何積豐院士:人工智能意義不在產值大小,就像做饅頭的發酵粉
2020年07月11日21:47

原標題:何積豐院士:人工智能意義不在產值大小,就像做饅頭的發酵粉

“我覺得現在講人工智能產值不是太重要,它的意義在於賦能。”7月10日,中國科學院院士、計算機軟件專家何積豐在2020世界人工智能大會雲端峰會上接受澎湃新聞等媒體採訪時表示。

根據大會發佈的數字,截至2019年底,中國人工智能核心產業的規模超過510億元,人工智能企業超過2600家。

“510億是什麼概念?上海上汽集團也不止510億元。所以人工智能作為賦能技術,意義不在於其產值大小,不能用常規標準來衡量。”

他打了個比方:做饅頭無需太多發酵粉,但沒有發酵粉,饅頭就做不成了。

不過,與廉價的發酵粉不同的是,人工智能技術方面的投入並不便宜,一個系統可能就需要幾萬個傳感器。“這不是你做網紅,在家架個攝像機說說就行了。”

以智能製造為例,和人工智能相關產品形態非常豐富,有互聯互通產品,有運維管理的新軟件和工具,有分析決策平台,也有行業數據。

“作為投資的人工智能系統花費是很大的,是不是可以把平台開放讓大家用,作為新的產品服務形式,這也是新業態的考慮,每家都做自己的工業APP,資源消耗非常大。”

因此,現階段何積豐更關注人工智能是否能找到更廣大的應用場景,給新技術一個用起來的機會,讓大家看到投入有所回報。

疫情增添了企業“吃螃蟹”的動力,不過,人工智能這隻“螃蟹”,並不是吃一次就夠,往往要在不斷解決問題的過程中完成升級改造。

“再過兩年,然後我們看人工智能產業相比其他行業的發展速度,它到底是不是有前沿性,是不是帶領大家一起發展。”

三條發展主線

何積豐看到,近年來人工智能作為賦能技術,尤其在認知和感知方面發揮了很大作用。站在需求驅動的視角,他判斷未來人工智能將有三條發展主線,這三條主線與人們生活密切相關,且在上海都有鮮明的呈現。

首先就是產業。產業從數字化到網絡化、到智能化的改造過程中,提高品質、降低成本、環境友好的需求會貫穿始終。

其次是管理。“像北京、上海這樣的特大型城市,幾千萬人口,政府怎麼做精細化管理?它必須以數據為依據,不用上人工智能,決策是很慢的。政府一方面希望提供高效服務,另一方面,一旦有什麼問題,能夠高效處置。” 因此,在上海推進“一網通辦”、“一網統管”的過程中,人工智能技術得到了普遍應用。

“第三個,就是老百姓生活感覺更加美好,有獲得感。現在我們看智慧醫療、智慧教育、智慧交通這些領域都在推動。”何積豐說道。“我想如果從這三條主線看,人工智能前景是很廣的。”

五點倫理目標

除了發展問題,安全問題也始終是人工智能值得關注的另一隻“輪子”。從技術本身來看,物理層、算法層、應用層的缺陷會造成人工智能犯錯誤。

從波音事故、手術機器人事故,到人工智能偏見、AI換臉,都是AI安全風險的體現。

從倫理層面,未來要想安全地走向“強人工智能”、“超強人工智能”,何積豐總結出了幾條宏觀目標:

“第一,我們希望能跟人工智能系統能夠共生,絕對不希望人被人工智能系統代替了。

第二,我們希望人工智能有廣義性,不要掌握在少數人手裡。

第三,人工智能研究應該是開放型,我們要主張公平的競爭,不能少數行業壟斷技術,其他行業不能隨便用,整個知識生產過程應該是全人類的。

第四,我們希望人工智能技術不能有偏見,不能說對富人他表現很好,對其他群眾的表現很差。這在倫理上也是不能容忍的。

最後要有一個人工智能系統的國際市場。我們希望在國際平台上,大家一起商討人工智能技術能力該怎麼做。”

AI教育未有共識

在實踐上述三條應用發展主線,達成五點倫理目標的過程中,中國是否具備足夠的人工智能人才?

工業和信息化部人才交流中心日前發佈報告估計,當前國內人工智能產業有效人才缺口達30萬。

何積豐認為,每個新技術在成長階段都會發現兩種人不夠:教師不夠,學生不夠。這需要從實踐中慢慢培養起來,並非人工智能的特有問題。

不過,他坦言,教育體系,尤其是高校到底要怎麼培養人工智能人才,內部尚未形成共識。

一種觀點認為,既然人工智能這麼重要,就需要去培養專門的人工智能人才。但何積豐並不認同:“你不能說重新辦個學校就叫人工智能學校,老師就叫人工智能老師,然後招生只培養人工智能了,這是辦不到的。”

為什麼辦不到?他強調,人工智能關鍵是多學科融合。因此,業界有另一種觀點,就是不可能有一錘子買賣。高校應該依然按照原來的通識教育路子走,增廣知識面,培養找到問題、分析問題、解決問題的創新能力。有知識、有能力的學生可以到社會上針對企業崗位的要求補充學習。

以多學科融合的角度看,何積豐認為目前沒有一個大學可以說完全解決了人工智能需要的所有知識,所以需要大家一起做。

“搞人工智能平台不是很便宜的東西,各個學校的長處也不一樣。因此,我們希望校與校之間共享一些資源,現有的隊伍之間融合互助。我相信這個過程可能要花3到5年。”

關注我們Facebook專頁
    相關新聞
      更多瀏覽