中国电子学会研究咨询中心主任李?：AI产业发展的趋势、挑战及政策建议

本篇文章7582字，读完约19分钟

北京，2017年6月16日:2017年6月14-16日，由中国电子学会主办、Zhiding.com协办的第九届中国云计算大会在北京国家会议中心拉开帷幕。此次会议的主题是深化生态建设的应用，引起了学术界、专家、行业高管、技术专家以及云计算和大数据领域各界人士的广泛关注。

工业经济学博士，高级工程师，中国电子学会研究咨询中心主任？

6月16日，李，工业经济学博士，高级工程师，中国电子学会研究与咨询中心主任？，当天上午在主会场发表了题为“人工智能产业发展的趋势、挑战和政策建议”的主旨演讲。李在讲话吗？这意味着松散耦合的数据通常是最具创新性的地方；未耦合的数据就像未经初步筛选的矿石；紧密耦合的数据就像精炼的矿石；松散耦合，有可能找到宝藏。

下面是李？发言记录:(内容根据现场速记编排，未经发言人确认，仅供参考，不得转载)

李。感谢各位主持人、领导、专家和嘉宾。早上好。我很荣幸能参加第九届中国云计算大会，很高兴有机会在这样的平台上与大家分享和交流我们的研究观点。在开始今天的报道之前，请大家一起考虑一个问题，自20世纪以来，人类历史上出现了哪些重大科学突破。我们可以在物理学中看到相对论和量子理论，在生物化学中看到dna，在信息中看到计算机技术，在通信和网络中看到互联网。

应该说，近十年来，我们的创新正从单一领域的离散突破走向跨领域的群体创新，从产品创新走向系统模式创新。在信息、生命科学、材料、能源和制造领域，正在培育新的技术创新和突破。在各种技术的竞争下，人工智能有望成为互联网和相对论的重大突破。这也是我想交流的主题，“人工智能产业发展的趋势、挑战和政策建议”。

我将从以下几个方面进行报道，包括人工智能的突破与创新、人工智能的全球战略趋势、人工智能的产业布局趋势、我国人工智能产业发展面临的挑战以及相关的政策措施和建议。

首先，在人工智能定义的长期演变过程中，人工智能保持了其最初的定义，即机器可以像人类一样理解、思考和学习，并使用计算机来模拟人类智能。在这样的定义下，出现了以逻辑推理为代表的符号学派和模拟人脑和神经网络运行机制的联系学派。行为学派的出现强调从感知到行为的反馈。在此基础上，我们还产生了机器翻译、专家系统、模式识别、机器学习等一系列成果。这一系列的成就和流派基本上是基于二元世界的结构和物质世界与人类世界的相互作用。

随着当前数据环境和信息环境的变化，现实世界、人类社会和信息空之间存在着互动，世界的结构正从二元走向三元。在这样一个三元结构的相互作用下，很明显我们的数据量更大，是一个巨大的数据量。我们的信息环境越来越复杂，对计算能力的要求越来越高，人机交互将会更加频繁、自然和智能。在这样的环境变化趋势下，人工智能出现了一个进化的定义，从简单地用计算机模拟人类智能，到促进机器人(300024)与更接近人类智能形式的网络之间的互联和交互，其根本目标是提高人类的智能活动能力。

包括大数据融合、跨媒体认知、从单一智能到群体智能的演变、从强调基于载体的智能到自主智能系统的演变、以及从简单地将机器视为工具和设备到将机器视为合作伙伴并走向人机集成的定义演变。

从领域扩展的角度来看，人工智能的最初领域类似于互联网的发明，它主要集中在两个方面:科学研究领域和军事领域。现在，制造领域明显有了巨大的扩展，可以使制造更快、更环保、生产成本更低。它应用于物流自动化，以分配和规划运输路线，提高供应链的管理效率。延伸到金融领域，智能投资、智能投资咨询和智能资金配置无疑提高了人类交易效率，降低了人类交易成本。延伸到农业领域，可以全面预测农业面临的天气条件、植被条件和地形环境，对自然环境做出准确的预测和判断，从而提供农业领域的农业信息化和智能化水平。智能系统延伸到教育领域，可以用来提高学生的自学能力，提高学生的评价和教学评价能力。延伸到医学领域，我们可以对人类基因进行一些大规模的研究，识别具有风险或特殊遗传特征的基因，从而改进人类生物遗传序列。

