邮件登录

抓住人工智能发展的历史机遇期

2019-03-18 16:47
  
  

  人工智能正迈入技术突破和产业发展前沿 

  算法突破、数据积累和算力提升催生人工智能。在算法突破方面,2006年加拿大多伦多大学提出的深度学习算法(DNN),较好地模拟了人脑神经元多层深度传递的过程,该算法及衍生算法已在图像识别、语音识别、机器翻译等领域取得惊人效果。在数据资源方面,随着数字化进程日益深化,到2020年全球数据总量将超过40泽字节(ZB),是2011年的22倍。在高性能计算方面,传统中央处理器(CPU)在性能和功耗上难以支撑海量数据运算,而图形处理器(GPU)、现场可编程门陈列(FPGA)、张量处理器(TPU)芯片具有并行计算、高吞吐量等特性,计算能力可达每秒10万亿次浮点运算,正替代CPU成为人工智能的计算单元。 

  机器识别图像、语音和自然语言等开始广泛应用。在看的方面,以国际ImageNet大赛(ILSVR竞赛)为例,自2012年引入深度学习算法后,机器识别海量图片中物体种类的错误率逐年下降,2015年已降至3.57%,优于人眼5.1%的识别错误率。在听的方面,近场语音识别技术已可进入日常生活,如MicroSoft语音识别系统的错词率在2016年已经降到5.9%,等同于专业速录员。在理解方面,机器翻译、文本分析等也逼近专业水平,如GOOGLE推出的神经网络机器翻译GNMT相对于传统机器翻译,在从英语到中文的翻译方面错误率下降了58% 

  我国处于较好位置且部分应用已进入全球前列 

  我国拥有人口基数庞大、应用场景丰富、风投资金充裕、论文专利众多等综合优势。一是用户数和数据优势。从用户数看,到2017年底,我国有3.49亿固定宽带用户,是美国的3.5倍,占全球38%;有11.3亿移动宽带用户,是美国的2.7倍,其中4G用户占全球40%;还有2.9亿机器联网(M2M)用户,是美国的3.5倍。从数据量来看,我国已占全球13%,据高盛报告预测,随着用户数和在线时长增长,这一指标到2020年预计提升至20%—25%。二是应用场景丰富。我国是全球唯一拥有联合国产业分类目录中所有工业门类的国家,数字化、网络化、智能化应用潜力巨大。三是风投资金充裕。从跨境双向投资看,我国背景的资金投资美国初创企业笔数从2014年的6笔,快速增长到2017年的31笔,超过美国资金对我国初创企业投资的20笔。从资金投资领域看,集中在人脸识别、影像诊断、人工智能芯片等热点方向。四是科研论文和专利优势。据美国国家科学技术委员会数据,2014年我国在深度学习”“深度神经网络等领域的科学论文数量已超过美国。美国《科学引文索引》数据也显示,我国人工智能论文达10.3万篇,超过美国的8.4万篇,论文影响力则位居第二。从专利看,按照美国专利与商标办公室数据,以深度学习、机器学习、人工智能等为关键词检索专利,我国在20162017年均超越美国。 

  我国在计算机视觉、语音识别、无人驾驶等应用领域已进入全球前列。随着科研论文的公开、开源算法框架的推出及计算芯片性能的提升,我国企业在部分应用上已进入全球前沿。一是计算机视觉应用全球领先。2011—2012年这一轮人工智能刚兴起时,国内一批企业深耕计算机视觉技术,目前从算法水准和应用情况看,人脸识别、安防监控等领域已获得全球认可。二是中文语音识别具有独特优势。随着互联网语音资料的丰富以及深度学习算法的引入,国内已形成科大讯飞、百度两家主导,思必驰、云之声、出门问问等企业跟随的发展格局,在中文语音合成、语音识别、自然语言处理等领域拥有大量专利,产品广泛应用于语音输入、智能家居、实时字幕、语音搜索、智能客服等场景。三是无人驾驶、无人机、智能交通等紧追领军企业。总体上,智能应用开始进入快速扩展期,我国有望在更多领域形成自身优势。 

