中國發展人工智慧產業的建議

文章推薦指數: 80 %
投票人數:10人

【人工智慧或將改變整個信息產業的「遊戲」規則,是中國信息產業實現從跟跑到並跑甚至領跑轉折的關鍵】

□溫曉君

對人工智慧發展現狀及趨勢的判斷

1.專用人工智慧在特定約束條件下已具備超越人腦某個方面的能力,但通用意義上人工智慧的實現依然是一個漫長而複雜的過程。

人工智慧融合了信息科學、控制理論、神經醫學、心理學等多個領域,其最終目標是用機器去實現需要由人類智慧才能完成的任務。

人工智慧的發展需要多學科交叉融合形成體系化支撐,單點理論、單項技術的突破並不足以構成真正意義上的「智能」。

歷史上人工智慧的發展歷經多次起伏,一方面受限於特定歷史階段某項關鍵技術指標和能力的短板,如計算機處理性能、神經網絡算法成熟度、數據樣本豐富程度等,另一方面也由於人們對「智能」的理解不斷深化和拓展,擁有了更高的期望目標。

近年來,隨著計算機、智能終端、移動網際網路、物聯網、大數據等技術的飛速發展,制約人工智慧發展的外部技術瓶頸得以突破,專用人工智慧發展步入快車道,在語音語義圖像識別、智能控制、專家系統等細分領域形成了一系列應用成果。

谷歌AlphaGo採用更為優化的深度學習神經網絡,在規則已知和邏輯可控的棋類競技中實現了對人類的超越;IBM的沃森機器人能夠在幾秒之內篩選數十年癌症治療史中的100多萬份患者病例記錄,為醫生提供可供選擇的循證治療方案。

但無論是AlphaGo還是沃森都需要由人類預先進行知識分類和設計干預,並且「智能」水平的高低很大程度上取決於先驗樣本學習的數量和準確性,遠未達到能夠替代人類智能的通用人工智慧水平。

有資料表明當前通用人工智慧的綜合能力僅與蠕蟲的智能相當。

因此,當前以及未來相當長一段時期人工智慧產業化發展的重點在於專用型人工智慧,特別是在某些需要對人類大腦某項能力進行延伸和對人類判斷決策進行輔助的場景,如智能交通、無人駕駛、航空、金融等細分行業領域。

2.人工智慧產業鏈重心開始向底層硬體遷移。

人工智慧發展是計算機硬體、軟體技術交替前行、牽引演進的產物,其技術要素主要包括四個方面。

一是智能的感知、傳感系統,包括各類用於信息數據採集和環境感知的傳感器件和設備;二是智能的指揮中樞,主要指用於代替人腦的處理器晶片;三是智能的信息處理算法,包括一切用於輔助人腦或模擬人腦進行認知學習、思維分析的軟體算法;四是海量的學習數據,為人工智慧機器學習提供充足的先驗樣本。

網際網路、移動網際網路的蓬勃發展積累了海量的學習樣本,深度學習算法的提出從軟體層面模仿了人類大腦對底層信號的分級處理和特徵提取,使得學習目標更精準、更有效,一批應用於語音和圖像識別、機器翻譯、機器搜索等領域的神經網絡軟體產品紛紛湧現。

但是現有的神經網絡分布式算法幾乎全部建立在傳統的集中式計算硬體架構基礎上,在計算效率、能耗開銷等方面存在嚴重的軟硬體不匹配,無法從根本上發揮人工智慧技術的優勢,迫切需要從底層硬體層面加以解決。

以IBM、高通為代表的晶片巨頭企業陸續推出了硬體層面模擬的「類人腦晶片」或人造「神經元」,IBM主導的SyNAPSE項目預計將推出採用其人腦晶片的計算機原型。

除晶片之外,近年來面向物聯網應用的生物、運動、醫學、健康、環境類智能傳感器,以及面向智能製造、工業網際網路應用的微機電器件等發展迅速,人工智慧發展重心呈現向硬體底層快速滲透的趨勢。

3.「智能產業」的出現加速人工智慧的行業應用。

伴隨信息技術的溢出效應,傳統產業產品及服務近年來呈現出顯著的智能化特徵,催生出智能製造、智能交通、智能物流、智能家居、智能家庭服務機器人、智慧健康養老等一批新業態新模式。

「智能產業」的出現,為人工智慧的發展提供了廣闊的行業應用空間,極大促進了人工智慧產業化進程。

中國發展人工智慧面臨的機遇和挑戰

近年來,美歐等國家通過巨額研究經費支持和骨幹企業密集融資、收購等方式,在人工智慧領域不斷加大投入,開展專利布局,以技術和應用為紐帶構築產業生態。

中國在人工智慧基礎研究領域並不落後,人工視覺、語音語義識別等細分行業應用甚至處於國際領先水平,湧現出一批具備國際競爭實力的企業和研究機構,已具備發展人工智慧的良好基礎。