从表面上看，这些是应用领域的延伸。事实上，从根本动力的角度来看，应该说人工智能正在从学术驱动向应用驱动转变。它背后隐藏的含义是，人工智能比历史上任何时候都更接近人类智能。在这种无限封闭的情况下，它不仅可以在经济体制、金融环境、城市管理、生态环境保护等宏观领域发挥作用，还可以为制造业、农业等特定行业提供一些可行的操作解决方案，这些行业是变革和创新的根本动力。

在这种突破和创新的趋势下，人工智能受到了世界各国政府的高度重视，一些策略和政策也相继出台。首先，让我们来看看美国、欧盟、英国和德国的人工智能策略。美国的人工智能战略是保持世界领先地位，立足于人类、社会和世界的变革。自2016年以来，白宫发布了一系列关于人工智能的研究报告，为未来做准备。主要目的是努力确保其在人工智能和相应的技术突破和创新领域的世界领先地位。

欧盟发起的计划主要集中在科学和医学领域发起的人脑项目。这应该说是一个曲折前进的项目。因为它在发射后不到一年就遭到了大量科学家的抗议，它一度被取消。直到现在，一些科学家一直质疑这个研究方向是否能最终解开人脑之谜。然而，在不久的将来，它得到了项目支持，直到2019年。应该说，这是一个曲折前进的国家战略。

事实上，英国在人工智能领域发挥了其独特的生态优势，更加注重行业的实践和应用。英国对人工智能的研究可能不是特别有名，但应该说，除了美国，英国是人工智能企业最密集的国家，也是人工智能领域技术创新最突破的国家。目前，英国已经围绕人工智能核心技术构建了一个相对完整的生态系统，其骨干力量大多属于中小型创新企业，这与英国自身的生态环境密切相关。

在德国，对人工智能的研究主要围绕近期工业4.0的推广展开。事实上，1988年，德国成立了一个由企业主导的人工智能研究中心，其中不仅包括梅赛德斯-奔驰(Mercedes-Benz)和西门子(Siemens)等德国传统企业，还夹杂着美国企业的支持。近30年来，德国人工智能研究中心在人工智能领域进行了大量的积累和沉淀。然而，在不久的将来，德国人工智能的基础研究主要是在工业4.0领域。在这方面，德国经济事务部和教学研究部给予了大力支持和支持。

接下来，让我们来看看日本的人工智能战略，以及为什么用一个ppt来描述日本，因为我们实际上比较接近日本的人工智能战略。自2014年开展脑整合研究以加快人类脑部疾病研究以来，应该说日本已经紧密启动了一系列国家战略以提高人工智能和社会智能水平。事实上，我们可以通过近年来日本相关信息领域的研究发现，无论是过去还是现在，超智能很少以某一点为中心进行规划，而是会与整个社会转型、居民生活的改善、居住环境的改善、对环境的某种意识以及环境的舒适性和对居住条件的需求紧密结合起来。这也是日本制定国家战略的一个非常显著的特点。目前，日本已经围绕人工智能制定了一份工业路线图，计划分三个阶段实施。第三阶段延伸到2030年，依靠智能机器人成为家庭成员的一部分，普及移动自动化和无人化，通过人工智能可视化人类需求并分析一些潜在需求，这是日本国家战略的一个非常典型的特征。

