人民日报：让人工智能与产业紧密融合
推进人工智能产业化，需要基础支撑平台技术上的突破创新。
“无人驾驶、智能安防等终端场景是人工智能应用的重要场景，但人工智能在这些场景能不能落地、落地后有多大价值，需要依靠智能平台的支撑。”余凯以自动驾驶为例，当前无人驾驶技术仍不成熟，一个重要的影响因素是计算效率不够高。“1000辆上路的自动驾驶汽车，每天要处理相当于当前百度图像搜索的数据量，要及时、有效地处理好信息，在底层架构上就需要高性能的人工智能芯片。”
芯片的特点和性能往往决定了人工智能应用平台的架构和发展生态。鲲云科技创始人牛昕宇说，人工智能芯片通常会针对人工智能算法做特殊设计，我国在传统芯片上与国外领先企业有较大差距，但人工智能芯片与传统芯片底层物理结构完全不同，这样就相当于大家来到同一起点，我国应抓住人工智能芯片发展的机遇，为人工智能应用落地、产业发展提供强劲支撑。
推进人工智能产业化，还要培育领军企业。
虽然商业化刚起步，但人工智能巨大的发展前景已赢得了世界各国极大关注。我国已经成为全球人工智能产业发展的重要推动者。当前全球人工智能产业总体上由少数科技巨头公司引领，但也涌现出许多人工智能初创企业，在一些细分领域很有竞争力。受访专家认为，当前全球人工智能应用生态尚未成形，要积极搭建人工智能生态圈，进而在人工智能产业上取得主动权。同时，培育一批具有行业引领带动作用的人工智能企业和产业，建立起从基础研发、平台技术开发到应用落地的人工智能产业生态链条，并最终支撑起人工智能在各行业的终端应用。
“人工智能时代的产品将是定制化的，需要形态、性能各异的产品。因此，虽然我国在一些领域与发达国家有一定差距，但在人工智能产业上仍然有很多机会，甚至实现换道超车。”王军表示。
提升社会整体智能化水平，促进人工智能与传统产业深入融合
“人工智能”在深刻改变着传统产业。人工智能与传统产业的关系如何？怎样推进人工智能与传统产业深入融合？
“如果说人工智能是供给侧，传统行业则是需求侧，它们不是谁颠覆谁的关系。推进人工智能应用场景落地，要处理好‘供给侧’和‘需求侧’的匹配问题，还要打通两者之间的壁垒，让双方加深理解，明白传统行业在哪些方面需要人工智能，人工智能又能对产业发展起什么作用。”余凯表示。
专家认为，为了实现人工智能与传统产业良性互动，需要社会整体智能化水平的提升。因此，有必要推进智能化信息基础设施建设，提升传统基础设施智能化水平。
比如，无人驾驶需要车与路、车与人以及交通基础设施之间的互联互通，要实现这一点，稳定快速的通信网络就很重要，而5G技术和5G网络正好能满足车、路、人等协同的要求。因此，无人驾驶汽车要上路，绝不是有了好算法就行，它还需要新一代通信技术基础设施的配合，以及相关标准、协议的兼容畅通。
仍以数据为例，人工智能时代，数据是基石，但标注好的数据更重要、更有价值。对大多数行业参与者来说，它们难以负担也没有能力做好海量数据的标注工作，因此需要引导行业专家共同参与，整合各行业的力量，服务人工智能产业发展。
“提高数据标注质量，可以尝试探索由第三方权威机构牵头，逐步建立市场导向的面向全行业公开共享的大型数据标注集，最终通过人工智能模型应用市场终端反馈给予贡献数据集的机构或个人报酬，这样既提高了效率又保障了参与者的积极性。”凌少平建议。
应该正视的是，当前我国人工智能产业尚未形成有影响力的生态圈和产业链，这就需要行业参与者积极布局，发挥好各自的优势，搭建起人工智能产业生态；管理部门也应发挥好引导作用，帮助解决制约行业发展的共性难题。此外，人工智能产业的有效推进还离不开行业标准管理、政策法规等外部环境。受访专家表示，在人工智能时代，我们应该意识到“信息”与“智能”已经成为新的生产要素，与劳动、资本、土地等其他财富创造要素具有同等重要的地位，拥抱人工智能产业，还要在产业之外下功夫。
《人民日报》(2018年12月21日18版)返回搜狐，查看更多
让人工智能成为“智慧动能”（人民时评）
从人脸识别的逐步应用，到方兴未艾的自动驾驶，人工智能正在越来越多领域发挥作用。科技部、教育部、工信部等6部门联合发布《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》，统筹人工智能场景创新；科技部发布《关于支持建设新一代人工智能示范应用场景的通知》，支持建设包括智慧农场、智能港口在内的10个人工智能示范应用场景……近段时间，助力培育人工智能应用场景的政策措施接连出台，为牵引推动人工智能落地营造了良好的政策环境。
习近平总书记强调：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”作为赋能手段，人工智能与实体经济融合，能够引领产业转型，孕育新产业新模式新业态；作为服务人们美好生活的工具，人工智能的应用有助于提升生活品质，满足人们消费升级需求。无论是促进传统产业提质增效，还是培育新的经济增长点，人们对以互联网、大数据、人工智能为代表的新一代信息技术寄予厚望。
应用需求是技术进步的重要推动力。为推动人工智能应用落地，2017年国务院印发《新一代人工智能发展规划》，截至2021年12月，国家新一代人工智能创新发展试验区已达17个。据测算，我国人工智能核心产业规模超过4000亿元，企业数量超过3000家。得益于海量数据处理带来的旺盛需求，丰富应用场景提供的试验土壤，我国在计算机视觉、语音识别等领域走在世界前列。在应用实践中锤炼、迭代和改进的技术，反过来又促进应用更加深化，从而形成技术进步与应用推广相互推进的良性循环。这是我国发展新技术的重要优势，过去人工智能产业发展受益于此，推动人工智能应用迈向更高水平，依然需要用好这一长处。
随着我国数字基础设施建设提速，更多潜在应用场景将会不断涌现。智能制造、智慧城市、智能矿山、智能供应链等，为拓展人工智能应用提供了广阔的舞台。就此而言，应当加快拓展应用场景，进行规模化市场探索，打造形成一批可复制、可推广的标杆型示范应用场景。加速新技术落地，有助于保持我国人工智能发展的优势。挖掘更多应用场景，着力打通落地环节，推动人工智能与相关行业深度融合，人工智能应用必将发挥更大效用。
需要注意的是，发展人工智能产业是一项系统工程。比如，支撑自动驾驶升级，除了“聪明”的车，更要有“智慧”的路，这离不开营造包括技术研发、基础设施、数据流通在内的良好产业生态。此外，发挥应用场景的优势，也需及时补上底层技术的短板。推进人工智能应用走深走实的同时，加强软硬件、底层技术攻关，两者齐头并进，才能增强产业发展后劲，掌握发展的主动权。
犹记北京冬奥会开幕式上，小朋友在舞台上自由跑动，脚下踩出一片片“雪花”。它们时而散开，时而汇聚，星光也跟着孩子们的脚步流动，这是“人工智能实时视频特效”带来的神奇效果。未来几年是人工智能技术跃迁的重要窗口期，随着应用场景资源的持续开放，场景创新能力的不断提升，人工智能与产业的融合必将更加紧密，人工智能的应用也必将迈向更高水平，为促进经济社会高质量发展注入源源不断的智慧动能。
《人民日报》（2022年09月14日09版）
(责编：袁勃、仝宗莉)分享让更多人看到
科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）