誰牽住了科技創(chuàng)新的牛鼻子，誰就能占領(lǐng)先機(jī)、贏得優(yōu)勢(shì)

科技創(chuàng)新是一個(gè)國(guó)家提高綜合國(guó)力的關(guān)鍵支撐，是社會(huì)生產(chǎn)方式和生活方式變革進(jìn)步的強(qiáng)大引領(lǐng)，誰牽住了科技創(chuàng)新的牛鼻子，誰走好了科技創(chuàng)新這步先手棋，誰就能占領(lǐng)先機(jī)、贏得優(yōu)勢(shì)。

7月1日至3日，2019年夏季達(dá)沃斯論壇在中國(guó)大連舉行，主題是“領(lǐng)導(dǎo)力4.0：第四次工業(yè)革命時(shí)代的成功之道”?？萍紕?chuàng)新，是該論壇最為重要的議題之一。引領(lǐng)時(shí)代、前瞻未來的科技領(lǐng)域，是觀察世界各國(guó)創(chuàng)新能力的重要窗口。目前，在材料及制造工藝、核心算法、芯片技術(shù)、航空發(fā)動(dòng)機(jī)、新能源技術(shù)、地球探測(cè)、軟件系統(tǒng)、生物醫(yī)藥等領(lǐng)域，全球處于領(lǐng)軍位置的科學(xué)家及其團(tuán)隊(duì)、大學(xué)科研院所、科技企業(yè)及其研究機(jī)構(gòu)等“領(lǐng)跑天團(tuán)”正爭(zhēng)先恐后、奮力前行。

《環(huán)球》雜志編輯部對(duì)這些關(guān)鍵科技領(lǐng)域的世界前沿水平進(jìn)行梳理和介紹，旨在為中國(guó)實(shí)現(xiàn)科技創(chuàng)新強(qiáng)國(guó)夢(mèng)提供一個(gè)可以參考的全球背景。

自2006年人工智能走出實(shí)驗(yàn)室進(jìn)入到產(chǎn)業(yè)化階段以來，在產(chǎn)業(yè)鏈各環(huán)節(jié)的不懈推動(dòng)下，人工智能開始以前所未有的速度滲透進(jìn)各個(gè)行業(yè)，并成為深刻改變?nèi)祟惿a(chǎn)生活方式的革命性力量。

2017年5月27日，中國(guó)棋手柯潔（左）在與“阿爾法圍棋”的第三場(chǎng)對(duì)局中思考自2006年人工智能走出實(shí)驗(yàn)室進(jìn)入到產(chǎn)業(yè)化階段以來，人工智能界在算法理論、基礎(chǔ)與平臺(tái)、應(yīng)用技術(shù)、終端產(chǎn)品、行業(yè)應(yīng)用以及未來探索領(lǐng)域涌現(xiàn)出了諸多領(lǐng)軍團(tuán)隊(duì)，引領(lǐng)著人工智能的發(fā)展方向。

在此期間，人工智能界在算法理論、基礎(chǔ)與平臺(tái)、應(yīng)用技術(shù)、終端產(chǎn)品、行業(yè)應(yīng)用以及未來探索領(lǐng)域涌現(xiàn)出了諸多領(lǐng)軍團(tuán)隊(duì)，引領(lǐng)著人工智能的發(fā)展方向。

算法理論

當(dāng)前應(yīng)用最廣泛的算法當(dāng)屬于深度學(xué)習(xí)算法了。美國(guó)神經(jīng)網(wǎng)絡(luò)之父杰弗里·欣頓（Geoffrey Hinton）在2006年提出的深度學(xué)習(xí)算法，通過構(gòu)建多隱層模型和海量訓(xùn)練數(shù)據(jù)來學(xué)習(xí)更有用的特征，最終提升了分析和預(yù)測(cè)的準(zhǔn)確性。

