突破关键核心技术 让人工智能更智慧

人工智能的发展水平是显著的，但目前的人工智能系统有智商但没有情商，能计算但没有“计算”，有专业人员但没有通才。

在人工智能的三个层次中，有许多尚未解决的技术瓶颈。以应用层为例。如果停车场没有地图，无人驾驶车辆可能无法读取标志和标记，因此无法顺利找到停车位或通往出口的道路。

看看基础理论研究-

人工智能可分为特殊人工智能和一般人工智能。目前的进展主要是由特殊的人工智能取得的。通用智能系统的研究和应用还有很长的路要走。

阿尔法狗击败男子围棋冠军；人工智能在大规模人脸识别方面超越了人类的一般水平。语音识别系统的准确率与专业速记员相当...近年来，人工智能的发展水平引人注目。

为什么要加强人工智能前沿基础理论的研究？

中国科学院自动化研究所研究员谭铁牛院士认为，人工智能可以分为特殊人工智能和一般人工智能，目前的进展主要是由特殊人工智能取得的。一个真正完整的人工智能系统是一个通用的智能系统，它能从一个实例中得出推论，并像人脑一样消化它们。然而，目前的人工智能系统有智商但没有情商，能计算但不能“计算”，有专业人员但不能通才。通用智能系统的研究和应用还有很长的路要走，人工智能的整体发展水平还处于起步阶段。“人工智能的前沿基础理论是人工智能技术突破、产业创新和产业化的基石。为了获得最终发言权，中国必须在人工智能和尖端技术的基础理论上取得重大突破。”

接受采访的专家指出，探索人工智能的先进基础理论有着巨大的空间。以最流行的人工智能基础理论——深度学习法为例，它既不是人工智能基础理论的完善也不是人工智能基础理论的整体研究。

"深度学习方法有局限性。"英特尔中国研究院院长宋继强说，例如，深度学习可以识别人脸，但不能通过一个人的讲话预测与另一个人的情感关系，因为它缺乏这方面的知识输入。

石喻科技负责人吴甘沙说，例如，一旦数据没有被正确标记，数据集就会有偏差，甚至“抵制”错误数据的输入，深入学习可能会出错。显然，它是一只熊猫。如果只有几百个像素被改变，深度学习可能会将其识别为印章。

浙江大学计算机科学学院副院长、人工智能研究所所长吴菲认为，从数据驱动的人工智能领域到普遍的人类智能，还有很长的路要走，还需要跨越神经科学、认知科学甚至新的数学模型等未知领域。

“应该鼓励科学研究人员瞄准人工智能学科的前沿，开展领先的原创科学研究。通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，围绕人工智能领域的重大基础科学问题，形成具有国际影响力的人工智能原创理论体系，为我国自主可控的人工智能技术生态创新建设提供领先的理论支持。”谭铁牛说。

看看关键核心技术-

人工智能可以分为基础层、使能层和应用层。这三个层次都有许多核心技术，还有许多未解决的技术瓶颈。

近年来，中国的人工智能技术取得了长足的进步，但一些关键核心技术仍需克服。

根据吴甘沙的观点，人工智能可以分为三层:基础设施层、使能层和应用层。其中，基础层是指基本的理论算法和计算力；启用层涉及特定的应用场景，如语音识别、计算机视觉、专家系统、游戏系统和机器人。应用层是指无人驾驶和智能医疗等综合场景。

"这三个层次都有许多核心技术，还有许多未解决的技术瓶颈."他表示，从基础设施层面来看，尖端基础理论和算法仍有很大的突破空间，芯片等硬件设备需要进一步本地化。从使能层的角度来看，与语音识别相关的人工智能总体上取得了很大的进步，但有些智能机器有时会翻译不像“人类词汇”的语言，并且缺乏对语义的深刻理解。工业机器人可以处理某些环节中的问题，但它们不能像装配环节中的人类一样，通过对肌肉和神经的敏感操纵来实现精确控制。从应用层面来看，无人驾驶是一个开放的、动态的、不确定的环境。人类无法在机器世界中“喂养”所有的交通场景。无人驾驶车辆可能无法应对某些情况。如果停车场没有地图，无人驾驶车辆可能无法读取标志和标记，因此他们可能无法顺利找到停车位或通往出口的道路。

