论文部分内容阅读
人工智能的风潮愈演愈烈。
从阿尔法狗战胜人类顶尖棋手李世石开始，到今年7月国内专注于计算机视觉和深度学习的AI创企商汤科技获得4.1亿美元B轮融资，创下全球人工智能领域单轮融资最高纪录，明显可以看到，人工智能的热潮正在从科学研究走向产业界。
日前，我国首部国家级人工智能发展规划—《规划》（下称《规划》）近日出台，又将新一代人工智能发展提高到国家战略层面。
那么，人工智能的春天来了吗？还有哪些瓶颈需要突破？企业界对《规划》怎么看？
风口上的人工智能
当前，人工智能已成为全球科技巨头新的战略发展方向，人才、资本迅速聚拢，中国著名科技企业百度不久前也发布了“all-in AI”战略。根据相关数据统计，2016年，包括百度和谷歌在内的科技巨头在AI上的花费在200亿至300亿美元之间，其中90%用于研发和部署，10%用于AI收购。
汤晓鸥，中国科学院深圳先进技术研究院副院长，同时也是商汤科技的创始人。“三年前，我常常跟投资人、企业家谈人工智能、讲深度学习，但那个时候大家还不理解，也都不太关心。后来，谷歌推出了阿尔法狗，人工智能就火了”，汤晓鸥坦言，和过去几年相比，目前人工智能非常热。除了受阿尔法狗事件的影响之外，也得益于美国五大人工智能巨头形成的联盟的影响，“去年的双创周，北京会场也选择了两家人工智能的领军企业，一家是百度，另外一家就是商汤，这应该算是两家中国智能的代表”。
汤晓鸥介绍，在国际范围内，人工智能最早诞生于1956年。从那以后，人工智能的发展势头不断起起落落，但最终都归于平静，并没有真正发掘出对人类社会生活有益的功能。但在2011年左右，诞生于2006年的“深度学习”的算法产生了效用。“從那时开始，人工智能开始具体应用于很多单向领域或者说具体的行业，并且开始超越了人的水平，掀起了热潮”。
新加坡国立大学原副教授、360人工智能研究院院长颜水成认为，在当下全球人工智能的发展中，中美两国已经走在了前面。在人工智能的技术和应用方面，中国在不少方向已经处于国际前沿地位。比如在计算机视觉领域，“中国企业和高校最近这几年一直保持全球领先地位，在各种图像识别国际大赛中经常保持领先地位”。
具有战略性的规划
正是意识到人工智能的重要作用，我国日前顺势推出了《规划》。从《规划》披露的数字来看，中国人工智能未来愿景令人振奋—2020年，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2025年，这两组数字为4000亿元和5万亿元。
“这部《规划》体现了学界、产业和政府对于中国人工智能发展的不断探索和思考，也为今后人工智能在应用层面真正落地指明了道路。”浙江大学教授陈为表示。
颜水成也认为，《规划》从总体指导思想、三步走战略目标、六大重点任务、资源配置、保障措施和组织实施等方面具体而详尽地解说了国家新一代人工智能的整体战略部署和蓝图，为学术界的基础研究、企业的产业发展、社会服务的智能化、军民融合等给出了明确的指引方向。
“《规划》充分体现了国家对于人工智能发展的重视，也展现了国家抓住科技前沿快速布局的战略决策能力。与其他国家的相关规划相比，我国的《规划》在人工智能发展与最终落地场景的细节上更详尽，可操作性更强。”颜水成说。
颜水成认为，从《规划》来看，新一代人工智能的特点，应当是超越以前人工智能研究主要专注于单一的用计算机模拟人类智能的情形，转向更复杂和更多元的人工智能形态。
需取得基础理论的突破
有了完善的《规划》，中国的人工智能也就有了明确的方向。那么，目前中国的人工智能研究和国际相比到底有哪些不足需要改进呢？
中科院院士张钹认为，就中国的人工智能而言，在基础、算法的研究上，中国和世界顶尖水平还相差甚远，这是不争的事实。“人工智能是美国人建立的学科。问题是，现在还是美国和加拿大等北美的国家在引领这个领域的发展，他们在不断地创新，如果我们不重视基础/算法理论研究，无法在这些领域赶上他们，中国的创新能力会受到严重制约，特别是原始创新的能力。”
颜水成对此也表示赞同。在他看来，与美国的人工智能发展相比，中国在基础理论方面的确存在一定差距。事实上国家有关部门也意识到了这一问题。“正因如此，《规划》中的第二步对于基础理论的提高提出了明确目标，即到2025年，我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力。”
此外，人工智能对于自然语言的处理，目前也存在很大的障碍，尚难以克服。中国计算机学会秘书长杜子德表示，语言智能是人工智能“皇冠上的明珠”，如果语言智能实现突破，跟它同属认知智能的知识和推理就会得到长足发展，进而推动整个人工智能体系的进步。
但无论如何，专家们对中国未来人工智能的发展还是充满信心。“目前，很多中国企业已经将计算机视觉的诸多技术应用到安防和金融等领域，取得了很好的社会效应和经济效益”，颜水成认为，未来会有更多的人工智能成果，走出实验室落地到实际应用场景中。