也正是深度學(xué)習(xí)算法與云計(jì)算、大數(shù)據(jù)的共同作用，才使得人工智能華麗蛻變，開啟了產(chǎn)業(yè)化的大門，成為了產(chǎn)業(yè)發(fā)展的新引擎。而為深度學(xué)習(xí)的產(chǎn)生與發(fā)展做出卓越貢獻(xiàn)的深度學(xué)習(xí)三駕馬車——欣頓、加拿大蒙特利爾大學(xué)教授約舒亞·本希奧（Yoshua Bengio）、紐約大學(xué)教授揚(yáng)·萊坎（Yann Lecun）也深受企業(yè)界青睞，目前他們分別受雇于美國(guó)的頂級(jí)公司谷歌、微軟和臉書，并成為2018年的圖靈獎(jiǎng)獲得者。

為進(jìn)一步提高深度學(xué)習(xí)的效率和準(zhǔn)確率，學(xué)術(shù)界一直在探索對(duì)深度學(xué)習(xí)算法的深化和改善研究。這一方面取得最大成績(jī)的當(dāng)屬谷歌旗下的Deepmind公司，其AlphaGo由于采用深度強(qiáng)化學(xué)習(xí)算法而一路戰(zhàn)勝李世石、柯潔等一系列人類圍棋冠軍而聞名天下，后來推出的新版本AlphaZero甚至又戰(zhàn)勝了AlphaGo。

在信息非對(duì)稱的博弈中，卡耐基梅隆大學(xué)開發(fā)的人工智能Libratus在與4名人類頂尖得州撲克選手之間的“人機(jī)大戰(zhàn)”中也取得了壓倒性勝利。此外，比較知名的算法還有谷歌大腦研究科學(xué)家Ian Goodfellow提出的對(duì)抗式生成網(wǎng)絡(luò)、南京大學(xué)周志華教授提出的深度森林、新加坡南洋理工大學(xué)黃廣斌教授提出的超限學(xué)習(xí)機(jī)等。

《環(huán)球》雜志第13期“全球科技領(lǐng)跑天團(tuán)”文章目錄

但是，隨著深度學(xué)習(xí)應(yīng)用逐步深入，其不可解釋性與黑箱問題等也在近兩年逐步暴露出來。因此，一些傳統(tǒng)的機(jī)器學(xué)習(xí)算法重新受到重視，如1988年美國(guó)計(jì)算機(jī)科學(xué)家猶大·伯爾（Judea Pearl）提出的貝葉斯網(wǎng)絡(luò)、2012年谷歌提出的知識(shí)圖譜等。另外，還有一些新型算法，包括欣頓提出的膠囊網(wǎng)絡(luò)、谷歌大腦與Deepmind提出的圖網(wǎng)絡(luò)等。

基礎(chǔ)與平臺(tái)領(lǐng)域

在通用芯片設(shè)計(jì)方面，美國(guó)英偉達(dá)（NVIDIA）的Tesla等系列GPU、谷歌的TPU以及英特爾（Intel）的NNP等產(chǎn)品都屬于國(guó)際領(lǐng)先的云端芯片；三星、蘋果、高通等終端廠商也都有相應(yīng)的終端芯片產(chǎn)品；中國(guó)的寒武紀(jì)在深度學(xué)習(xí)芯片設(shè)計(jì)方面也已經(jīng)達(dá)到國(guó)際先進(jìn)水平。

在專用芯片設(shè)計(jì)方面，特斯拉2019年4月發(fā)布了自主研發(fā)的自動(dòng)駕駛專用芯片以及CPU、GPU、ISP等一系列芯片，其完全自動(dòng)駕駛計(jì)算機(jī)可以達(dá)到144TOPS的算力，但功耗僅為72W，并已搭載在目前新生產(chǎn)的特斯拉旗下車型中?？偛课挥诒本┑牡仄骄€機(jī)器人2017年底發(fā)布了面向智能駕駛的Journey 1.0和面向攝像頭的Sunrize1.0處理器。

2019年4月23日，特斯拉推出了自主研發(fā)設(shè)計(jì)的自動(dòng)駕駛芯片——Tesla FSD

在半導(dǎo)體加工設(shè)備方面，超高精密儀器、數(shù)控機(jī)床、***等基本上被美國(guó)、日本、荷蘭等壟斷，包括美國(guó)的應(yīng)用材料公司、日本的日立、荷蘭的阿斯麥（ASML）等。

