人工智能短板如何补

现场报道】2019年中国人工智能年会

本报记者 计红梅

自今年4月以来，支付宝、微信、银联相继涉足刷脸支付领域，刷脸支付成为备受瞩目的新战场。据数据预测，到2022年，人脸支付用户将突破7.6亿。

随着人脸识别、语音识别等人工智能技术的普及，其安全问题也逐渐凸显。中国科学院院士、清华大学人工智能研究院院长张钹在接受《中国科学报》采访时表示，随着人脸支付应用的场合日益重要、规模日益扩大，其潜在风险也在增大。他警告，“现在还没有人盗用，只是因为收益太小，不值得。”

算法、数据和计算是驱动人工智能发展的三大要素。香港科技大学讲席教授、微众银行首席人工智能官杨强认为，就核心算法而言，人工智能距离“现代化”还有很长的路要走。在近日于苏州举行的第九届吴文俊人工智能科学技术奖颁奖典礼暨2019中国人工智能产业年会上，杨强获得了杰出贡献奖。他强调，目前的人工智能研究距离理想目标还有很大的差距。

杨强以物理学的发展作为比喻，指出目前的人工智能各种算法繁多，每一种只针对一种现象，类似于物理学发展初期。他认为，人工智能应该向现代物理学发展，追求通用型人工智能理论，用一个理论来解释多种智能现象。

中国人工智能学会理事长、中国工程院院士戴琼海则提出了一个问题：当前人工智能的繁荣背后是否潜藏着隐患。他认为，多学科交叉促进了人工智能的飞速发展，但在新方法、新原理、新技术、新应用不断涌现的也需要深入思考是否应仅仅顺应潮流，而错失人工智能的重大变革机会。

结合近期学术界申请国家自然科学基金的情况，国家自然科学基金委员会人工智能处处长吴国政认为，目前人工智能仍处在弱人工智能的初级阶段。在这一阶段，机器学习主要依靠人工进行数据的标注，卷积神经网络层数的增加并没有科学依据。他希望学术界和产业界能共同合作，深入研究人工智能的根本问题。

张钹在获得2019年度吴文俊人工智能最高成就奖后接受采访时指出，深度学习存在两个阶段出乎人们的预料。第一阶段是深度学习刚出现时，它在降低对相关知识的要求方面表现出极大的优势；但第二阶段是应用一段时间后，人们发现这个方法存在很多问题。张钹及其团队提出发展第三代人工智能，结合数据驱动和知识驱动，以解决当前人工智能的局限。他认为，“仅靠数据是无法产生真正的智能的。人类智能的基础是知识。”

杨强则认为，尽管深度学习存在短板，如无法解决数据孤岛问题，但他认为深度学习仍有发展潜力。他建议研究者可以关注小数据、分布式和零散数据等。在杨强看来，通过与工业等各行各业的深度融合，深度学习可以挖掘更多的价值。

东南大学仪器科学与工程学院院长宋爱国则指出，“人工智能领域‘卡脖子’的关键技术还有很多。”例如，人工智能模仿人的感知、认知等智能行为，但我们对人的感知和认知机制并不清楚。这不仅是一个科学问题，也存在技术瓶颈。解决这些问题需要我们付出更多的努力和创新精神。关于人类大脑的探测与研究，由于目前缺乏先进的仪器来捕捉大脑神经元动态成像的过程，使得我们难以深入探究思维活动的本质。平安集团首席科学家肖京为我们揭示了人工智能领域中的两大挑战——“卡脖子”技术。这些技术难题被分为两类：一类是从零开始的全新挑战，这类问题在全球范围内尚无解决策略，需要我们勇敢地进行前沿探索；另一类则是某些领域的技术空白，如开源软件等。肖京强调，“卡脖子”领域蕴藏着巨大的机遇和潜力。

对此，杨强教授在接受《中国科学报》采访时也表达了深切的关注。他指出，尽管学生们在人工智能领域的工作进展迅速，但他们过于依赖国外的开源软件和数据，这无疑限制了我们的技术创新和发展空间。为了突破这一瓶颈，杨教授建议鼓励国内人工智能从业者积极参与开源活动，使用并贡献自己的数据集。尽管这些工作充满挑战和不确定性，但每一份努力都至关重要，需要我们全方位的支持。

杨强还强调，在人工智能的广阔领域中，我们还需要更多的人才投入到基础研究中。目前以深度学习为核心的人工智能只是整个领域的一个狭窄分支，还有许多未知领域等待我们去发掘。他鼓励青年学子们不仅学习计算机科学知识，还要广泛涉猎心理学、认知学、大脑神经学和医学等领域。只有拥有“深广兼备”的知识结构，才能更好地进行知识的迁移和应用，为人工智能领域的发展做出更大的贡献。