让人工智能充分赋能经济社会发展
科技部等六部门发文统筹推进场景创新
让人工智能充分赋能经济社会发展
继2017年国务院印发《新一代人工智能发展规划》（以下简称《发展规划》）之后，科技部、教育部、工信部等六部门近日联合发布《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》（以下简称《指导意见》），在业界引发广泛关注。
作为深刻改变人类社会生活的革命性、战略性技术，人工智能在我国发展如何？怎样推动人工智能快速迭代升级？记者进行了采访。
从实验室走向生产生活，人工智能驶入发展快车道
如今，放眼大江南北，“人工智能”不再是一个学术名词，而是人们生产生活中的“常客”。
在旷视科技改造升级后的国药控股广州有限公司物流中心，随处可见人工智能的“身影”：智能移动机器人、智能堆垛机往来穿梭，成为搬运的主力军，智能五面扫描装置可实时读取运动中的药箱上的电子监管码，实现药品流通可追溯……智慧仓储物流不仅为该中心每年节约人力成本上百万元，更显著提高了工作效率，在疫情防控期间实现了医药物资配送的快速响应。
在位于浙江杭州滨江区的计算机视觉公司易思维的实验室，装配了高性能视觉传感器的工业机器人正在模拟汽车流水线的工位上忙碌。明察秋毫的“眼睛”和自主决策的“大脑”，助力冲压、焊接、涂装、总装四大汽车制造环节的智能化升级，既省工省时又提质增效。易思维研发的工业视觉检测成套装备体系，已在上汽大众、一汽大众、特斯拉等数十家国内外厂商的200多个整车厂落地开花，在“冲、焊、涂、总”四大环节上实现系统化应用。
在华为打造的5G智慧煤矿——晋能控股集团塔山煤矿，地下500米的矿井实现了智能互联：智能巡检机器人往来探视，工人可一键呼叫“网约车”、实时手机视频通话。依托“会说话”“能决策”的智能化综放开采设备，塔山煤矿采煤工效提升40%以上。
在日常生活中，人工智能也无处不在：对着手机眨眨眼，几秒内就可以完成身份认证；手环、手表等智能终端，及时提醒用户健康状况……
“《发展规划》实施至今，我国的人工智能已由实验室走向生产生活的方方面面，驶上了发展快车道。”科技部新一代人工智能发展研究中心主任、中国科学技术信息研究所所长赵志耘认为，“生产更高效、生活更精彩”的背后，是人工智能科技的显著进步。“我国在机器学习、计算机视觉、自然语言处理、类脑计算等领域涌现出一批重要理论成果，大规模预训练模型等前沿研究达到国际先进水平，人工智能基础软硬件快速发展，基于自主技术的人工智能产业生态已初步形成。”
科技部新一代人工智能发展研究中心提供的数据显示，5年来我国智能产业规模持续壮大，企业数量以及风险投资额居世界前列：2021年人工智能核心产业规模超过4000亿元，企业超过3000家；人工智能领域风险投资额占全球比重从2013年的不到5%增长到2021年的20%左右，跃居世界第二。
把新技术应用到实践中，通过迭代不断成熟提升
《指导意见》从打造人工智能重大场景、提升人工智能场景创新能力、加快推动人工智能场景开放等方面，统筹推进人工智能场景创新。
“这不仅是稳经济、培育新增长点的权宜之计，更是促进人工智能更高水平应用、更好支撑高质量发展的长远之策。”科技部战略规划司副司长邢怀滨说，“从全国来看，目前仍存在对场景创新认识不到位、重大场景系统设计不足、场景机会开放程度不够、场景创新生态不完善等问题，急需加强人工智能场景创新。”
邢怀滨告诉记者，场景创新是以新技术的创造性应用为导向，以供需联动为路径，实现新技术迭代升级和产业快速增长的过程。“这个‘牛鼻子’有多方面的牵引效应：直接推动人工智能技术的推广应用，加快传统产业的提质升级；在应用中发现新需求、凝练新课题，从需求侧反推人工智能技术体系的提升完善；促进人工智能相关软硬件技术及其标准的对接、贯通，进而形成全国统一的技术生态、产业生态。”
“目前人工智能正处在新的发展阶段，技术日趋成熟可用，各行业对人工智能技术需求迫切。”赵志耘说，在这个阶段，最重要的是把新技术应用到实践中，通过迭代不断成熟提升。“场景创新作为一种目标导向、应用导向的研发新机制，既有利于引导学术界更好地聚焦行业问题、优化研发方向，也有利于引导企业尽快把理论成果、技术成果快速转化为行业效果。”
易思维创始人兼CEO郭寅认为，人工智能是一门强应用相关的技术学科，从最早的雏形发展到今天，都离不开在各类应用场景中发现问题、解决难题、迭代技术，人工智能技术发展与场景应用创新是个相互促进、螺旋上升的过程。“随着《指导意见》的实施，我国人工智能技术将迎来加快迭代升级的新热潮。”
加快构建全链条、全过程的人工智能行业应用生态
8月15日，科技部启动支持建设新一代人工智能示范应用场景，发布了智慧农场、智能港口、智能矿山、智能工厂等首批支持的十大应用场景。
“人工智能的应用场景涉及生产、生活的方方面面，不能眉毛胡子一把抓。我们坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康谋篇布局，以充分挖掘人工智能的价值。”邢怀滨说，“按照提高生产能效、改善工作方式、方便群众生活等主要标准，我们希望尽快打造形成一批可复制、可推广的标杆型示范应用场景，加快构建全链条、全过程的人工智能行业应用生态，让人工智能充分赋能经济社会发展。”
“人工智能是渗透面广、带动性强、影响深刻的新生事物，政府和市场要各司其职、协同发力，真正把充分发挥市场作用和更好发挥政府作用有机结合起来。”邢怀滨强调，一方面，要坚持企业在场景创新全过程中的主体地位，鼓励企业放手去干、去闯；另一方面，政府要与学术界、企业界紧密合作，在相关社会伦理、规则制定、法制完善等方面履职尽责。
