今日推荐
热点排行
马源：抓住人工智能发展的历史机遇期
发布时间：2019-03-18 作者：派智库 来源：党政干部参考 浏览：次【字体： 大 中 小】
style="width:100%;font-family:drcnet,微软雅黑;">
人工智能正迈入技术突破和产业发展前沿
算法突破、数据积累和算力提升催生人工智能。在算法突破方面，2006年加拿大多伦多大学提出的深度学习算法（DNN），较好地模拟了人脑神经元多层深度传递的过程，该算法及衍生算法已在图像识别、语音识别、机器翻译等领域取得惊人效果。在数据资源方面，随着数字化进程日益深化，到2020年全球数据总量将超过40泽字节（ZB），是2011年的22倍。在高性能计算方面，传统中央处理器（CPU）在性能和功耗上难以支撑海量数据运算，而图形处理器（GPU）、现场可编程门陈列（FPGA）、张量处理器（TPU）芯片具有并行计算、高吞吐量等特性，计算能力可达每秒10万亿次浮点运算，正替代CPU成为人工智能的计算单元。
copyright dedecms
机器识别图像、语音和自然语言等开始广泛应用。在看的方面，以国际ImageNet大赛（ILSVR竞赛）为例，自2012年引入深度学习算法后，机器识别海量图片中物体种类的错误率逐年下降，2015年已降至3.57%，优于人眼5.1%的识别错误率。在听的方面，近场语音识别技术已可进入日常生活，如微软语音识别系统的错词率在2016年已经降到5.9%，等同于专业速录员。在理解方面，机器翻译、文本分析等也逼近专业水平，如谷歌推出的神经网络机器翻译GNMT相对于传统机器翻译，在从英语到中文的翻译方面错误率下降了58%。
织梦好，好织梦
我国处于较好位置且部分应用已进入全球前列
我国拥有人口基数庞大、应用场景丰富、风投资金充裕、论文专利众多等综合优势。一是用户数和数据优势。从用户数看，到2017年底，我国有3.49亿固定宽带用户，是美国的3.5倍，占全球38%；有11.3亿移动宽带用户，是美国的2.7倍，其中
我国在计算机视觉、语音识别、无人驾驶等应用领域已进入全球前列。随着科研论文的公开、开源算法框架的推出及计算芯片性能的提升，我国企业在部分应用上已进入全球前沿。一是计算机视觉应用全球领先。2011—2012年这一轮人工智能刚兴起时，国内一批公司深耕计算机视觉技术，目前从算法水准和应用情况看，人脸识别、安防监控等领域已获得全球认可。二是中文语音识别具有独特优势。随着互联网语音资料的丰富以及深度学习算法的引入，国内已形成科大讯飞、百度两家主导，思必驰、云之声、出门问问等企业跟随的发展格局，在中文语音合成、语音识别、自然语言处理等领域拥有大量专利，产品广泛应用于语音输入、智能家居、实时字幕、语音搜索、智能客服等场景。三是无人驾驶、无人机、智能交通等紧追领军企业。总体上，智能应用开始进入快速扩展期，我国有望在更多领域形成自身优势。
织梦好，好织梦
在关键技术、生态塑造与制度供给方面还存在明显短板
一是高端芯片等关键技术领域受制于人。高性能计算芯片是人工智能发展的前提。目前美国在图形处理芯片（GPU）、现场可编程逻辑阵列（FPGA）芯片、模仿人脑神经元芯片、专用集成电路（ASIC）芯片四条技术路线上仍占主导地位。而我国目前仍以进口芯片为主，虽然近年也涌现出一些初创企业如寒武纪、地平线等，但实力仍然非常弱。二是算法框架依附于国外巨头开源生态体系。人工智能的智能程度关键在于算法。国外巨头通过开放算法框架（内嵌视频处理、文本分析、语言理解等算法模块），降低人工智能产品或应用开发成本，进而吸引世界各地开发者入驻生态。这一策略集聚了全球智力，壮大了生态。从高盛报告看，谷歌Tensorflow算法框架聚集了6.8万名明星开发者；而百度PaddlePaddle平台仅有5330位，不到前者的十分之一。我们在调研中了解到，国内初创企业大都基于谷歌Tensorflow进行开发。三是人才总量和领军人才短板突出。创新的根本在于人才，从不同机构数据来看，我国人才总量和结构双短缺。全球最大招聘网站领英2017年《全球AI领域人才报告》显示，全球人工智能人才数量190万，其中美国85万，我国5万，位列印度、英国、加拿大、澳大利亚、法国之后，排第7位。从工作经验看，美国人才中具有10年以上经验的占71.5%，我国仅为38.7%；国内企业领军人才主要来自海外引进。四是监管制度滞后于人工智能创新需要。
进一步推进人工智能发展的建议
加大关键核心技术和共性标准支持。一方面依托我国市场需求优势，支持与国外领先企业开放合作，缩短跟跑学习周期；要避免资金、人才等资源摊薄，推进强强联合，鼓励走差异化技术路线。另一方面，强化产业链上下游相互支持，发挥国内应用场景优势，给予国内芯片企业商业化应用和迭代完善的机会。
dedecms.com
统筹产业链打造算法框架平台。必须从战略上重视算法框架和平台的重要性。要借鉴PC互联网时代Windows操作系统主导生态、移动互联网时代安卓主导生态的经验做法，支持组建产业联盟，构筑生态搭建算法框架。
copyright dedecms
优化环境培育和吸引高端人才。要完善人才引进配套政策，防止人才得而复失，同时在海外设立研发中心，就地招揽高端人才。要加快人工智能学科建设和人才培养；面向制造、金融、医疗等重点行业开展应用型人才培育。
适应智能化变革趋势，同步加强监管制度建设。人工智能与各行业结合必然会孕育出新业态，对此，既不能简单按照传统业务监管，也不能任其发展，而应把握技术和产业趋势，在准入方面给技术业务创新留下一个观察期。同时要参考国际经验，结合业界合理诉求，围绕监管关键要素如监管根基、监管职责、监管机制、监管手段、监管成本等，重新梳理相关制度，以便为创新提供保障。
加快相关法律、伦理和责任制度研究。在法律法规方面，重点是研究个人隐私保护和数据权属制度、政府数据开放、合法开发利用等法律问题，明确各方的权利、义务和责任等。在网络安全方面，既要加强硬件系统防护能力和等级评测，又要提前从制度上明确网络安全责任和义务。在伦理方面，对于可能涉及人类生命的伦理选择，如无人驾驶事故应急选择、机器人伤害人类等极端事件，给出基本规范，消除公众疑虑，助力创新产品商用化。