讓人工智慧更智慧（關注·透視新一代人工智慧②）
核心閱讀
人工智慧的發展水平令人矚目，但目前的人工智慧系統有智商沒情商、會計算不會“算計”、有專才無通才
人工智慧的三個層面都有不少尚未解決的技術瓶頸。以應用層為例，假如停車場沒有地圖，無人車可能無法閱讀標誌標線，從而無法順利找到停車位或通往出口的路
看基礎理論研究——
人工智慧可分為專用人工智慧和通用人工智慧，目前的進展主要是專用人工智慧取得的，通用智慧系統的研究與應用仍然任重道遠
阿爾法狗戰勝人類圍棋冠軍；人工智慧在大規模人臉識別中超越人類一般水平；語音識別系統準確率和專業速記員不相上下……近幾年，人工智慧的發展水平令人矚目。
為何還要加強人工智慧前沿基礎理論的研究？
中國科學院自動化研究所研究員譚鐵牛院士認為，人工智慧可分為專用人工智慧和通用人工智慧，目前的進展主要是專用人工智慧取得的。真正意義上完備的人工智慧系統是一個通用智慧系統，能像人腦一樣舉一反三、融會貫通。但是目前的人工智慧系統有智商沒情商、會計算不會“算計”、有專才無通才。通用智慧系統的研究與應用仍然任重道遠，人工智慧總體發展水平仍處於起步階段。“人工智慧前沿基礎理論是人工智慧技術突破、行業革新、產業化推進的基石。要想取得最終的話語權，我國必須在人工智慧基礎理論和前沿技術方面取得重大突破。”
受訪專家指出，目前人工智慧前沿基礎理論的探索空間非常巨大。以當前最火爆的人工智慧基礎理論——深度學習方法為例，它既非完美無缺，更不是人工智慧基礎理論研究的全部。
“深度學習方法具有侷限性。”英特爾中國研究院院長宋繼強說，比如深度學習能識別人臉，但做不到通過一個人的講話預測與另一個人之間的情感關係，因為它缺乏這方面的知識輸入。
馭勢科技負責人吳甘沙舉例說，一旦資料標得不準、資料集有偏見甚至“對抗”輸入假資料，深度學習就可能出錯。明明是一隻熊貓，只要改動幾百個畫素，深度學習有可能將其識別為海豹。
浙江大學計算機學院副院長、人工智慧研究所所長吳飛認為，從資料驅動的領域人工智慧向人類通用智慧邁進，尚有神經科學、認知科學乃至新數學模型等交叉的未知領域需要跨越，路途依然遙遠。
“應該鼓勵科研人員瞄準人工智慧學科前沿方向，開展引領性原創科學研究，通過人工智慧與腦認知、神經科學、心理學等學科的交叉融合，重點聚焦人工智慧領域的重大基礎性科學問題，形成具有國際影響力的人工智慧原創理論體系，為構建我國自主可控的人工智慧技術創新生態提供領先跨越的理論支撐。”譚鐵牛說。
看關鍵核心技術——
人工智慧可分為基礎設施層、賦能層和應用層。三個層面都有很多核心技術，都有不少尚未解決的技術瓶頸
近年來我國的人工智慧技術取得了長足進展，但一些關鍵核心技術仍需攻克。
在吳甘沙看來，人工智慧可分為三層：基礎設施層、賦能層和應用層。其中，基礎設施層是指基礎理論演算法和算力；賦能層涉及特定的應用場景，比如語音識別、計算機視覺、專家系統、博弈系統和機器人；應用層指的是無人駕駛、智慧醫療等綜合場景。
“三個層面都有很多核心技術，都有不少尚未解決的技術瓶頸。”他說，從基礎設施層來看，前沿基礎理論和演算法仍有很大的突破空間，晶片等硬體裝置有待進一步國產化。從賦能層來看，跟語音識別相關的人工智慧整體進步很大，但一些智慧機器有時翻譯出來的語言仍然不像“人話”，缺乏對語義的深刻理解；工業機器人可以處理某幾個環節的問題，卻無法在總裝環節像人一樣通過肌肉和神經的靈敏操縱實現精確控制。從應用層來看，無人駕駛是一個開放、動態、不確定的環境，人類無法“喂”給機器世界上所有的交通場景，無人車可能無法處理某類狀況。假如停車場沒有地圖，無人車可能無法閱讀標誌標線，從而無法順利找到停車位或通往出口的路。
