最近幾年雖然發(fā)展迅速,但仍然受困于數據和計算能力。

“如果說現在的人工智能在模仿人類,那么它仍是‘笨孩子’,必須要海量數據才能訓練出算法。并且切換一個場景,還是要從頭學起,不像人類,騎自行車的經驗可以遷移到騎摩托車。”楊強說。

擔任人工智能領域頂級國際學術會議AAAI主席的首位華人學者、南京大學計算機系教授周志華表示,人工智能技術涉及很多內容,部分媒體過分渲染“人工智能威脅論”,是沒有認清人工智能的真正發(fā)展水平。

“不少人僅憑對這幾個字的字面理解就大談人工智能,任何技術都生硬地往人工智能上靠,這一現象很不好”。周志華告誡說。

而令學者們憂慮的另一現象是,人工智能領域研究者跟風的多、發(fā)表獨家見解的少之又少。 “現在關于人工智能的論壇會議很多。計算機視覺也好、深度學習也罷,動輒都有好幾千甚至上萬的投稿,但內容同質化嚴重。大家不是去關心創(chuàng)新,而是關心寫論文?！睏顝娭毖?。

國家千人計劃特聘教授、清華大學類腦計算研究中心主任施路平有著類似的擔憂。他表示,人工智能芯片領域,深度學習和類腦的脈沖神經網絡是兩套不同的技術路徑。目前,深度學習較為流行,類腦芯片前景也十分遠大,必須重視。

“學生老問我,為什么大公司在類腦研究方面投入這么少?我說,目前有十幾種解決方案,大公司要等能夠看明白之后再選擇一種。公司是追隨者,但我們要做引領潮流的人?！笔┞菲秸J為,獨立思考的精神在人工智能學界難能可貴,研究者出于升職、加薪的考慮,不愿意坐“冷板凳”,但是,科研領域不少革命性的突破,就是在坐冷板凳的過程中產生的?！罢胬碛袝r就是掌握在少數人手中。即便這個思路短期內沒有成功,也為將來的進步打下了基礎。要想引領就必須要有獨立的思考,要咬牙堅持。”

楊強對此體會頗深。2005年,他在國際上率先提出“遷移學習”概念,意在讓深度學習算法具有“舉一反三”的遷移能力,不用處處從頭開始。如今,遷移學習已經是全球學界和業(yè)界關注的焦點,百度、騰訊、微軟都已經應用這項技術。而曾經,這是冷門概念,愿意師從他“死磕”這一技術路線的學生非常之少。

中國人工智能發(fā)展的短板還體現在產學研結合不足,從實驗室到市場的鏈條太長。

記者在采訪中發(fā)現,諸多人工智能領域的學者都已投身一線產品的研發(fā)。魏少軍教授在帶隊開發(fā)可重構計算人工智能芯片Thinker;施路平教授的團隊致力于開發(fā)脈沖神經網絡與深度學習原理相結合的“天機”芯片,如今已經生產出樣品、應用于自動駕駛自行車;楊強教授的遷移學習原理,應用于百度、騰訊等公司,他還創(chuàng)立了“第四范式”公司,將遷移學習算法應用于金融領域、優(yōu)化銀行的風控。

然而,幾乎所有專家都在“吐槽”產學研的脫節(jié)。

“從實驗室到生產出產品、再到推向市場,這個鏈條太長、整個過程太痛苦?！蔽荷佘姼袊@,產業(yè)化的每個環(huán)節(jié)幾乎都面臨阻礙——研發(fā)時沒資金;生產時工藝不能滿足要求;在應用環(huán)節(jié),各個領域沿用慣用的產品,新產品很難走進千家萬戶。

楊強表示,目前,中國企業(yè)中,真正具有前沿思維的還是少數。包括BAT、華為等大企業(yè)在內,仍然沒有成為人工智能技術創(chuàng)新的主體。

“長此以往,中國企業(yè)將在全球人工智能競賽中處于劣勢。”施路平表示,目前來看,從核心芯片、操作系統(tǒng)再到底層框架,幾乎都是以國外公司為主導,這導致中國的很多重要創(chuàng)新,都受制于國外公司,為產學研聯動增添了新的障礙。

楊強認為,人工智能必須在現實中尋找到應用場景,未來的發(fā)展才具有意義。因此,產學研聯動是一條必經之路,其中的困難應引起各界足夠重視。

(本版稿件除署名外,均由記者王存福、周琳、馬曉澄、王曉潔、付光宇采寫)