人工智能核心创新触及天花板

近年来，人工智能领域的研究如火如荼，各种论文层出不穷，其中不乏令人瞩目的应用成果。在这个繁荣的背后，人工智能某些领域的核心进展是否停滞不前，引发了广泛的争议。

《科学》杂志最近发表了一篇引人瞩目的文章，指出人工智能领域内一些核心研究的进展似乎并未取得突破性的成果。文章作者马修·赫特森认为，尽管近年来人工智能领域的研究论文数量激增，部分论文中所宣称的核心创新仅仅是原有算法的微小改进，与多年前的旧算法相比，新技术在性能上并未展现出显著的优势。

针对这一现象，科技日报记者采访了相关领域的专家。微众银行人工智能首席科学家范力欣表示，虽然目前人工智能领域的研究非常火热，但并不能因为某些论文的质量问题或者部分子领域进展的局限性，就断言整个领域的发展停滞不前。他指出，许多子领域的系统在性能上已经满足了具体应用场景的落地要求，并且有更多的学者和研究人员正在积极参与这一领域的研究。

范力欣强调，年轻学子中的佼佼者也在人工智能领域崭露头角，他们正在为这一领域的进步做出重要贡献。对于人工智能领域的核心创新是否取得突破进展的问题，他认为目前仍然处于积累实践观察的初级阶段。真正的核心创新需要长期大量的观测和无数小的观察结果来推动。

南京大学人工智能学院教授俞扬指出，虽然人工智能领域的进步非常明显，但也存在技术催熟和审稿随机的问题。他强调，真正的技术进步需要在公认的数据集上进行测试并在实际的产业应用中获得成功。革新性的工作往往容易遭受质疑，容易被淹没在海量投稿中。

那么，在人工智能领域的研究中，如何称得上是核心创新、实现突破进展呢？专家们认为，首先需要找准制约算法性能的瓶颈问题，特别是那些难以克服的局限。厦门大学人工智能系副教授陈毅东表示，找到问题之后，需要提出合适的应对方法，这些方法可以来源于对目标任务领域知识的结合，也可以来源于对其他学科的借鉴。由于现实条件的限制，如数据和算力等，算法改进还需要根据现实条件进行各种折中和裁剪，这要求研究者具备工程能力和实践经验。

人工智能领域的研究仍然充满挑战和机遇。虽然存在一些争议和质疑，但核心创新的脚步并未停止。只要我们持续深入探索、积极寻找解决问题的方法并不断努力实践，未来的人工智能技术一定会给我们带来更多的惊喜和突破。科技日报报道，对于阿尔法围棋这一里程碑式的科技成就，其背后所包含的科技元素早已不是新鲜出炉。搜索树方法早在2006年便已发表，策略梯度强化学习也在2000年得到展示，而卷积神经网络更是早于这些时期就已提出。范力欣指出，“科学的进步往往是一个不断证伪的过程，而非一次性提出全新理论。只有积累到一定程度，才能实现质的飞跃，为新的理论突破奠定坚实的基础。”

俞扬对此深有同感，他认为人工智能领域的基础研究想要取得突破，可能需要经历长期且充满争议的工作过程。在人工智能的热潮之下，如何为这样的研究工作和研究人员提供足够的空间，保持对基础研发的持续投入，尤其是对热点之外的研究方向拥有清晰的独立判断力，是一个值得关注的问题。

值得注意的是，尽管人工智能领域发展迅速，但目前仍然面临着全领域创新评价标准不统一的问题。不少研究工作夸大了其改进效果，而这其中一部分原因正是缺乏统一的评价标准。尽管存在代码开源、公开模型等解决手段，提高研究工作的可复现性和可对比性，但在全领域范围内实现评价标准统一仍然十分困难。

陈毅东认为，制定统一评价标准需要站在一定的高度，并且需要根据研究前沿的变化不断调整更新。需要有组织地引导领域学者、产业界研究人员共同参与，共同研讨相关领域的前沿动态、发展方向和应用痛点，制定相应标准数据集、搭建平台，并面向科研开放数据、接口甚至计算资源。真实的场景和数据往往来源于产业界，因此学术界和产业界的密切合作也显得尤为重要。

从应用角度看，当前的人工智能技术仍处在积累实践观察的初级阶段，面临着在实际环境条件下无法奏效的困境。近期的学术会议在论文评价标准上越来越强调研究工作的可复现性。俞扬建议将基础研究与国内的实际生产需求相结合，这样既能产生原创成果，又能形成闭环激励，推动不断创新。范力欣也强调，“实践是检验真理的唯一标准”，任何算法都需要经过实践的严格验证。虽然目前人工智能领域存在一些误导公众的情况，但他个人对未来的发展持乐观态度。