專家指出，攻克人工智慧的關鍵核心技術，除了尋求前沿基礎理論的突破，還應重視基礎硬體研發、支撐系統研發、生態構建以及研發心態調整。
南京大學計算機系主任、人工智慧學院院長周志華說，目前幾乎所有智慧應用都越來越離不開GPU(圖形處理器)，很多企業直接把智慧應用架構在TensorFlow(基於資料流程式設計的符號數學系統)之類的系統上，這在未來有被“卡脖子”的風險。國內應該加大力氣開展機器學習基礎硬體和支撐系統的研發，能夠產生GPU、TensorFlow的替代者。另一方面，GPU、TensorFlow都基於深度神經網路模型，如果在非神經網路模型的深度學習方面取得突破，那麼這些基於深度神經網路模型的基礎硬體和系統的“壟斷”就會自然消失。
“人工智慧技術最終會落到晶片，各種演算法都需要定製的硬體去加速。晶片提供了加速的基礎，軟體是定義在晶片上如何快速地開發，二者的配合愈發重要——加強晶片和軟體系統的開發非常關鍵。”宋繼強說。
北京大學計算機系主任黃鐵軍認為，發展關鍵核心技術，需要以開源開放的方式建設有利於人工智慧發展的生態，抓緊佈局新一代人工智慧開源開放平臺，儘快建立、完善人工智慧關鍵核心技術體系。
“從研發心態上說，尋求關鍵核心技術突破不能急功近利，要把目光放長遠，不能為了一時利益，只做一些‘短平快’的研究。很多人工智慧的基礎研究前期投入巨大，可能需要很多年才出成果，但這些都是有價值的探索。”宋繼強說。
看人才建設——
努力建設一大批具有國際水平的研究組，是出現頂尖人才的基礎
發展人工智慧，離不開高水平的人才隊伍。受訪專家指出，我國入門級人工智慧人才比較豐富，但具有國際影響力的人才稀缺、高水平人才匱乏，必須建設完備的人工智慧人才體系。
建設完備的人工智慧人才體系，需要良好的大環境。
“人工智慧作為一個學科是在1956年正式出現的，歐美研究開展得很早，而我國起步較晚，跟國際前沿接軌的科研工作最近十年才多起來。一般來說，頂尖人才的成長需要環境，例如在研究生期間就能接觸到前沿的課題、能得到高水平學者的指點、能夠有相當數量的活躍研究者討論交流等。”周志華認為，“‘青藏高原上才能有珠穆朗瑪峰’，努力建設一大批具有國際水平的研究組，是出現頂尖人才的基礎。”
建設完備的人工智慧人才體系，需要加強相關專業的課程建設。
周志華認為，目前我國高校人工智慧方向的博士生、碩士生數量遠遠不能滿足需求。人工智慧專業課程開設得很少，本科階段一般只有1至2門課。“在具有人工智慧人才培養能力的高校，應加強相關專業的課程建設和人才培養體系建設。”
專家指出，課程內容要向“交叉”傾斜。
“交叉有兩層含義，第一是基礎理論方面的交叉，第二是應用方面的交叉。”黃鐵軍說，第一，人工智慧學科要和基礎科學交叉。為了取得前沿性基礎理論突破，學生不僅要懂計算機和人工智慧，還要選擇腦科學、數理科學甚至人文社會學科等進行雙向交叉。第二，為了推動市場應用發展，應該讓人工智慧學科和應用學科交叉，比如人工智慧和農業、醫學、土木、交通等進行交叉。
建設完備的人工智慧人才體系，還需要進一步提升公眾的人工智慧科技素養。
譚鐵牛認為，每一個人都需要學習、適應人工智慧時代的科技浪潮。“在加強人工智慧領軍人才培養引進的同時，要面向技術創新和產業發展多層次培養人工智慧創新創業人才，逐步開展全民智慧教育專案，在中小學階段設定人工智慧課程。”