2016年初，一場“人機大戰(zhàn)”成為萬眾矚目的焦點，谷歌AlphaGo大勝世界圍棋冠軍李世石，更是引發(fā)激烈討論。盡管這場世紀大戰(zhàn)硝煙散盡，但AlphaGo的精彩表現(xiàn)讓由此引發(fā)的人工智能熱潮不減反增，在這股熱潮下，很多行業(yè)都開始向人工智能演進。
我國人工智能正在向通用應用過度
縱觀國內(nèi)的人工智能產(chǎn)業(yè)發(fā)展，在整個產(chǎn)業(yè)鏈上主要由“基礎技術(shù)”、“人工智能技術(shù)”和“人工智能應用”三個核心環(huán)節(jié)構(gòu)成。從這三個方面，我們可以看到國內(nèi)人工智能產(chǎn)業(yè)的發(fā)展脈絡，可以對人工智能的應用進行解析。
人工智能的基礎技術(shù)主要依賴于云計算技術(shù)和大數(shù)據(jù)技術(shù)。在這方面，國內(nèi)市場的規(guī)模是巨大的。產(chǎn)業(yè)界對待云計算技術(shù)和大數(shù)據(jù)技術(shù)已不同于早期單純地學習、模仿的業(yè)務模式，而是越來越務實地接納它，不斷挖掘其中蘊藏的巨大價值，并依據(jù)服務性質(zhì)的不同，構(gòu)建出人工智能的基礎平臺。
這些平臺從基礎設施、平臺服務、軟件應用服務等層面，為人工智能技術(shù)的實現(xiàn)和人工智能應用的落地提供了基礎的后臺保障和實現(xiàn)前提。例如，云創(chuàng)大數(shù)據(jù)推出的深度學習一體機，就是在大數(shù)據(jù)基礎上推出的人工智能平臺，有助于研究者迅速深入到人工智能的核心領域。
人工智能技術(shù)專注于模式識別、機器學習和人機交互三個方面。模式識別偏重于對信號、圖像、語音、文字、指紋等非直觀數(shù)據(jù)方面的處理，如語音識別、人臉識別等。機器學習覆蓋了從通用人工智能應用到專用人工智能應用的大多數(shù)領域，如計算機視覺、自然語言處理、生物特征識別、DNA測序等。人機交互既包括了人與系統(tǒng)的語音交互，也包含了人與機器人實體的物理交互。
國內(nèi)人工智能技術(shù)在應用層面主要聚焦于計算機視覺、語音識別和語言技術(shù)處理領域。其中的代表企業(yè)包括科大訊飛、百度、阿里巴巴、騰訊、曠視科技、格靈深瞳等。
人工智能應用則涉及到專用應用和通用應用兩個方面。其中，專用領域的應用涵蓋了目前國內(nèi)人工智能應用的大多數(shù)應用，包括各領域的人臉識別、語音識別、智能機器人等方面。而通用型應用則側(cè)重于智能家居、智能農(nóng)業(yè)、智能醫(yī)療等領域的通用解決方案。目前，國內(nèi)人工智能應用正處于由專業(yè)應用向通用應用過度的發(fā)展階段。
從算法和芯片入手，推動人工智能應用創(chuàng)新
我國人工智能領域的研究積累和發(fā)達國家相比差距不大。如果能在國家戰(zhàn)略層面，制定針對人工智能的全面推進計劃，會給我國帶來實現(xiàn)彎道超車、提升綜合國力和影響力的絕佳機會。
我們應該大力推動人工智能發(fā)展，搶占人工智能應用創(chuàng)新制高點，助力國家產(chǎn)業(yè)轉(zhuǎn)型升級，爭取形成全球競爭優(yōu)勢。
這需要先創(chuàng)新人工智能算法。作為人工智能實現(xiàn)的核心，算法是未來全球人工智能行業(yè)最大的競爭門檻。但國內(nèi)基本上還是在學習國外的算法，缺乏對算法的自主創(chuàng)新。雖然在工程學算法上我國已取得了階段性突破，但是基于認知層面的算法水平還亟待提高，這也是未來競爭的核心領域。
目前，專用化領域的場景應用仍是研發(fā)和投資的核心，基礎技術(shù)的成熟也帶來了存儲容量和機器學習等人工智能技術(shù)的提升，但受限于現(xiàn)階段運算能力以及大規(guī)模CPU和GPU的并行解決方案，國內(nèi)人工智能的發(fā)展主要集中于計算機視覺、語音識別、智能生活等方向上。
因此，通過算法的創(chuàng)新、技術(shù)的演進、數(shù)據(jù)的積累演化和超算平臺的應用，未來我國人工智能產(chǎn)業(yè)的發(fā)展趨勢應由專用化領域的場景應用向語音、視覺等領域的通用化解決方案發(fā)展。
未來人工智能的競爭重點將在機器學習領域，即監(jiān)督學習、非監(jiān)督學習和增強學習三個方面。屆時，算法的競爭將進入白熱化階段。只有在算法層面突破，國家或企業(yè)才能在圖像識別和計算機視覺領域取得突破性進展和國際技術(shù)水平。
