鄧大洪

“發(fā)展智能產(chǎn)業(yè)，拓展智能生活”，運(yùn)用新技術(shù)、新業(yè)態(tài)、新模式，大力改造提升傳統(tǒng)產(chǎn)業(yè)，這是我國(guó)的發(fā)展目標(biāo)和方向。由此可見，“智能+”將成為傳統(tǒng)企業(yè)轉(zhuǎn)型升級(jí)的有效途徑。從中國(guó)目前各行業(yè)與人們生活的智能化水平來看，“智能+”將在推動(dòng)各行業(yè)智能化升級(jí)的同時(shí)進(jìn)一步拓展人們的智能生活。但是，在智能制造風(fēng)光無限的同時(shí)，其隱含的風(fēng)險(xiǎn)及發(fā)展短板也正在悄悄顯現(xiàn)出來。

基礎(chǔ)弱、防護(hù)弱是軟肋

許多業(yè)內(nèi)人士認(rèn)為，在看到我國(guó)人工智能產(chǎn)業(yè)長(zhǎng)足進(jìn)步的同時(shí)，我國(guó)人工智能產(chǎn)業(yè)暴露出的問題也應(yīng)當(dāng)引起關(guān)注，需解決“應(yīng)用強(qiáng)、基礎(chǔ)弱”“功能強(qiáng)、防護(hù)弱”等問題。據(jù)第二屆世界智能大會(huì)上發(fā)布的《新一代人工智能科技驅(qū)動(dòng)的智能產(chǎn)業(yè)發(fā)展》報(bào)告顯示，截至2017年6月，中國(guó)累計(jì)獲得1.57萬項(xiàng)人工智能領(lǐng)域的專利，居世界第二。報(bào)告同時(shí)顯示，我國(guó)77.7%的智能企業(yè)分布在應(yīng)用層，基礎(chǔ)層和技術(shù)層企業(yè)的占比相對(duì)偏低。

首先，人工智能技術(shù)仍處于初級(jí)階段，在高端人才培養(yǎng)方面上仍處于劣勢(shì)。華為云BU副總裁陳崇軍認(rèn)為，人的智能包括識(shí)別、理解、推理和判斷，人工智能目前只是在某些識(shí)別領(lǐng)域具備了人的能力，適合于具體的特定場(chǎng)景，特別是語(yǔ)音識(shí)別、圖像識(shí)別、翻譯等方面。相比人而言，它確實(shí)處于初級(jí)階段，只能在已知環(huán)境，目標(biāo)明確、行動(dòng)可預(yù)測(cè)的環(huán)境下才能使用。

美國(guó)辛辛那提大學(xué)教授李杰認(rèn)為，當(dāng)前全世界在人工智能領(lǐng)域都存在人才缺少的情況，美國(guó)保守估計(jì)缺少20萬相關(guān)人才，而中國(guó)的缺口或達(dá)100萬。由于合格的A1人才培養(yǎng)所需時(shí)間要高于一般IT人才，缺口很難在短期內(nèi)得到有效填補(bǔ)。阿里巴巴董事局主席馬云也表示，邁向人工智能時(shí)代，專業(yè)人才是中國(guó)和世界共同欠缺的，中國(guó)的人才培養(yǎng)方式亟待轉(zhuǎn)變。

其次，底層技術(shù)革新恐被“甩在后面”，“缺芯少魂”極易被“卡脖子”。

科技部副部長(zhǎng)徐南平也表示，我國(guó)人工智能的基礎(chǔ)研究比較薄弱，在基礎(chǔ)理論、核心算法以及關(guān)鍵設(shè)備高端芯片重大產(chǎn)品與集成，技術(shù)材料、元器件、元件等方面有較大差距。

用友軟件股份有限公司董事長(zhǎng)王文京也認(rèn)為，近年來，我國(guó)人工智能產(chǎn)業(yè)在應(yīng)用層面發(fā)展得比較快，產(chǎn)業(yè)在企業(yè)數(shù)量和整體規(guī)模上和最發(fā)達(dá)國(guó)家雖有一定差距，但更重要的差距在最底層的理論和技術(shù)方面。