“中国拥有全球最齐全的产业体系和超大规模的消费市场，丰富繁多的应用场景为人工智能提供了巨大的用武之地。”邢怀滨表示，“经过全社会的共同努力，中国一定能在新一代人工智能这个赛道上跑出好成绩。”（记者赵永新）
【纠错】【责任编辑:吴咏玲】当前人工智能技术创新特征和演进趋势
近年来人工智能在全球蓬勃发展，很大程度上得益于信息技术群进入一个密集成熟期，人工智能算法得以向并行化、规模化、复杂化发展。基于大数据和深度学习的人工智能技术路线引发了这一轮的发展高潮，并使感知智能率先达到商用化门槛，成为人工智能产业化的突破口。同时，全球人工智能技术创新活跃，正在体现出一些新特点，孕育着一些新趋势。
1当前人工智能技术创新的几点特征大数据+深度学习正在成为当前人工智能各领域研究的最重要范式，也是当前人工智能产业化的主要驱动力量。在这一主流技术路线引领下，全球人工智能技术创新正在表现出以下特点。
1)深度学习模型和方法持续创新。现在深度学习仍有很多问题没有解决，包括模型知识表示能力、可解释性、网络结构设计、训练优化方法问题等，还在困扰着深度学习性能和在一些领域的产业化应用。近年来，学术界产业界在深度学习领域的方法创新都非常活跃，谷歌大脑团队提出的概念激活向量方法，尝试度量模型输出结果对概念的相关性，在模型可解释性方面进行了有意义的探索[1]。在近年来大热的自动机器学习方面，2018年谷歌推出了AutoMLNaturalLanguage和AutoMLTranslation等产品，试图使深度学习的模型设计能够自动化进行，减少对专业知识的依赖，把深度学习工具向非人工智能领域的专家和工程师推广。关于图网络的研究正在将深度学习能够处理的数据结构类型从象素类数据、时间序列数据向图数据结构进一步拓展，把端到端学习与归纳推理相结合，尝试改进深度学习无法进行关系推理的问题[2]。
深度学习方法也在不同领域结合其特点向前演化发展。比如在自然语言处理领域，原来TextCNN对文本浅层特征的抽取能力很强，但在长距离建模方面能力受限[3]。2018年以来，以ELMo模型[4]、BERT模型[5]为代表预训练模型快速兴起，通过融入上下文信息实现了对多义词、句法结构、语义角色等更高层文本概念的建模，推动自然语言处理领域实现了长足进步。
2)模型复杂度和算力需求门槛越来越高。2012年，Hinton团队在ImageNet比赛中首次使用深度学习用于图像分类任务，当时的神经网络层数还只有个位数[6]；2015年来自微软的ResNet做到152层[7]；现在很多团队都在做上万层的深度学习模型。模型深度的增加有可能带来表达能力的进一步拓展和突破，但同时也带来了模型复杂度的飞升。BERT模型的标准版本有1亿的参数量，数亿参数的模型已经很常见。根据马萨诸塞大学Strubell等[8]近期对不同模型算力需求的评估研究，Transformer、GPT-2等流行的深度神经网络模型的性能提升带来了不成比例的计算量和碳排放增加。
2019年国外多个人工智能研究团队通过德州扑克、星际争霸等不同的游戏场景，展示了人工智能在开放信息博弈等复杂任务下的巨大潜力，同时这些系统大部分都是由大模型、大计算支撑的。据估算DeepMind为星际争霸做的AlphaStar使用了1万多块TPU，价值数亿元，这就带来了算力门槛的提高，对于很多大学、研究机构的中小团队很难获得这种算力科研条件。模型性能提升如何摆脱对模型复杂度和算力依赖也越来越成为人工智能模型和算法研究中值得关注的问题。
3)“平台+场景应用”成为主流产品形态。现在深度学习大算力需求的特征也使得智能系统严重依赖云平台的支撑，人工智能发展与云计算发展正在实现交汇融通，AI云化和云平台AI化成为趋势。平台化发展的人工智能系统成为末端深入物理世界，云端集超级算力和海量数据的超级大脑。平台化是AI企业人工智能能力输出的主要方式，通过平台开放接口的方式输出算法能力和算力资源。平台化也是加速数据资源汇集加速技术迭代的重要推动要素，在产业化应用方面体现出“平台+场景应用”的产品形态。
4)开源化成为AI技术迭代的重要模式。大模型的特征也使开源文化在人工智能领域更加繁荣兴盛。随着模型越来越复杂，从头开发一个模型的难度和出错的可能性越来越大，也很难做到与底层硬件的最优化设计。通过开源框架和开源算法复用可大大提升研发人员开发效率，活跃的使用者贡献者又进一步促进了开源框架开源算法的快速更新和完善。Tensorflow成为近年来深度学习开源框架的引领者[9]，脸书发布的PyTorch近年来快速崛起[10]。PyTorch更有利于研究人员对小规模项目快速做出原型，而TensorFlow更适合大规模部署，特别是需要跨平台和嵌入式工业化部署，所以目前也出现学术界和工业界一定程度上的选择性分化。在深度学习方法创新方面的演化和进步，包括解释性、知识建模、机器学习自动化等突破，也孕育着深度学习框架的革新和全球开源框架格局的新变化。
5)软硬协同优化驱动智能计算效率提升。深度学习带来的计算负荷增长需求已经远超摩尔定律。各类云端、设备端智能加速芯片适应深度学习的算法特征，进行矩阵元操作的并行化加速，或进行针对特定智能计算任务的精简优化，都是当前智能计算得以不断提升效率的重要驱动力量。谷歌把Tensorflow与TPU绑定式设计协同优化[11]；英伟达的CUDA将GPU与上层软件优化衔接，充分挖掘和发挥GPU的硬件潜力[12]。软硬件协同正成为当前人工智能发展的新特征，初步显现接棒智能时代的“新摩尔定律”的重要潜能。
2未来人工智能技术创新的几点新趋势人工智能具有多层次的技术体系，从当前全球人工智能创新趋势来看，不论底层计算、认知模型到智能算法，目前在各个层面上的理论和技术都充满创新机遇，这些方向上的同步推进和渐次突破，将为人工智能未来发展不断注入新的活力。
