位置:编程技术网 > 研发管理 > 正文 >

蔣昌俊:我國AI發展之路依舊漫長基礎研究仍是短板

2020年07月09日 10:02来源:未知手机版

爱与恨的抉择,纸黄金开户,苹果6.0.1完美越狱

當前,AI已走出技術爆發的階段,進入落地應用、創造價值的新時期,AI賦能傳統行業的重要性日益凸顯。此次大會中,AI+工業、AI+健康、AI+教育、AI+金融等主題論壇將依次召開,討論AI賦能的現狀、難點和未來前景,推動智能時代的傳統行業轉型。

縱觀全球,我國的AI發展處於怎樣的國際地位?未來的路又在何方?

同濟大學副校長、上海市人工智能戰略咨詢專家委員會召集人蔣昌俊表示,在國家政策引領和支持下,得益於大規模的用戶基礎、豐富的應用場景,中國人工智能領域不斷擁有全球影響力,尤其是智能產業化應用已經走在世界前端。

現狀:中國智能產業化應用有世界領先,基礎研究仍是短板

“目前,我國在智能交通、互聯網金融、智慧醫療等領域已經取得了初步的應用成果。國內互聯網企業也紛紛規劃人工智能藍圖,比如百度的自動駕駛,阿裡的城市大腦智能交通,騰訊的醫療讀片和醫療影像資料處理,科大訊飛的語音識別﹔寒武紀、科大訊飛、商湯科技為代表的初創企業在技術上不斷創新﹔海康威視佔據全球智能安防企業的第一名。這些都是我國在AI產業中取得的實際成就。”蔣昌俊介紹。

但同時指出,當前我國人工智能產業尚未形成有影響力的生態圈和產業鏈,與美國、歐洲相比,更加集中於應用落地,在基礎理論和原創算法發展薄弱,缺乏突破性、標志性的研究成果,在共性技術平台、智能芯片等方面發展相對薄弱。

蔣昌俊認為,這一系列的“短板”導致了我國依賴國外開發平台、基礎器件等問題的產生,顯然不利於我國人工智能生態的布局和產業的長期發展。“因此,我們還需要進一步提高認知,著眼於未來,加大科研攻關力度,補齊技術短板,建立產業生態,搶佔產業制高點。”

在談到人工智能基礎研究時,蔣昌俊說:“目前,從我國人工智能領域發展角度來講,我們很注重應用方面,但是基礎研究依然是短板,人工智能領域重大的理論和技術大都是源自西方國家。基礎科學研究的特點是需要大量資源、投入周期長、不確定性大和風險高等,決定了其難以在短期內獲得見效,但是隻有長期的投入和耐心才能實現真正持久的創新與源源不斷的技術發展。”

從中長期來看,人工智能和機器學習領域的發展根源於理論、算法和芯片等基礎層研究的突破創新,亟需針對人工智能的基礎性、前瞻性、源頭性的問題研究上有所突破,需要學術界和產業界共同努力,從源頭找到有價值的問題、基礎支撐平台技術的創新、搭建良好的產業生態鏈條等。

在他看來,令人欣慰的是,目前各大互聯網頭部企業已經意識到,通過開源技術建立產業生態,才是搶佔產業制高點的重要手段。

盡管目前美國仍是該領域發展水平最高的國家,但我國的科技企業也在居安思危,開始深度學習框架上的布局。諸如百度的飛漿(PaddlePaddle)、 清華大學的計圖(Jittor)、曠視的天元(MegEngine)和華為推出的MindSpore等,都相繼開源其深度學習算法,通過自主研發來掌握AI底層技術。

未來:AI發展之路依舊漫長 現在始於足下

AI的未來在何方?它將如何發展,又將給我們帶來怎樣的改變?

蔣昌俊表示,要想探討AI的未來,就要從其發展特點入手,通過探討傳統AI和當前AI,進而認知未來AI。

他認為,傳統的AI注重從感知到認知的過程,實現從邏輯到計算的不斷提升﹔而當前的AI,則是由弱到強的智能,是從閉環到開環、從確定到非定的系統。

“目前的神經網絡模型大都側重對數據的計算層面。事實上,一個高級的智能機器應該具有環境感知與邏輯推理的能力。如何將AI的演算和計算進行融合,結合基於規則系統的推理能力和神經網絡的學習能力,構建一個更強大的AI模型,推理能力可以幫助減少神經網絡學習新事物時所需的數據量。這樣的交互和融合將是當前AI由弱到強的主要突破口。”蔣昌俊認為,在構建類腦認知模型中,目前脈沖神經網絡的神經元以電脈沖的形式對信息進行編碼,更接近真實神經元對信息的編碼方式,能夠很好地編碼時間信息。

本文地址:http://www.reviewcode.cn/yanfaguanli/155731.html 转载请注明出处!

今日热点资讯