人工智能協會   AI

國際科技巨頭對人工智能的研究已逾十多年，并且部分研究成果已經進行商業應用。同時，國內近幾年掀起AI熱，科研、資本和人才向AI靠攏的趨勢明顯。互聯網巨頭公司大力加碼推進人工智能研發。馬化騰也表示，如果只能投資一個領域，從他自身所處行業出發，他最關注的是和信息技術相關的AI產業。

那么AI在國內研究發展現狀如何？未來推進的方向應該是怎樣的？美國人工智能協會（the Association for the Advance of Artificial Intelligence，AAAI）執行委員會唯一的華人委員、香港科技大學計算機科學及工程學系教授楊強近日接受《知識分子》訪談，他認為，國內AI研究盡管在投稿量上接近領先，但是在創新方面，國內人工智能研究還有欠缺，“很多人學會回答問題了，但是，很少有人會提出新問題”。

談到AI未來的發展方向，楊強認為，當前AI應用沒有做到讓整個行業脫胎換骨，而要做到AI驅動的“核心決策系統”的優化，算法研究的力量可能只占其中比較小的百分比，更多的是要看市場對這個系統的態度，看生態、同盟的發展速度，是不是可以來推動整個垂直行業的躍進。

同時他還指出國內外巨頭公司布局人工智能方面的不同之處，并對AI相關人才的培養提出了自己的看法。

以下為訪談全文。

Ai落地難，難在哪里？

《知識分子》：人工智能不同領域，包括計算機視覺、機器學習、自然語言處理、機器人技術和語音識別技術等，國內與國外研究進展的主要差距體現在哪？

楊強：人工智能和其他的科學行業的發展規律是類似的，比方說天體物理，在一些大家已公認的題目上，像“用射電望遠鏡觀測星系”，“研究星系的發展規律”等，在大家都得到數據和資源后，就都去參與研究。中國的人工智能發展現在處于這個狀態，有一些國際上公認的熱點題目，大家都去研究，例如機器學習，有很多的學生、學者去參與。我們現在的科研文章，不管是投稿量還是被接收量，都已經接近世界的水平了，這是很可喜的事。 

但是在創新方面，國內的人工智能還有欠缺。 就像在科學的領域發現一個新的星體，或是發明一個新的手段去進行科學發現，這類注重“新”的問題，需要科學家去深度思考，也是科學家們真正應該做的事情，而不僅僅是做人家定下來的題目。做別人給的題目比較容易，但提出好的、新的題目卻很難。國內人工智能研究方面，“引領”型的研究還不夠，接近國際水平，只是從量的上面看，這當然已經相當不錯了。但是從質的方面，還有不小的差距。這就像：現在很多人學會回答問題了，但是，很少有人會提出新問題。

造成這種差距的原因來自多方面，一方面可能是因為媒體的宣傳和社會對青少年的培養仍然比較傳統，即：鼓勵大家去研究人人都在做的方向，去人多的地方掘金。這種思維是整個社會和文化造成的，一時沒辦法改變。另外，某些學生、學者比較注重短期效益，比較在乎短期的成敗比如文章數。媒體上也宣傳，大家在評價大學等機構研究水平時，還是在看發表文章的數量，認為一家機構發表的文章多，這家機構就很厲害，其實，這是一個錯誤的引導。應該轉變思維，強調他們提出了幾個新的思維，這些思維被全世界多少人跟蹤，引用，發展。

美國人工智能協會委員、香港科技大學計算機科學及工程學系教授楊強。圖片由受訪者提供。

《知識分子》：如何評價當前人工智能不同領域商業化應用推進程度？落地難的主要原因是？

楊強：我們要解決人工智能落地難，首先要理解什么叫“落地難”。我的理解就是，在實驗室理想的環境下，取得了很大的成功，但是拿到實際的生活、生產當中去，往往不能得到預期的結果。AI落地，會遇到很多的挑戰。

第一個挑戰是數據少。數據在大部分產業界都是以孤島的形式存在，以小數據的形式存在，沒有形成完整的大數據。為大數據設計的算法模型，在大多這樣場景中，就會無能為力。

第二，我們逐漸意識到AI其實并不是一個產品，不像Microsoft Office一樣，大家拿來就可以用。而是：AI的模型需要做訓練，訓練是需要數據的，需要標記好的數據，要有不斷壯大模型的經驗、需要有能力獲得好的反饋來幫助模型壯大、整合不同的數據擁有方來進行互補。所以，這些都說明，AI的落地更像是一個“解決方案”。但是，如果AI僅僅是解決方案的話，落地就會非常難，因為對于不同的問題，需要不同的方案設計，這就很難Scale up （擴展），效率會非常低下。