1)智能计算前移与云边端混合架构。现在各类深度学习计算主要依赖后端算力，也就不可避免地需要承担通信时延导致的系统整体性能损失。在人工智能平台化发展的基础上，智能计算前移也正在成为当前人工智能发展的新趋势。在智能手机、安防监控、可穿戴设备以及智能驾驶等各领域，定制化、低功耗、低成本的嵌入式产品，正在将很多智能处理迁移到前端。业界已经研发了多种类型的前端AI处理器，不仅可以直接运行像贝叶斯、决策树等一些轻量级机器学习算法，而且辅以轻量级推理引擎，能够使训练好的深度学习模型很方便地在前端进行推理运算。将视觉智能芯片嵌入摄像头，可把很多针对图像的智能处理迁移到前端，直接在前端进行过滤降噪，或是对视频、图像进行针对特定任务的信息处理，只需将结果信息上传云端。同时，在前端还可以通过智能算法进行注意力选择操作，把摄像头资源更多聚集到视觉目标上，并能把一些涉及隐私的细节信息屏蔽掉，适度采集适度上传，更好地保护公众隐私。针对不同应用场景，未来智能计算任务将在设备端、边缘端、云端进行更加优化和协同配置。
2)技术融合驱动智能算法创新。人工智能经历数十年发展在不同技术路线下已经形成很多优秀方法。AlphaGo创新性地融合了深度学习、增强学习和启发式搜索等不同技术的优势，解决了围棋这一难点问题[13]。不同方法各有所长，对于解决认知和推理类任务，符号主义学派的很多方法可能更为有成效，旧的算法也可能在新的信息技术环境下重焕光辉。未来加强数据驱动和知识驱动融合，将为智能算法创新开辟广阔空间。比如目前深度学习存在缺乏知识和理解的局限，融入经验表示、知识处理方法，不仅能够简化模型，降低计算量，也能形成知识建模推理能力，拓展深度学习的适用范围。在自然语言理解领域也是如此，也需要将基于语料的知识抽取、谓词逻辑表达和推理等知识库方法与深度学习方法相融合。
3)新兴信息技术群持续赋能产品创新。智能化不只是人工智能，在大数据、互联网、云计算等技术群的共同支撑下，人工智能技术才开始走向产业化落地。未来，工业物联网、5G高速移动通信、VR、区块链等新兴信息技术与人工智能将相互促进、相互成就，通过技术融合突破现有智能技术的能力瓶颈，助力人工智能产业化落地向工业制造、L4级以上的自动驾驶等要求更高的领域推进。多技术综合应用、结合场景的产品技术创新，将为经济社会智能化变革持续赋能。
4)多学科交叉驱动理论突破。人工智能具有多学科综合的天然属性，学科交叉将是下一步理论创新的重要驱动力。数学、物理学、逻辑学、神经科学、社会科学等都是人工智能学术研究的紧密联动学科，将为人工智能未来发展提供不可缺少的理论来源。尤其是当前支撑深度学习模型发展的数学基础还比较薄弱，网络规模和结构设计、训练优化等方面还需要形成有理论支撑的普适性方法，新的数学理论和方法将进一步加速深度学习能力突破。
神经科学领域也是未来人工智能学科交叉的另一高地。人工智能发展历程中大量里程碑式成就都得益于神经科学、认知科学的理论支撑和原理启发。在下一步突破认知智能过程中，更加需要借助神经科学和认知科学的启发，创造一大批新的方法，建立认知智能的方法体系。
5)底层计算模式创新孕育体系性换代机遇。硬件层面类脑计算的基本理念是通过模拟人脑神经元行为方式，设计类似人脑神经处理机理的存算一体新型计算模式，构造更接近人脑物理结构和工作模式的高效能智能计算系统。IBM、英特尔等公司在这方面都在快速探索，已经形成TrueNorth和PohoikiBeach等初期产品，在稀疏编码、图搜索等方面表现出一定潜力[14-15]。清华大学近期研发出一款基于忆阻器阵列的“天机”芯片，不仅能够支持传统架构机器学习算法和神经形态计算模型的独立部署，还能够支持两者的异构建模[16]。
近期全球量子计算领域发展也非常快，未来量子计算机有可能对智能计算的能力和速度带来指数级提升，特定功能的量子芯片和量子人工智能处理器也有望融合传统架构，推动混合计算架构的演进发展。这些方向上的底层创新难度都很大，需要更长的时间，但都在人工智能底层计算架构甚至整体计算范式方面孕育着新的机遇[17]。
3思考与启示近年来，全球人工智能技术创新发展迅猛，未来将深刻影响经济形态，造福人们生活。总体上看，人工智能的发展还处于早期阶段，面临大量理论和技术难题需要攻克。人工智能未来的持续发展还需要各国的通力合作，协同攻克智能科学领域的诸多难题。
同时，当前人工智能理论到技术转换快、创新周期短的特征越来越明显，产学研协同创新尤为重要。当前出现的像算力门槛、数据共享等问题可能对人工智能协同创新带来不利影响。加强学术界和产业界的合作，强化研发链的衔接，促进开源开放，必将有助于进一步加速学术创新和技术成果产业化落地。
人工智能产学研创新发展 赋能数字经济新时代
原标题：人工智能产学研创新发展赋能数字经济新时代人工智能是数字经济新时代下的重要生产力，利用人工智能技术打造数字经济新引擎更是当下的发展风口。12月25日，中国科学院人工智能产学研创新联盟年会暨第三期人工智能创新大讲堂在京举行，会上发布了中科院联盟人工智能年度报告和年度人工智能亮点成果，人工智能领域技术、产业等各方专家汇聚一堂，共同探讨如何用人工智能技术赋能数字经济新时代。
前沿动态分享新锐观点迭出
“十四五”规划纲要提出，要以数字化转型整体驱动生产方式、生活方式和治理方式变革，充分发挥我国数据、应用场景的优势，促进数字技术与实体经济深度融合。
当前，人工智能已成为新一轮科技革命和产业变革的重要驱动力量，利用人工智能推动产业高质量、现代化、智能化水平提升，是我国人工智能行业知名专家和领军企业家的矢志所在。
