人工智能正邁入技術突破和產(chǎn)業(yè)發(fā)展前沿
在新一代信息技術接力式創(chuàng)新的驅(qū)動下，萬物互聯(lián)和智能化趨勢越發(fā)明顯，預計到2030年全球聯(lián)網(wǎng)設備數(shù)量將突破1250億件，由此帶動數(shù)據(jù)資源的指數(shù)增長，再加上機器學習算法的突破、高性能計算能力的大幅提升，共同推動著人工智能步入發(fā)展“快車道”。
1.算法突破、數(shù)據(jù)積累和算力提升催生人工智能。自1956年首次提出以來，人工智能主要依靠邏輯推理、專家系統(tǒng)來解決問題，智能程度低，但近年來在算法、數(shù)據(jù)和算力三方面的突破下，新一代人工智能開始成為新的競爭焦點。在算法突破方面，2006年加拿大多倫多大學提出的深度學習算法(DNN)，較好地模擬了人腦神經(jīng)元多層深度傳遞的過程，該算法及衍生算法已在圖像識別、語音識別、機器翻譯等領域取得驚人效果。在數(shù)據(jù)資源方面，隨著數(shù)字化進程日益深化，到2020年全球數(shù)據(jù)總量將超過40澤字節(jié)(ZB)，是2011年的22倍。在高性能計算方面，傳統(tǒng)中央處理器(CPU)在性能和功耗上難以支撐海量數(shù)據(jù)運算，而圖形處理器(GPU)、現(xiàn)場可編程門陳列(FPGA)、張量處理器(TPU)芯片具有并行計算、高吞吐量等特性，計算能力可達每秒10萬億次浮點運算，正替代CPU成為人工智能的計算單元。
2.機器識別圖像、語音和自然語言等開始廣泛應用。人工智能在看、聽、理解等關鍵指標上已經(jīng)媲美甚至趕超人類。在看的方面，以國際ImageNet大賽(ILSVR競賽)為例，自2012年引入深度學習算法后，機器識別海量圖片中物體種類的錯誤率逐年下降，2015年已降至3.57%，優(yōu)于人眼5.1%的識別錯誤率。目前廣泛應用于安防監(jiān)控、人臉識別、影像診斷、質(zhì)量檢測、無人駕駛等場景。在聽的方面，近場語音識別技術已可進入日常生活，如微軟語音識別系統(tǒng)的錯詞率在2016年已經(jīng)降到5.9%，等同于專業(yè)速錄員。目前廣泛應用于智能手機(蘋果手機Siri)、智能音箱、智能家電、探傷檢測等場景。在理解方面，機器翻譯、文本分析等也逼近專業(yè)水平，如谷歌推出的神經(jīng)網(wǎng)絡機器翻譯GNMT相對于傳統(tǒng)機器翻譯，在從英語到中文的翻譯方面錯誤率下降了58%。目前，類似技術已廣泛嵌入呼叫中心、客服系統(tǒng)、智能助手、聊天機器人等產(chǎn)品中。
我國處于較好位置且部分應用已進入全球前列
依托用戶規(guī)模、應用場景、風險資金和科技論文等優(yōu)勢，我國在視覺識別、語音識別等應用方面進入全球前列，涌現(xiàn)出一批骨干企業(yè)，擁有進一步發(fā)展的有利條件。
1.我國擁有人口基數(shù)龐大、應用場景豐富、風投資金充裕、論文專利眾多等綜合優(yōu)勢。一是用戶數(shù)和數(shù)據(jù)優(yōu)勢。數(shù)據(jù)資源是發(fā)展人工智能的關鍵要素，主要來自用戶和聯(lián)網(wǎng)設備。從用戶數(shù)看，到2017年底，我國有3.49億固定寬帶用戶，是美國的3.5倍，占全球38%;有11.3億移動寬帶用戶,是美國的2.7倍，其中4G用戶占全球40%;還有2.9億機器聯(lián)網(wǎng)(M2M)用戶，是美國的3.5倍。從數(shù)據(jù)量來看，我國已占全球13%，據(jù)高盛報告預測，隨著用戶數(shù)和在線時長增長，這一指標到2020年預計提升至20%—25%。我國有用戶規(guī)模的先天優(yōu)勢。
二是應用場景豐富。我國是全球唯一擁有聯(lián)合國產(chǎn)業(yè)分類目錄中所有工業(yè)門類的國家，數(shù)字化、網(wǎng)絡化、智能化應用潛力巨大。目前智能產(chǎn)品應用正由媒體、搜索、家居等消費領域向交通、汽車、機械、石化等工業(yè)領域并重拓展。而且，我國有近4億的80后、90后用戶，他們對新科技、新產(chǎn)品的接受度比較高。廣泛的行業(yè)分布、多樣的用戶需求為拓展人工智能應用提供了廣闊市場。
三是風投資金充裕。據(jù)知名市場研究機構CB Insights監(jiān)測數(shù)據(jù)，在全球人工智能領域融資方面，2017年我國企業(yè)的融資額占到48%，首次超越美國(38%)。從跨境雙向投資看，我國背景的資金投資美國初創(chuàng)企業(yè)筆數(shù)從2014年的6筆，快速增長到2017年的31筆，超過美國資金對我國初創(chuàng)企業(yè)投資的20筆。從資金投資領域看，集中在人臉識別、影像診斷、人工智能芯片等熱點方向。