在芯片生產(chǎn)方面，目前來自中國(guó)***的臺(tái)積電處于世界領(lǐng)先水平，它將于2020年開始5nm制程的量產(chǎn)，而且3nm制程的環(huán)境影響評(píng)價(jià)已獲通過，2nm制程計(jì)劃已經(jīng)制訂。

深度學(xué)習(xí)模型需要基于大量的數(shù)據(jù)進(jìn)行訓(xùn)練才能獲得較好的參數(shù)，因此國(guó)際上一些大型科研機(jī)構(gòu)和企業(yè)非常重視數(shù)據(jù)集的建設(shè)。數(shù)據(jù)集建設(shè)的先驅(qū)當(dāng)屬于美國(guó)斯坦福大學(xué)的華裔科學(xué)家李飛飛，她于2009年成功創(chuàng)建ImageNet數(shù)據(jù)集，并通過舉辦比賽等方式極大地促進(jìn)了圖像識(shí)別算法的進(jìn)步，使其分類精度達(dá)到了95%以上。

目前，比較知名的數(shù)據(jù)集包括美國(guó)國(guó)家標(biāo)準(zhǔn)研究院的Mugshot、谷歌的SVHN、微軟的MS COCO等圖像基礎(chǔ)數(shù)據(jù)集、斯坦福大學(xué)的SQuAD、卡耐基梅隆大學(xué)的Q/A Dataset、Salesforce的WikiText等自然語言數(shù)據(jù)集以及2000 HUB5 English、CHiME、TED-LIUM等語音數(shù)據(jù)集。另外，澳大利亞的數(shù)據(jù)集Kaggle橫跨多個(gè)領(lǐng)域，具有較強(qiáng)的綜合性，其影響力也正在逐年增強(qiáng)。

由于深度學(xué)習(xí)對(duì)算力有較高的需求，因此相繼出現(xiàn)了一些專門的計(jì)算框架和平臺(tái)，著名的框架包括谷歌的TensorFlow、加州大學(xué)伯克利分校的Caffe、微軟的CNTK、臉書的Torch、亞馬遜的MXNet等。其中，谷歌的TensorFlow能夠支持異構(gòu)設(shè)備的分布式計(jì)算，其平臺(tái)API能力已經(jīng)覆蓋了CNN、RNN、LSTM等當(dāng)前最流行的深度神經(jīng)網(wǎng)絡(luò)模型。

中國(guó)的百度公司也于2016年宣布了開源PaddlePaddle深度學(xué)習(xí)平臺(tái)，并于2019年4月發(fā)布了10余項(xiàng)新特性及服務(wù)，覆蓋深度學(xué)習(xí)開發(fā)、訓(xùn)練、預(yù)測(cè)環(huán)節(jié)。

開發(fā)語言和工具涉及腳本語言、開發(fā)平臺(tái)以及芯片設(shè)計(jì)工具等。

由荷蘭的吉多·范羅蘇姆（Guido van Rossum）于1990年代初開發(fā)出來的腳本語言Python語言已經(jīng)成為廣受歡迎、用途廣泛的AI開發(fā)語言。微軟在其Build 2019開發(fā)者會(huì)議上宣布在Visual Studio 2019中默認(rèn)包含IntelliCode。谷歌于2018年發(fā)布了AutoML，大大降低了人工智能開發(fā)者的門檻，目前已經(jīng)能夠支持圖像、翻譯、視頻和自然語言處理等多個(gè)領(lǐng)域。

2019年4月11日，谷歌云推出端到端的人工智能平臺(tái)

谷歌還推出一個(gè)名為AI Platform的人工智能訓(xùn)練平臺(tái)，為人工智能研究人員的團(tuán)隊(duì)測(cè)試、培訓(xùn)以及部署模型提供了一個(gè)共享型端到端環(huán)境。

在智能化芯片設(shè)計(jì)工具方面，由于高集成度、高速度、高性能、高功效等要求，電子設(shè)計(jì)自動(dòng)化（EDA）已經(jīng)成為必不可少的工具。自1978年Calma公司發(fā)布GDS-II以來，EDA市場(chǎng)經(jīng)過激烈的競(jìng)爭(zhēng)，目前已經(jīng)形成了Cadence、Synopsys、Mentor Graphics三足鼎立的局面。