“以人工智能为代表的新一代信息技术，正深刻改变着世界发展格局。”作为联盟战略咨询委员会主任，中科院科技战略咨询研究院院长潘教峰在致辞中提出，当下各国争相竞力，谋占技术高地，中国也在不断发力，已形成了从中央到地方、从技术到产业纵横结合的人工智能发展体系。
潘教峰表示，从2017年成立至今，中国科学院人工智能产学研创新联盟多次承担国家重大任务，推动产学研合作及技术成果相继孵化落地。“我们期待联盟能够携手社会各界力量，紧密合作，共同推动中国科学院乃至中国人工智能事业的发展。”
中国科学院控股有限公司董事长索继栓在致辞中表示，加快发展新一代人工智能是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。索继栓对联盟提出了三点建议：“一是坚守源头核心技术创新，实现关键技术自主可控；二是着力打造人工智能产业新生态，形成国家需求引导、产业集群引领、协同创新的新模式；三是护航数字经济行稳致远，重塑百花齐放、活力迸发的平台经济健康生态。”
中国科学院院士冯登国在《网络空间安全技术发展态势》主题演讲中将当前网络空间安全技术发展态势概括为以下几点：人工智能技术已成为网络安全技术的创新源泉；量子计算机等新型计算机技术促使高强度安全技术快速发展；5G落地应用与6G快速推进，牵引了网络安全技术高速发展；区块链为网络安全技术创新发展注入新的活力；大数据和云计算技术引领数据安全技术创新发展。
在《AI使能6G演进及应用》主题演讲中，中国工程院院士张平分享对AI+6G未来发展方向的看法。他认为，6G将走向人机物灵充分联结、虚实结合、智慧涌现的泛在智简网络。而泛在智简网络既作为智慧化的服务基础设施和创新生态的数字化材料元素，又因其引入的人灵境协同，将提供先进智能涌现、创新创造赋能的生态环境。同时，灵境协同增强后的个人、组织、城市、国家，将以守仁求和为理念，开展价值共创，共建人类命运共同体。
科大讯飞董事长刘庆峰以《产学研合作推动人工智能生态繁荣》为题发表主题演讲，分享了当前以科大讯飞为代表的企业在语音识别、机器翻译、自然语言理解等人工智能技术方面的进展。他指出，人工智能下一步研究的四个主要方向包括无监督训练、多模态融合、脑科学交叉研究、人机协同进化。
当前，人工智能要切实解决社会重大命题，必须要从单点应用突破到系统性创新。以教育领域为例，科大讯飞正切实用因材施教的系统性创新助力教育“双减”，使得学生无效练习、作业时间、焦虑情绪均取得显著降低，提升学习兴趣。
刘庆峰强调，人工智能是支撑幸福中国和工业强国的必然选择，而生态的繁荣决定了未来人工智能产业全球竞争格局，也是产学研联盟的重要基础，科大讯飞也期待着继续与联盟一同创新开放、合作共赢。
人工智能前沿研究与产业发展报告发布
2021年是“十四五”规划和第二个一百年奋斗目标的开局之年，政策加持之下，人工智能势头猛劲，数字经济方兴未艾，人工智能产业迎来了助推浪潮。年会现场，中国科学院人工智能产学研创新联盟发布《人工智能前沿研究与产业发展报告2021》，报告从人工智能国内外战略态势、技术趋势、产业发展与应用以及中科院研究亮点成果等四个方面，回顾并总结了2021年全球人工智能前沿研究与产业发展动态。
报告认为，2021年世界主要国家均已进入全面推进人工智能战略的阶段，人工智能监管已成为各国人工智能发展的重中之重，人才培养是各国AI发展的核心竞争力，AI基础设施的重要性愈发凸显。
针对中国人工智能发展现状，报告总结了五项特点：优化人工智能战略布局，推动产业融合发展；夯实学科建设基础，注重人工智能区域人才；完善人工智能标准体系，制定相关法律规范；加快人工智能政策落地，开展实验区规划建设；开展人工智能发展研究，为产业发展建言献策。
对于产业发展态势，报告分析认为，人工智能产业规模持续扩大，预计到2025年末中国人工智能核心产业规模有望达到4000亿。在智能语音市场，科大讯飞竞争优势明显，市场份额稳居第一。人工智能企业持续蓬勃向上，人工智能产业集群化现象明显。
应用环境向好，人工智能发展如虎添翼，一大批智慧应用也瞄准未来科技和产业发展的制高点成功落地应用，并取得显著成效。现场，中科院联盟发布年度人工智能亮点成果，合肥研究院“智慧党建数字化平台”、科大讯飞“讯飞开放平台”等13家单位的14项成果入选。
拥抱人工智能，赋能数字经济，此次联盟年会和大讲堂不仅让国内外人工智能发展的最新政策、战略和成果得到分享，还为政府、企业、院所和公众搭建了对话平台，促进人工智能合作“生态圈”生生不息。相信在中国科学院人工智能产学研创新联盟的推动下，人工智能技术将成为强劲引擎，跑出经济发展加“数”度。（李倩）
(责编：曹淼、李源)分享让更多人看到
人工智能的三大特征
原标题：人工智能的三大特征一、通过计算和数据，为人类提供服务
从根本上说，人工智能系统必须以人为本，这些系统是人类设计出的机器，按照人类设定的程序逻辑或软件算法通过人类发明的芯片等硬件载体来运行或工作，其本质体现为计算，通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知识模型，来为人类提供延伸人类能力的服务，来实现对人类期望的一些“智能行为”的模拟，在理想情况下必须体现服务人类的特点，而不应该伤害人类，特别是不应该有目的性地做出伤害人类的行为。
二、对外界环境进行感知，与人交互互补
人工智能系统应能借助传感器等器件产生对外界环境（包括人类）进行感知的能力，可以像人一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息，对外界输入产生文字、语音、表情、动作（控制执行机构）等必要的反应，甚至影响到环境或人类。借助于按钮、键盘、鼠标、屏幕、手势、体态、表情、力反馈、虚拟现实/增强现实等方式，人与机器间可以产生交互与互动，使机器设备越来越“理解”人类乃至与人类共同协作、优势互补。这样，人工智能系统能够帮助人类做人类不擅长、不喜欢但机器能够完成的工作，而人类则适合于去做更需要创造性、洞察力、想象力、灵活性、多变性乃至用心领悟或需要感情的一些工作。