作為新興領域,國內外人工智慧產業化目前發展基本同步,國外企業加快發展的同時,國內企業也在積極布局跟進,這給國內企業提供了同步參與國際創新、同台競爭的機遇。

但從全局來看,國內企業多定位在人工智慧低端應用,產業仍面臨產學研用脫節和人才隊伍儲備不足等諸多難題。

1.產業鏈上下游協同機制尚未健全。

中國人工智慧產業目前仍以單打獨鬥為主,各企業在相關領域進行了一定的研究,但缺乏技術間的協同,產品間的互聯互通和上下游的互動缺乏有效協調。

尤其是公共基礎服務平台的匱乏限制了人工智慧產業鏈上下游交流合作,無法形成發展合力。

2.公共基礎服務能力亟待提升。

為推動人工智慧產業發展,歐美日等主要經濟體均提出了實施「腦計劃」工程,提升人工智慧公共基礎服務能力。

中國人工智慧產業仍處於初步發展階段,基礎公共服務能力不強:一是面向全行業的深度學習、類腦智能等人工智慧平台仍不完善,各領域相關企業在重複建設小型人工智慧平台,智能分析技術參差不齊,不利於技術的集中和資源的集聚;二是行業重要公共資源庫仍處於空白,支撐深度學習的文獻、語音、圖像、視頻、地圖及行業應用數據等人工智慧海量訓練資源庫和標準測試數據較為分散,難以集中應用;三是人工智慧綜合標準化體系仍需研究,支撐行業發展的基礎性、技術性、安全性標準仍需進一步加強研究,以為行業健康發展和應用普及奠定基礎。

3.重點領域關鍵技術仍需突破。

在人工智慧前端平台方面,支撐深度學習的大規模計算機集群技術仍需要進一步完善,提升計算機集群的軟硬體協調效率和性能,為海量數據計算提供支撐。

同時,在深度學習算法方面,要進一步完善算法框架模型和算法程序,提升智能化分析水平和決策水平,優化人工智慧應用服務。

在關鍵智能硬體設備方面,要進一步突破關鍵傳感器、高性能中央處理器、輕量級作業系統、應用程式軟體、快速組網等關鍵技術,促進智能硬體產品的創新發展。

亟需協調行業內骨幹企業加大聯合技術攻關力度,解決行業共性問題和需求,突破產業鏈發展瓶頸,為行業發展提供強有力支撐。

4.智慧財產權共建共享機制匱乏。

人工智慧是專利密集型行業,據統計,人工智慧技術領域的相關專利申請數量已超過2.4萬件。

從區域看,美國以9786件專利申請位居全球第一,且專利申請大多跟算法有關,其中主要人工智慧專利持有企業為IBM(2399件)、谷歌(2171件)、微軟(1544件)。

中國在人工智慧領域共提交專利申請約6900件,相關專利申請側重於商業場景應用等,國內的主要研發企業為百度(446件)、阿里巴巴(383件)、騰訊(201件)等。

同已開發國家相比,中國相關企業的專利競爭力仍顯不足,應大力加強專利領域合作,提升國內人工智慧智慧財產權布局。

5.基礎軟硬體短板依然存在。

目前,美國在人工智慧研究方面具有領先優勢,在類腦研究及算法研究等基礎領域起步早、投入大,在集成電路和軟體領域保持領先水平。

目前,中國集成電路晶片的設計及製造水平均與國際領先技術存在一定的差距,軟體技術也尚未達到國際領先水平。

在人工智慧技術競爭的時代,亟需解決這類基礎技術的短板,為人工智慧技術從實驗室走向消費市場,從前沿技術研究走向不同領域的應用提供切實的基礎技術支撐。

中國人工智慧產業發展的措施建議

1.加強人工智慧核心技術研發和產業化。

制定人工智慧產業技術發展路線圖,在客觀分析、科學研判的基礎上,找准產業未來發展的薄弱點和趕超點。

加大資金投入力度,重點突破自然語音語義識別、機器學習、智能搜索等關鍵技術,完善核心晶片、顯示器件、智能傳感器、開發工具與集成環境等產業鏈配套。

有序推進類人腦計算機、深度學習等前沿理論研究和技術創新,強化人工智慧產品原始定義能力,扭轉技術路徑跟隨以及產業鏈關鍵環節受制於人的被動局面,形成自主可控的產業體系。

2.有效推進人工智慧行業應用示範。

加快人工智慧技術在家居、汽車、無人系統、安防等領域的推廣應用,提升生產生活的智能化服務水平。

支持在製造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展人工智慧應用試點示範,提升人工智慧的集群式創新創業能力。

在未來3-5年內,逐步推廣人工智慧應用領域,進一步推動人工智慧在生活、公共安全、工業設計、醫學、規劃、交通和文化教育行業等領域中的規模化應用。

3.加快制定關鍵技術標準規範。

開展人工智慧綜合標準化體系研究,推動建立人工智慧融合標準體系。

建立並完善基礎共性、互聯互通、行業應用、安全服務、隱私保護等技術標準,研究建立人工智慧系統的智能化水平評估標準。

加強智能家居、智能汽車、智能機器人、智能可穿戴設備等熱點細分領域的網絡、軟硬體、數據、系統等標準化工作,鼓勵人工智慧領域的國內標準化組織、行業組織、企業參與國際標準化工作,推進自主人工智慧相關標準國際化。

4.打造高水平公共服務平台。

建立集技術研發、示範應用、產品檢測認證、智慧財產權等功能為一體的產業公共服務平台。

打造人工智慧創新孵化中心,促進產融對接,扶持創新創業企業。

(作者為中國電子信息產業發展研究院電子信息產業研究所副所長)


請為這篇文章評分?


相關文章