《新一代人工智能發(fā)展白皮書（2017）》認(rèn)為，國(guó)外企業(yè)正憑借領(lǐng)先的技術(shù)優(yōu)勢(shì)展開全產(chǎn)業(yè)鏈布局。目前，基礎(chǔ)層產(chǎn)業(yè)的核心技術(shù)大部分仍掌握在國(guó)外企業(yè)手中，為我國(guó)企業(yè)自主開展研發(fā)帶來了不利的壁壘封鎖。當(dāng)前，國(guó)內(nèi)企業(yè)及科研機(jī)構(gòu)進(jìn)一步加強(qiáng)了對(duì)傳感器、底層芯片及算法等基礎(chǔ)層技術(shù)的研發(fā)力度，以寒武紀(jì)、深鑒科技、云知聲為代表的一批國(guó)內(nèi)初創(chuàng)企業(yè)在智能芯片和算法模型方面已推動(dòng)展開相關(guān)研發(fā)工作，已取得了一定技術(shù)積累。

而在人工智能芯片由非定制化向定制化方向發(fā)展的過程中，我國(guó)仍有被“甩在后面”的風(fēng)險(xiǎn)。曙光信息產(chǎn)業(yè)有限公司總裁歷軍稱，我國(guó)似乎在一些人工智能的算法方面不是很落后，但人工智能技術(shù)的基礎(chǔ)是一套先進(jìn)的面向未來的計(jì)算系統(tǒng)，面向未來，中國(guó)的人工智能技術(shù)的發(fā)展基礎(chǔ)、硬件、芯片以及它的編程環(huán)境可能會(huì)再次出現(xiàn)需要更多依賴國(guó)際企業(yè)的情況。

中國(guó)工程院院士倪光南認(rèn)為，核心技術(shù)是我國(guó)最大的“命門”。從短期來看能夠從市場(chǎng)上買到一些硬件設(shè)備，但是這有可能成為被人“卡脖子”的軟肋。大量智能設(shè)備生產(chǎn)出來以后，必須要重視其生產(chǎn)研發(fā)的安全性。

紫光集團(tuán)有限公司董事長(zhǎng)兼首席執(zhí)行官趙偉國(guó)說，即使是在智能世界，產(chǎn)業(yè)也是脆弱的，“中國(guó)要在基礎(chǔ)科技領(lǐng)域建立起強(qiáng)大的產(chǎn)業(yè)基礎(chǔ)?！?/p>

再次、“萬物皆可互聯(lián)”會(huì)帶來網(wǎng)絡(luò)安全方面的風(fēng)險(xiǎn)?！爸悄苤圃祛I(lǐng)域已經(jīng)成為黑客攻擊的重點(diǎn)目標(biāo)?！?60集團(tuán)董事長(zhǎng)兼CEO周鴻祎介紹說，在去年5月發(fā)生的wannacry勒索病毒事件中，150多個(gè)國(guó)家受到了影響。我國(guó)也有大量企業(yè)中招，占全國(guó)被攻擊企業(yè)總數(shù)的17.3%。

周鴻祎認(rèn)為，未來人工智能還會(huì)用于許多無人值守系統(tǒng)，像無人值守的汽車、高鐵、無人機(jī)等。這些無人值守系統(tǒng)都有安全漏洞的風(fēng)險(xiǎn)，一旦被網(wǎng)絡(luò)劫持，將會(huì)帶來嚴(yán)重的安全問題。此外，人工智能所依賴的傳感器、訓(xùn)練數(shù)據(jù)和開源軟件等都可能存在安全隱患，值得業(yè)界警惕。