最后，我们将看看人工智能在中国的发展趋势。目前，人工智能已经进入国家宏观战略布局，大量专项工程即将启动。然而，应该说，与发达国家相比，中国进入人工智能研究领域相对较晚。1978年，人工智能被纳入国家层面的研究计划。之后，中国国家基金会启动了一些重大专项，包括每年举办智能汽车挑战赛，测试人工智能的发展水平。此后，当2015年发布互联网+行动指南和2016年启动第十三个五年战略新兴计划时，人工智能被明确纳入国家宏观战略考虑。与规划配套的金融专项项目即将出台，这将从资金、政策和公共环境创造等方面为我国人工智能技术和产业的发展提供良好的政策保障，这是我国的战略趋势。

在了解了国家战略趋势之后，让我们来看看人工智能技术和行业趋势，以及人工智能的技术框架是什么。目前，说到人工智能，因为有很多新术语，机器学习、深度学习、神经网络、各种芯片和各种新兴术语都会造成很大的影响。然而，事实上，如果我们看看这个系统，我们可以简单地把人工智能的基本技术框架概括为两个基本平台和三个通用技术。两个基础平台是云计算平台和大数据平台，三个通用技术是机器学习、模式识别和人机交互。

机器学习涵盖了深度学习和机械学习等一系列应用分类，模式识别涵盖了人脸识别、图像识别、语音识别和语义识别，是人工智能中最接近和最常用的技术之一。大量的技术实践都源于这样一个技术平台。智能驾驶和智能机器人实际上是基于通用技术和基础平台技术的一些具体实现。虽然技术方向不完整，但它基本上帮助我们了解了目前人工智能的一个基本技术发展方向和框架。

在此框架下，我们试图总结和分析目前人工智能的主要技术发展趋势。首先是智力水平的逐步提高，即从专有智力向一般智力转变。什么是专有人工智能？应该说，目前我们能接触到的大多数人工智能都属于专有人工智能。它专门用来解释和识别人类在生产和生活中遇到的一系列问题。例如，智能医疗系统可以检测患者是否患有肿瘤并识别肿瘤的类型，这是典型的专有人工智能的体现。何时才能实现通用人工智能，即不仅能发现和识别肿瘤的类型，还能给出相应的匹配治疗方案，并能有效实施，可以说已经发展到了通用人工智能阶段。

通用人工智能的下一阶段是什么？它是抽象人工智能的阶段，也就是说，它不仅能识别、判断、识别和给出具体的解决方案，还能指导人类的行为并做出一些改变，这可以用更生动的方式来描述。起初，人工智能只能判断肿瘤的类型，发现肿瘤的存在，然后给出肿瘤周围的具体解决方案。最后，它将引导人类采取正确的习惯来避免肿瘤的发生。这是从专有和通用到抽象的人工智能。

它最终是否会发展成为超级人工智能，将会有一个很大的问号，而我们的超级人工智能将会面临一个更好的明天。还是淘汰并取代？这是一个目前无法解释的问题。

第二个趋势是关注行业的焦点和痛点，迭代技术进步将继续发生。目前，围绕医疗、金融、交通、教育、零售等数据相对集中、质量较高的行业的实际应用需求，在算法模型、图像识别、自然语言处理等方面出现了一些叠加的、小规模的边缘技术突破。在这些突破中，它可以进一步推动人工智能的深入应用，从而支持人工智能实现从感知到决策到行为再到学习的正向闭环反馈的智能闭环过程，这是当前的趋势。

事实上，第三种技术趋势应该被视为商业模式的变化，但商业模式的变化确实与未来技术的焦点密切相关，即目前的深度学习平台正在各大巨头的指导下实现开源，这样的开源深度学习平台必然会导致未来超级智能生态系统的构建。应该说，从2015年开始，在谷歌的一些项目和领先企业的转化推动下，各大人工智能企业纷纷宣布其深度学习平台的开放源码，不仅包括谷歌的(英文)，还包括亚马逊等平台，包括facebook、微软和ibm的开源学习平台。应该说，目前有超过14或5个用于深度学习的开源框架。这些平台上的开源极大地促进了人工智能的发展和特定行业的深度应用，但事实上，最终受益的是技术巨头。围绕这些开源深度学习平台的超智能生态系统的竞争将是未来很长一段时间内人工智能技术竞争的焦点。这是当前三点技术的发展趋势，我们已经尝试做一个总结。