四是科研論文和專利優(yōu)勢。據(jù)美國國家科學技術委員會數(shù)據(jù)，2014年我國在“深度學習”“深度神經(jīng)網(wǎng)絡”等領域的科學論文數(shù)量已超過美國。美國《科學引文索引》(SCImago)數(shù)據(jù)也顯示，我國“人工智能”論文達10.3萬篇，超過美國的8.4萬篇，論文影響力則位居第二。從專利看，按照美國專利與商標辦公室數(shù)據(jù)，以深度學習、機器學習、人工智能等為關鍵詞檢索專利，我國在2016、2017年均超越美國。
2.我國在計算機視覺、語音識別、無人駕駛等應用領域已進入全球前列。隨著科研論文的公開、開源算法框架的推出及計算芯片性能的提升，我國企業(yè)在部分應用上已進入全球前沿。
一是計算機視覺應用全球領先。在2011-2012年這一輪人工智能剛興起時，國內(nèi)一批公司深耕計算機視覺技術，目前從算法水準和應用情況看，人臉識別、安防監(jiān)控等領域已獲得全球認可。如商湯科技在人臉識別和物體識別精度方面超過臉譜和谷歌;曠視科技的face++人臉識別平臺，2017年被《麻省理工科技評論》評為十大前沿科技。騰訊覓影、推想科技、零氪科技等對食管癌、肺結(jié)節(jié)、乳腺癌等影像識別的準確率堪比專業(yè)醫(yī)生，廣泛應用于百家以上醫(yī)院。
二是中文語音識別具有獨特優(yōu)勢。語音識別是萬物互聯(lián)和人工智能應用的關鍵入口。長期以來被國外企業(yè)壟斷市場，原因在于有很高的技術壁壘、語音資源壁壘和行業(yè)應用壁壘，但隨著互聯(lián)網(wǎng)語音資料的豐富以及深度學習算法的引入，國內(nèi)已形成科大訊飛、百度兩家主導，思必馳、云之聲、出門問問等企業(yè)跟隨的發(fā)展格局，在中文語音合成、語音識別、自然語言處理等領域擁有大量專利，產(chǎn)品廣泛應用于語音輸入、智能家居、實時字幕、語音搜索、智能客服等場景。
三是無人駕駛、無人機、智能交通等緊追領軍企業(yè)。無人駕駛方面，百度2018年推出的阿波羅自動駕駛平臺3.0，具備變道、等紅燈、避讓、泊車等能力，全球合作伙伴過百家，技術上與國外大體同步;無人機領域，大疆成為全球最大無人機企業(yè)，廣泛用于農(nóng)業(yè)、應急、消防、測繪與城市管理等領域;智能交通領域，阿里巴巴、滴滴等賦予交通信號燈以智能，助力城市交通整體優(yōu)化。總體上，智能應用開始進入快速擴展期，我國有望在更多領域形成自身優(yōu)勢。
在關鍵技術、生態(tài)塑造與制度供給方面還存在明顯短板
在行業(yè)快速發(fā)展的同時，我國在高端芯片、算法框架、人才儲備、法規(guī)制度等方面存在短板，亟需統(tǒng)籌解決。
1.高端芯片等關鍵技術領域受制于人。高性能計算芯片是人工智能發(fā)展的前提。目前在四條技術路線上美國占主導地位：一在圖形處理芯片(GPU)方面，英偉達、超威和英特爾三強主導GPU市場。二在現(xiàn)場可編程邏輯陣列(FPGA)芯片方面，賽靈思和英特爾兩強主導市場。三在模仿人腦神經(jīng)元芯片方面，以IBM TrueNorth芯片為代表，已應用在Watson醫(yī)療產(chǎn)品上。四在專用集成電路(ASIC)芯片方面，谷歌的張量處理芯片(TPU)性能優(yōu)勢明顯，各類創(chuàng)業(yè)公司主要集中在這一賽道上。而我國目前仍以進口芯片為主，雖然近年也涌現(xiàn)出一些初創(chuàng)企業(yè)如寒武紀、地平線等，但實力仍然非常弱。
2.算法框架依附于國外巨頭開源生態(tài)體系。人工智能的智能程度關鍵在于算法。國外巨頭通過開放算法框架(內(nèi)嵌視頻處理、文本分析、語言理解等算法模塊)，降低人工智能產(chǎn)品或應用開發(fā)成本，進而吸引世界各地開發(fā)者入駐生態(tài)。這一策略集聚了全球智力，壯大了生態(tài)。從高盛報告看，谷歌Tensorflow算法框架聚集了6.8萬名明星開發(fā)者;而百度PaddlePaddle平臺僅有5330位，不到前者的十分之一。我們在調(diào)研中了解到，國內(nèi)初創(chuàng)企業(yè)大都基于谷歌Tensorflow進行開發(fā)。