三、拥有适应和学习特性，可以演化迭代
人工智能系统在理想情况下应具有一定的自适应特性和学习能力，即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力；并且，能够在此基础上通过与云、端、人、物越来越广泛深入数字化连接扩展，实现机器客体乃至人类主体的演化迭代，以使系统具有适应性、灵活性、扩展性，来应对不断变化的现实环境，从而使人工智能系统在各行各业产生丰富的应用。返回搜狐，查看更多
责任编辑：张亚勤：人工智能赋能生命科学——机遇与挑战
生命科学与生物医药领域正在步入数字化3.0时代，AI正在加速生命健康与生物医药领域向着更快速、更精准、更安全、更经济、更普惠的方向稳步发展。——张亚勤
9月26日下午，2021年世界互联网大会在乌镇召开。在数据与算法论坛上，清华大学智能产业研究院（AIR）院长张亚勤院士围绕“人工智能赋能生命科学”这一主题，介绍生物世界发生的数字化和智能化新变革，并分享清华大学智能产业研究院（AIR）在人工智能与生命健康交叉学科发展上的新布局。本次报告由张亚勤院长及团队成员马维英、兰艳艳、黄婷婷共同完成。
（摄影/浙江日报记者李震宇）
随着基因测序技术、高通量生物实验、传感器等技术的发展，生命科学与生物医药领域正在步入数字化3.0时代，数字化、自动化进程加速。健康计算作为一种新型智能科学计算模式，是以人工智能和数据驱动为核心的第四研究范式。它将极大助力人类探索并解决生命健康问题。
人工智能从上世纪五十年代发展到今天，产生了很多不同的算法，尤其是以早期的RNN、LSTM和CNN为代表的深度学习技术，及过去这两年的GAN、transformer-based(BERT和GPT-3模型)，预训练模型等等，可以说从我们感知方面语音识别、人脸识别、物体的分类，已经和人达到同样的水平。但在自然语言理解，知识推理，和视频语义和泛化能力方面还有很多差距。另外在算法透明性，可解释性，因果性，安全，隐私和伦理等方面还存在较大挑战。
在可信AI计算方面最近又很多进展，一个例子是联邦学习，这也是清华大学智能产业研究院的一个重要研究课题。联邦学习主要有两种方案，一种是横向联邦学习，它主要面向不同来源特征和模型相同的场景，能够保证相同模态不同来源数据之间的隐私性。另一种叫做纵向联邦学习，它可以处理不同来源的特征和模型不同的情况，能够保证多模态数据之间的隐私性。
我们已经看到，AI正在加速生命健康与生物医药领域向着更快速、更精准、更安全、更经济、更普惠的方向稳步发展。具体体现在，人工智能在蛋白质结构预测、CRISPR基因编辑技术、抗体/TCR/个性化的疫苗研发、精准医疗、AI辅助药物设计等方面的研究已成为国际前沿战略性研究热点。
考虑到这样的学科发展趋势和产业背景，清华大学智能产业研究院（AIR）在“AI+生命健康方向”做了四个研究方向的布局，聚焦在研究“AI增强个人健康管理与公共卫生”、“AI+医疗与生命科学”、“AI辅助药物研发”与“AI+基因分析与编辑”方向。
作为交叉领域研究与应用，AIR认识到人工智能与生命科学、生物医药领域存在较大的知识鸿沟，缺乏面向生物计算的数据集、AI平台、核心算法、计算引擎，同时跨界人才也非常稀缺。针对以上挑战，AIR提出“AI+生命科学破壁计划”，目标是定义AI+生命科学领域的核心前沿研究任务，跨越生命健康领域与人工智能的领域鸿沟，打破壁垒，促进AI与生命科学的深度交叉融合，加速科学发现。
为此，我们需要构建面向生命科学领域的人工智能基础设施、数据平台、核心算法引擎，支撑生命科学前沿研究任务。同时通过打造旗舰公开数据集，组织算法挑战竞赛，构建AI+生命科学的众智平台，培养跨界人才，构建产业生态。
AlphaFold2是AI+生命科学的一个典型成功案例。它的成功因素来自于两方面，首先，是任务的特殊性，蛋白质结构预测就可以看作从序列到三维结构的一个一一映射问题，因此它是一个welldefine的AI问题。这就是破壁计划的目标，要找到生命科学中意义重大，但同时又能抽象为适合AI的研究任务。第二，是模型的优越性。一方面，长时间的生命科学领域的研究积累了大规模的蛋白质结构数据，而AlphaFold2的整个模型架构则充分利用了数据驱动的端到端深度学习模型，大数据与深度模型的结合恰恰是第四范式的典型特点。因此，AlphaFold2带给我们的启示就是在AI+生命科学的研究中，要注重破壁和第四范式的重要性。
显然，AlphaFold2仅仅是一个开始，它的成功正在开启一个新的模式。蛋白质结构的精准预测为生命科学家提供了高效的计算工具，也为基于AI的重大生命科学发现提供了可能。未来，抗体、抗原的表位预测，肿瘤的精准疗法，TCR/个性化疫苗的设计与优化等方向将成为重要的研究热点，并在AI驱动的新计算模式下取得突破性进展，AI+大分子制药的黄金时代将正式到来。
其中，还会产生很多新的科学挑战，也预示着将产生新的计算范式，例如，干湿融合的闭环式计算框架。一方面人工智能模型通过高通量、多轮湿实验的闭环验证和数据补充将变得更为智能。另一方面，通过主动学习或强化学习的方式，AI将主动规划湿实验的自动化进行，形成干湿闭环验证、迭代加速生命科学发现与产业应用。我们预见到，通过干湿闭环打通，生命科学研究与生物医药产业将迎来新的研究范式与产业模式。
