AI落地難，難在哪里？

人工智能協(xié)會(huì)   AI

國(guó)際科技巨頭對(duì)人工智能的研究已逾十多年，并且部分研究成果已經(jīng)進(jìn)行商業(yè)應(yīng)用。同時(shí)，國(guó)內(nèi)近幾年掀起AI熱，科研、資本和人才向AI靠攏的趨勢(shì)明顯?；ヂ?lián)網(wǎng)巨頭公司大力加碼推進(jìn)人工智能研發(fā)。馬化騰也表示，如果只能投資一個(gè)領(lǐng)域，從他自身所處行業(yè)出發(fā)，他最關(guān)注的是和信息技術(shù)相關(guān)的AI產(chǎn)業(yè)。

那么AI在國(guó)內(nèi)研究發(fā)展現(xiàn)狀如何？未來(lái)推進(jìn)的方向應(yīng)該是怎樣的？美國(guó)人工智能協(xié)會(huì)（the Association for the Advance of Artificial Intelligence，AAAI）執(zhí)行委員會(huì)唯一的華人委員、香港科技大學(xué)計(jì)算機(jī)科學(xué)及工程學(xué)系教授楊強(qiáng)近日接受《知識(shí)分子》訪(fǎng)談，他認(rèn)為，國(guó)內(nèi)AI研究盡管在投稿量上接近領(lǐng)先，但是在創(chuàng)新方面，國(guó)內(nèi)人工智能研究還有欠缺，“很多人學(xué)會(huì)回答問(wèn)題了，但是，很少有人會(huì)提出新問(wèn)題”。

談到AI未來(lái)的發(fā)展方向，楊強(qiáng)認(rèn)為，當(dāng)前AI應(yīng)用沒(méi)有做到讓整個(gè)行業(yè)脫胎換骨，而要做到AI驅(qū)動(dòng)的“核心決策系統(tǒng)”的優(yōu)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(chǎng)對(duì)這個(gè)系統(tǒng)的態(tài)度，看生態(tài)、同盟的發(fā)展速度，是不是可以來(lái)推動(dòng)整個(gè)垂直行業(yè)的躍進(jìn)。

同時(shí)他還指出國(guó)內(nèi)外巨頭公司布局人工智能方面的不同之處，并對(duì)AI相關(guān)人才的培養(yǎng)提出了自己的看法。

以下為訪(fǎng)談全文。

Ai落地難，難在哪里？

《知識(shí)分子》：人工智能不同領(lǐng)域，包括計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、機(jī)器人技術(shù)和語(yǔ)音識(shí)別技術(shù)等，國(guó)內(nèi)與國(guó)外研究進(jìn)展的主要差距體現(xiàn)在哪？

楊強(qiáng)：人工智能和其他的科學(xué)行業(yè)的發(fā)展規(guī)律是類(lèi)似的，比方說(shuō)天體物理，在一些大家已公認(rèn)的題目上，像“用射電望遠(yuǎn)鏡觀測(cè)星系”，“研究星系的發(fā)展規(guī)律”等，在大家都得到數(shù)據(jù)和資源后，就都去參與研究。中國(guó)的人工智能發(fā)展現(xiàn)在處于這個(gè)狀態(tài)，有一些國(guó)際上公認(rèn)的熱點(diǎn)題目，大家都去研究，例如機(jī)器學(xué)習(xí)，有很多的學(xué)生、學(xué)者去參與。我們現(xiàn)在的科研文章，不管是投稿量還是被接收量，都已經(jīng)接近世界的水平了，這是很可喜的事。 

但是在創(chuàng)新方面，國(guó)內(nèi)的人工智能還有欠缺。 就像在科學(xué)的領(lǐng)域發(fā)現(xiàn)一個(gè)新的星體，或是發(fā)明一個(gè)新的手段去進(jìn)行科學(xué)發(fā)現(xiàn)，這類(lèi)注重“新”的問(wèn)題，需要科學(xué)家去深度思考，也是科學(xué)家們真正應(yīng)該做的事情，而不僅僅是做人家定下來(lái)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(guó)內(nèi)人工智能研究方面，“引領(lǐng)”型的研究還不夠，接近國(guó)際水平，只是從量的上面看，這當(dāng)然已經(jīng)相當(dāng)不錯(cuò)了。但是從質(zhì)的方面，還有不小的差距。這就像：現(xiàn)在很多人學(xué)會(huì)回答問(wèn)題了，但是，很少有人會(huì)提出新問(wèn)題。

造成這種差距的原因來(lái)自多方面，一方面可能是因?yàn)槊襟w的宣傳和社會(huì)對(duì)青少年的培養(yǎng)仍然比較傳統(tǒng)，即：鼓勵(lì)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(gè)社會(huì)和文化造成的，一時(shí)沒(méi)辦法改變。另外，某些學(xué)生、學(xué)者比較注重短期效益，比較在乎短期的成敗比如文章數(shù)。媒體上也宣傳，大家在評(píng)價(jià)大學(xué)等機(jī)構(gòu)研究水平時(shí)，還是在看發(fā)表文章的數(shù)量，認(rèn)為一家機(jī)構(gòu)發(fā)表的文章多，這家機(jī)構(gòu)就很厲害，其實(shí)，這是一個(gè)錯(cuò)誤的引導(dǎo)。應(yīng)該轉(zhuǎn)變思維，強(qiáng)調(diào)他們提出了幾個(gè)新的思維，這些思維被全世界多少人跟蹤，引用，發(fā)展。

美國(guó)人工智能協(xié)會(huì)委員、香港科技大學(xué)計(jì)算機(jī)科學(xué)及工程學(xué)系教授楊強(qiáng)。圖片由受訪(fǎng)者提供。

《知識(shí)分子》：如何評(píng)價(jià)當(dāng)前人工智能不同領(lǐng)域商業(yè)化應(yīng)用推進(jìn)程度？落地難的主要原因是？

楊強(qiáng)：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(shí)驗(yàn)室理想的環(huán)境下，取得了很大的成功，但是拿到實(shí)際的生活、生產(chǎn)當(dāng)中去，往往不能得到預(yù)期的結(jié)果。AI落地，會(huì)遇到很多的挑戰(zhàn)。

第一個(gè)挑戰(zhàn)是數(shù)據(jù)少。數(shù)據(jù)在大部分產(chǎn)業(yè)界都是以孤島的形式存在，以小數(shù)據(jù)的形式存在，沒(méi)有形成完整的大數(shù)據(jù)。為大數(shù)據(jù)設(shè)計(jì)的算法模型，在大多這樣場(chǎng)景中，就會(huì)無(wú)能為力。

第二，我們逐漸意識(shí)到AI其實(shí)并不是一個(gè)產(chǎn)品，不像Microsoft Office一樣，大家拿來(lái)就可以用。而是：AI的模型需要做訓(xùn)練，訓(xùn)練是需要數(shù)據(jù)的，需要標(biāo)記好的數(shù)據(jù)，要有不斷壯大模型的經(jīng)驗(yàn)、需要有能力獲得好的反饋來(lái)幫助模型壯大、整合不同的數(shù)據(jù)擁有方來(lái)進(jìn)行互補(bǔ)。所以，這些都說(shuō)明，AI的落地更像是一個(gè)“解決方案”。但是，如果AI僅僅是解決方案的話(huà)，落地就會(huì)非常難，因?yàn)閷?duì)于不同的問(wèn)題，需要不同的方案設(shè)計(jì)，這就很難Scale up （擴(kuò)展），效率會(huì)非常低下。