3.人才總量和領軍人才短板突出。創(chuàng)新的根本在于人才，從不同機構數(shù)據(jù)來看，我國人才總量和結(jié)構雙短缺。全球最大招聘網(wǎng)站領英2017年《全球AI領域人才報告》顯示，全球人工智能人才數(shù)量190萬，其中美國85萬，我國5萬，位列印度、英國、加拿大、澳大利亞、法國之后，排第7位。從工作經(jīng)驗看，美國人才中具有10年以上經(jīng)驗的占71.5%，我國僅為38.7%;國內(nèi)企業(yè)領軍人才主要來自海外引進。
4.監(jiān)管制度滯后于人工智能創(chuàng)新需要。數(shù)據(jù)開放、隱私管理、算法歧視、網(wǎng)絡攻擊等諸多新問題亟待加強監(jiān)管。以無人駕駛為例，現(xiàn)有的車輛標準、準入制度、車輛安全、駕駛責任、保險制度等都需要重新審視。
進一步推進人工智能發(fā)展的建議
人工智能是引領未來的戰(zhàn)略性技術，美英法印日等國均已出臺國家戰(zhàn)略，支持技術研發(fā)，完善制度環(huán)境，提升產(chǎn)業(yè)競爭力。從目前我國的實際看，建議以創(chuàng)新制度供給、優(yōu)化發(fā)展環(huán)境為主線，支持新產(chǎn)品新業(yè)務推廣使用，帶動關鍵技術、算法框架突破，促進上下游協(xié)同發(fā)展，夯實產(chǎn)業(yè)發(fā)展根基。
1.加大關鍵核心技術和共性標準支持。我國芯片產(chǎn)業(yè)根基薄弱，人工智能技術為我們追趕提供了契機，但要做好打持久戰(zhàn)準備。建議一方面依托我國市場需求優(yōu)勢，支持與國外領先企業(yè)開放合作，縮短跟跑學習周期;要避免資金、人才等資源攤薄，推進強強聯(lián)合，鼓勵走差異化技術路線。另一方面，強化產(chǎn)業(yè)鏈上下游相互支持，發(fā)揮國內(nèi)應用場景優(yōu)勢，給予國內(nèi)芯片企業(yè)商業(yè)化應用和迭代完善的機會。此外，要及時響應企業(yè)訴求，在設備規(guī)范、認證認可、安全要求等方面推出共性標準，規(guī)范產(chǎn)品開發(fā)要求。
2.統(tǒng)籌產(chǎn)業(yè)鏈打造算法框架平臺。在算法方面，我國發(fā)表了足夠數(shù)量的論文，在機器視覺算法方面也走在全球前列，但缺乏生態(tài)優(yōu)勢，必須從戰(zhàn)略上重視算法框架和平臺的重要性。要借鑒PC互聯(lián)網(wǎng)時代windows操作系統(tǒng)主導生態(tài)、移動互聯(lián)網(wǎng)時代安卓主導生態(tài)的經(jīng)驗做法，支持組建產(chǎn)業(yè)聯(lián)盟，構筑生態(tài)搭建算法框架。
3.優(yōu)化環(huán)境培育和吸引高端人才。隨著全球?qū)θ斯ぶ悄苋瞬诺臓帄Z趨于激烈，我國人才薪酬已與國外不相上下，下一步關鍵還是要優(yōu)化人才環(huán)境。要完善人才引進配套政策，防止人才得而復失，同時在海外設立研發(fā)中心，就地招攬高端人才。要加快人工智能學科建設和人才培養(yǎng);面向制造、金融、醫(yī)療等重點行業(yè)開展應用型人才培育。
4.適應智能化變革趨勢，同步加強監(jiān)管制度建設。人工智能與各行業(yè)結(jié)合必然會孕育出新業(yè)態(tài)，比如無人駕駛、智能投資顧問、醫(yī)療影像識別等。對此，既不能簡單按照傳統(tǒng)業(yè)務監(jiān)管，也不能任其發(fā)展，而應把握技術和產(chǎn)業(yè)趨勢，在準入方面給技術業(yè)務創(chuàng)新留下一個觀察期。同時要參考國際經(jīng)驗，結(jié)合業(yè)界合理訴求，圍繞監(jiān)管關鍵要素如監(jiān)管根基、監(jiān)管職責、監(jiān)管機制、監(jiān)管手段、監(jiān)管成本等，重新梳理相關制度，以便為創(chuàng)新提供保障。
5.加快相關法律、倫理和責任制度研究。在法律法規(guī)方面，重點是研究個人隱私保護和數(shù)據(jù)權屬制度、政府數(shù)據(jù)開放、合法開發(fā)利用等法律問題，明確各方的權利、義務和責任等。在網(wǎng)絡安全方面，既要加強硬件系統(tǒng)防護能力和等級評測，又要提前從制度上明確網(wǎng)絡安全責任和義務。在倫理方面，對于可能涉及人類生命的倫理選擇，如無人駕駛事故應急選擇、機器人傷害人類等極端事件，給出基本規(guī)范，消除公眾疑慮，助力創(chuàng)新產(chǎn)品商用化。
京公網(wǎng)安備 11010502049343號