在这样的发展趋势下，我们也试图判断人工智能技术的未来发展有哪些热点方向。首先，我们认为深度学习，如果有监督学习和非监督学习，实际上是目前深度学习追求的一个相对终极和长期的目标。目前，大部分这种深度学习似乎仍有监督学习，但目前，学习像阿尔法狗实际上已达到一个温和的监督学习或半监督学习的状态。它的最终目标是模拟人脑和神经网络的反馈和决策机制。

谷歌和脸书在这方面是最好的。它不仅包括企业解决方案提供的语音识别，还包括直接面向消费者的智能终端所体现的语音识别。如果从传统建筑的角度来看，它可以直接从感性层面发展到互动层面，首先，我可以理解你的语言，做一些句子和判断，做一些口头理解，最后用一个输出完成语言识别的过程。然而，从最近的语言识别，尤其是领先的制造商已经嵌入了认知链接。我不仅理解了基本的意思，还结合语境和语言圈捕捉到了你微小的动作变化。该地图形成描述和说明，以便通过搜索引擎为以下内容找到最合适的推荐。嵌入认知之后，是从感知到交互再到感知-认知交互的一个环节。最后，它是表达和输出的语音合成的最后环节，也是语音识别技术领域的最新发展和改进，也是前面提到的迭代方法的典型体现。

然而，无论语音识别技术如何发展，其基础都是基于机器学习大数据和超级计算平台的技术框架。目前，它包括成功转型的行业解决方案(英文)，包括苹果，它一直都很强大，而我国的发展也非常喜人。科达讯飞(002230，诊断单元)在语音识别领域取得了一些典型而显著的成就，这是两个热点方向。

事实上，在过去的一段时间里，有人争论无人系统不是人工智能的发展方向。当然，从目前的应用领域和技术发展趋势来看，应该说无人系统是未来五到十年人工智能在技术和产业上竞争的主战场。它可以应用于空机器人、海洋机器人和服务机器人。无人驾驶飞行器甚至可以应用于工厂等无人驾驶车间。可以说，应用领域非常广泛，具有很强的机动性、很高的适应性和生产力，而且没有人员伤亡。一般来说，有三层:感知、决策和执行。为什么它是未来人工智能技术竞争和产业竞争的主战场？因为在过去，无人系统的发展实际上只是一个从感知到执行的过程。然而，从最近的发展趋势来看，它越来越多地应用于内部大脑智能、模式识别、聚类决策，即人工智能单元之间的一些协作和交流、交互和深度学习等。因此，我们大胆判断，无人系统将是未来五到十年人工智能产业技术的主战场，也是我们判断的第三个技术发展热点方向。

通过对技术的分析，我们将了解人工智能产业的发展趋势。目前，对于什么是人工智能产业还没有统一的结论。我们大胆地给了它一个相对肤浅的定义。我们认为人工智能行业是什么？人工智能行业依靠人工智能技术提供智能产品服务机解决方案。它有一定的商业模式，形成了具有一定产业规模的多种产业的结合。在这样的定义下，人工智能的产业化程度近年来不断提高，市场规模进一步扩大。各类产品:2016年，全球人工智能规模达到86.94亿元，我们的市场达到2.59亿元，预计下一步将进一步扩大。到2020年，我们将发展超过180亿美元，其中中国的讲话是14亿美元，平均年增长率为50%。这是我们自己相对简单的判断。

在这样一个产业系统的主要构成下，我们还参考了一些现有机构在产业系统分层方面的研究成果。从客观的角度来看，根据上下游关系，人工智能产业分为技术层和应用层，包括7大类17种产品和服务，目前分类相对客观合理。在基础层，我们包括传感器、芯片和算法模型，其中传感器和芯片是关键硬件；在技术层，我们分为语音识别和语义识别；在应用层，我们将其细分为智能机器人无人机、智能医疗、智能金融、智能驾驶、智能安全、智能搜索和智能教育。其中，智能机器人和无人设备、医疗、金融、教育、安全搜索等领域都属于长脖子应用，这对于我们来说是一个非常简单的分类。

