LOFTER-网易轻博

清华大学智能技术与系统国家重点实验室教授 邓志东

3月21日，己亥年人工智能春季创新大会在北京国宾酒店隆重召开，大会由人工智能产业创新联盟和赛迪传媒共同主办。会上，政府领导、企业领袖以及人工智能领域的资深专家悉数到场，围绕人工智能与实体经济深度融合展开了全面、细致的交流与研讨，各种创新观点融合交汇，为人工智能的创新应用提供了新思路、新路径。

联盟专家委主任委员、清华大学智能技术与系统国家重点实验室教授邓志东分享了关于人工智能落地应用的深层次思考。他指出，人工智能在工业、零售、医疗、客服等领域都实现了创新应用，与此同时，人工智能在实践过程中仍面临一些挑战。

人工智能创新应用的路径与模式

从“互联网+”到“智能+”，以市场需求为导向，以产业应用为目标，通过数据驱动和跨界融合，推动“智能+实体经济”的深度融合，助力传统制造业的转型升级以及数字经济、智能经济的发展。应以应用场景、大数据、人工智能算法和计算能力四大维度，打通产业链条，推动人工智能的创新实践和应用落地。一句话就是“大数据是基础，算法是核心，芯片是高地，人才是关键，但选定垂直细分领域最重要”。

怎么选定特定的应用场景？人工智能的落地应用，不可能是通用宽泛的，而是要选定一个特定的细分问题入手，一点一滴地开始。实际上，并非所有场景的问题都能由人工智能解决。选择的原则之一就是，能处理的特定应用场景具有较好的数字化、网络化基础，能够源源不断地产生大数据。我们要特别优选信息化基础比较好的行业或细分应用领域。

在各个垂直领域或行业，关键是对垂直领域进行细分再细分。例如，可以优选那些生产环境恶劣、产业价值高或人员稀缺的细分场景。由于目前人工智能的技术突破主要在感知智能领域，所以在各种需要高级熟练工人使用“眼睛”、“耳朵”等感知直觉完成的工作上，若人工智能通过自动学习能够达到熟练师傅“听故障”和“看瑕疵”的水平，这样就可以做到对人工的替代。

为什么说大数据是基础？“智能+”某种意义上就是“大数据+”，因为目前的人工智能就是所谓的“人工+智能”，本质上是把人的经验或直觉判断通过标签的形式转移给机器，然后赋予机器所谓的视听觉“感知智能”。前面已说过，应用落地时的开放环境下并不存在完备大数据，而且还有数据与性能的所谓“长尾效应”，也就是“行百里者半于九十”的意思，因此我们不仅必须尽可能多地积累和运用标签大数据，而且越到后面越困难，就越需要坚持。这也说明，在产业应用中亟需发展基于小样本的深度学习方法。此外，利用“人工”对数据进行清洗和做标签，包括对标签的质量审核等，催生了“标签工”这一新的工种。在应用实践中，需要建立一支工程团队，投入大量人力物力去做数据积累和数据标签，特别是建立高质量的标签大数据。基本上80%以上的人力、物力，都要投入到特定的细分问题上，去深耕应用场景和数据。按照现阶段的算法水平，还不存在一个高大上的万能方法，可以“轻松”地解决所有场景的人工智能应用。我们应以工匠精神深耕制造企业中的细分场景与大数据应用。通过“智能+”打磨人工智能产品，助推与传统制造业的深度融合及品质革命实践。以数据驱动、人机协同，通过“智能+xxx”的跨界融合，加速从基础层、核心技术层、开放平台层到应用层的人工智能产业生态建设，以我国人工智能产业和智能经济社会的快速发展，牵引驱动人工智能基础研究与前沿技术的全面进步。

为什么说算法是核心？基于深度学习的计算机视觉、机器语音、真实感数据生成、词嵌入向量等，作为人工智能算法的主要支撑，已成为“人工智能+”或“+人工智能”的产业核心共性技术，赋能产品、流程与服务体验。在探索下一代人工智能核心算法方面，亟需发展具有类似于人类举一反三小样本学习能力的人工智能算法，具体途径包括与知识图谱结合起来，尤其是与具有学习能力的知识图谱相结合。另外还须发展具有认知理解能力，具有记忆、常识和推理能力的人工智能新算法。比如发展图卷积神经网络，以“深度学习+无监督”的方式进行实体识别，结合概率图模型（知识图谱）抽象、延伸概念，赋以其内涵与外延，以实现对场景或目标的认知水平的理解。

芯片是高地。目前的人工智能芯片主要包括通用人工智能芯片，专用人工智能芯片和类脑芯片。普遍认为，工业互联网、工业物联网、5G通信、云平台和数据中心等，共同构成了大数据人工智能产业应用的硬件基础设施。

人才是关键。人工智能基础算法的创新，核心关键技术的突破，通用人工智能芯片和类脑芯片等高端人工智能芯片产品的研发，对具有原始创新能力的高端人才提出了迫切的需求。随着人工智能产业的迅猛发展，特别是人工智能对各个产业的渗透不断加快，人工智能工程技术开发人才的存量和增量存在严重不足，需求与供给的矛盾日益突出，因此必须加快我国人工智能人才高地的建设。

总之，深度学习主导的新一代人工智能已成为技术与产业的通用赋能工具和科学研究的第四范式，正在变革技术，赋能产品，渗透产业，重塑社会，加速智能经济的发展与智能社会的结构性变革。深度学习方法应用创新实践面临的重大挑战，不仅包括缺乏人类举一反三的小样本学习能力和认知水平的理解能力，而且不能有效利用常识与记忆，也不能进行基于知识的因果推理。人工智能的产品开发与产业发展正处于爆发期，与实体经济的深度融合方兴未艾。“智能+”落地，关键是应用场景的细分与实践过程的迭代。需要特别专注于细分场景的大数据实践，特别是数据、产品与性能在创新应用中的迭代。只有应用落地与用户体验做好了，给企业和社会带来了价值，才能构成正反馈迭代，人工智能技术与产业才能得到进一步的蓬勃发展。从“互联网+”到“人工智能+”，真正以市场需求为导向，以产业应用为目标，通过数据驱动和跨界融合，推动“智能+实体经济”的深度融合，促进传统产业的转型升级与数字经济、智能经济的协同发展。

以上内容，来自人工智能产业创新联盟，如涉及侵权，请联系删除