下一步，我國要做的是研發(fā)人工智能芯片。在目前對人工智能技術(shù)的大量討論中，有一點容易被忽略，那就是承載人工智能運行的芯片。人腦是千億神經(jīng)元、百萬億突觸構(gòu)成的復雜網(wǎng)絡，現(xiàn)有芯片和這個還存在多個數(shù)量級差距。因此，我們需要從芯片上尋求突破，加強芯片的并行計算能力，在高速的狀態(tài)下分析海量的數(shù)據(jù);提高芯片的編程專用性、高性能、低功耗，在大規(guī)模服務器部署或資源受限的嵌入式應用方面體現(xiàn)潛力;同時做到將性能和功耗完美結(jié)合。
以谷歌的TPU芯片為例，與市面上的FPGA和GPU相較，其每瓦性能呈倍數(shù)提升。該芯片對于降低的運算精度有更高容忍度。也就是說，它每次運作需要的晶體管較少，并因此能達到更高的每秒運算次數(shù)。在我國，中國科學院計算技術(shù)研究所發(fā)布的“寒武紀”處理器芯片和云創(chuàng)大數(shù)據(jù)即將發(fā)布的深度學習芯片，就是在這個領域的探索。
加大政策支持力度，提升企業(yè)合作水平
人工智能的研究面很廣泛，任意的研究分支都涉及到龐大的計算代碼，加上漏洞的排查和跨領域的交叉，任何企業(yè)都難以在封閉環(huán)境內(nèi)取得階段性突破。隨著專用領域應用的普及和通用技術(shù)應用需求的增強，我國更應不斷加大開放性，使系統(tǒng)級開源成為常態(tài)。國外的谷歌、微軟、Facebook、雅虎等視人工智能為未來核心競爭力的頂級企業(yè)，都先后開放了自身的人工智能系統(tǒng)。國內(nèi)的科大訊飛、百度、阿里巴巴、騰訊等也在人工智能領域取得領先優(yōu)勢后，在不同維度和空間開放了自身的人工智能系統(tǒng)。
企業(yè)對外開放了自身的人工智能系統(tǒng)，并不代表核心技術(shù)和算法的完全出讓。底層系統(tǒng)的開放，可以讓更多的企業(yè)或社會團體從不同的角度參與到人工智能相關領域的研發(fā)，為我國人工智能的應用創(chuàng)新和產(chǎn)品的快速迭代提供規(guī)范化平臺，形成良性的發(fā)展環(huán)境。對于開放的企業(yè)來說，也確保了它們與行業(yè)最新前沿技術(shù)的同步成長。
我國想要發(fā)展人工智能產(chǎn)業(yè)，還要增強企業(yè)間合作。國內(nèi)人工智能產(chǎn)業(yè)從專用領域應用開發(fā)的成熟度和差異化技術(shù)門檻的角度上分析，可分為底層基礎構(gòu)建、通用場景應用和專用應用研發(fā)三個方向。
在底層基礎構(gòu)建方面，企業(yè)依托自身數(shù)據(jù)、算法、技術(shù)和平臺優(yōu)勢，在為行業(yè)類的各公司提供基礎資源支持的同時，也會將自身優(yōu)勢轉(zhuǎn)化為專用和通用應用領域的研究，從而打造自身的人工智能產(chǎn)業(yè)鏈生態(tài)閉環(huán)。在通用場景應用方面，企業(yè)將主要以計算機視覺和語音識別為方向，為安防、生活、金融和制造等領域提供通用解決方案。在專用應用研發(fā)方面，則集中了大部分硬件制造商、創(chuàng)業(yè)企業(yè)、解決方案商、應用提供商等?？偟膩碚f，人工智能應用創(chuàng)新的推動離不開產(chǎn)業(yè)鏈上各核心環(huán)節(jié)的相互配合，離不開產(chǎn)業(yè)研發(fā)方向上各企業(yè)間的相互協(xié)作。
政策支持上加大對人工智能的支持力度也必不可少。
我國參與人工智能技術(shù)研究的企業(yè)比較少，且自身的研發(fā)投入能力較為有限，迫切需要國家層面的政策支持，才能確保我國在未來10年的人工智能最關鍵技術(shù)發(fā)展時期，具備與歐美抗衡的研發(fā)實力和研發(fā)進展，確保我國在科技進步浪潮中始終處于國際領先地位。具體建議如下：
首先，由科技部牽頭加大對人工智能基礎研究的支持力度，國家發(fā)改委和財政部予以項目立項和經(jīng)費支持。鼓勵和支持國家科研單位和人工智能企業(yè)間建立長期和深層的合作機制，以便調(diào)集和整合我國的人工智能領域各個研發(fā)機構(gòu)的實力，合力支撐我國在激烈的人工智能技術(shù)國際競爭中贏得領先的地位。
其次，調(diào)動更多力量參與人工智能的研發(fā)和應用，出臺系列補貼政策予以扶持，例如對參與構(gòu)建人工智能中間層技術(shù)的平臺廠商進行重點支持、對人工智能領域國際人才和團隊的引進支持、對國內(nèi)企業(yè)開展人工智能領域技術(shù)的研發(fā)支持等。
最后，加大對人工智能關鍵共性核心技術(shù)的研發(fā)支持力度，鼓勵支持各行業(yè)引入人工智能技術(shù)對傳統(tǒng)產(chǎn)業(yè)進行轉(zhuǎn)型升級，構(gòu)建人工智能研發(fā)和應用的良性環(huán)境。