AIR目前在基因数据的表达和预测方面已经取得了一些初步进展。最近，由我们清华大学智能产业研究院（AIR）的兰艳艳教授带领GeneBert团队设计了一个新颖的基因预训练模型，通过构建序列与转录因子之间的二维矩阵，实现了一个多模态的基因预训练模型，获取了基因数据的有效表示，尤其是挖掘了非编码区的数据价值，在下游的启动子、转录子结合位点的预测，先天性巨结肠疾病的基因筛选任务上都大幅提高了性能。我们相信，类似预训练这样的前沿AI技术在基因数据上的持续深入应用，将进一步挖掘基因数据的价值，帮助我们破解人类的密码，在癌症的精准治疗等重要问题上发挥作用。
总结来看，我们认为，生物世界正处于数字化、自动化和智能科学计算的新变革中，用计算的方法，即人工智能和数据驱动的第四研究范式来辅助人们探索并解决生命健康的问题成为一个重要的研究方向。未来，需要学术界和产业界共同推动生命科学、生物医药、基因工程、个人健康各领域从孤立、开环向协同、闭环发展，实现更快速、更精准、更安全、更经济、更普惠的生命科学与生物医药创新，这代表着下个十年巨大的科学发展与产业创新的新机会。
我们热切呼吁更多的人来关注、支持或投身于这个新兴交叉学科的发展。
撰文排版/冼晓晴
校对责编/黄妍
阅读原文：
张亚勤：人工智能赋能生命科学——机遇与挑战
中国人工智能创新处于什么发展水平
◎编辑｜数字经济先锋号
◎来源｜北京工业大学学报
◎作者｜王山陈昌兵
人工智能作为新技术创新的代表与引领未来、重塑传统行业结构的前沿性与战略性技术，逐渐成为全球新一轮科技革命和产业变革的重要驱动力量。世界各国在以创新为主的人工智能新技术方面展开了激烈的角逐与残酷的竞争。
目前，我国人工智能技术创新水平如何？技术处于何种发展阶段？我国发展人工智能的优势在哪？未来我国人工智能发展趋势如何？本文即将告诉你答案。
指标体系的构建
基于技术创新大数据，本文创新性地构建多指标测度体系与技术创新综合发展指数；根据综合发展指数模拟各国人工智能技术创新Ｓ演化曲线，描绘动态演变轨迹并定位中美技术创新发展位置。重点结合五维度在不同阶段的权重分布，比较中美新技术创新发展差距，探讨影响我国人工智能新技术创新发展的主要因素。提出提高新技术创新水平的具体措施与发展建议，助力实现我国人工智能关键核心技术突破、摆脱被先发国家控制的劣势地位。
表１人工智能技术创新发展水平多指标测度体系
根据技术创新周期不同发展阶段可能呈现出的特征与各特征之间的内在逻辑关系，同时结合人工智能新技术创新发展影响因素与技术创新发展测度相关参考文献，我们选择了基础研究、技术创新、科技布局、产业规模与技术进步５个维度来测度人工智能技术创新发展水平（如表一所示）。
根据指标熵权计算式得到的人工智能技术创新水平各测度指标的权重值（Ｗj）（如表二所示）。从单个指标权重看，首先体现产业规模的人工智能技术融资规模指标权重最高，然后为人工智能新增企业数指标；其次为体现技术创新程度的人工智能技术优先权年专利申请量指标，研发课题数指标权重最低。从分析维度看，首先产业规模维度权重最大；其次为技术创新维度与科技布局维度，基础研究维度权重值最小。综上可知，产业规模与技术创新维度各参数动态变化对人工智能技术创新所处发展阶段的判断具有显著影响。
表２人工智能技术创新水平测度指标权重值
中美等国的对比与分析
根据分析，目前，我国人工智能技术正处于快速发展的技术成长期后期，技术创新十分活跃，未来将涌入更多的企业和科研机构，竞争也将越来越激烈。而美国人工智能技术萌芽于1990年，于2005年步入技术成长期，2020年开始走向成熟，并预计于2034年进入技术衰退期，目前正处于开展商业应用的技术成熟期，创新动力将持续增强。（拟合优度是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）Ｒ²。Ｒ²最大值为１，越接近１，说明回归直线对观测值的拟合程度越好，表三可见各国人工智能技术创新Ｓ演化曲线拟合优度Ｒ²均在０.９以上，拟合效果较为理想。——数字经济先锋号注）
表３中美等国人工智能技术创新发展阶段判定
日本、英国、法国与德国作为较早启动人工智能新技术研究开发与科研成果推广应用的主要发达国家，同样具有较大的先发优势，其技术创新发展水平早期均位列世界前沿且技术发展历程与演化轨迹比较相似，均在1990年左右进入技术创新萌芽期，后经技术不断地积累､发展与突破，分别于2005年与2019年左右步入技术创新成长期与成熟期，目前技术已经成熟。
图１中美等国人工智能技术创新周期Ｓ曲线
得益于雄厚的科技与经济实力，美国人工智能技术创新累计综合发展指数遥遥领先于其他各国，日英法德４国作为人工智能新技术创新发展早期的追随者与前期领导者，在人工智能技术领域，同样具有较高的发展水平与先发优势，鉴于人工智能技术创新是一个显著的动态累计过程，且发展周期较长，美日等世界主要发达国家并未因前期先发优势而形成技术发展垄断局面，因而为后发国家的技术追赶提供了巨大的机会窗口。
由图１技术创新演变曲线可预测出，在技术经验渐进性积累与自主创新能力不断提升的条件下，我国正逐步缩小与美国在人工智能新技术创新赛道上的发展差距，预计将在人工智能新技术创新发展的成熟期实现技术的追赶与超越。
目前，中国人工智能技术创新累计综合发展指数已超越英法德日４国，但与技术创新水平处于全球领先地位的美国相比仍有较大发展差距。本文从人工智能新技术创新累计综合发展指数增长率探索未来中国是否能反超美国并掌握创新发展的主导权，图２是各国人工智能技术创新累计综合发展指数增长率变化结果。
图２拟合中美等国人工智能技术创新累计综合发展指数增长率