發(fā)展三大難題待破解

微軟亞洲研究院院長(zhǎng)芮勇認(rèn)為，理論鴻溝很難逾越是人工智能發(fā)展面臨的第一大難題。他指出目前人工智能在學(xué)習(xí)上遵循的理論依然是上個(gè)世紀(jì)80年代提出的，人們并沒有從本質(zhì)上理解人類的學(xué)習(xí)原理，從監(jiān)督式學(xué)習(xí)到無監(jiān)督式學(xué)習(xí)的方法還在探索中。如果將人工智能比作建造太空火箭，那么計(jì)算能力和數(shù)據(jù)是燃料，理論就是發(fā)動(dòng)機(jī)。如果你有許多燃料但卻只擁有小功率發(fā)動(dòng)機(jī)，那么你的火箭大概無法飛離地面；而如果你擁有大功率發(fā)動(dòng)機(jī)但卻只有一點(diǎn)點(diǎn)燃料，那么你的火箭即使飛上天也無法進(jìn)入軌道。

目前的人工智能技術(shù)多數(shù)都要依靠形態(tài)匹配，在監(jiān)督式學(xué)習(xí)狀態(tài)下輸入訓(xùn)練數(shù)據(jù)，每組訓(xùn)練數(shù)據(jù)都會(huì)有一個(gè)明確的標(biāo)識(shí)或結(jié)果。人們可以將預(yù)測(cè)結(jié)果與訓(xùn)練數(shù)據(jù)的實(shí)際結(jié)果進(jìn)行比較，不斷調(diào)整預(yù)測(cè)模型，直到模型的預(yù)測(cè)結(jié)果達(dá)到一個(gè)預(yù)期的準(zhǔn)確率。

而在無監(jiān)督式學(xué)習(xí)狀態(tài)下，計(jì)算機(jī)無需人類的幫助便可像人類一樣自己學(xué)習(xí)知識(shí)。計(jì)算機(jī)并不會(huì)被告知怎么做，而是采用一定的激勵(lì)制度來訓(xùn)練機(jī)器人培養(yǎng)出正確的分類習(xí)慣。無監(jiān)督學(xué)習(xí)方式是機(jī)器人工智能發(fā)展的關(guān)鍵技能之一，“目前正朝著良性的趨勢(shì)發(fā)展，但還遠(yuǎn)未達(dá)到我們希望的狀態(tài)?！避怯卤硎尽?/p>

海云數(shù)據(jù)的首席數(shù)據(jù)科學(xué)家趙丹認(rèn)為知識(shí)表達(dá)問題是人工智能面臨的第二大難題。許多輸入的數(shù)據(jù)其實(shí)都經(jīng)過了人腦的抽象處理，但大家是看不到的，就好比你看到地面上的竹子每一根都是獨(dú)立的，但它的地下莖聯(lián)系卻是非常緊密的。若要完成形式化知識(shí)結(jié)構(gòu)的搭建，是需要很多知識(shí)的，而機(jī)器沒有人腦中的背景知識(shí)，所以數(shù)據(jù)中蘊(yùn)含的信息是不完整的，繼也計(jì)算不出正確的結(jié)果。

如果將這些信息補(bǔ)足，是有可能用機(jī)器處理的。但同時(shí)要看到的是這些信息很難補(bǔ)足，這一方面是因?yàn)楹芏嗳四X中的知識(shí)難以形式化；另一方面，補(bǔ)什么補(bǔ)多少才能達(dá)到特定的效果也是很難衡量的。并且人腦輸出的信息帶寬太小，很難通過一個(gè)人來補(bǔ)足機(jī)器中沒有的知識(shí)，而多人協(xié)同又存在知識(shí)相互不兼容的問題。所以說知識(shí)太多，知識(shí)難以形式化、人腦輸出太慢成為了知識(shí)表達(dá)層面的障礙。

趙丹表示，目前大公司基本上通過知識(shí)圖譜來解決知識(shí)表達(dá)的問題，但這不是根本的解決方法。知識(shí)圖譜雖然能在小的特定領(lǐng)域解決一部分?jǐn)?shù)據(jù)稀疏問題，但圖譜本身也有稀疏的問題，并且依賴于人工構(gòu)建，其規(guī)模較為有限。遷移學(xué)習(xí)也能夠發(fā)揮出一定作用，但目前還沒有把這些解決技術(shù)整合起來，形成一個(gè)完整的智能體系的理論架構(gòu)。