（本文转自科学网）
从阿尔法狗战胜人类顶尖棋手李世石开始，到今年7月国内专注于计算机视觉和深度学习的AI创企商汤科技获得4.1亿美元B轮融资，创下全球人工智能领域单轮融资最高纪录，明显可以看到，人工智能的热潮正在从科学研究走向产业界。
日前，我国首部国家级人工智能发展规划—《规划》（下称《规划》）近日出台，又将新一代人工智能发展提高到国家战略层面。
那么，人工智能的春天来了吗？还有哪些瓶颈需要突破？企业界对《规划》怎么看？
风口上的人工智能
当前，人工智能已成为全球科技巨头新的战略发展方向，人才、资本迅速聚拢，中国著名科技企业百度不久前也发布了“all-in AI”战略。根据相关数据统计，2016年，包括百度和谷歌在内的科技巨头在AI上的花费在200亿至300亿美元之间，其中90%用于研发和部署，10%用于AI收购。
汤晓鸥，中国科学院深圳先进技术研究院副院长，同时也是商汤科技的创始人。“三年前，我常常跟投资人、企业家谈人工智能、讲深度学习，但那个时候大家还不理解，也都不太关心。后来，谷歌推出了阿尔法狗，人工智能就火了”，汤晓鸥坦言，和过去几年相比，目前人工智能非常热。除了受阿尔法狗事件的影响之外，也得益于美国五大人工智能巨头形成的联盟的影响，“去年的双创周，北京会场也选择了两家人工智能的领军企业，一家是百度，另外一家就是商汤，这应该算是两家中国智能的代表”。
汤晓鸥介绍，在国际范围内，人工智能最早诞生于1956年。从那以后，人工智能的发展势头不断起起落落，但最终都归于平静，并没有真正发掘出对人类社会生活有益的功能。但在2011年左右，诞生于2006年的“深度学习”的算法产生了效用。“從那时开始，人工智能开始具体应用于很多单向领域或者说具体的行业，并且开始超越了人的水平，掀起了热潮”。
新加坡国立大学原副教授、360人工智能研究院院长颜水成认为，在当下全球人工智能的发展中，中美两国已经走在了前面。在人工智能的技术和应用方面，中国在不少方向已经处于国际前沿地位。比如在计算机视觉领域，“中国企业和高校最近这几年一直保持全球领先地位，在各种图像识别国际大赛中经常保持领先地位”。
具有战略性的规划
正是意识到人工智能的重要作用，我国日前顺势推出了《规划》。从《规划》披露的数字来看，中国人工智能未来愿景令人振奋—2020年，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2025年，这两组数字为4000亿元和5万亿元。
“这部《规划》体现了学界、产业和政府对于中国人工智能发展的不断探索和思考，也为今后人工智能在应用层面真正落地指明了道路。”浙江大学教授陈为表示。
颜水成也认为，《规划》从总体指导思想、三步走战略目标、六大重点任务、资源配置、保障措施和组织实施等方面具体而详尽地解说了国家新一代人工智能的整体战略部署和蓝图，为学术界的基础研究、企业的产业发展、社会服务的智能化、军民融合等给出了明确的指引方向。
“《规划》充分体现了国家对于人工智能发展的重视，也展现了国家抓住科技前沿快速布局的战略决策能力。与其他国家的相关规划相比，我国的《规划》在人工智能发展与最终落地场景的细节上更详尽，可操作性更强。”颜水成说。
颜水成认为，从《规划》来看，新一代人工智能的特点，应当是超越以前人工智能研究主要专注于单一的用计算机模拟人类智能的情形，转向更复杂和更多元的人工智能形态。
需取得基础理论的突破
有了完善的《规划》，中国的人工智能也就有了明确的方向。那么，目前中国的人工智能研究和国际相比到底有哪些不足需要改进呢？
中科院院士张钹认为，就中国的人工智能而言，在基础、算法的研究上，中国和世界顶尖水平还相差甚远，这是不争的事实。“人工智能是美国人建立的学科。问题是，现在还是美国和加拿大等北美的国家在引领这个领域的发展，他们在不断地创新，如果我们不重视基础/算法理论研究，无法在这些领域赶上他们，中国的创新能力会受到严重制约，特别是原始创新的能力。”
颜水成对此也表示赞同。在他看来，与美国的人工智能发展相比，中国在基础理论方面的确存在一定差距。事实上国家有关部门也意识到了这一问题。“正因如此，《规划》中的第二步对于基础理论的提高提出了明确目标，即到2025年，我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力。”
此外，人工智能对于自然语言的处理，目前也存在很大的障碍，尚难以克服。中国计算机学会秘书长杜子德表示，语言智能是人工智能“皇冠上的明珠”，如果语言智能实现突破，跟它同属认知智能的知识和推理就会得到长足发展，进而推动整个人工智能体系的进步。
但无论如何，专家们对中国未来人工智能的发展还是充满信心。“目前，很多中国企业已经将计算机视觉的诸多技术应用到安防和金融等领域，取得了很好的社会效应和经济效益”，颜水成认为，未来会有更多的人工智能成果，走出实验室落地到实际应用场景中。
（本文转自科学网）