2018年9月17日，为期三天的2018世界人工智能大会在上海开幕了。来自国内外各行业的人工智能技术的推动者，研究者，关注者，使用者齐聚一堂，十几个不同论题的分论坛在上海市内的多个会场举办。我有幸参加了“人工智能与实体经济深度融合发展论坛”“标准驱动，智能中国”“看见，智能”三个分论坛，听取报告。从所见所闻中收获颇丰，其中感想可以大致概括总结为三点。
第一点成绩显著，泡沫滋生
如今我国人工智能产业的发展已经取得了一定的成就，这当然推动了不少相关行业，但同时也吸引了公众，媒体和资本的聚焦，许多企业和机构匆匆忙忙追逐这一新兴领域，实际上没有条件和环境把人工智能技术真正与具体生产实际相结合，催生出一定程度的泡沫。
在“人工智能与实体经济深度融合发展论坛”上，工信部、上海市委和中国工程院的领导和专家充分肯定了当前人工智能产业取得的成绩，随后上场演讲的嘉宾来自各大企业，主要介绍人工智能技术与自身业务的交叉结合，包括“大飞机”，中日友好医院的智能医疗等等。 这些企业代表的讲演内容虽然都表达出对未来的美好期许，但其中的含金量却是良莠不齐。例如字节跳动公司的爆款产品“抖音”与小米集团“小爱AI”的分享内容显得干货满满，从市场需求、技术储备、产品变现、维护运营上都能体现出AI技术的真正落实，体现出全面的生命力。而以伊利集团为首的传统制造业在AI技术的结合点与产业的转型升级上，就略显力不从心，各生产部门对技术的运用相对割裂。
总结起来，当前我国的人工智能发展主阵地仍在互联网企业，而不少传统制造业AI转型所强调的助力智能制造，主要集中于生产流程的优化方面上，且实际应用场景有限。这不禁使人忧虑目前的AI热所滋生的资本泡沫和盲目投入，是否需要些有效的处理手段加以把控。而在AI技术与传统行业的结合点上，还需要全社会继续发挥才智，开拓创新。
第二点神化妖化，亟待科普
在“标准驱动，智能中国”分论坛上，我有幸坐在前排的位置听报告，正前方就是嘉宾席。开场前，一名嘉宾席上的女士在和周围的嘉宾询问一些人工智能技术最基本的问题，从她的谈吐中，我发现她对技术细节甚至没有一个初级的概念框架，我猜想她大概是媒体代表而不是来自企业的技术人员。但世界人工智能大会的与会者尚且如此，那么公众呢？
随后分论坛的讲演正式开始，来自各个科研院所和学会的专家们主要探讨了关于我国人工智能产业标准化(相关国家标准的议定)和各国对世界标准制定的话语权竞争。在国际竞争方面，我国的主要竞争对手是美国，以谷歌为首的AI巨头掌握的成熟技术框架为全球广大研发人员所青睐，我国这方面虽不显逊色，但竞争仍是十分激烈。此外，专家们还特别提到人工智能相关术语和技术标准解释的制定问题。这些内容都使我联想到AI技术的科普与教育。
人工智能技术当今的影响是有目共睹的(例如AlphaGo相继击败李世石、柯洁)，但部分公众由于缺乏基本的科普，在一些问题上存在两种极端的认识：一是AI的神化，认为AI无所不能，可以解决实际上当前技术无法解决的问题；二是AI的妖魔化，宣扬AI威胁论，对于应用了AI技术的产品、服务谈虎色变，敬而远之。由于AI技术的全民关注，媒体的报道和网络资源呈现井喷式的增长，内容却是鱼龙混杂，部分甚至带有误导性，更加阻碍了AI技术的有效科普。
在教育上，可能也存在某些急功近利的因素。我听说国内一些高校准备响应国家政策号召，增设人工智能本科专业，但根据我硕士阶段对AI知识的一些了解和研究，对此表示忧虑和担心：人工智能技术需要多学科知识的支撑，尤其需要精深的数学与计算机功底，否则只是纸糊老虎徒有其表，本科生可能难以驾驭其知识的深度广度。且高校教育与生产一线相比，本就存在知识应用上的滞后性，低质量的毕业生可能无法满足用人单位要求，更遑论人才培养，在技术上竞争世界话语权。为逐一时热点，实在得不偿失。
教育是国家之本，容不得半点差池，标准化的有效推进势在必行，且二者互为依托，相辅相成。
第三点瓶颈初现，抓紧布局
“看见，智能”分论坛侧重于技术细节的讨论，邀请到了美国约翰霍普金斯大学、加州大学伯克利分校、卡耐基梅隆大学的多位学者进行讲演。其中的Alan教授(已故著名科学家霍金的弟子)谈到的AI技术瓶颈问题令我印象尤为深刻。当前最强有力的AI技术当属深度神经网络，而它的发展已经到了瓶颈期，其实际应用上的诸多缺陷也仅仅依靠大数据的支撑来补足，而他带领的团队正在积极探索不依赖大数据平台的AI理论。
其他与会海外学者也或多或少表达了相同的意见，而反观其他分论坛的中国企业界人士和研究人员还大多把经历投入到现有AI技术的落地和变现上，对新技术探索的着眼力度明显不足。以当今技术发展的迅猛速度，试想，有朝一日，当不依赖大数据的人工智能技术出现，全国辛苦建设的大数据平台、大数据基地将何去何从呢？这些也都是需要考虑的发展问题。
上述三点体会所涉及的问题，互相之间也存在一定的因果联系：因为成绩显著，促使泡沫滋生，公众关注度提高，难免误解与偏见；克服技术瓶颈，需要大量人才，学科教育与标准化工作的重要性就凸显出来，做好这一点亦是未来取得更大成绩的保证。人工智能技术的比拼，是看不见硝烟的战场，对国家如此，企业如此，每个从业者亦如此，这一伟大的世纪产业还有许多工作要做，道阻且长。
网友评论