  在关键技术、生态塑造与制度供给方面还存在明显短板 

  一是高端芯片等关键技术领域受制于人。高性能计算芯片是人工智能发展的前提。目前美国在图形处理芯片(GPU)、现场可编程逻辑阵列(FPGA)芯片、模仿人脑神经元芯片、专用集成电路(ASIC)芯片四条技术路线上仍占主导地位。而我国目前仍以进口芯片为主,虽然近年也涌现出一些初创企业如寒武纪、地平线等,但实力仍然非常弱。二是算法框架依附于国外巨头开源生态体系。人工智能的智能程度关键在于算法。国外巨头通过开放算法框架(内嵌视频处理、文本分析、语言理解等算法模块),降低人工智能产品或应用开发成本,进而吸引世界各地开发者入驻生态。这一策略集聚了全球智力,壮大了生态。从高盛报告看,GOOGLETensorflow算法框架聚集了6.8万名明星开发者;而百度PaddlePaddle平台仅有5330位,不到前者的十分之一。大家在调研中了解到,国内初创企业大都基于GOOGLETensorflow进行开发。三是人才总量和领军人才短板突出。创新的根本在于人才,从不同机构数据来看,我国人才总量和结构双短缺。全球最大招聘网站领英2017年 全球AI领域人才报告》显示,全球人工智能人才数量190万,其中美国85万,我国5万,位列印度、英国、加拿大、澳大利亚、法国之后,排第7位。从工作经验看,美国人才中具有10年以上经验的占71.5%,我国仅为38.7%;国内企业领军人才主要来自海外引进。四是监管制度滞后于人工智能创新需要。

  进一步推进人工智能发展的建议 

  加大关键核心技术和共性标准支撑。一方面依托我国市场需求优势,支撑与国外领先企业开放合作,缩短跟跑学习周期;要避免资金、人才等资源摊薄,推进强强联合,鼓励走差异化技术路线。另一方面,强化产业链上下游相互支撑,发挥国内应用场景优势,给予国内芯片企业商业化应用和迭代完善的机会。 

  统筹产业链打造算法框架平台。必须从战略上重视算法框架和平台的重要性。要借鉴PC互联网时代Windows操作系统主导生态、移动互联网时代安卓主导生态的经验做法,支撑组建产业联盟,构筑生态搭建算法框架。 

  优化环境培育和吸引高端人才。要完善人才引进配套政策,防止人才得而复失,同时在海外设立研发中心,就地招揽高端人才。要加快人工智能学科建设和人才培养;面向制造、金融、医疗等重点行业开展应用型人才培育。 

  适应智能化变革趋势,同步加强监管制度建设。人工智能与各行业结合必然会孕育出新业态,对此,既不能简单按照传统业务监管,也不能任其发展,而应把握技术和产业趋势,在准入方面给技术业务创新留下一个观察期。同时要参考国际经验,结合业界合理诉求,围绕监管关键要素如监管根基、监管职责、监管机制、监管手段、监管成本等,重新梳理相关制度,以便为创新提供保障。 

  加快相关法律、伦理和责任制度研究。在法律法规方面,重点是研究个人隐私保护和数据权属制度、政府数据开放、合法开发利用等法律问题,明确各方的权利、义务和责任等。在网络安全方面,既要加强硬件系统防护能力和等级评测,又要提前从制度上明确网络安全责任和义务。在伦理方面,对于可能涉及人类生命的伦理选择,如无人驾驶事故应急选择、机器人伤害人类等极端事件,给出基本规范,消除公众疑虑,助力创新产品商用化。 

 

   编辑: 国务院发展研究中心企业研究所副研究员 马源  新蒲京娱乐场777: 《党政干部参考》2018年第22期 

微信

水利部发展
研究中心
微信

XML 地图 | Sitemap 地图