核心算法缺位，人工智能发展面临“卡脖子”窘境

"中国有多少数学家参与了人工智能的基本算法研究？"近日，在上海举行的院士沙龙上，中国工程院院士许等几位院士提出的问题引起业界共鸣，被称为“许问题”。

“在我们国家，真正在人工智能领域研究算法的科学家很少。”在“超声大数据与人工智能应用与推广研讨会”上，东南大学生物科学与医学工程学院的万遂人教授表示，“许问题”直接触及了我国人工智能发展的核心关键问题。“如果这种情况不改变，人工智能在中国的应用将很难更深入并取得显著成效。”

中国人工智能的发展现状如何？依赖开源代码和算法是否足以支持人工智能产业的发展？为什么我们应该有自己的底层框架和核心算法？

没有核心算法，它将会“卡住”

"如果没有核心算法，当人们遇到关键问题时，仍然会陷入困境."浙江大学应用数学研究所所长孔德兴教授在接受《科学日报》采访时表示，中国人工智能产业的创新能力没有传说中的那么强。事实是，这个行业的发展过于依赖开源代码和现有的数学模型，真正属于中国的东西并不多。

四个月的人工智能零基学习，16堂人工智能入门课，以及大型算法离线课程……类似的培训在互联网上非常受欢迎。通过对现有算法和模型的学习和训练，可以看出他们已经成长为“短、平、快”的人工智能工程师。

因为代码是开源的，所以使用它是好的。为什么仍然有可能被卡住？

孔德兴解释说，开源代码可以拿来使用，但是不够专业和有针对性，结果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发的人工智能能够准确识别人脸，但难以满足医学图像识别的临床需求。例如，对于肝脏病变的识别，由于边界模糊、对比度低、器官粘连甚至重叠的困难，用开源代码很难准确识别。在三维重建、可视化等方面难以准确反映真实的解剖信息，甚至会出现误导等问题，这在医学应用中是“致命的”。

“当涉及到高度专业化的研究任务时，一旦陷入瓶颈，就会非常被动，所以我们必须有自己的算法。”孔德兴说道。换句话说，你是否掌握了核心代码将决定你是否有机会在未来的人工智能“智力竞赛”中获胜。用开源代码“训练”的人工智能充其量是一个“正常人”，为了帮助人工智能成长为“子领域的专家”，它需要创新基于数学的原始核心模型、代码和框架。

只有有了算法的“根”，行业才能“繁荣”

所谓的“深根”与人工智能的发展是一样的。基础越深，这个行业就能发展得越强大。

那么，在开源代码的帮助下，为什么“还算过得去”的人工智能行业不可持续呢？

孔德兴解释说，在获得相同数据的前提下，用开源代码运行，人工智能经过深入学习后可能会输出结果。然而，由于固定的训练框架和算法的限制，用户在进行具体的实际应用时很难达到预期的效果，算法也很难修改、完善和优化。

“如果我们从底层算法开始，那么整个数学模型、整个算法设计和整个仿真训练都将在一条连续线上进行，不仅可以协同优化，而且可以根据需要随时修改，从而真正解决实际问题。”孔德兴表示，基本算法通常指研究常见问题的算法，涉及基本数学理论、高性能数值计算和其他学科，可应用于各种实际问题。然而，有针对性的应用算法往往应用于“特定知识和先验信息”所涉及的特定问题，从而更好地解决实际应用问题。

“基本算法和应用算法都非常重要。拥有基本算法将有助于丰富和深化应用算法。”孔德兴说，人工智能要处理的现实生活是复杂多变的。只有当它能够“*处理”时，它才能促进行业的“繁荣”。

呼吁三方共同努力，阻止数学走出国门

“一方面，它是政策指导。事实上，国家已经在这方面加大支持力度，比如设立科研基金。”对于如何解决“许问题”所反映的问题，孔德兴认为，第二个方面是工业企业在进行科技创新时，要有包容数学家的意识。

如果最终产品通过算法的开发落到地面，企业应该将算法开发中的数学家纳入成果共享孔德兴表示，目前社会对数学科学等“软实力”的认识不足，行业或法律应做好保护数学研究成果的产权工作。

"第三，数学家本身应该积极参与人工智能的发展."孔德兴呼吁数学家深入参与人工智能的未来发展。由于人工智能仍处于“弱人工智能”时代(可以说是数据智能时代)，人工智能的实现主要依赖于计算机巨大的计算能力和存储能力。潜在算法的问题可能并不突出，但在未来的发展中，人工智能可能会结合逻辑和思维等智能内容。所有这些都需要数学科学的原创性创新，并且有大量的基础问题需要数学家去解决。

算法的进步必须来自“发起人”，而不是“追随者”。孔德兴说:“事实上，深度学习的应用已经达到了极限。我们需要新的数学技术(比如部分依赖逻辑部分依赖数据的“智能算法”)来让计算机变得更智能。所有这些工作都需要数学家的参与。”