應(yīng)用技術(shù)領(lǐng)域

語音識(shí)別與自然語言處理領(lǐng)域的先驅(qū)當(dāng)屬于IBM，其ViaVoice早在1970年就已經(jīng)引起了廣泛關(guān)注。但語音識(shí)別能夠開啟產(chǎn)業(yè)化大門還要?dú)w功于本希奧開創(chuàng)了深度神經(jīng)網(wǎng)絡(luò)做語音識(shí)別的先河。

此后，IBM Watson在2011年贏得了《Jeopardy！》答題秀，Nuance公司的語音識(shí)別技術(shù)也成為了蘋果公司Siri產(chǎn)品的核心。谷歌在2018年10月推出的BERT模型，在機(jī)器閱讀理解頂級(jí)水平測(cè)試SQuAD1.1中取得了驚人的成績(jī)，全部?jī)蓚€(gè)衡量指標(biāo)全面超越人類，并且還在11種不同的NLP測(cè)試中創(chuàng)出最佳成績(jī)。

中國(guó)在語音識(shí)別與自然語言處理領(lǐng)域也取得了較好的成績(jī)，科大訊飛在國(guó)際權(quán)威大賽中繼續(xù)保持領(lǐng)頭羊位置。

2018年1月，科大訊飛在業(yè)界權(quán)威的斯坦福SQuAD評(píng)測(cè)中第三次獲得世界第一名，其融合式層疊注意力系統(tǒng)也是全球首個(gè)模糊準(zhǔn)確率超過89%的系統(tǒng)。隨后，在第十二屆國(guó)際語義評(píng)測(cè)比賽（SemEval2018）中，哈工大訊飛聯(lián)合實(shí)驗(yàn)室獲得了機(jī)器閱讀理解評(píng)測(cè)任務(wù)第一名。

另外，科大訊飛還獲得了首個(gè)美國(guó)CES展“2017年度優(yōu)秀人工智能產(chǎn)業(yè)領(lǐng)導(dǎo)者”獎(jiǎng)，在第五屆國(guó)際多通道語音分離和識(shí)別大賽（CHiME-5）中再次包攬了大賽中單麥克風(fēng)陣列任務(wù)、分布式麥克風(fēng)陣列任務(wù)和兩種麥克風(fēng)陣列對(duì)應(yīng)的兩個(gè)端到端的語音識(shí)別任務(wù)等全部四個(gè)項(xiàng)目的冠軍。

此外，搜狗公司在智能語音方面的成長(zhǎng)速度也很驚人。在國(guó)際口語機(jī)器翻譯評(píng)測(cè)比賽IWSLT2018評(píng)測(cè)比賽中，搜狗與訊飛分別奪得了baseline模型和端到端模型的冠軍。

近些年來，影響較大的學(xué)術(shù)領(lǐng)軍人物基本上都是來自于圖像識(shí)別領(lǐng)域。欣頓由于其深度學(xué)習(xí)算法在當(dāng)屆ImageNet競(jìng)賽中取得壓倒性勝利，而使得人工智能進(jìn)入到深度學(xué)習(xí)時(shí)代；萊坎提出的以LeNet為代表的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到各種不同的圖像識(shí)別任務(wù)時(shí)都取得了不錯(cuò)效果；吳恩達(dá)供職于谷歌時(shí)負(fù)責(zé)的項(xiàng)目借助模擬神經(jīng)網(wǎng)絡(luò)“DistBelief”，在沒有人幫助的情況下使機(jī)器自己讀懂了貓的概念。

中國(guó)企業(yè)在圖像與視頻識(shí)別領(lǐng)域也取得了令人矚目的成績(jī)。

何凱明、孫劍等提出的ResNet模型在ImageNet 2015競(jìng)賽中以96.43%的準(zhǔn)確率首次全面超過人眼94.9%的準(zhǔn)確率；?？低?/u>在ImageNet 2016競(jìng)賽中獲得了多項(xiàng)第一名。