专家观点：也来谈谈人工智能

原创： 陆首群 COPU开源联盟

近几年新一轮人工智能又成热点，进入全球性竞争。从目前态势来看，美国处于领先地位，中国在大步跟进，一些欧洲朋友对我说，他们正在追赶美、亚（含中）。人工智能前途无量，但其潜力充分挖掘出来还有很长的路要走，需要数十年甚至更长时间。

人工智能发展表现为基础理论的研究和应用创新。其应用创新依赖于算法、算力、大数据和商业化场景，归根到底还需要大量人工智能基础理论研发工作的支持。

今天人工智能基础理论研究美国继续领跑，在应用创新方面有人说中国具有优势，也有人说这样的估计过于乐观，在深度和广度上美国强于中国，只在某些应用领域我们比美国强。

目前人工智能的算法还不多，档次偏低，存在不少问题。以人脸识别为例，国内一般利用基于深度学习中最流行的神经网络（特别是卷积神经网络，CNN）的算法，分析人脸图像（识别其特征点，过滤掉伪装），但CNN在面对精确的空间关系时会暴露其缺陷，如难以对抗来自黑客篡改图像混淆算法的攻击，我看到谷歌采用优于CNN、基于胶囊网络（Capsule Netwogrks）的算法，它可以对抗一些复杂的干扰或攻击。深度学习领军人物Geoffrey Hinton在其2017-2018年论文中提出了胶囊网络的概念，谷歌关于胶囊网络基础理论的研究成果使其取代CNN，挑战最先进的图像识别（含人脸识别）算法。

今天国内人工智能的算力问题也不少，有的档次偏低，算力不强，与实际需要仍有不小差距。这里举出美国一个利用人工智能解决假肢灵话性的案例，他们开发的综合算力：采用机器学习解码人体传感器传来的信号，将机器学习与生物学、物理学结合实行多学科配合，采用生成式对抗网络（Generative Adversarial Networks，GAN），面对计算能力的挑战以增强算力，开发高档AI芯片和传感器，提高综合算力。在这里GAN的概念是谷歌研究员Ian Goodfellow于2014年提出的，加强算力也得益于基础理论研究成果。

在大数据方面我们具有海量数据的优势，但大数据的所有权和隐私权的争议尚待解决。另外，在国内不易找到大量理想的商业化场景可能也会制约人工智能应用创新。必须指出，美国开发了一批用于医学的人工智能软件，必须经美国食品与药品管理局（FDA）批准后才能用于临床和应用，这点值得我们借鉴。

人工智能资深专家们认为，对于车辆自动驾驶问题，要实现全自动的未来尚不明朗，但在物流行业可能成为首批应用自动驾驶的行业。以高文院士领衔的“新一代人工智能技术产业联盟”提出，在国内要形成一个比较统一、资源共享互补的开源平台（在其上搭载、储存、流动基于开源的AI框架、工具、标准等资源），很有必要！

国内发展人工智能产业，要关注如何处理AI初创企业。在国外，人工智能巨头谷歌、脸谱、微软均在大量併购AI初创企业中发展起来的，如今在国内，Horizon Robotics（地平线）成为全球估值最高的AI芯片独角兽，商汤、云从也是AI独角兽企业…。要重视培养引进AI高端人才（特别是选聘AI研发团队的领军人物），要引得进、留得住、用得好！

去年10月25日GitHub CEO Nat Firedman来访，他告诉我他们托管了大量开源的、人工智能的代码，他们欢迎与国内合作，欢迎国内有关单位和专家到他们网站上去查阅AI代码和有关资料。