专家指出，要攻克人工智能的关键核心技术，除了寻求前沿基础理论的突破外，还应重视基础硬件研发、支撑系统研发、生态建设和研发思路的调整。

南京大学计算机系主任、人工智能研究所所长周志华表示，几乎所有的智能应用都越来越离不开图形处理器。许多企业直接在TensorFlow(基于数据流编程的符号数学系统)等系统上构建智能应用程序，这有可能在未来被“卡住”。国内应加大努力，开发机器学习的基本硬件和支持系统，以替代GPU和TensorFlow。另一方面，GPU和张量流都是基于深层神经网络模型。如果非神经网络模型的深度学习取得突破，基于深度神经网络模型的这些基本硬件和系统的“垄断”将自然消失。

“人工智能技术最终会落到芯片上，各种算法需要定制硬件来加速。芯片为加速提供了基础。软件是如何在芯片上快速开发的定义。两者之间的协调越来越重要——加强芯片和软件系统的开发非常重要。”宋继强说道。

北京大学计算机系系主任黄铁军认为，要发展关键核心技术，就要建设一个有利于人工智能开放发展的生态环境，打造新一代开放的人工智能平台，尽快建立和完善人工智能关键核心技术体系。

“从研发的角度来看，寻求关键核心技术的突破并不能取得立竿见影的效果。有必要着眼于长远，而不仅仅是为了暂时的利益而做一些“短期的、快节奏的”研究。许多关于人工智能的基础研究在早期阶段都有巨大的投资，可能需要许多年才能产生结果，但这些都是有价值的探索。”宋继强说道。

着眼于人才发展-

努力建设一大批具有国际标准的研究团队是拔尖人才涌现的基础。

人工智能的发展离不开高层次人才。接受采访的专家指出，我国初级人工智能人才相对丰富，但缺乏具有国际影响力的高层次人才，必须建立完整的人工智能人才体系。

建立一个完整的人工智能人才系统需要一个良好的环境。

“人工智能作为一门学科，于1956年正式出现。欧洲和美国的研究起步很早，而中国的研究起步相对较晚。只是在过去的十年里，才出现了更多符合国际前沿的科学研究。总的来说，顶尖人才的成长需要一个环境，比如接触前沿课题、来自高级学者的指导，以及相当数量的活跃研究人员来讨论和交流。”周志华认为“只有在青藏高原才能有珠穆朗玛峰”。努力建设一大批具有国际标准的研究团队是拔尖人才涌现的基础。"

要构建完整的人工智能人才体系，必须加强相关专业的课程建设。

周志华认为，中国大学人工智能领域的博士生和硕士生数量远远不能满足需求。人工智能课程很少，本科阶段通常只有1到2门课程。“在有能力培养人工智能人才的高校，应加强相关专业的课程建设和人才培养体系建设。”

专家指出，课程内容应该倾向于“交叉”。

“交集有两层含义。第一是基础理论的交叉，第二是应用的交叉。”黄铁军说，首先，人工智能的学科应该与基础科学交叉。为了在前沿基础理论上实现突破，学生不仅要了解计算机和人工智能，还要选择脑科学、数学科学甚至人文社会科学进行双向交叉。第二，为了促进市场应用的发展，人工智能应该与应用学科交叉，如人工智能与农业、医学、土木工程、交通等。

构建完整的人工智能人才体系，必须进一步提高公众的人工智能科技素养。

谭铁牛认为，每个人都需要学习和适应人工智能时代的技术浪潮。在加强人工智能领军人才培养和引进的同时，要面向技术创新和产业发展，多层次培养人工智能创新创业人才，逐步实施全国智能教育计划，在中小学开设人工智能课程

《人民日报》(2018年12月3日，第20版)