然而，这种工业系统的主要组成部分并不详细。现在我们对国内外企业的框架做了简单的分类，并选取了一些典型的国际企业。主要看当前人工智能产业布局的四大趋势。从总体趋势来看，第一个时期应该说是一个快速增长的时期。2016年已超过1000家，涵盖机器学习和机器视角，融资金额高达49亿美元。就地区趋势而言，人工智能仍集中在发达国家，而美国、英国和德国相对较快。从分类趋势来看，机器学习受到市场的高度关注。在所有人工智能子类别中，有260家公司研究机器学习和应用，约占整个行业的20%，而这个数字实际上已经超过了300家。从企业发展趋势来看，应该说龙头企业依靠核心技术研发，人工智能的各个领域都在通过资本获取和开源的方式积极布局。计算机视觉领域的竞争相对激烈，智能机器人、智能驾驶和智能医疗是风险投资的热点。

让我们来看看中国人工智能产业发展面临的一些挑战:

第一个挑战是，在核心技术方面，我们与发达国家还有差距，因为人工智能的核心技术需要长期积累和大量投资。虽然中国在应用层面取得了一定的成绩，但在技术层面仍有很大的提高。特别是在算法和深度学习芯片领域，应该说目前有了一点突破，但从现在开始是大规模的

第二个挑战没有强大的支持服务支持。我国目前的应用领域和规模即将进入快速增长阶段，但在标准制定的信息咨询、检查评估、成果转化等方面。相关的配套服务很少，甚至没有空·怀特。人工智能时代的到来没有前瞻性的布局准备，也没有可持续健康发展的良好环境。

第三个挑战是先进的科研和教育系统不能完全满足人工智能的发展需求。我们目前的科研机制是快速互动结果的后续研究，需要试错和区分的研究相对被忽视。我们没有投资于资源积累的研究。与此同时，我们并不完全适应在分段教育体系中整合需要尖端和复合型人才的需要。

基于这些挑战，我们给出了一些政策措施和建议:

第一个建议是，在支持人工智能2.0国家战略方面，我国国家部委和地方政府可以围绕人工智能2.0引入该战略，并尽快引入一些趋势，重点是有步骤、有计划地推进数据公开和公共数据共享，引领我国人工智能技术研究和应用的快速健康发展。

二是从整合创新资源，连接整个产业链的技术，进行全球示范的角度，构建人工智能协同创新核心平台，构建全国协同创新合作平台，加快人工智能领域科技转化速度，降低创业创新门槛，营造良好的创新生态环境。

第三个建议是充分发挥协会的作用和相关产业的科技支撑。我们可以支持相关行业协会成为跨境集成人工智能产业中心，并期待着探讨一些技术发展路线，为下一步中国节点培育示范人工智能提供依据。同时，我们鼓励行业协会和科技协会共同打造人工智能双创平台，提供R&D设计、检测评估信息咨询、人才培训等公共服务。

第四条建议是围绕当前行业对特定人工智能推广应用的需求，率先制定光电技术及领域标准，重点推进群体标准的制定、完善和实施，提出总体布局和框架，建立科学、系统、前瞻性的国际人工智能标准体系。

最后，让我简单介绍一下我自己。我来自中国电子学会研究咨询中心。目前，近20个团队(其中80%以上拥有博士学位)也承担了人工智能2.0白皮书的重大研究项目。这是中国科学技术协会给我们的一个有执照的智囊团组织。目前，我们定期发布人工智能、智能机器人和智能制造等领域的投资增长点分析报告。欢迎专家和嘉宾与我们进行广泛的互动交流，也欢迎您对人工智能进行一些指导和修正。这些就是我今天报告的全部内容。谢谢你的倾听和纠正。谢谢你。

(以上内容均按现场速记编排，未经发言人确认，仅供参考，不得转载。(