由图２可知，1985-2003年，美国、英国、法国、德国与日本人工智能技术创新累计综合发展指数增长速率基本处于快速上升状态，尤其是美国。而我国的人工智能技术创新起步晚于美国，在基础研究原创性成果的不足或某些前沿领域的投入缺失的情况下错失了先发优势。但在国家大力扶持与自主创新能力不断提升的情况下，我国人工智能技术发展呈现出了非常强劲的增长态势。
因此，可以预见，在当前快速增长态势下，再加上后天技术的积累以及先发的数据优势，我国必将在人工智能新技术这一赛道上领跑全球。
影响因素动态分析
我国人工智能新技术创新发展速度较快，但关键核心技术水平与美国相比仍有差距。技术创新是一个多阶段过程，不同发展阶段因所需资源、条件不同而影响因素权重不同。本节创新性地引入技术创新不同阶段变量，动态分析不同阶段下人工智能技术创新的多指标测度体系中维度权重变化。进一步深入剖析我国人工智能新技术创新发展的影响因素。
由表四可以看出，中美两国在人工智能技术的发展阶段、技术创新和技术进步等方面存在差异。美国在人工智能新技术基础研究投入、技术创新布局、技术产业链上游的占据等方面具有较为显著的优势，而我国在科技布局、产业规模和融资份额等方面具有一定优势。但是，我国与美国相比，技术进步较为缓慢，尤其是在芯片领域存在较大差距，这将对我国的人工智能产业化形成不利影响。
因此，我们应该着眼于加强人工智能领域的基础研究，不断提升自主创新能力，积极推动技术创新和进步，在技术产业链上游抢占制高点，实现由技术跟随到技术引领的转变。同时，也需要加强与市场的有效结合，促进技术产业化的发展，让科技创新更好地服务于经济社会的发展，实现以科技创新驱动高质量发展的目标。
表４人工智能技术不同发展阶段影响因素权重分布
通过与美国的比较不难看出，我国人工智能新技术创新在基础研究、技术创新与技术进步维度，仍有相当发展空间，由于缺乏占据世界产业制高点的核心技术，存在若干被他国“卡脖子”的领域。
图３中美等国人工智能技术创新逐年发展指数
虽然我国人工智能新技术研发起步较晚，基础研究薄弱，技术创新累计综合发展指数与美国存在较大差距，但由技术创新逐年综合发展指数（图3）可知，我国人工智能新技术创新发展指数自2003年开始逐年上升，正不断缩小与美国人工智能技术创新累计综合发展指数的差距。作为后起之秀，在经历长期以技术跟随为主的技术潜伏期与萌芽期，以及二次创新为主的技术成长期后，依靠后发优势，我国于2017年反超自2003年以来技术创新逐年发展指数呈逐步下降态势的美国，跃居全球首位。
结论及建议
本文基于人工智能技术创新科研大数据，提出了人工智能技术创新水平多指标测度体系与技术创新综合发展指数计算模型，并通过绘制技术创新生命周期Ｓ演化曲线，对我国与世界主要发达国家在人工智能技术创新方面的发展阶段进行了评估与预测，深度剖析了我国与美国等国之间在技术创新、科技布局、产业规模、技术进步等方面的差距。
基于这些结论，本文提出了几点建议。首先，要强化基础研究，加大对基础研究长期稳定的支持力度，同时引导企业增加基础研究投入，提高我国基础研究水平和源头创新能力。
其次，要推动应用研究与基础研究的融合贯通，坚持问题导向、目标导向，设立重大科技计划项目，支持设立联合攻关团队（校企联合或校校联合等），或以企业为主导并协调高校和有关科研院所的资源，对有关人工智能的应用技术进行研究开发（委托研究、联合研究等形式）。
此外，还建议要产业化市场化发展，中国目前以高校为主、各自为战的人工智能研发体系不利于中国人工智能产业对前沿技术的把握和整体技术创新水平的进一步提升，也不利于技术的快速转化应用。建议培育一批技术先进、世界领先的企业，并带动产业上下游协同发展，形成持续创新能力、技术全球领先的产业集群。
最后，要完善技术创新机制，应鼓励企业培育和引进掌握关键核心技术的科技领军人才和团队，为产业发展提供智力支持；建立综合的关键核心技术突破与创新机制，将短期与中长期科技积累相结合，建立国家基础研究、产业科技等方面的公私结合的综合创新体系，将产业发展创新需求、国家战略创新需求、科研好奇创新需求等三大方面的创新动力综合起来，并重结合，实现“远水”和“近渴”的融合。
综上所述，通过实施这些建议，我国在人工智能技术创新方面可以进一步提升自身的科技水平和创新能力，缩小与美国等发达国家的差距，加速我国在人工智能领域的发展进程。
原文来源：王山，陈昌兵．中美人工智能技术创新的动态比较——基于人工智能技术创新大数据的多Ｓ曲线模型分析［Ｊ／ＯＬ］．北京工业大学学报（社会科学版）。（因篇幅原因，本文有部分删减）
关于我们
「数字经济先锋号」是成都数联产服科技有限公司旗下数字经济研究交流平台。围绕数字产业、数字基建、数字治理、数字生态等数字应用领域，揭示与记录数字经济发展点滴与脉络。
数联产服是一家数字经济行业智库、产业大数据服务商，具备全流程大数据治理-分析-决策支撑服务能力，面向各级政府和产业运营机构提供基于大数据的产业经济发展解决方案和综合服务。
人工智能时代需要怎样的教师
“我的工作会被机器人取代吗？”人工智能的迅猛发展，让越来越多的人开始担心自己的“饭碗”。而随着人工智能进军教育领域，许多教师也开始忧虑起来：“机器人会让我失业吗？”
实际上，这种担心并非空穴来风。2016年5月，美国佐治亚理工学院计算机科学教授艾休克·戈尔，在自己的网络课程中，将一款聊天机器人安排为自己的助教。这一聊天机器人在后台回答问题的功能非常强大，学生们根本没有注意到自己的聊天对象是机器人。人工智能会取代教师吗？
教师被人工智能替代的几率为0.4%
“如果你的工作包含以下三类要求，那么你被机器人取代的可能性非常小：社交能力、协商能力以及人情练达的艺术；同情心以及对他人真心实意的扶助和关切；创意和审美。”北京师范大学教育学部副部长余胜泉说，“反之，如果你的工作符合以下特征，那么被机器人取代的可能性就非常大：无需天赋，经由训练即可掌握的技能；大量的重复性劳动，每天上班无需过脑，但手熟尔；工作空间狭小，坐在格子间里，不闻天下事。”