同時(shí)趙丹還認(rèn)為，深度學(xué)習(xí)的研究從一定程度上已經(jīng)到達(dá)瓶頸期，現(xiàn)在到了需要將深度學(xué)習(xí)現(xiàn)有的成果轉(zhuǎn)化成產(chǎn)品的時(shí)候了，比如Deepmind前段時(shí)間發(fā)布的唇語(yǔ)識(shí)別成果，再往前比如AlphaGo的博弈策略學(xué)習(xí)。“而形成產(chǎn)品是件很難的事情，像大家熟知的人臉識(shí)別技術(shù)，雖然已有不少創(chuàng)業(yè)公司做了好幾年，但現(xiàn)在仍然沒有生產(chǎn)出成熟的產(chǎn)品來。工程上的坑不比研究上的少，如若跨不過去就沒有辦法做出好的產(chǎn)品?！?/p>

在科學(xué)理論上的進(jìn)步很多是偶然事件，說不準(zhǔn)下次會(huì)是什么時(shí)候。深度學(xué)習(xí)的成果轉(zhuǎn)換期，到下次深度學(xué)習(xí)的進(jìn)步期之間，其實(shí)還是會(huì)有可能出現(xiàn)寒潮。

資本化是人工智能發(fā)展面臨的第三大難題。由于人工智能是巨頭公司的天下，所以被并購(gòu)成為了許多初創(chuàng)公司的宿命。當(dāng)前，谷歌、IBM、雅虎、英特爾、蘋果、Salesforce以及國(guó)內(nèi)的百度、阿里等互聯(lián)網(wǎng)科技巨頭公司布局勢(shì)頭兇猛，引發(fā)了一場(chǎng)全球范圍內(nèi)的人工智能投資收購(gòu)熱潮。根據(jù)風(fēng)投數(shù)據(jù)公司CB Insights的統(tǒng)計(jì)數(shù)據(jù)顯示，自2011年起，拿到融資的人工智能創(chuàng)業(yè)公司里面有近一半（140家）都被收購(gòu)了，其中僅2016年就有40家。其主力買主是谷歌、Twitter、IBM、雅虎、英特爾和蘋果，而谷歌則以11次收購(gòu)的成績(jī)位列榜首。

然而，一些巨頭公司在并購(gòu)人工智能初創(chuàng)公司的時(shí)候卻面臨著重重考驗(yàn)。專注于大數(shù)據(jù)人工智能領(lǐng)域投資并購(gòu)的前海梧桐并購(gòu)母基金總經(jīng)理馬春峰道出了自己的看法：

首先，目前國(guó)內(nèi)人工智能企業(yè)估值偏高，僅有兩三人的早期初創(chuàng)公司有時(shí)開價(jià)竟達(dá)1～2億元，較成熟公司的估值甚至比上市公司還要高。這種高估值企業(yè)有時(shí)甚至連產(chǎn)業(yè)投資者難以接受，結(jié)果導(dǎo)致某些上市公司和產(chǎn)業(yè)基金紛紛出海，布局硅谷、以色列等海外市場(chǎng)。

不過，上市公司或產(chǎn)業(yè)基金布局海外市場(chǎng)都需要考慮落地問題，這時(shí)候溝通成本、管理成本、人員適應(yīng)本地化成本便會(huì)增加。因此，如何降低成本成為布局海外市場(chǎng)的一大難題。

其次，上市公司在投資初創(chuàng)企業(yè)時(shí)多對(duì)其業(yè)績(jī)有要求，這就使得它們?cè)谕顿Y并購(gòu)時(shí)傾向于選擇較為成熟的AI公司。然而，目前國(guó)內(nèi)人工智能領(lǐng)域的創(chuàng)業(yè)公司在整體效果上并沒有達(dá)到上市公司的期望值，許多初創(chuàng)公司的成熟度與上市公司自身業(yè)務(wù)發(fā)展的匹配度也不夠高。

所以，現(xiàn)在多數(shù)上市公司采取的方式是先在體外投資孵化，待孵化的公司成熟到一定程度時(shí)再“裝進(jìn)”上市公司內(nèi)部。