余胜泉告诉记者，英国广播公司（BBC）基于剑桥大学研究者的数据体系，分析了365种职业未来的“被淘汰概率”。其中，电话推销员、打字员、银行职员等职业，分别以99.0%、98.5%、96.8%概率，被列为可被人工智能取代的职业；而艺术家、心理医生、教师等职业，分别以3.8%、0.7%、0.4%的概率，被列为最不可能被人工智能取代的职业。
“BBC分析认为，教师被机器人替代的概率只有0.4%，但英国教育专家AnthonySeldon则预测现在离人类教师消失只剩下3000天。孰是孰非呢？”《华东师范大学学报（教育科学版）》主编杨九诠说，“我想不可能有也不应该有肯定的答案。但值得注意的是，此‘教师’已非彼‘教师’。在未来新的社会样态、教育样态、知识样态和学习样态中，教师的思想观念、心智结构、生活方式和角色意识等，以及教师与社会、组织、学生、同行的关系，都可能发生颠覆性的全新变化。”
“传道、授业、解惑，是教师的主要职责。随着人工智能的出现，智能机器人可以代替教师传授知识、解疑答难、展示方法、考试阅卷，但在‘传道’这一块是替代不了的。”新疆呼图壁县教科局局长朱新宇说。
“目前的智能教学系统还是对优秀教师的模拟，建立教师模型、学生模型、教学法模型和交互模型等。所以说，人工智能远远谈不上对教师、特别是优秀教师的直接威胁。我们可以将人类智慧编码输入电脑，但不可能将电脑芯片植入一个健康的大脑。”北京大学教育学院教育技术系教授贾积有说。
人工智能将是教师的得力助手
“人工智能不可能取代教师，而是要成为师生的强大助手，可大幅提升教与学的效率和效果，所以学校应积极拥抱人工智能。”科大讯飞轮值总裁吴晓如说。贾积有也表示，人工智能技术在教育领域的应用与传统教学方法相比具有比较显著的正面影响。
贾积有介绍，数据挖掘技术应用到教育上，可以实现教育决策和管理的民主化及科学化；学习分析技术可以帮助教育者更好地实施个性化和适应性教学活动，也可以帮助学习者更准确地认识自己，开展针对性学习，改进学习效果，提高学习效益；模式识别技术如情感识别等可以自动识别学生的情感状态，以便实施适应性教学；自然语言处理技术一方面可以作为辅助工具应用到语言教学上,促进学生听说读写译各个方面的发展，另一方面作为人机交互手段应用到智能教学系统上，实现自动答疑。
余胜泉也认为，人工智能在教育未来的许多方面，如自动出题与批阅、学习障碍诊断与及时反馈、问题解决能力测评、学生心理素质测评与改进、青少年体质健康实时监测、学生成长发展指导、智能学习伴侣、个性化智能教学、综合素质评价报告等方面，都可以承担起教师的角色。
“人工智能将引发现代教与学的革命，众多语音图像识别、可穿戴设备、虚拟现实成像技术渗入课堂，使得现行的教学媒介、师生评价反馈、深度学习等都发生改变，学生个性化、任务单式的学习，团队项目式的学习，多学科的统整融合实践等，都将在智能设备的支持下变得更便捷。”广东省深圳市南山区后海小学校长蒋和勇说。
“人要驾驭机器，而不能被机器奴役。”北京市第十八中学校长管杰表示，有了人工智能的辅助，教师可以腾出更多的时间和精力，创新教育内容、改革教学方法，让教育变得更好。教师就不再仅仅是知识的传授者，还是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问，成为学生学习的陪伴者、动力的激发者、情感的呵护者，真正成为学生“灵魂的工程师”。
不会使用人工智能的教师有可能被淘汰
“显然，未来的优秀教师将是那些善于使用人工智能的教师，教师要主动拥抱人工智能。”教育部基础教育课程教材发展中心主任田慧生说，“我们应该积极面对人工智能带来的挑战，同时提高自身的自主学习能力，培养创造力。创新思维的培养，就是要呵护学生的好奇心和求知欲，鼓励学生发现问题。”
“人工智能不能取代教师，但是使用人工智能的教师却能取代不使用人工智能的教师。”余胜泉说，未来的教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高教育生产力的关键，人工智能将会取代简单重复的脑力劳动，教师要发挥人类的创新、复杂决策、情感关怀激励等优势。
朱新宇认为，在人工智能时代，教师教学必须抓住3个核心：一是教授学生有价值的知识，同时培养学生探寻知识的兴趣、欲望和方法；二是培养学生良好的品行；三是启发学生寻找人生的价值和意义。
“最基础的教育，将不再需要教师；而‘更好教育’的需求以及市场选择中不同的支付渠道和交换方式，将大大提升教师的薪资水平和社会地位。”杨九诠认为，“教师将成为未来社会不同类型、不同规模的学习中心重要的共同规划者和运行者，从而成为社会与教育的协同创生力量；在工作性质和社会筛选的相互作用下，教师的道德水平将提升到新的境界，甚至可以想象，未来教师的薪资中将可能包含社会供养的成分。”
教育部教师工作司司长、北京外国语大学党委书记王定华说，教师要不断增长本领，善用人工智能，提高教学效果，扩展知识疆域，调动学生兴趣，不能对其漠然置之、不屑一顾。同时，教师也要体现主体地位，永做学校主人，关注学生成长。人不仅是学习知识的认知体，更是有血有肉的生命体。教师职业必将长期存在，人工智能则发挥必要辅助。
“面对信息技术和人工智能的日新月异，有关大学和中小学应加快教师发展信息化步伐，主动拥抱人工智能，进一步推动信息技术在教育教学、教育管理、教育服务过程中的应用，利用智能技术支撑人才培养模式的创新，支撑教学方法的改革，持续不断地造就一批又一批掌握信息技术、具有创新思维的教师。”王定华说。（本报记者苏令）